logo

工业4.0来袭 建立智能工厂不得不考虑的4个方面

  • 分类:新闻中心
  • 作者:
  • 来源:
  • 发布时间:2020-06-16 15:58
  • 访问量:

【概要描述】 随着工业4.0的推进,物联网技术经过多年酝酿获得了飞速的发展,已经进入产业融合的阶段,工业互联网逐渐走进了大家视野。工业物联网在生产制造中通过对工业资源、数据和系统的网络互联,实现原材料制造的灵活配置、生产过程的按需执行、制造过程的合理优化以及制造环境的快速适应。

工业4.0来袭 建立智能工厂不得不考虑的4个方面

【概要描述】 随着工业4.0的推进,物联网技术经过多年酝酿获得了飞速的发展,已经进入产业融合的阶段,工业互联网逐渐走进了大家视野。工业物联网在生产制造中通过对工业资源、数据和系统的网络互联,实现原材料制造的灵活配置、生产过程的按需执行、制造过程的合理优化以及制造环境的快速适应。

  • 分类:新闻中心
  • 作者:
  • 来源:
  • 发布时间:2020-06-16 15:58
  • 访问量:
详情

随着工业4.0的推进,物联网技术经过多年酝酿获得了飞速的发展,已经进入产业融合的阶段,工业互联网逐渐走进了大家视野。工业物联网在生产制造中通过对工业资源、数据和系统的网络互联,实现原材料制造的灵活配置、生产过程的按需执行、制造过程的合理优化以及制造环境的快速适应。

目前工业互联网广泛应用在工业制造中的供应链管理、生产过程工艺优化、产品设备监控管理、环保监测及能源管理等方面,已成为建设智能工厂的重要基础,大大加快了传统制造向智能制造的转型升级步伐。

一、工业物联网政策加持获得飞速发展

工业物联网是通过工业资源的网络互联、数据互通和系统互操作,实现制造原料的灵活配合、制造过程的按需执行、制造工艺的合理优化和制造环境的快速适应,达到资源的高效利用,从而构建服务驱动型的新工业生态体系。它具有6大典型特征:智能感知、泛在连通、精准控制、数字建模、实时分析、迭代优化。

美国于2013年出台《国家制造业创新网络初步设计》,推动美国工业领域的物联网应用。日本制定了《2030年新产业结构展望》,以物联网、大数据、人工智能为重点进一步探索工业新模式。我国对于工业物联网发展的政策支持力度不断提升。2016年颁布《物联网 "十三五"规划》,则明确了物联网产业十三五的发展目标。

2018年全球工业物联网的市场规模约640亿美元,预计将在2023年成长至914亿美元,2018-2023年的五年间复合年成长率(CAGR)为7.39%。以上数据说明在全球普遍重视高新技术的大背景下,工业物联网的市场规模有望实现大幅度增长,发展后劲十足。

二、自动化与控制为主导的智能工厂正在发展

工业物联网设备要想实现智能工厂在工业4.0生产制造环境下的可持续性策略它需要考虑,智能工厂车间所产生的大数据和信息流,如何达到快速连接;智能生产设备机器终端与智能传感器,如何及时获取数据并进行数据处理;如何升级智能传感器、智能传动组件、智能控制器、智能机器人等智能电子器件和智能设备组成的智能流水线设备等。

建设智能工厂看起来十分复杂,甚至难以实现。业内相关专家认为,构建智能工厂,需要结合数据分析,推动生产流程自动化,形成全面的客户订单拉动协作型生产。实现数字化供应网络的转型,制造企业需具备多方面的能力:推动企业运作的众多运营系统间横向整合的能力;互联制造系统间垂直整合的能力;以及整个价值链端到端、全面整合的能力。

三、建设智能工厂需考虑的四方面

1、数据与算法

要实现智能工厂的有效运作,制造企业应当采用适当的方式持续创建和收集数据流,管理和储存产生的大量信息,并通过多种较为复杂的方式分析数据,且基于数据采取相应行动。

生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据,并与订单、工序、人员进行关联,以实现生产过程的全程追溯。企业需要根据采集的频率要求来确定采集方式,对于需要高频率采集的数据,应当从设备控制系统中自动采集。企业在进行智能工厂规划时,要预先考虑好数据采集的接口规范,以及SCADA(监控和数据采集)系统的应用。

同时,数据也代表数字孪生,数字孪生通过数字化形式,以较高的水平呈现某对象或流程过去及当前的行为。数字孪生需针对生产、环境和产品情况持续开展实际的数据测量。基于强大的处理能力,数字孪生可从产品或系统情况中获取重要信息,反映现实世界中设计与流程的变化。

2、技术

在智能工厂建设中,人工智能技术正在被不断地被应用到图像识别、语音识别、智能机器人、故障诊断与预测性维护、质量监控等各个领域,覆盖从研发创新、生产管理、质量控制、故障诊断等多个方面。

例如,可以利用机器学习技术,挖掘产品缺陷与历史数据之间的关系,形成控制规则,并通过增强学习技术和实时反馈,控制生产过程减少产品缺陷。同时集成专家经验,不断改进学习结果。利用机器视觉代替人眼,提高生产柔性和自动化程度,提升产品质检效率和可靠性。

但各企业也需考虑其他技术,包括交易和企业资源规划系统、物联网以及分析平台,同时也应当考虑边缘加工和云存储等需求。这就需要企业运用各类数字化和物理技术——包括分析技术、机器人技术、高性能计算、人工智能、认知技术——将不同资产和设备关联起来,对数据加以处理,实现经营活动的数字化。

3、流程与管理

智能工厂最重要的特征之一是其自优化、自适应以及生产过程自动化的能力。该特征能够从根本上改变传统流程和管理模式。自主系统能够在没有人工参与的情况下制定并实施许多决策,并在诸多情况下将制定决策的责任从人工转移到了机器,或者说仅由少数人制定决策。

智能工厂可以使生产过程中设备之间实现良好的信息交互,使各个环节紧密配合,生产过程中每个环节的生产时间、原料供应以及下一环节的生产情况在设备中及时进行处理。智能化系统平台通过整体的优化,使得各个环节的生产配置最优,各个环节的设备得到了高效的利用。

随着对工厂更加深入和全面的了解,以及生产和供应网络的扩大,制造企业也可能面临各种不同的新问题。企业可能需要考虑和重新设计决策制定流程,以适应新的转变。

4、人员

智能工厂中人员仍将是工厂运营的关键。但智能工厂可能会在运营以及信息技术/运营技术组织架构方面发生重大变化,导致人员职位出现变动,从而适应新的流程和功能。一些职位由于可能被机器人(物理和逻辑)、流程自动化以及人工智能取代,而其他一些职位的功能可能会因虚拟/增强现实以及数据可视化等新技术的加持而得以增强。人员和流程管理变革离不开灵活、适当的变革管理方案。

除此之外,还应当重视整体人员绩效的提升。设备管理有OEE,人员管理同样有整体绩效-OLE(整体劳动效能)。通过对整体劳动效能指标的分析,可以清楚了解劳动力绩效,找出人员绩效改进的方向和办法,而分析劳动力绩效的基础是及时、完整、真实的数据。

在工业物联网的驱动下,同样的能耗和时长,机器可以完成的工作会更加丰富,效率也会得到极大提升。智能工厂还远未达到“终极形态”,而是一个不断演变的解决方案——一个不断挖掘灵活性、互联性和透明度等众多特性的解决方案。

在探索发展之路中,我们需要回到发展的本源,不断满足新的追求。建立新生态,让现有生态圈能够互相依存互相制约,实现最有效的利用。

扫二维码用手机看