2022年的工业4.0会发生什么?
正在进行的数字化的无情步伐
学习目标
- 首先,最后,也是始终,投资必须有回报。构建业务案例并确定生产运营中改进数字化的ROI。
- 数字化和连通性的改善不仅改变了制造工艺,也改变了制造产品。这一趋势正在机床、机器人和越来越多的部件中实现。
- 一个全面的系统范围的改进任务可以是一个目标,但不必是你的切入点。“大处着眼,小处着手,快速失败”是一句强有力的箴言。
- 随着成本下降,我们将看到基本的工业产品,如泵控制器、输送机和各种工厂自动化,都采用人工智能技术。
- 数字化和改进的分析不仅会改善和更灵活的工厂,还将有助于吸引数字原生、精通应用程序的劳动力。
随着股市指数在新年创下新高,数万亿美元的基础设施交易开始在经济中发挥作用,2022年将迎来一个蓬勃的开端。然而,大流行引发的劳动力和供应链中断,以及日益严格的最后期限和质量要求,使制造商争相寻找最有效的应对方法。
好消息是,优先考虑数字化制造之旅将在许多生产和商业领域带来红利,这些领域在2022年仍将突出。在整个商业领域,趋势将继续发展,有时还会爆发。我们将讨论更好的连接如何帮助我们成功地识别和应对这些问题。
趋势1:抓住机会建立案例
首先,最后,也是始终,投资必须有回报。我们客户的每一个项目都是从构建业务案例和确定生产运营中改进数字化的投资回报率开始的。一家从事高压压铸业务的公司将9%至10%的报废率确定为行业标准。我们发现,通过建立设备连接,收集数据,并通过众多制造指标改进工艺和零件质量,将废品率降低一个百分点,每年将节省25万美元。这样的结果不仅本身有价值,而且还具有激励持续过程改进的方法。
趋势2:数字化使产品更好
数字化和连通性的改善不仅改变了制造工艺,也改变了制造产品。这一趋势正在机床、机器人和越来越多的部件中实现。
一家主要的泵、电机和轴承制造商不仅在制造过程中使用了预测分析,而且由于正常运行时间和质量的提高,他们的产品以更低的成本销售和运输。除了价格上的提高,他们还提供基于订阅的远程监控服务,作为他们保修的一部分。以泵为例,泵供应商对密封件等磨损部件进行监测,并在故障发生前将其运送给客户进行更换。这为泵供应商和最终用户带来了多方面的好处:提高了产品正常运行时间,减少了备件库存,并建立了更紧密的增值客户关系。随着连接性的改善,预计会看到更多这样的业务模式变化。
趋势3:成本下降
对制造业中耗费预算、难以理解的数字化项目的担忧正在消除。硬件更便宜,计算能力和内存也更便宜,传感器等组件也更容易获得。事实上,整个系统范围的改进任务可以是一个目标,但不必是您的入口点。“大处着眼,小处着手,快速失败”是一句强有力的箴言。
具有内置连接功能的全新设备也不一定是迫切需要的。来自OPC (OPC- ua)和制造技术协会(MTConnect)等组织的工艺标准正在帮助将传统设备连接到改进的生产网络。一些需要注意的标准包括:
- 企业控制系统集成
- 平台独立的面向服务架构OPC-UA
- 制造设备语义词汇- MTConnect ANSI/MTC
- 质量信息框架
- 用于制造业的数字孪生框架- ISO 23247
趋势4:增强智能的人工智能
越来越多的制造企业正在讨论和采用人工智能(AI)应用程序,而且速度只会越来越快。根据Gartner CIO最近对89个国家的3000多名高管的调查,人工智能的实施在过去四年增长了270%,仅在过去一年就增长了37%,今年的价值将达到61.4亿美元。
Gartner杰出的研究副总裁克里斯·霍华德表示:“我们离能够完全接管复杂任务的通用人工智能还很远,但我们现在已经进入了人工智能增强工作和决策科学的领域——我们称之为‘增强智能’。”“如果你是一名首席信息官,而你的组织没有使用人工智能,那么你的竞争对手很有可能使用人工智能,这应该引起关注。”
在接受调查的首席信息官中,他们的雇主代表着15万亿美元的收入和公共部门预算,以及2840亿美元的IT支出,人工智能的部署在过去一年中增加了两倍,比2018年的25%有所上升。Gartner将这种攀升归功于人工智能能力的成熟,以及它迅速成为数字战略不可或缺的一部分。人工智能正迎来一个历史性时刻,原因有以下六个因素:
更大的数据:许多设备使我们能够访问大量的数据进行处理,包括结构化(在数据库和电子表格中)和非结构化(如文本、音频、视频和图像)。大数据只会越来越大。人工智能辅助处理这些信息使我们能够使用这些数据来发现历史模式,更有效地预测,提出更有效的建议等等。
处理能力:云计算和图形处理单元等加速发展的技术,使人工智能系统通过并行处理处理大量数据变得更便宜、更快。在未来,“深度学习”芯片——当今研究的重点——将进一步推动并行计算。
一个连通的球体:全球制造业供应链和社交媒体平台已经从根本上改变了个人互动的方式,以及他们可以期待的信息和时间。互联互通的增加加速了信息的传播,鼓励了知识的共享,预示着“集体智慧”的出现,包括开发人工智能工具和共享应用程序的开源社区。
开源软件和数据:开源软件和数据正在加速人工智能的民主化和使用,从开源机器学习标准和平台的普及就可以看出这一点。开源方法意味着在常规编码、行业标准化和新兴人工智能工具的更广泛应用上花费的时间更少。
提升的性能研究人员在人工智能的几个方面取得了进展,特别是在重新思考流程如何执行的“深度学习”和“深度强化”方面。以电阻焊为例。电阻焊过去是空气或液压驱动的,传感器告诉机器人挤压到给定的压力并激发电流。根据发那科北美公司(FANUC North America, MI Rochester Hills)的数据,其结果是平均30%的过度焊接。
FANUC拥有豪华的研发实验室,在机器人、直线电机、CNC控制、传感器和工业应用经验方面进行新兴研究,最新成果之一是FANUC所谓的“学习振动控制”。
结合摄像头和软件,配备LVC包的“学习/学习”机器人自动调整夹具或其他条件下的精细变量,并调整其运动,在点焊过程中提高高达15%的周期时间,所有质量检查导致手工无法达到的公差。
随着成本下降,我们将看到基本的工业产品,如泵控制器、输送机和各种工厂自动化,都采用人工智能技术。随着工业物联网的连接,如果要在仅用于控制的电机控制器和控制并提供有关其自身未来性能信息的电机控制器之间进行选择,越来越多的行业将转向基于人工智能的控制。
趋势5:数字化的新兴“智能力量”
制造业多年来一直关注的一个重要趋势是,未来的生产工人将来自哪里?数字化和改进的分析不仅会改善和更灵活的工厂,而且还将有助于吸引数字原生、精通应用程序的劳动力。
下一代制造业工人将处于持续的生活学习阶段,随着技术改变制造流程和操作,工人们将准备好承担更快速需求的新角色。
为了使教育系统能够跟上行业对工人的需求,学校也必须灵活,并将教育项目和实验室作为重点,以有效地填补当地行业部门所需的角色。
IoTco还通过我们的物联网学院优先考虑教育。对于那些准备与我们一起工作的人,我们提供三种类型的研讨会,包括:
- 研讨会和讲习班。
- 为期一天的行政课程。
- 为期三天的行政课程。
有人说,数据是新的石油,各种规模的商店都坐落在强大的油井上。进一步类比,公司既可以发现一个虚拟的数据湖,又可以完善和丰富它。抓住机会,在制造业中实现更多的数字化、更好的分析和变革性的表现,既是一种心态,也是一种使命。改善连接和数据访问将继续推动今年及以后产品、商业模式和劳动力的变化,不仅在设计和制造领域,而且在消费者市场也是如此。
原始内容可以在设备工程.
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。