在挪威的一家海产品加工厂内,由机器而非人工评估三文鱼的品质、为鱼称重分级,并将其分配至各生产单元。不久之后,机器还将计算运输鱼类至目的地所需的冰量。
在千里之外的德国另一家制造工厂,机器生产数以百万计的可编程逻辑控制器(PLC),用于实现从船舶、汽车、农业机械到全球各类生产中心等各类机械设备的自动化。该工厂生产的定制产品合格率为99.99885%。
在上述两个“智能工厂”生态系统的示例中,物理基础设施由信息与通信技术提供动力,这些技术从环境中的数据中获取洞察。
自动化由洞察驱动,使业务流程得以执行,并在极少人工干预的情况下输出程序化结果。这种建立在工业物联网(IIoT)基础之上的信息物理环境,正是为制造业带来“智能”的第四次工业革命的根本基础。
精益生产
工业4.0通过营造有利环境,推动生产、订单管理和发货采用即时制(JIT)实践,从而改变工厂的运营方式。它不仅将车间中各个分散的子系统互联互通,还在装配线或加工单元与产品设计办公室、物流服务、供应链及利益相关方之间建立数字化连接。
互联工厂能够以更短的生产周期制造高质量产品,满足客户对产品多样性的需求,并减少整个运营过程中的浪费。传感器、数据与分析的相互作用是这场变革的催化剂。
传感器
互联工厂可实时追踪劳动力、物料、机器及可移动资产的位置。工业物联网通过将制造执行系统和企业资源计划系统与嵌入式设备及过程仪器集成,实现生产环境的数字化,从而进行实时通信。
例如,可嵌入智能标签,将生产设施中的备件箱转变为自主料箱,该料箱能够以数字方式记录位置和内容,并在需要补货时发出通信。
自动驾驶车辆、用于运输和物料搬运的地理围栏系统、用于工业安全与保障的风险监测解决方案,以及用于管理空气、水质和产品质量的远程质量控制工具,都依赖传感器和通信技术才能实现最佳运行。互联组件、传感器和控制器构成的网络,以多种形式和格式提供大量有用数据。
数据
机器与企业系统之间无缝的数据流统一了整个制造流程。大数据工具可处理任何位置的数据——有时甚至包括制造设施外部环境中的数据——涵盖结构化、非结构化和半结构化格式,从而实现对生产环境的可视化。
它有助于增强动态制造运营。智能设备和工业4.0技术使制造商能够突破规模经济的限制,以盈利方式组装定制产品或处理小批量生产任务。
灵活的运营以及来自人与人、系统与系统之间通信协议的实时数据,可通过在制造前及制造过程中及时干预,提高质量与可靠性。
工业物联网利用数据驱动自组织生产线。以自主料箱为例,当传感器触发补货请求时,订单管理系统中的数据会响应这一需求。基于物联网设备实时数据实现的生产计划与供应链活动同步,使物料能够即时送达料箱。
云计算使智能工厂能够以具有成本效益的方式生成、处理和存储大型数据集。可扩展且安全的云架构满足了互联生态系统的需求。然而,原始数据带来的益处有限。需要借助复杂的分析模型,才能将大数据变现并预测需求。
分析
工业物联网的价值不仅限于对运营的自动化测量、感知与控制。先进的分析工具和认知模型能够智能地应用大数据,为未来工厂打造响应迅速且具备自我修复能力的环境。预测分析工具从客户、供应商、设备和生产数据中获取智能洞察,并据此采取行动。
预测分析可减少设备改造和资产维护造成的停机时间。仿真可防止新产品出现故障。值得注意的是,分析有助于原始设备制造商(OEM)通过准确预测成品的使用寿命和维护需求,从售后服务中增加收入。
自动化的维护、订购、收货、装配、发货及售后服务确保了敏捷性,而分析则推动自我优化。回到自主料箱的示例,在传感器信息和自动化订单数据管理支持即时制库存策略的同时,分析框架可以识别进一步提升效率和降低成本的领域——例如调整生产线上的工序顺序、重新配置使用该零部件的产品,或替换为更经济的组件。
工业4.0帮助制造生态系统自主感知环境、适应各种约束,并主动作出反应或组织预防性行动,以实现业务目标。物联网(IoT)与数据分析在工业中的应用,将推动基于事实的决策,而这些决策进而将由自动化设备常规执行。
即使通过基于传感器的技术对物理过程进行数字化监测,人类仍将引领制造业的未来。技术将人从常规工作中解放出来,人们将把新获得的生产力投入到只有人类想象力与智慧才能完成的任务中,例如创造必须通过制造来解决时代问题的有用新产品。
