×

登录 是一种态度

logo
手机
访问
公众
账号
󰀳 返回
顶部

工业物联网、人工智能带来的“车间革命”

核心提示:工业物联网、人工智能等技术在工业场景中的渗透和加持近年来不断深入,在工厂中,物联网、智能化的技术,将人、数据和机器三者相互联系,形成一个开放的生态系统,同时物联网提供的经验将帮助企业对生产中复杂多变的状况作出反应。

 

理想中的未来智能工厂应该是怎样的?

全球机器人四大家族之一的ABB公司对此的描述是:理想中的未来工厂是将机器人、人工智能与物联网技术结合的智能工厂。生产线配有传感器,采集生产流程各阶段中产品与设备的相关数据;机器人自主协同工作,完成各项复杂任务;生产加工站自主工作或协同工作,根据制造流程调整前段工序的情况;摄像头采集的视觉数据,检测到规格不符的情况触发自动校正流程。工厂通过制造网络的测试数据控制产品质量,基于软件管理传感器和客户数据,系统具备自主学习能力、做出决策的能力。智能制造能够彻底改变生产流程,通过设备的传感器收集预测性维护信息、改进库存和产能信息,实现交付和物流的优化,保持产品质量、提升产能,增加工厂的灵活性,适应小批量多品种的生产要求。

事实上,上述的智能工厂蓝图正逐步成为现实。在ABB海德堡工厂内,已经通过应用智能制造技术,使用7台机器人协作,产量提升了两倍,并且能够制造8000种产品,实现了更灵活的生产过程。

工业物联网、人工智能等技术在工业场景中的渗透和加持近年来不断深入,在工厂中,物联网、智能化的技术,将人、数据和机器三者相互联系,形成一个开放的生态系统,同时物联网提供的经验将帮助企业对生产中复杂多变的状况作出反应。

工业物联网为制造注入价值

智能化转型已经是制造业的必经之路。市场研究公司IDC预计,中国制造商在传感器和机器人等“物联网”产品上的支出到2020年将达到1280亿美元,从2016年到2020年平均每年增长14.7%。

物联网与工业的结合正日益紧密,而工业物联网带给传统制造业的价值将不仅仅是智能化的制造方式以及生产效率的提高。清华大学全球产业研究院研究员王璟瑜近日撰文指出,“如果从两个维度去分析工业和互联网对于制造业的价值:一个维度是制造业的生命周期,从开始做计划、设计到建造、运营和优化、再到后面的日常维护和升级改造。另一个维度是对制造业的不同能力阶梯。”

具体来说,工业物联网能把所有的设备、传感器、机器人都连接起来,对于设备本身的情况有更多的了解,更重要的是有了这些信息之后如何对生产过程进行持续的改善。从制造业生命周期的角度,工业互联网能够对工厂关注的三个主要方面——产能效率、正常运行时间(uptime)、产品合格率都带来变革,为整个制造业生命周期的各个环节提供新的思路。

比如,电子工厂在组装手机、电脑等产品时,一般工厂的做法是工人靠精密制具来保证组装的精度。每个组装的环节都需要有通过检测,测试结果决定上一道工序能否通过。一般的工厂不能追溯到前面的流程,而工业互联网能够调整组装过程中需要的参数。以手机为例,假设里面各种组件的组装精度为30微米,依据最后的检测结果,组件的公差一直在一侧有50微米的偏差。工业物联网可以使生产数据得以反馈到设计层,通过分析、确定及调整前面工艺中某一个组装环节的参数,即可消除掉系统性误差。这说明通过工业互联网得到生产工艺里的实际数据能够实现最终生产质量改善,无论是从能力阶梯的角度还是从生命周期的角度都体现出工业物联网的价值。

研华科技董事长刘克振对于当前物联网的发展做出了这样的概述,他认为,经过近几年的快速发展,物联网已经从前瞻性的概念发展为多层次相互衔接、多行业分工交错的产业网络:在横向上,形成了数据感知、数据传输、云端平台、服务应用等核心层面;在纵向上,面对多样化的应用领域和场景,将核心层面垂直打通,形成各领域垂直整合的物联网服务集成解决方案。

刘克振强调,形成分工完善的工业物联网的产业链,对于工业物联网落实到各行业的应用的落地普及至关重要。工业物联网产业链从下而上包括:感知组件、边缘运算、通讯、PaaS平台、行业SRP、云服务营运,他估计这样的产业链将在未来五年快速发展逐渐成熟。

人工智能技术近年来在工厂车间里的应用也日益广泛。人工智能可以帮助工厂根据数千台机器人的历史数据综合判断机器人出问题的可能性,对整个设备的运行情况做预防性诊断。系统运用机器学习算法,基于大量历史数据做判断,能够对设备运营状况进行预防性维护。除此之外,人工智能还能为解决整个生产工艺过程中出现的瓶颈性问题带来一些思路。更重要的是,在未来人机交互领域,人工智能将大有作为,它可以使未来人与智能机器人之间的交互变得更自然,而目前基于生产设备的人机交互还处于比较传统的阶段,需要人把指令输入进去来实现交互过程。无论是从工业还是其他场景,机器如何与人更好的交互?在工作和生产过程中更好的协助人去完成工作?人工智能为解决这些问题带来可能性。

数据是新生产力 但要走向精准化

无论是感应层、数据处理层还是生态应用层,整个工业物联网产业的厚度正在不断增加,在工厂车间里,这些新技术引发的是一系列的数字化、智能化革命。

过去十年来,软件和数据为社会进步带来巨大的价值,全球企业都在进入信息爆炸、重新变革生产力创造的新时期,数字创新的快速传播也重新开启了工业生产率的增长和市场的规模化。未来的智能工厂中,数据是核心资产和新生产力,这已经是行业共识,也是当前的传统工厂开始智能化转型的主要原因。但需要明确的是,无论是工业物联网技术、人工智能以及数字化之路,都是服务于提升生产力的手段,而非目的。

在数据作为新生产力的时代,如何应对技术、市场、资本以及模式的挑战,工业巨头GE在这个夏天的重大战略举措,值得工业企业借鉴。新任CEO弗兰纳围绕数字业务展开了大刀阔斧的剥离举措——卖掉GE Digital下的工业互联网平台Predix。当然,GE并不是要放弃数字化战略,而是要更精准化的数据分析和服务。

上一个十年GE的数字化转型战略为其带来了巨大成效,通过数字技术对设计和生产的改进,GE制造的涡轮发动机,设备的上市时间从通常的5年减少到了1年半。效率提升超过2倍。但决定工业组织形态变化的主要因素始终是生产力。数据的意义在于分析和处理,通过帮助客户实现工业数字化的转型。过去的十年,GE实际已经得到了它想要的一切——创造数字,它实现了物理机械和分析技术的融合;利用数据和分析来创建每个关键流程和实体设备的数据,使企业降低了生产成本;数据驱动的产品推向市场,通过新的基于数据评估的市场推广模式进行巨大的创新。

而当为足够多的企业提供了服务并了解了足够多的数据之后,GE开始了对边界的收窄过程。下一个十年,正如弗兰纳里今年早些时候说过的,GE计划的是将重点放在面向现有客户的软件和核心业务上,而不是服务于其他的行业。他计划让GE Digital在 2020 年之前实现收支平衡。

我们需要保持清醒的是,数据收集本身是过程而非目的,服务于工业自动化和特定产业转型升级的需要,是工业物联网、人工智能时代数据的发展方向。

0