{{ title }}
{{ errorMessage }}


{{ errorMessage }}





{{ registerSuccessMessage }}
当前位置:首页>市场动态> 正文 
收藏
点赞
投稿
工业4.0的基础
  2020-08-18      67

作者:Oren ManorMENTOR,西门子公司

编辑手记:本文摘自Oren Manor撰写的《印刷电路组装指南:在数字化时代的高级制造》。

在基础层面上,可以把物联网设备定义为任何可以远程监控、控制与互联网连接的独立设备。每家使用物联网方案的公司将构建一个物联网生态系统,这是工业4.0的基础。这个生态系统由使设备能够连接到互联网的各种部件组成,例如遥控器、仪表板、网络、网关、分析、数据存储和安全,包括软件和硬件。这种生态系统最有价值的方面之一是能够储存所收集的信息,分析这些信息,然后优化跨公司系统的各种工艺,提高工艺的效率。

当采用物联网方案时,首先要考虑三个方面的问题。首先,通过连接到分析平台的物联网设备,评估生产周期的哪些部分可以最有效的自动化、监控。物联网技术应与运营的生产周期相匹配。全球的许多不同种类的制造商正在各个不同行业生产各自的独特产品。适合其中一些制造商的物联网方案不适合其他制造商。制造商要分析各种不同的可用的数字技术,看看哪些技术适合你的特定生产工艺。

其次,要评估物联网方案中能够改善工作环境的方案,而不是只关注投资回报(ROI)。相反的是,要把重点放在实施物联网方案上,为你的员工简化制造工艺,即使它带来最低的投资回报率,或者在简化制造工艺的最初阶段会提高生产成本。

第三,要准备和多个物联网系统提供商合作。为制造商提供全面的物联网方案的公司很少。无论如何,主要的物联网供应商中的各个部门可以帮助每个制造商将他们的物联网方案和其他供应商的方案集成。                                              image.png

图1:大数据流。

 

在各个数据流层上构建:从人工到数字化

在考虑数据管理策略时,你可以将数据流分为四层。工业4.0意味着从第一层开始并构建第四层。

第一层是实现数据可用,这是目前许多公司的现状。这些数据是可用的,但很难用来做出决定或实施改进。这些数据存在竖井式的系统中,通常需要通过人工来集成和转换为有用的信息。在这层上解决问题是可能的,但非常耗时。在产品质量或设备出现问题时,操作人员和工程师必须从各种系统中紧急收集数据,然后他们才能决定发生了什么以及如何解决。这种方法会消耗工厂的时间、资源和金钱。处于第一层的制造商应尽快升级到第二层,否则每天都有可能因意外停机而损失数百万美元产量的风险。

第二层是实现数据可访问。第二层数据管理系统将所有不同的信息源集成到一个单一的可信来源中,持续收集并跟踪生产数据。将数据存在一个位置并保证始终是可用的,使用这些数据来解决问题就变得容易。在出现问题时,操作人员和工程师可以访问使数据可视化的系统仪表板中的数据,本质上是充分发挥系统的作用,成为查询引擎。由于可以方便地访问所有的数据,他们就能够迅速回答问题,从而提高工厂的生产率。

第二层数据流可以让工程师处理高价值的问题,以改进正在生产的产品,进行更有效的材料转换,或采用大规模定制策略。不过,这种反应,以及一些有前瞻性的分析仍然需要时间,以及工程师们的努力。

image.png

图2:整个制造工艺的数据化。

要从第一层提升到第二层,制造商必须执行新的数据架构,这种升级的时间通常不到一年。为此,你必须评估,是构建自己的系统,还是选择正确的方案提供者与合作伙伴。此外,在选择新的数据架构时,要确保它能够让你在扩展收集的数据量时不必付出更高的边际成本或牺牲系统性能。

在第三层,你的数据是主动的。第三层系统将制造操作从被动反应——解决问题转为前瞻性分析与改进。这种系统能使操作人员和工程师在解决问题时真正做到预防问题出现和主动解决问题。

要从第二层升级到第三层,新系统的能力——例如设备学习和人工智能(AI)被添加到前一级的数据架构中。这些新工具在短短的两、三个月之内就可以根据你的产品组合,开始产生判断能力,具体取决于您的产品组合。在汇集你的所有生产数据的第二层系统上构建新的能力,这些新特性建立一个智能系统,这个系统能做出有价值的判断,在正确的时间将信息传送给适当的人的同时,根据系统自身的判断准确的预测故障。工程师们不必查询系统或执行人工工艺分析来寻找解决生产问题的答案。

第三层系统属性的一个例子包括设备学习模型,它可以预测产品缺陷或设备故障,确定更有效生产的方法。在一个三级系统中,仍然需要有人来完成智能系统推荐的变更。

当数据具备行动导向时,就达到第四层。在第四层,数据系统部署从分析制造数据中找到建议。例如,设备学习模型会识别优化,然后生成建议并将推荐的新设置建议发送到自动执行它的设备。在这样闭环的、人工智能控制的生产线上,执行由系统前瞻性发现的新设置所需要的时间就变得非常短。

达到第四层需要足够大的数据集,并且要有足够的已验证的案例来提供系统所需要的信息,从而“知道”生产变更的影响。从第三层提升到第四层所需要的时间长短取决于收集必要的数据集所需要的时间。

一旦做出这种根本的而且甚至是巨大的改变时,仔细考虑构建智能工厂的这四个阶段很有帮助。没有捷径可以让制造商从第一层直接过渡到第四层。那些尝试寻找捷径的人发现,他们的系统有太多的工艺与数据可变性,以至于他们很快就陷入错综复杂的泥潭;他们在不牢靠的基础上建立了一个薄弱的结构。

工业4.0的第三层与第四层的制造管理系统需要大量的数据,这些数据只能在第二层系统中产生和有效使用。制造商通过系统化方法可以得到实质的进步。在较初级的层级中,你更多了解总体的数据系统和你的特定工艺所需要的数据。你开始积累必要的数据集,这样系统才能识别并根据数据来执行生产工艺改进。采用这种方式,制造商可以少走弯路,更快地进行数字化转换。

纵观每一个层级中,工艺的可追溯性对保留工艺中各种变更的精确历史至关重要,由智能设备学习模型和设备与设备之间的通讯产生的数据,可以更好地了解工艺变更的影响。SMT007

作者简介:Oren Manor西门子企业的Mentor Valor部的业务开发总监。《印制电路组装指南:在数字化时代的高级制造》的下载地址:I-007eBooks.com/amda


本网站部分文章转载自网络,如涉及侵犯版权,请联系我们,我们立即删除,联系电话:0755-25988571

分享到:
  点赞
  收藏
  打印

中国电子制造专业人士刊物

创于2003年

全国"一步步新技术研讨会"官媒

SbSTC服务号
actSMTC订阅号
扫一扫,掌握最新资讯
评论(0
已输入0
相关推荐
      
      
      
      
近期活动
热门标签