工业4.0商业逻辑：数字化促进价值链提升

发布时间：2019-07-29

今天的制造业越来越智能，工厂开始使用传感器和无线技术，在产品生产过程捕获数据。智能制造可以使生产更加高效，实现可持续盈利。通过计算可模拟可以识别出风险，例如预期交付延迟、极端天气影响等。同样，合理的预测可以防止如汽车应设计缺陷而不得不召回而产生巨大的费用。

  制造商越来越多采用类似于Uber的新商业模式，让更多的产品在本地制造或者实现定制化，而不是将产品运向世界各地销售。生产线将需要共享，而不是一个公司拥有自己的设备，这是昂贵和低效的。

  市场需求变化往往会让人措手不及，现代制造要利用好新一代信息技术，加快速对市场的响应能力。学术界推动科技的前沿，从人工智能到深度学习，但没有考虑如何将应用。而制造商想知道应该采集什么类型的数据，如何利用这些数据产生作用。因些，学术派与制造业结合，才能真正将知识应用到现实当中。

  智能制造节省时间和人力

  智能制造是通过一些先进的技术提升生产工艺流程水平，从而实现更高的整体价值链的一种模式。在智能制造过程中，每个一零件或产品都有跟随的数字化信息，采集更多的数据用于检验生产流程，追踪供应链、装配和测试过程，最终交给用户是一个捆绑了物理和数字化的产品或者服务。

  今天的制造业离数字化设想还有很远，智能制造业是一项仍需要很多年才能实现的项目。那么现阶段，厂家应该做些什么准备?企业需要创建自己的发展路线图，开始投资数字化项目，保证公司更接近一个数字化企业。智能制造设计需要遵守一定的原则，才不会在数字化进程中浪费了时间和人力。

  1、将每个生过程转换为信息数据，尽可能减少人工录入数据。

  2、建立机器、工厂和企业级自主诊断和决策支持的分布式节点，这些节点信息根据每个机器、工厂和产品单元的需求。

  3、允许普遍使用整个产品价值链数据信息，包括每个产品价值链可见性、制造商到客户的连接以及供应商网络。

  4、自动执行日常任务和决策，但过程包括需要人工处理部份，手动调整和复杂的分析辅助决策等。

  5、实施方案的优化，利用获取的数据，通过先进的分析和机器学习算法调整生产。

  6、采用机器对机器(M2M)、应用对应用(A2A)、企业对企业(B2B)集成标准，融合多个厂高的硬件和软件的互联网集成平台，学习建立和促进资产、生产过程和供应链之间数据交换标准。

  7、建立学习培训机制，让自动化人员理解新技能知识，帮助工人学习如何配置和维护智能机器。



  让传统设备拥有更高效率

  工厂资产是一项长期投资，大多数公司希望其生产设备能使用几十年，这意味着在现代化生产中不得不使用到旧机器设备。更大的挑战是如何给这些设备提升效率，虽然新设备具有明确的投资回报率，但许多工厂管理者希望通过提高现有设备的效率来节约成本。

  通过物联网连接可以降低机器的损耗，制造商可以访问实时数据从中分析并对系统的性能，然后思考如何优化该设备以提高生产率和降低能源消耗，通过物联网数据可以找到效率低的设备，然后进行改造，例如增加电机，控制其速度。

  另外，机器运行时间也是影响效率的一个重要因素。工厂设备意外停机会给企业带来巨大的损失，所以企业需要考虑增长设备运行时间。安装设备，优化能源效率也意味着机器将需要更少的能量来完成其行为，增加其使用寿命。

  工业物联网提供了预测维护所需要的数据，这些数据可以用于主动维护，延长设备正常运行时间，提高生产力。确保生产线问题可以预防，从而降低过热的能源过度消耗的风险

  使用低能耗生产线进一步降低能源消耗和生产成本，能源效率可以帮助制造商减少设备能源成本，然后制造商可以把节省的钱花在提升生产效率上。随着机器设备越来越先进，优化生产效率，从而更精确更快速完全任务。