一文解析智能制造的未来

　　工业4.0在大约10年前开始进入制造业词典。德国建筑师将其称为第四次制造业革命，即工业革命，大规模生产的发明和信息技术的发展。前者可将工业4.0定义为使用“信息和通信技术进行数字化”的最简单术语。工艺，从而提高质量，降低成本和提高效率，” Karen Laird在《今日塑料》发表的特别报告中写道。Laird解释说：“在这种工业数字化的基础上，是所谓的网络物理系统，它将物理世界和虚拟世界融合在一起。”“在生产环境中，这意味着将 *** 作技术与信息技术相集成，这是通过使用嵌入式系统监视和控制物理过程来实现的。将网络中的所有这些传感器系统连接到计算系统，导致了今天所谓的物联网（IoT）的出现，其中收集，分析和交流了大量数据。智能不再是在一个地方集中，但是整个系统是分布式的，是用机器，设备和用户进行访问。”

　　早期，这个概念引起了很多炒作-工业4.0在整个K展上迅速成为流行语。如今，尤其是在北美，人们可能会遇到更为实用的术语“智能工厂”和“智能制造”，但请不要误解：这些工具-传感器，机器人，数字化，工业物联网（IIoT）和深度数据分析以及目标（提高生产率，相对于低薪国家的竞争优势）在很大程度上是同义词。随心所欲，它对第一世界制造业的影响是不可避免的。

　　制造商生产力与创新联盟和德勤（Deloitte）于2019年9月发表的一项联合研究发现，超过85％的工业制造商认为，智能工厂计划将成为未来五年制造业竞争力的主要驱动力。位于德国雷根斯堡的宝马工厂就说明了原因。

　　被世界经济论坛称为“未来工厂”的宝马工厂在2018年生产了约320，000辆汽车。通过引入工业4.0启发的技术（传感器，机器人，自动运输系统，数据收集和IIoT），所需时间美国有线电视新闻网（CNN）于2020年1月23日提交的报告显示，部署新应用程序的比例减少了80％，质量问题减少了5％。

　　宝马雷根斯堡工厂经理Frank Bachmann对CNN记者Jenny Marc和Nell Lewis表示：“智能工厂的特征是使用新技术和（和）新思想的智能方式，可以将创新推向新的高度。”“该工厂有3，000多台连接的机器，机器人和自动运输系统。定制的物联网平台将这些工具与材料和零件链接在一起，这些材料和零件一开始就带有激光打印标签，从而可以分析和跟踪信息的每一步。”这意味着可以警告供应管线中的任何问题。例如，如果系统检测到奇怪的噪音，则会通知机械师，并且可以立即解决问题。

　　输入人工智能

　　这证明了当今令人眼花of乱的技术变革步伐，在工业4.0的早期阶段（也就是不到10年前），很少提及人工智能（AI）。现在，人工智能已成为智能工厂的关键要素。

　　“从塑料零件从成型机中取出到成品和组装好的组件离开最终组装线之间，可能会发生很多事情。虽然AI可以作为提高质量和提高产量的工具，但单靠它可能还不够。” Shedletsky向PlasTIcsToday解释说。她补充说，人工智能非常有帮助的地方是通过产品和可追溯性数据进行解析，以识别工程和生产团队的相关信息。

　　由Instrumental开发的制造优化系统在关键装配实例（零件离开模具时，下游加工等期间）中收集图像，并智能地转换数据以检测缺陷和偏移。Shedletsky说，这些见解是根据上下文提供给工程师的，从而使他们能够通过实施和验证纠正措施来闭环。她解释说：“塑料加工商已经使用这项技术来快速识别和理解模制缺陷的根本原因，并有效地查明供应链中损坏或缺陷的位置。”Shedletsky补充说，对每一个制作的产品进行摄影记录也很有价值。“我们已经看到客户通过模腔将故障模式关联起来，以通过与客户共享数据来加速故障分析并捍卫下游质量投诉。对于关键任务部件，例如医疗设备中使用的部件，这种可追溯性可能是无价的。”

　　例如，谢德莱茨基与PlasTIcsToday共享了Motorola Mobility如何使用Instrumental的技术来识别零件缺陷的根本原因，从而节省了公司大量资源。在开发构建的最初几天内，摩托罗拉的工程师注意到了相机同心度问题。通过深入研究仪器数据记录，他发现了根本原因来自用于塑料装饰件的工具。Shedletsky说：“工程师收集了一系列图像，并制作了GIF，供他与供应商共享，以便团队可以合作解决根本原因。”“供应商立即意识到了这个问题，并能够在复制工具之前进行修复，从而为摩托罗拉节省了超过100，000美元。”

　　数据，无处不在的数据

　　工业软件公司Senseye的创始人兼首席执行官Simon Kampa在今年观察到重要的制造趋势，即如何明智地收集 *** 作数据。他最近在SmarTIndustry中写道：“2020年将是大型工业组织对其从其运营环境中收集的数据变得精明的一年。”“制造商现在意识到，他们需要一致，有意义和可比较的数据集来优化他们的生产流程。他们正在远离浪费的实践，浪费的实践涉及收集所有可能的数据，并在这些庞大的，无组织的资源中寻找新的意义和价值来源。他们的工作重点已经转移到特定的数据集上，例如资产状况指标，从而使工业组织可以肯定会增加价值。”坎帕写道。

　　制造商有时overthink数据收集和分析称：“当我们大多数人想到数据收集时，我们通常会默认使用大数据，而实际上，数据收集可以像使用整体设备有效性（OEE）分析工具那样简单，或者花时间评估哪些数据目前正在收集中。”“如何以及为什么要收集它？它存储在哪里？”

　　他列举了一个公司的示例，该公司通过多个部门中的多个数据库来收集相同的数据点，而彼此之间没有链接。该站点有14个不同的数据库正在运行。在审查了其数据策略之后，该公司将其数据库减少到七个，并发现它正在收集没有价值的数据。Rusk说，在某些情况下，它无法解释为什么它首先开始收集数据。

　　“重复工作的激增意味着宝贵的资源没有被明智地利用。通过采取整体数据收集策略，可以通过数据库整合来消除重复，并且可以将资源用于其他领域，例如解决关键KPI或ROI业务案例的互联制造投资。”

　　在活动中，它将展示各种规模的公司可以采取的步骤，以实施未来工厂的技术。展位的目的是引导与会者逐步迈向智能制造，从简单地将数字助理功能应用于手动生产，到添加模块化技术的模块化技术（该技术结合了新的传感器来捕获生产数据和整个运营中的完整Industry 4.0连接），博世力士乐说。展位上的主题之一是，即使是规模较小的制造商，也可以通过实施Industry 4.0的要素来实现真实，可衡量的结果。

　　“通过采用互联技术，我们看到的一些最常见的改进是在生产时间，工人效率乃至保修成本方面，基于真实数据的报告，这些数据在进行根本原因分析时显示出直接的因果关系，”他解释说。面包干“只要制作适合其能力明智的选择，制造商可以不打破银行，但连接技术都设定为持续发展阶段。我们看到一个出乎意料的结果，就是较小的制造商朝这个方向发展的意愿如何改善与他们的供应链客户的关系。”“利用真实数据进行交流和进行实际改进的能力提高了他们的置信度，并使它们在供应链中更有价值。”

　　在讨论未来工厂时，经常会在洗牌中迷失的一件事是人为因素。“智能制造不仅是单一技术，而且还不仅仅是技术。从根本上讲，这始终是使用智能技术的聪明人的首要考虑。”Maverick Technologies制造IT主管John Clemens在最近的《福布斯》（Forbes）文章中写道。寻找那些聪明的人可能是具有挑战性的。麦肯锡咨询师Enno de Boer在之前引用的CNN文章中指出：“存在巨大的技能缺口需要解决-42％的工业公司表示他们已经遇到了具有［工业4.0］功能的劳动力短缺，”他告诉CNN。然而，即将到来的一线希望是Z世代，他们出生于1997年至2012年之间。

　　正如一项调查发现，18至22岁的年轻人更有可能接受过辅导员，老师或指导者的建议，与一般人群相比，他们将制造业视为可行的职业。Z世代中有三分之一（32％）曾建议将制造业作为职业选择，而千禧一代中只有18％，总人口中只有13％。与其他同类机构相比，他们也更有可能考虑在制造业工作，并且不太可能将其视为一个正在衰退的行业。此外，他们对技术变革感到满意，技术变革已成为他们日常生活中不可或缺的一部分，并且可以轻松地采用必要的技能来应对未来的工厂。

　　因此，在至少一个方面，未来的工厂将类似于今天的工厂：人将继续是您最重要的资源。
责任编辑：YYX