工业数字化转型分为三个阶段

制造业的数字化转型正在顺利进行，但这对工厂工程师来说意味着什么，具体来说，仍然是一个未知数。对于许多公司来说，尚不清楚如何最好地实施新的数字技术，以及如何确定哪些实施伙伴将是最可靠和最有经验的。然而，有两件事是明确的:如果企业想在未来保持竞争力，数字化是至关重要的，而自动化则起着关键作用。

我们的目标不再仅仅是将物理产品的移动自动化，而是将数据完全自动化。这需要从手动的、人工生成的信息工作流转向更实时的流程。数字化转型是指数字化、网络化、过程分析和深度信息自动化。

变换是正确的术语。虽然这并不容易，但数字化转型有可能为从机器制造商到工厂再到最终客户的制造业的各个方面释放以前无法实现的利益。有三个领域有潜力开启全面数字化转型，其中许多领域已经触手可及。

1.可视化:工厂连接和数据集成

今天，许多工厂的信息流仍然是人工或半人工的。机器操作员或工程师在纸上或移动设备上收集数据，例如机器准备生产所需的时间，从状态a到状态B的时间，或将X部件转移到z部件的时间。然后，这些信息被加载到可以评估数据的计算机程序中。

这一过程比我们二十年前的进步了好几光年，但仍然需要大量的时间和精力，而且不可否认的是，在这个过程中存在人为错误的风险——无论是意外的还是故意的。我们如何从过去的模拟、线性模式转变为未来的数字化、基于平台的模式?物联网(IoT)和全工厂连接是有助于实现数字化转型的工具。

使用智能联网部件意味着数据可以直接从机器中输出，完全消除了人为错误，实现了更快的信息流和商业智能(见图1)。它还使操作员和工程师不必手动收集数据并将其输入到现有的流程软件中。相反，他们可以专注于自己的核心工作。

有了更紧密的连接和集成的数据流，信息可以从不同的工艺步骤或不同的部件(如电机或变速箱)或整个生产线(其中可能包含来自不同制造商的部件和机器)汇集在一起。然后，可以使用这些数据创建现有生产过程的完整表示，包括机器、工厂甚至生产现场。

2.预测:预测生产建模和响应式机器设计

捕获和理解机器、机器线或站点的现有行为只是可能的一小部分。然而，它是构建更高级分析的基础，这些分析提供了对部件、机器和系统趋势的可见性。这些趋势包括减少或消除意外停机或不可预见问题的预测模型(参见图2)。

该系统不是简单地捕捉线性值来帮助可视化任何时刻发生的事情，而是捕捉复杂的、非线性的发展或预测问题的趋势。然后可以建立预警系统，以便在临界值(如机器超载的不允许质量因子)发生之前对生产过程进行干预。

高级分析通常将工厂级数据与其他数据流(如企业管理信息或天气数据)结合起来，以解释可能影响生产的外部因素。环境温度、湿度、原材料差异或轮班管理等因素可以很容易地添加到数字过程中。

只有当公司内部的协调达到一个新的水平，包括改变工作环境和创建一个协作的劳动力，才能实现工业物联网的全部潜力。它还要求原始设备制造商、供应商、数据科学家和工程师协同工作，这一发展带来了额外的好处。

3.自我调节:数据驱动的制造和持续的转型

超越预测的一步是完全自动化，即系统根据预测模型进行自我调整，而无需人工干预。这种系统依赖于创新和超高效的方法，如统计过程控制，通过调整各个方面来优化生产，到目前为止，这些方面都是繁重的手工调整。例如，改变设定值，甚至改变机器的整个过程序列，都可以在没有人参与的情况下完成。

此外，通过云计算快速获取大量关键信息的能力将改变行业内从供应商到最终用户的每个人的运作方式。分析的机器和系统越多，可以用来确定对系统或机器甚至特定行业的哪些变化可能产生最大影响的集体数据就越多。

在可预见的未来，我们可以看到计算机生成的趋势和预测直接流向OEM，因此机器可以实时改进，从而在机器的最佳使用的基础上实现稳定、高速的生产过程。

数据驱动的制造业是未来。只有当企业愿意像生产、印刷或包装生产线自动化一样实现信息数据流的自动化时，他们才能实现全面的数字化转型，并实现所有的好处。

丹尼尔棱纹平布自动化解决方案业务发展经理在哪里伦茨美洲．2000年，他开始在公司德国总部的控制技术部门工作，并于2011年调任中国，担任自动化解决方案业务开发人员。Repp于2015年搬到美国，开始为伦茨美洲工作。

本文发表于应用自动化补充的控制工程和设备工程．

-请参阅下面补充的其他文章。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。