| huozm32831 |
2021-04-19 14:06 |
数字化 ≠ 智能化
当前，借着智能制造的风口，大量生产企业已经上线或正在准备上线制造执行系统MES。市场上的多数MES包含了物料入库、生产排程、生产执行、质量检验、设备维护、仓储管理等功能。在这些MES的实施过程中，一个重要的组成部分就是数字看板。但看板是否获取了生产流程中所有有价值的信息，这些信息的呈现方式是否一目了然，都要打上一个问号。
通常的结果是，看板只是对生产流程中的一些宏观数据进行了的展示，MES的实施也只是让生产订单到产品交付的中的各个阶段形成数字化的记录。但是这样的MES对于生产中的一些核心问题，到底能起到多大程度的帮助，这是令人存疑的。
举几个例子：
生产排程：传统的人工排程无法根据产线中人员、设备、物料状况的动态变化进行及时调整，越来越难以适应当下和未来的柔性生产的要求。
生产执行：想象如下的场景。MES将工单发到对应的工位，工人在收到工单后执行任务，最后上报完工结果。在此期间，工人实际的操作步骤，与设备、物料、工具等发生的互动，却无法被记录下来，成为了一个黑盒。
质量检验：当前普遍的质量检验方式是产线末端的人工抽检。然而质量问题往往是在生产中过程中累积起来的。当问题被发现时，通常已经间隔了很长时间，这让溯源工作困难重重，很难避免重蹈覆辙。
设备维护：定期设备维护的一大困扰是设定维护频率。过低的频率会造成潜在的产线停产风险，过高的频率又缺乏经济型。很难做到两全其美。
可以说，这样的MES提供的仅仅是数字化，与真正的智能化还相去甚远。在这样的MES的管理下，工厂的运营效率犹如抓在手中的沙子，看着它慢慢流逝，却又无可奈何。
工业物联网——给工厂一双慧眼
信息缺失、监管滞后、决策错误、执行偏离，造成了工厂中林林总总的问题。 而归根结底都指向一个根本原因——数据。更具体的说，是数据的质量和获取能力。
当今的制造业面临着更快的生产和交付周期、单次更小的批量和更丰富的定制化，对工业数据的采集、存储、清洗、聚合和处理提出了更高的挑战，而工业互联网的价值正是帮助解决这个核心问题。
工业互联网给了工厂一双慧眼，让海量、实时、高频的数据采集成为了可能，藉此将生产过程中很多原本被隐藏起来的微观信息，比如实时的人员、物料库存状况、设备状态等挖掘出来，让其清晰地展现，变得完全透明可视。
△工业互联网让海量、实时、高频的数据采集成为了可能，并使其完全透明可视
在完成了上述步骤后，一个更强烈的需求就是如何利用这些海量数据提炼出对生产流程的改进方式，这就轮到人工智能来大显身手了。
人工智能——智能化生产的最后拼图
人工智能之所以能扮演这个关键的角色，因为它的独特优势在于可以通过对海量数据的学习形成知识。
人工智能运用工业物联网采集的海量高质量数据，对根据生产问题建立的模型进行训练形成知识，再将其作用到实际的生产场景中，支持决策，帮助改进生产流程。这让本文开始提及的几个问题迎刃而解。
人工智能可以根据人员、物料库存、设备状态等信息进行动态排程。排程结果可以通过工业物联网实时发送到相应工位上，显著提升工厂的运营效率。
运用人工智能进行质量控制，就可以将事后检测转变为实时检测，让问题在第一时间被发现，不传导到下游，避免了后续返工造成的巨大浪费。
运用人工智能进行设备资产管理，通过实时监测设备的各种状态，确保设备稳定运行。在第一时间做出风险预警，并给出预测性设备维护建议。
最后，人工智能还可以用于生产工艺，比如3D打印自动数据准备、CNC自动刀路、机器人自动焊接等。这在相当程度上打开了很多原本游离于系统之外的黑盒，补全了缺失的数据链条，让原本的人工操作变得规范化、自动化，完成智能化生产最后的拼图。 |
|