智能制造让数据赋能制造业

随着新技术的发展和市场竞争的加剧,客户对于制造业的要求越来越高,产品质量要求高,品种更新换代要求快,批量小,批次多,生产的柔性化、个性化和定制化已经成为未来制造业发展的趋势。

随着新技术的发展和市场竞争的加剧,客户对于制造业的要求越来越高,产品质量要求高,品种更新换代要求快,批量小,批次多,生产的柔性化、个性化和定制化已经成为未来制造业发展的趋势。致力于高质量、高效率、低成本、低能耗、绿色环保的高端制造显然是未来发展的必然,要建设世界一流的企业,必须拥抱已经开启的技术革命和管理革命,而这两个革命将全方位地表现为“信息技术与制造技术,数字空间与物理空间,软件与硬件”的广泛集成和深度融合。传化智造正在通过智能制造技术的创新与实践赋能制造业,推动制造业实现自动化、数字化、网络化、智能化的高质量发展。

一、 智能制造指引制造业换道超车。

工业2.0、3.0阶段,制造端的架构是基于信号控制和文档流转来赋能体力劳动者的,而工业4.0阶段,制造端的架构是基于数据流动,模型和算法驱动来赋能脑力劳动者的。我们要实现智能制造,不仅要追赶工业4.0,还要补上工业2.0、3.0的课。

所以,企业原有的ICT架构必须进行重构。对于绝大多数企业而言,重构并不意味着推倒重来,而是要找到传承过去和对接未来的新方案。这里的新方案可能有“四新”,即“新思维、新技术、新方法和新成果”。

新思维是指:IT与OT融合创新思维、生态思维、平台思维、数据思维、迭代思维等,这些思维可以帮助解放思想,拓宽视野,阔大胸怀。这是重构的坚实基础和必要前提。

新技术是指:云计算、大数据、移动互联网、物联网、人工智能以及IT与OT深度融合的相关技术。新技术不仅可以强化机理原理作用,同时还可以发掘数据原理的威力,把优化和创新路径从因果逻辑扩充到相关逻辑。

新方法是指:中台化、场景化、微服务化、补充替代化、迭代化等等,这些方法是要做到新技术与老技术的结合,要做到ICT技术与业务场景的结合,要做到快速响应业务需求并快速调优,做到既有实用性又有创新性,既有经济性又有前瞻性。

新成果是指:新应用、新工具、新系统、新体系、新模式等等。ICT往往不是制造业直接经济成果的创造者,它的贡献常常是通过新成果来推动资源配置效率和决策精准性的大幅优化,从而实现质量、成本、安全和创新指标的更好改进和更大提高。

从未来发展趋势和竞争格局来看,不切换到智能制造的发展道路上来,想生存、想发展、想赶超几乎是不太可能。

二、 智能制造要落实“两优化”,掌握“两原理”。

对于制造业企业而言,资源配置的精准性和解决生产过程中的不确定性是两大难题,而对于流程工业的产品的配方、工艺等关键机理以及基于数据的预测和优化问题也是必须要突破的课题。这里的“两优化”,就是“资源配置精准性优化和过程控制不确定性优化”;这里的“两原理”,就是“机理原理和数据原理”。

两优化:一是要对生产全要素进行数字化,建立数字化的分析模型,对要素资源进行精准配置;一是要实现产品全生命周期,全生产过程的可追溯和可视化,让决策者、管理者和操作者能准确地把握不确定因素,让生产实现平稳可控。

两原理:一是要将行业企业多年的积累形成的理论模型、工艺模型、故障模型、其他经验模型等机理原理进行知识化、软件化,一是要将基于数据的预测模型、优化模型、知识图谱等数据原理进行代码化、工具化。两者紧密结合共同赋能生产经营管理的优化和创新。

实现了“两优化”,掌握了“两原理”,我们就可以实现实时响应,精准决策,执行有效,学习提升,起到事半功倍的效果。

三、 智能制造要搭建快速开发的技术平台。

智能制造的特征是:实时监测、及时响应、精准决策、高效执行。这无疑需要搭建起及时对接业务需求的能力。在数据能力、知识图谱能力、模型能力、计算能力、工具能力、微服务能力等等方面都必须搭建起扎实的平台和能力供给。

数据能力:建立起集成和采集数据的能力,数据分类标签化的能力,以及数据存储安全等方面的能力;

知识图谱能力:知识图谱构建,积累、运用的能力;

模型能力:对于工艺、调度排产、设备维护、供应链等建模能力;

计算能力:对于公有云,私有云以及混合云的运用能力;

工具能力:对于工业APP和微服务需要的各类工具、组件能力;

微服务能力:对于业务优化创新需要快速进行开发实施的能力。等等。

未来,每家制造业企业也是一家软件定义的企业,随着工业数据平台的建设和完善,传统的系统可能会逐步被替换掉,实现智能制造工业系统的全面切换。

四、 智能制造依然要突出“人”的核心地位。

不管技术发展到什么程度,人一定是处于最核心的地位,所有的技术都是对人的赋能,让人能做更多的事情,让人能做更难的事情,让人能做更正确的事情。整个智能制造的实现过程将会是人从“经验驱动向知识驱动”的一个演变过程。

本文来自信息化观察者网,转载请注明出处。

 

注:本站文章除标明原创外,均来自网友投稿及分享,如有侵权请联系dongxizhiku@163.com删除。

         

发表评论