工业4.0正在为“未来的智能工厂”铺平道路,其中网络物理系统监控物理过程,创建物理 的虚拟副本并做出分散的决策。通过物联网,系统可以在内部以及价值链中提供和使用的有组织服务之间实时交流和协作,并实时制造人员。
早期采用者已经成功实施了新的工业4.0计划。例如, 大型跨国工业集团利用这些能力实时了解生产质量并预测产品质量,以减少对生产线测试结束和提高产量的需求。并且,主要的汽车OEM(原始设备制造商)分析了来自多个生产设备的数据,并使用这些数据在发生前20到30分钟预测质量异常,以提前采取补救措施并消除质量缺陷。
大多数制造商都渴望利用工业4.0的力量来推动创新,提高效率,改善客户服务和节省成本,但 他们必须采用核心支持技术 - 即物联网设备和传感器,自动化,人工智能(AI)/机器学习和分析 - 实现这 目标。物联网对工业4.0至关重要,因为它提供双向通信,不仅可以确保接收状态,还可以发送信息以改变机器性能,即使在需要时也可以逐个单位地进行。分析为理解机器状况提供了基础,但也用于确定更高 的需求,例如确定与维护需求和生产质量要求相关的机器性能。
工业4.0也是必不可少的预测分析,用于从长远角度确定未来的维护需求,同时推动短期质量需求预测以提高产量。 后,必须使用机器学习和AI来确保预测算法通过识别操作变化并将其应用于算法来保持准确。
在采用这些核心支持技术时,大多数制造商都处于曲线之中。实施它们的早期采用者已经实现了早期的成功,并且正在将这些技术广泛地扩展到他们的工厂中。这些制造商已经学到了 些关于如何 好地评估这些技术并确定哪种方法 适合其特定组织的早期重要课程。
评估和实施物联网,自动化,机器学习/ AI,分析的 佳实践
评估这些核心技术是 个相对简单的过程。制造 域的成功早期采用者遵循以下步骤:
了解设备管理功能
立即了解所有设备管理功能,因为安全性和连接性依赖于这 重要 域。没有它,您的物联网实施就注定失败了。
拥抱多个部署选项
,了解多租户的功能,并确保为云,内部部署和边缘提供多个部署选项,以支持工厂或制造车间可能需要的多个部署选项。
为更高 的分析做好准备
仔细检查您的分析功能,确保您的小部件可以轻松用于简单分析,同时您的IoT平台能够处理更多高 算法。
连接仍然是关键
了解您需要连接到企业系统以通过上下文丰富数据,同时还要在整个制造企业中共享性能数据。
文化变革要求
些制造商 直在想,在必须实施和接受新技术时是否涉及文化变革。文化变革需求因组织而异,但 重要的变化是能够专注于可能,而不仅仅是蓝图。具体而言,组织必须不仅要了解他们希望实现的ROI,还要了解实施的预期结果。制造团队必须分享他们希望实现的目标的完整愿景,以及他们将如何实现目标的逐步执行计划,并注意新的学习和关键需求将在这个转型之旅中发生。这种心态对于典型的规避风险的制造业来说是新的,因为它更像是创业公司,并且很难维持。然而,
其他 佳实践
使用物联网,传统的 佳实践仍然具有相关性,但需要对其进行修改以遵循按比例缩小的迭代方法。制造商应 分析他们希望解决的问题集合,并为每个问题定义业务价值。但是,不是按照创建完整的多年IRR计算的传统阶段门过程,而是将其缩减为更短的迭代ROI。然后基于该技术的短实验实施测试该ROI,持续少于30天。这需要使用基本的非工业分 传感器来实施 低可行性产品,这些传感器不会持续数年,而是用于在进行更大更长的技术推广之前验证ROI。稍后,可扩展性将成为更长时间推出阶段的关键焦点。
蓬勃发展的工业4.0新 取决于制造商采用物联网,自动化,人工智能,机器学习和分析以及在制造企业中扩展这些新技术的能力。通过遵循这些 佳实践和更具创业精神和实验性的方法,制造商将立即创建自己的未来工厂。
Sean Riley是Software AG的制造和运输 行业总监。