什麼是智慧工廠
「智慧工廠」（又名「數位工廠」或「智能工廠」）一詞最初是在 2011 年的漢諾威博覽會上創造出來的，儘管如今被稱為智慧製造的理念和實踐，已經發展了幾十年。
構成傳統製造工廠的相同基本組件，也適用於智慧工廠。使智慧工廠變得「智慧」的原因在於其在機械和生產過程控制方面的高度數位化。它利用感測器、AI（人工智慧）、ML（機器學習）、雲端運算和其他 IIoT 技術，來實現即時數據收集、傳輸和分析。
提到智慧工廠，很多人可能會想到一種清潔高效的操作，所有的東西都像發條一樣協同工作。停機時間、缺陷和其他生產干擾因素最少的地方。工廠和 IT 領導層根據即時數據，進行計劃和執行的製造環境 - IT 和 OT 完美協調。
現實情況是，對於大多數製造商而言，體驗絕非完美和諧。那麼問題就變成了：什麼是可能的？什麼是現實的？
製造業領導者認識到，忽視智慧工廠的機會（維持現狀），只會讓他們成為競爭對手的後視鏡。另一方面，透過一項重大技術推動改造整個工廠的嘗試，是大多數有遠見的製造商偏離軌道的地方。
智慧工廠的興起，代表著提高效率和生產力的重大機會，但必須務實地對待。更多關於這下面。
智慧工廠和智慧製造有什麼區別？
智慧製造是指工廠營運，其中應用數位技術將機器、人員和流程連接在一起，最終更高效地生產產品。硬體、雲端運算和大數據的這種結合，應該可以更清楚地說明存在改進機會的地方。
另一方面，智慧工廠只是一個描述實現智慧製造營運的設施的術語。它將硬件和軟體元素整合到網路實體系統中。
智慧工廠和智慧製造，屬於工業 4.0 的範疇，是製造環境數位化轉型改造的例子。
智慧工廠有什麼好處？
特定製造商希望獲得的好處，應推動是否佈署以及在何處佈署智慧工廠技術的決策。正如 Steven R. Covey 所說，「以終為始」。
從廣義上講，對製造商的好處包括以各種方式提高效率、品質、安全和降低成本。最終，這些好處應該會提高市場競爭力和盈利能力。
常見的好處可以分為四類：
1.資產效率
透過 IIoT 設備連接機器和設施等資產，可以收集和分析數據，以揭示資產性能問題，這些問題以前可能會或可能不會，出現在工廠領導的「雷達」上。隨著成本最高的問題被辨識和解決，這將轉化為減少機器停機時間和優化生產能力。
然而，重要的是要理解，更多的數據並不一定會導致，更清楚地了解將資源集中在哪裡，以獲得最大的改進。
必須將數據拉入智慧製造系統，例如 L2L 的數位可靠性和生產平台。查看數據並深入了解哪些問題對公司造成的損失最大，並因此最值得關注的能力對於實現預期的效率提升至關重要。
2.品質
導致品質差的原因有很多，包括環境、機器或人為錯誤。關鍵是儘早並經常發現這些問題，以便在它們爆發成更大的問題之前得到解決。及早發現和解決問題，通常會顯著提高廢品率、交貨時間和產量。更好的產品品質意味著更少的缺陷。在汽車等行業，這可能意味著避免毀滅性的產品召回和潛在的客戶悲劇。
3. 改進流程
隨著流程的優化，效率提升將影響工廠的底線。在 L2L 的客戶群中，我們發現近 90% 的流程或工作流與機器無關，但在出現問題時仍有可能導致生產中斷。
技術提供可見性和問題優先級。工廠工人可以隔離和解決對生產產生最大負面影響的問題。這種清晰和專注提供了方向，並且當與響應行動相結合時，將轉化為改進和降低營運成本。
4. 更高層次的人貢獻
智慧工廠為員工提供了提高貢獻水準的機會。隨著自動化和人工智慧在工廠生產線發揮更大的作用，它減少了人類執行使人體疲勞，和磨損的瑣碎和重複性任務的需要。它還對更高級別的數據分析和決策產生了額外的需求，即使在最低級別也是如此。
隨著智慧工廠技術提供對車間更多、更好的即時數據的訪問，它使機器操作員能夠辨識、優先考慮和解決可能破壞生產性能的問題。
成為智慧製造商：智慧工廠的 4 個層次
成為智慧製造商的道路與設施，收集和分析數據的能力密切相關。以下級別可以幫助您評估您的設施在成為智慧工廠方面的進展。
級別 1：綜合數據
智慧工作的最基本要求，是將數據整合併集成到中央儲存庫中。這使工程師、管理人員和操作員能夠即時監控設施，從而促進快速靈活的決策。
第 2 級：預測分析
下一個級別進展到更主動的方法。您可以領先於「情況」，而不僅僅是讀取數據，並對發現的任何內容做出反應。例如，在這個階段，工廠可以使用機器學習和人工智能將歷史數據與即時數據相結合，並對即將到來的資產故障進行預測。
第 3 級：規範性分析
數據分析可以進一步改進、簡化和自動化需要做出的決策。有了足夠的歷史數據，即就可以構建和實施超越預測算法的規範性分析。
規範性算法可以透過概述「假設情景」，並提供管理設備和流程的建議，來幫助即優化製造資源。
第 4 級：人工智慧驅動的自動化
智慧工廠的未來目標，是在系統辨識出需求後，立即執行任何操作。擁有一個全自動工廠需要大量的歷史數據和應用案例，然後算法可以利用這些數據和應用案例，自行做出正確的決策。
高度自動化的系統總會帶來固有的風險，一些工廠仍然希望有人審查並接受機器推薦。
智慧工廠示例
ADAC 汽車智慧工廠計劃
ADAC Automotive 是一家為汽車行業提供工程產品的供應商。從歷史上看，他們的過程記錄機制是煞費苦心地手動進行，依賴於浪費時間的紙質系統，並且對工廠生產線操作的即時可見性有限。他們更清楚地了解他們的工廠是如何營運的，以及他們的工廠在任何特定時間的營運情況。當出現問題時，沒有連接的方式來通知、分類和解決問題。
「機器停機時間對直接和間接的勞動力差異，和生產量損失有很大影響，因此 ADAC 必須轉向智慧工廠概念，以最大限度地提高機器可用性。」 - Brent Warren 裝配營運總監 ADAC 被選中 L2L 的智慧製造平台，可統一他們的數據、賦能員工並提高效率。他們從小型、高度可衡量的項目開始，並在獲得成功後擴大規模。
如今，287 台裝配資產和 58 台成型機已完全整合，並自動將描述性機器停機事件報告到 L2L 中，ADAC 擁有標準的即時流程，用於在其位於密西根州的四家公司的 200 多條生產線上，快速監控和響應這些問題設施。這個智慧工廠平台使 ADAC 能夠採用基於週期的預防性維護，並提高機器利用率。
12 個月後的結果：
- 26% 減少預防性維護工單的數量
- 367% 提高預防性維護的準時率
- 62% 減少重大停機事件
有關從何處開始你的數為化轉型改造之旅的更多見解，你將在 Smart Industry 的網絡廣播錄製中找到實用且 強大的見解：如何以極簡主義的數位化轉型方法取得成功。
」
Electronics Works Amberg (EWA)是西門子的一家工廠，生產電路板、控制器和其他電氣設備。EWA 每年生產 1700 萬個組件，採用了同樣令人印象深刻的技術水準。
例如，該工廠的生產設備採用人工智慧分析感測器採集的數據。該系統使用基於人工智慧的算法，自動評估電路板焊接部分的品質。
智慧製造的其他應用在設施的警告系統中也很明顯。特定機器的運行條件異常可以預測停機時間和故障事件。透過雲端，這些資訊很容易傳播給相關的工廠操作員，使他們能夠即時響應。
基本的智慧製造技術
雲端運算
雲端運算利用網路連接，訪問託管在外部伺服器上的基於 Web 的軟體應用。這允許製造商以需要佈署伺服器，和其他本地硬體的解決方案的一小部分成本佈署 SaaS（軟體即服務）應用。由於總體力量，近年來基於雲的系統的採用已經加速。據 Gartner 稱，「 2020 年，全球基礎設施即服務 (IaaS) 市場成長了 40.7%。」 這種趨勢在製造業中肯定是正確的，並且在未來將繼續加速。
雲端技術對製造商的一些好處包括：
‧可靠性：基於雲的系統由提供商維護，這意味著它們的成功取決於客戶每天 24 小時訪問和使用它的能力。因此，基於雲的系統的可靠性高於本地系統。
‧節省硬體成本：由於基於雲的系統不需要製造商，將它們託管在他們自己的伺服器上，這有助於他們避免大量的硬體成本。
‧資訊存取訪問：透過基於雲的技術，從任何位置存取訪問資訊成為可能，同時仍保持嚴格的安全級別。這種靈活性使保持工廠營運的即時脈搏變得更加容易，並因此提高了組織的敏捷性。
‧提高效率：IT 部門不再需要管理和更新軟體應用，因為 SaaS 解決方案由提供商不斷更新。這種效率和其他效率為製造商增加了競爭優勢。
‧解決方案的可擴展性：基於雲的平台可以根據製造商的需求，進行擴展或縮減，這比內部佈署要容易得多。這也有助於製造商適應、管理成本和響應不斷變化的需求的能力。
感測器
感測器是智慧工廠的重要組成部分，因為它們可以即時監控潛在的生產干擾因素。這些可以包括使用圖像捕獲，來檢測機器或材料過程中的異常，以及振動、壓力、接近度、接觸，和其他可以指示偏離正常操作條件的測量的光學感測器。
這些 IIoT 感測器技術，每年都變得更加經濟實惠且佈署效率更高，並且如果以務實和有目的的方式佈署（例如追踪特定故障模式），則可以成為強大的工具。
機器學習
機器學習 (ML) 是一種人工智慧 (AI)，目的在從工廠已收集的數據中，提取額外的見解或模式。透過大量數據，可以檢測模式，這些模式可用於訓練複雜的算法，以辨識這些模式何時可能重複。
對於製造商來說，機器學習通常用於實現預測性維護，可以預測和預防機器或其他故障。設備在不同工廠的使用方式會有很大差異，因此在需要時而不是在某個時間間隔進行維護，可以節省大量成本。ML 還可用於提高電力和其他公用事業消耗的效率，預測庫存水準和需求，並將其他生產消耗或質量數據回饋給工廠，以影響產品改進。
增材製造/3D 列印
增材製造，也稱為 3D 列印，是指透過在熔化或液化材料層上，施加超細層來建構三維物體的技術。這個添加層直到對象完成的過程，是由電腦輔助設計 (CAD) 軟體完成的，該軟體引導列印頭，該列印頭可以精確地應用每層所需的材料。這種精度水準允許 3D 列印對象可靠地用於汽車、航空航太和醫療設備製造等重要行業。3D 列印產品可以由熱塑性塑料、陶瓷、金屬甚至生化材料等材料製成。
擴增實境（AR）
擴增實境可以在智慧工廠中有多種應用。谷歌眼鏡等可穿戴技術提供了一種「小型、輕便的可穿戴電腦，帶有透明顯示幕，可免提工作」。這些智慧技術使用戶能夠更好地了解周圍環境，包括與完成工作相關的疊加資訊或視覺效果。一個強有力的例子是資產維護。對於維護技術人員而言，在機器發生故障時，將這些資訊呈現在你的眼前，可以提高修復速度並減少人為錯誤，從而提高效率並降低成本。
數位孿生
在製造業中，數位孿生是產品、設備或流程的虛擬表示。隨著圍繞產品或流程收集數據，這些數據可用於獲得洞察力，從而推動未來迭代的改進。隨著從原始對像或過程中收集數據，可以對數位孿生進行調整，以測試不同的更改或改進及其影響，然後再將其實施到現實生活中。
在製造業中使用 IIoT
工業物聯網 (IIoT) 是指透過雲端運算互連或聯網，並利用的感測器、機器、儀器和其他設備。
這種連接有助於從每個來源收集數據，這些數據可以在軟體和儀表板中，進行匯總和可視化。對這些數據的分析可以（或應該）明確工廠生產線的營運績效，並有助於確定改進的機會。
物聯網用於工廠生產線的各種好處，包括生產績效的可見性、品質問題的監控，以及材料需求的觸發。
最常見的示例涉及在工廠生產線佈署感測器等連接設備，以監控機器性能和健康狀況。這為基於狀態的維護 (CbM) 開闢了道路，其中問題由傳感器檢測並在發生時予以解決；和預測性維護 (PdM)，將感測器測量應用於公式，以確定未來何時應執行維護，並安排活動以避免預測問題。
大數據將如何影響工廠營運？
大多數製造商收集大量數據，並且數量正在加速。該行業通常擅長將這些數據用於追踪目的，但未能挖掘其推動營運改進的潛力。
這可能是一個挑戰，因為為了獲得可用於決策的可靠見解，通常必須以人類可以理解數據的方式，合併和可視化不同的數據集。工廠領導甚至員工都需要知道數據的含義，以及數據告訴他們做什麼。
相反，在許多製造工廠中，大量數據被收集並最終進入「數據墓地」，再也見不到了。
擁有一個可以獲取各種數據集，並使其可操作的系統，從而改善營運，是智慧製造成功的關鍵。
智慧製造軟體解決方案
智慧製造軟體解決方案是為工廠釋放智慧製造技術價值的平台。如上所述，如果從感測器和各種系統（大數據）收集大量數據，但這些數據從未用於做出更好的決策和推動改進，那麼這些數據最終是無用的。
因此，智慧製造平台是一個提供五項關鍵能力的平台，這些能力是智慧工廠成功的基礎：
1. 各個級別的可見性：對工廠生產線營運的即時可見性（發生了什麼問題、發生的地點、頻率等）是了解在何處佈署智慧技術，以解決特定問題的首要要求。
2. 優先級洞察：一旦你知道發生了什麼問題、發生在哪裡，以及發生頻率，你就可以將其與成本和影響數據相結合，快速確定哪些問題對公司的影響最大，因此應該首先解決. 這聽起來很明顯，但將注意力集中在解決正確的問題上，是非常重要的。
3. 解決結構：一旦確定了問題並確定了優先級，製造商需要一個解決結構，通知解決問題所需的資源，在必要時上報未解決的問題，並提供問題最終解決方式，和由誰解決的透明度。然後可以將問題的解決方案轉化為最佳實踐，並與公司內的其他生產線和工廠共享。
4. 快速實現價值：這種佈署智慧工廠技術的務實方法是成功的關鍵。採用以技術為主導的方法，在整個工廠中安裝感測器，而不首先了解它們可以在哪裡，產生最快的投資報酬率是一個常見的陷阱。相反，了解最大的問題在哪裡，並佈署技術來解決這些問題，可以產生快速而顯著的投資報酬率。採用這種方法，可以加快製造商評估競爭優勢所需的價值。
5、員工賦能：最終，如果沒有人的行動，上述能力和相應的收益是無法實現的。透過將你的員工與可操作的數據聯繫起來，並授權他們採取行動，你可以釋放你擁有的最大改進資源 - 人類思維和有所作為的願望。
最後，成功的衡量標準是投資報酬率 (ROI) 以及實現的速度。憑藉這五項能力，工廠現在為成功的智慧工廠計劃奠定了基礎，這將對底線產生積極影響。
要了解有關智慧工廠的這種務實方法，和五項關鍵功能的更多資訊，我們推薦電子書：智慧工廠的更智慧方法。
另外，請觀看此視頻： 智慧工廠的五個要素
人與智慧工廠
什麼是工業 5.0？
工業 5.0 是正在發生的下一次工業革命，其特點是人們與機器人和智慧技術一起工作。工業 5.0 認識到，製造商將通過利用機器和人工智慧來增強人類能力，而不是尋求從等式中消除人類，而是找到新的效率和有效性水準。
現代自動化工廠的工人做什麼？
人們認為工廠自動化的最終目標是實現「熄燈」操作。透過減少員工人數，你可以減輕底線的勞動力負擔，並減少人為錯誤的可能性。
埃隆馬斯克在推特上發表了著名的言論：「是的，特斯拉的過度自動化是一個錯誤。準確地說，是我的錯。人類被低估了。」
相反，尋求增加人們做出貢獻的機會。用正確的數據和正確的時間武裝他們，以做出更好的決策並讓他們積極解決問題。機器可以執行的瑣碎任務為員工提供了訪問和分析數據，以做出更明智的決策和採取更明智的行動的機會。在工廠生產線，人比以往任何時候都更加重要，但勞動力的角色正在發生變化。擁抱這種變化是未來幾年成功的一部分。
從傳統工廠到智慧工廠的轉變
向智慧製造過渡需要數年而不是數月。該工廠必須經過幾個發展階段。將其視為一個過程，該過程始於對現代化的初步推動，並通過持續改進而發展。
當你從傳統設施過轉換智慧製造時，請考慮以下高級步驟：
1）制訂策略：與任何重大任務一樣，你需要制訂與你的組織一致的明確計劃。從願景開始，確定明確的目標，並制訂執行計劃。在高層次上，必須就可用預算和預期回報進行討論。
2)建立連接：為了實現智慧製造，設施必須實施足夠的硬體和軟體解決方案。網路基礎設施、工業物聯網 (IIoT) 設備和網路安全策略，是需要考慮的關鍵領域。
3）整合系統：這個階段目的在結合最好的虛擬和實體世界。整合資訊和營運技術，將使工廠能夠收集有關其設備狀況，和生產流程流程的相關數據。
4)開發必要的分析：如果沒有適當的數據分析和智慧，你將無法做出數據驅動的決策。應用高級分析和學習算法，為預測性和規範性建議鋪平了道路。
5)規模化、優化和細化：智慧製造的路線圖不會停留在概念驗證上。最後一個階段是指在優化資源的同時，找到擴展當前應用的方法的重要性。
從哪裡開始使用智慧工廠
Eric Whitley 在部落格的報導《智慧工廠 - 從哪裡開始》中談到了成功啟動智慧工廠的 5 個關鍵。查看有關簡化範圍、了解真正目標、使用最智慧設備等方面的實用見解！
你是否對啟動智慧工廠項目的工廠投資回報感到好奇？試試我們的免費投資回報計算器。
 |
沒有留言:
張貼留言