cookieOptions = {...}; .智慧製造六大挑戰在哪裡?兩張圖幫你看清 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2019年10月2日 星期三

Smart Factory Explainer




leiphpne 贊記窩粉

在看圖之前,先想一個問題,為什麼智慧製造和工業 4.0,是下一個方向?

從最早工匠使用工具開始,科技進步的物質形式,基本體現在了製造發展的過程,將科技應用到製造的過程,最能體現人類理性應用工具和技術等先進手段,追求利潤最大化,和效率最高的偉大境界。

所以,按照科技發展的邏輯推斷,製造必然向資訊化、智慧化階段發展。簡單來說,很可能是因為人類智慧,已經發展到這個階段了,再不表現出來,已經不能彰顯人類的更高級能力。

第1張圖:智慧製造流程全景圖
西門子德國數位化工廠作為優秀的先驅者,用25年的時間已實現75%的生產作業自動化,生產線上的線上監測節點超過1000個,每天採集數據超過5000萬。每年生產零組件30億個,可24小時為客戶供貨,產能較數位化前提高了8倍。


光看數字會覺得,基本上智慧製造的核心關鍵指標,都提到了,只是不能直接感受到,具體厲害在哪兒。

HCR慧辰TMT研究部,整理了一張智慧製造流程的全景圖(如下),希望能夠從全局角度,梳理智慧製造的相關參與方和影響因素。


智能制造6大挑战在哪里?两张图帮你看清

從上圖不難看出,智慧製造是個系統工程,即使單點切入,也需要系統化規劃後逐一實現。

挑戰1:全連接
缺少任一節點的連接,都有可能影響全面自動化的實現。這裡面會涉及多少連接呢?舉個例子,比如摩托車,僅發動機就有 250 多個零件,至於汽車約有 30,000 個左右。

對於製造過程,一個螺絲都不能少,智慧製造的連接,也是一樣。除了這些,其他相關資訊包括資金量、管理資訊流、物流資訊流、服務資訊流等,各個相關環節需要全面連接。

在資訊化階段,ERP系統最大的問題點,是逆向流程實現困難。到了智慧化階段,除了連接點,還需要在全面連接點中,設置雙向監控點和生產管理連接點。

基於時時海量資訊傳遞,和多節點控制的需求,需要單獨的連接和數據流轉通道,以保證整個過程不斷點、不丟包,順利完成全過程。

另外,是否有智慧產品是與用戶建立直接連接的前提。

挑戰2:全控制
智慧製造將數據流轉作為核心,連接全部製造和相關環節,中間的全部過程都似「暗箱」般,非常需要隨時知道發生了什麼,並予以人為糾偏和預警干涉。每個節點的交互設計,和計算能力是實現全控制的基礎。

除了對環節的控制,還需要對智慧設備(包括工業機器人)進行監測和控制。智慧製造的生產線上,將由多個智慧設備,來替代人類完成執行工作。人與機器的配合,及人對機器的控制和管理,也是智慧製造挑戰中,比較容易出現掌控外事故的問題點。

挑戰3:資源整合
圖中社會環境和用戶,都是智慧製造的影響因素。智慧製造階段,主要存在的工廠形式為大的製造平台,和小型個性化工作室。大平台可以滿足小批量的客製化需求,小工作室更多體現在與用戶的更直接、更短平快的連接。

至於智慧供應鏈也將出現大的供應鏈整合平台,針對不同個性化需求,提供快速、「零庫存」的供應。智慧製造系統化工程需整合供應鏈、生產、物流、服務平台、行銷資源等等,才能最大化的實現智慧製造的自動化,及產能最大化。

智慧製造既然有如此高的要求,從以上可以總結出來兩條實現路徑:一條是作為龍頭企業,自行嘗試然後把成功經驗,複製到行業內其他企業,推動行業整體進步,從而實現更大範圍的智慧製造。

另一條是行業內主要企業,把相關資源整合在一起,共同嘗試將所有相關環節,集中在這一個平台上操作,作為獨立的OEM中心存在。不難推斷,產業聯盟和第三方提供相關解決方案,及數據服務,或將成為必不可少的存在。

綜上所述,智慧製造即使還沒實現,也是符合社會經濟發展規律的,本來就是一件任重道遠的事兒。另外,所謂挑戰對於不同發展階段,和數位化程度不同的企業,意義不太一樣,不能一概而論。

第2張圖:智能製造數據流圖

智能制造6大挑战在哪里?两张图帮你看清


挑戰4:數據採集及整合應用
企業內外大小數據的採集及整合應用,是智慧製造效率的基礎。智慧產品相關數據的獲取,也將是產品升級的基礎數據。

數據採集及整合能力,尤其是外部環境數據、行業數據和用戶數據的獲取整合能力最耗費成本,也最能體現企業資源整合實力。

智慧製造對於企業數據能力的要求,包括數據入口掌控數量、數據採集方式(眾包之後新的模式)、數據中心規劃和實現能力、數據計算資源,以及智慧算法的駕馭能力等等。

挑戰5:數據傳遞通道與時時交互
這裡涉及到網路通道,及網路上多節點協議標準建設。多節點交互、監測和控制,以及跨行業、跨領域、跨產品等多場景的要求,需要建立新的、系統性的、統一的協議標準,除了整體架構和基礎物聯網外,至少先從同一行業(領域)開始細化和建立統一標準。

另外,無論是從頻寬(即時數據承載量)還是網速要求,目前的網路資源,顯然支持不了智慧製造的發展要求。現在大家把希望寄予 5G,寄望於物聯網新的協議標準。還能說什麼呢,共同期待吧。

挑戰6:數據模型的多場景創建與打通
一個統計方法吃八方,一個數據模型佔領全天下的幸福時光不會再有了。儘管大數據和智慧算法就那些,真正考驗智慧製造的,是基於不同場景和條件的數據架構搭建和模型應用,以及多模式和場景下的數據,及數據模型打通。

任何事情都會有偏差,即使沒有偏差,也需要根據外部的變化進行及時調整,完全依賴機器對數據的解讀和歸納也不太可能。因此,還需要能夠洞察行業發展,和業務路線的專業分析師,對規則進行調整、優化、升級和廢除。

未來,數據將成為智慧製造的生命線,數據收集、儲存、快速調撥、模型搭建、規則創建及整合、計算和應用,每個環節都與連接、控制和自動化息息相關。




HCR慧辰TMT研究部認為,數據服務能力未來將成為第三方服務的重要發展領域和方向,數據專家和工程師都會成為炙手可熱的人才。

有專家說,即使只從三大產業的角度看,這些年網路一直致力於影響第三產業,接下來必然在農業和工業(製造業)發力,而且很有前景。

但是從挑戰的難度來看,僅僅依靠商業的力量是不夠的。目前,世界前二經濟體均在此領域有所動作,美國政府2016年6月20日公佈了一個通過刺激被稱為「智慧製造業」的方法,來推動美國製造業的復興的法案

智慧製造創新研究所,是美國政府頒布的第九個製造中心,並將在美國範圍內,發起 5 個地區製造創新中心,每個中心將專注於本地區的相關技術遷移和勞動力開發。

政策驅動、人才儲備、企業投入、科研支持這些都是必要條件。新技術的開發和應用難免要在無數個坑裡摸爬滾打,多少英烈仰天長嘆生不逢時,也只能對抓住技術,與市場最好契合時點,成為英雄的人翻個白眼,繼續義無反顧趟下一個泥坑。

對於智慧製造的發展來說,最需要的還是那些敢於趟過一個又一個坑點,拍拍泥土,總結經驗教訓,繼續下一輪嘗試的勇士。沒有迎接挑戰的決心,便沒有迎接勝利的機會。172181219


AKD 寰楚專業級全系列監控設備

0 comments: