如何突破制造业从自动化到智能化_百度知道热门搜索：
当前位置：
制造业智能化转型 要先做的八件事
工业自动化技术的变革是实现工业4.0的必要条件，互联网技术在生产制造模式中的应用是实现工业4.0的充分条件。
　　OFweek网讯：的概念想必略有了解的人都能说出个一二三来。德国为什么要提出工业4.0？这个问题经过两年多的讨论，也有不少人已经心知肚明：在追求创新与质量的德国制造业遭遇互联网时代之时，生产效率、研发速度与生产制造的灵活性成为了其面临的最大难题。　　换言之，于偏科的德国而言，其弱势的互联网技术正在极大地影响着制造业的发展，如果不能在这方面加速赶上，曾经的霸主地位难保。　　因而，在菲尼克斯电气中国公司副总裁杜品圣博士看来，工业4.0是&德国为了保持它在制造领域的领先地位将创新质量和成本速度相融合的新型生产制造方式的一次变革&。在这之中，&工业技术的变革是实现工业4.0的必要条件，互联网技术在生产制造模式中的应用是实现工业4.0的充分条件&。　　不过，在德国之后相继提出类似概念的其他国家，其实与德国在做的都是同一件事情：制造业的智能化转型。只不过，各国的基本国情不同，在这一场转型之中，所面临的、需要解决的问题各不相同而已。所以，这一场变革之中，最重要的事情是要怎么做。　　来自机械工业仪器仪表综合技术经济研究所的欧阳劲松教授在会议上提到，德国在提出工业4.0概念之后，制定了八个优先行动计划。欧阳劲松表示，从技术角度来看，德国与中国在这方面是殊途同归的。八个优先行动计划如下：　　1）标准化和参考架构；　　2）为工业建立宽带基础设施，同时，这套宽带网络必须要满足工控网络的各项性能指标；　　3）安全和保障。包括物理安全、功能安全、信息安全三个方面。对于信息安全应该理性化认识，否则将会浪费更多成本还达不到信息安全的要求；　　4）管理复杂系统；　　5）工作的组织和设计；　　6）培训和持续的专业发展；　　7）监管框架；　　8）资源利用效率；　　欧阳教授认为，在这之中，最为重要的事即是列在第一条的标准化。
责任编辑：Ysq
免责声明：
本文仅代表作者个人观点，与
OFweek工控网
无关。其原创性以及文中陈述文字和内容未经本站证实，
对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅
作参考，并请自行核实相关内容。
邮箱/用户名：
忘记密码？
用其他账号登录： QQ
请输入评论
机械自动化单片机猎头职位
上海市/黄浦区
江苏省/苏州市
广东省/深圳市
广东省/深圳市
江苏省/无锡市
江苏省/无锡市
江苏省/无锡市
广东省/深圳市
广东省/深圳市
北京市/海淀区
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：制造业向智能化转型将催生工业大数据时代_企业管理软件吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：3,038贴子：
制造业向智能化转型将催生工业大数据时代收藏
德国“工业4.0”强调通过信息网络与物理生产系统的融合，即建设信息物理融合系统（Cyber-Physical System，CPS）来改变当前的工业生产与服务模式。美国GE公司倡导的“工业互联网”，则强调通过智能机器间的连接并最终将人机连接，结合软件和大数据分析，来重构全球工业。事实上，无论工业4.0还是工业互联网，其主要特征都是智能和互联，而主旨都在于通过充分利用信息通讯技术，把产品、机器、资源和人有机结合在一起，推动制造业向基于大数据分析与应用基础上的智能化转型。智能制造时代的到来，也意味着工业大数据时代的到来。工业大数据的应用，将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必须面对的重要课题。
致远企业管理软件,14年专注企业办公OA系统.众多企业OA办公解决方案,案例.和实施经验.咨询--&&
一、制造业向智能化转型将催生工业大数据时代（一）制造业从5M模式向6C模式转型将催生工业大数据在工业3.0或工业自动化时代，传统制造业模式的特征可以用5个字母（5M）来概括，即Material（材料，包含了其功能与特性）、Ma-chine（机器，指加工能力和精度）、Methods（方法，指产能和生产效率）、Measurement（测度，指如何探测与改进）、Modeling（建模，指对生产流程的预测、优化和防范）。在智能制造时代，制造业生产方式也许应该用六个字母（6C）来定义，即Connection（连接，主要指传感器和网络）、Cloud（云储存，即任意时间和需求的数据）、Cyber（虚拟网络，包括模式与记忆）、Content（内容，是指相关性及含义）、Community（社群，包含分享和交际的功能）、Customization（定制化，指个性化的价值与服务）。在制造智能化时代，工业机器、设备、存储系统以及运营资源可以利用现代网络通信技术连接成网络。这些工厂与机器设备不仅可以随时随地进行信息分享，而且互相连接的系统可以独立地自我管理（自组织）。要达到这一目标，现有的工业制造系统需要对制造设备本身的以及产品制造过程中产生的数据进行更深入的分析，也就是说，企业必须掌握通过工业IT设施收集、传输和分析处理大数据的能力。随着智能传感器技术如RFID的发展，数据的收集已经变得简单和可行，而云计算等技术的发展，也使得分析与处理大数据变得高速与高效。在工业4.0模式中，CPS系统将通过M2M通信（Machine -to-Machine，机器对机器）在工业机器与设备之间实现信息交换、运转和互相操控，被制造的产品可以与机器设备交流，机器可以自组织生产，智能工厂能够自行运转。因此可以说，工业大数据是由一个工业体系或者一个产品制造流程智能化催生出来的数据，即是制造业智能化的必然结果，也是制造业智能化的必要条件与基础。（二）工业大数据为研究工业复杂系统动态行为机理提供可能工业大数据同我们传统提到的消费、商业中的大数据概念有相似的一面,但又有差异。工业领域大数据主要呈现大体量、多源性、连续采样、价值密度低、动态性强等特点。大数据应用技术出现前,除结构化数据外,其他半结构化、非结构化等类型数据很难通过机器分析来挖掘应用价值,而目前大数据应用技术、建模技术与仿真技术等信息技术，为研究工业领域机理不清的复杂系统的动态行为开辟了可能途径。例如，风力涡轮机制造商在对天气数据及涡轮仪表数据进行交叉分析的基础上,可以对风力涡轮机布局进行改善,从而增加风力涡轮机的电力输出水平并延长其服务寿命。工业自动化、智能化系统的建模，控制系统的运行、管理与优化，无不涉及到大量的图像及数据信息。同样，企业的综合生产指标、生产计划调度、生产线的质量控制等等，同样涉及到大量复杂的数据。而通过信息化手段对流程进行优化整合，必须要用到大数据技术，以此实现工业系统的优化运行。因此，大数据应用对于工业领域动态模型建设、安全运行及监控、多目标优化控制方法等多个方面将有促进作用。二、工业大数据可以通过多种方式创造价值（一）创建透明度，优化运营效率在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台(云中)上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理(PLM)平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。（二）优化供应链，细分市场利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，不断可以跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。（三）提升竞争力，创新商业模式大数据让传统制造企业能够创新产品和服务，从而创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在工业4.0或工业互联网时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。例如实时位置数据的出现已经创造了一套全新的跟踪服务体系，可以使飞机发动机制造企业提供航空信息与服务管理。这不但可以使制造企业自身提升生产效率和产业竞争力，更可以为其所服务的客户创造新的价值。三、开发与利用工业大数据需要解决的主要问题（一）数据开发共享与安全保护政策由于工业大数据是数字化的和横跨企业边界甚至是跨越国界的（如跨国公司不同国家工厂的数据），因此安全、开放、共享等一些政策问题必须得到有效解决。随着工业大数据的价值越来越被重视，生产设施和数据中的商业秘密和专利技术也必须同样受到保护。在工业4.0或工业互联网时代，工业IT系统的安全不仅涉及生产操作环节，而且还关联到由此延伸的通讯网络环节，因此，研究并出台相应的工业IT系统的安全策略、架构和标准，保护制造企业的生产系统的安全、数据安全，提升系统的紧密性、完整性和有效性，将是个非常重要的问题。工业大数据日益提高的经济价值也会产生大量的法律问题，如，如何克服阻碍数据获取的障碍、建立交易或共享数据的市场机制，如何保护工业大数据中的知识产权。这需要政府制定平衡数据使用与数据安全保护的政策，制定鼓励数据共享的奖励措施、建立有效的促进创新的知识产权框架，以及面向公众开放政府部门拥有的能够公开的大数据，从而促进工业大数据共享和整合以及价值创造。（二）建立容量更大、服务质量更可靠的工业宽带基础设施信息物理融合系统(CPS)或工业互联网的实现，是建立在连续采样、大体量的工业大数据基础上的，而工业大数据的传输、交互和共享，必然要求建立容量、带宽、存储与数据处理能力更强大的基础实施，以及极高的通信智能和管理智能。现有的网络基础设施肯定难以满足工业4.0或工业互联网时代的要求。因此，容量更大、服务质量更可靠的工业宽带基础设施将成为工业大数据发展的重要组成部分。因此，政府有必要对扩建工业宽带基础设施制定专门的激励措施，奖励和鼓励工业宽带基础实施的投资与建设。有效的工业宽带基础设施，应该简易、安全、价格合理以及易扩展，不仅应该应用于智能工厂，也能够包括智能电网、智能交通以及智慧医疗。（三）应用和创新工业大数据开发与分析技术工业信息化系统产生的大数据，必须先经过整理和分析，让其变成“信息”，然后再深加工为“知识”，在这个通过大数据获取价值的转化过程中，制造企业需要新的技术（例如存储、计算和分析软件）和技能（新的分析类型）。目前很多企业还处于工业2.0时代，工业信息化、智能化水平较低，缺乏将大数据技术整合到自身系统的技术能力。而对于那些工业3.0时代的企业来说，现有的旧系统和不兼容的标准和格式，也会妨碍大数据分析工具的应用。因此，促进制造企业和技术人员整合、应用不断创新的工业大数据开发与分析技术，促进制造企业从工业大数据中获取最大收益，是非常紧迫的挑战与任务。（四）制造企业的组织变革和人才培养让制造企业领导认识到对工业大数据蕴含的价值以及如何释放这一价值，将是一个富有挑战的过程。制造企业不但需要拥有具备挖掘大数据价值的技术人员,同时需要构建适当的工作流程和激励措施来优化大数据的使用，才有可能利用工业大数据来优化企业管理、创造新的产品、服务和商业模式。同时，制造企业中不同部门产生的数据能够集成、交互共享，打破信息“孤岛”现象，也需要相应的组织体系变革。因此，政府应该创造激励措施并对制造企业管理者进行大数据分析技术培训，采取措施鼓励企业加强大数据相关人才的培养。
厦门邑通软件科技有限公司，是福建省唯一一家两化融合管理体系贯标咨询服务机构的企业，欢迎来电咨询
销售机会创建后，可以根据实际情况设定机会的阶段与状态，系统自动生成机会推进历史，数据实时进入销售漏斗统计里，为管理人员预测销售数据、设定销售目标提供最好的参考
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或关于智能制造的一些思考
关于智能制造的一些思考
智能制造最终是由制造大国来主导，靠装备巨头来引领近年来，世界制造业主要国家都陆续发布了智能制造相关的战略和政策，美国再工业化战略的主要方向就是布局智能制造关键技术，推动软件和互联网技术优势反哺制造业，促进制造业智能化和数字化发展。德国则聚焦于制造过程和生产装备的智慧发展，工业4.0已经渐渐演变为全球战略，相关的协作框架和技术平台也不断完善。中国适时推出《中国制造2025》战略，并将智能制造作为战略的主攻方向，在战略出台后，智能制造专项也快速跟进，成为《中国制造2025》的第一个落地专项。与此同时，日本、韩国和英国等国家和地区也摩拳擦掌，不甘落后，以期在智能制造价值链上占据有利地位。&&& 除了政府，一些制造业领先企业也纷纷加快转型，力图成为智能制造的主导者，其中实力最雄厚，战线最长的的就是GE和西门子两家企业。他们对于智能制造展开了系统性全价值链布局，而且这两家企业都是软件开发和硬件制造兼长，在这一轮变革中它们紧抓智能制造这条主线，致力于主导核心技术标准，构建产业技术生态。稍有不同的是GE仍然代表了美国范式，强调用强大的信息通讯技术反哺制造业，所以工业互联网的概念成为美国智能制造的代表，而西门子则是德国制造的典型，更多聚焦制造环节，所以提到西门子智能制造的典型，关键词更多指向安贝格工厂、成都工厂。我们也可以看两家的战略布局有明显的差别，西门子更多的布局是生产端，“偏硬一点”比如在成都建设智能工厂，而GE的布局更侧重服务端，“偏软一点”，比如在航空领域利用智能产品来提供远程运维等智能服务。个人认为，智能制造将会被制造业大国所引领、由装备制造业巨头来主导，智能制造的重心落在制造，不掌握核心技术、熟悉制造的过程，智能化则无从谈起，没有强大的制造实体，智能化则是空中楼阁。有些国家，像韩国和英国，他们最多只能是参加，补充，或者是在局部领先，有些国家，像印度等发展中国家，他们只能跟随地位，因为产业规模小，水平低。如果不出意外，基本上德国和美国会占据智能制造的引领地位，在技术标准和游戏规则上掌握话语权，最终构建系统性竞争力。日本会力争在优势领域不掉队，在机器人和机床关键等智能装备方面保持领先。而中国，可以通过将智能制造和产业升级充分结合，则有很大的机会超越、并行。智能制造最终是实现全价值链的两个IT的融合虽然主要制造业国家智能制造发展的路径有所不同，但其在方向和内涵上却有想通的地方，有人把智能制造简单概括为工业技术（industry technology）和信息技术（information technology）的深入融合即两个IT的融合，不仅仅是叠加，而且要有乘数关系，是两个IT的平方。我更赞成对智能制造进行广义理解，可以看到，当前这种融合产生于价值链上的研发、设计、制造、销售和服务等各个环节，通过数字基础设施的铺设，最终打通各个环节，形成虚实合一的生产系统。但普遍来看制造是最难且最关键的一环，它以经验为主，有自己的话语体系，依赖于技术工人的经验，隐含太多的隐性知识难以被“编码化”，如果没有深度理解产业知识，仅仅对表层数据进行收集分析，效果不大，盲目使用这些低质量数据来指导生产更有可能造成“内息走岔”。纵观全球主要工业企业，能做到两类技术兼容并蓄的企业并不是太多，这类企业往往需要有长度、有宽度、有高度、有深度。有长度是指发展时间长，熟知产业链的构成和特点，好比在一条复杂的公路上行驶，企业能知道在哪个直道可以加速，在哪个弯道应该减速。有高度是指企业占据产业链高端，掌握核心技术，再推进两个IT融合的时候能够找得准、捆的牢；有深度是指企业，充分了解行业中关键的隐性知识，能有效将智能技术和装备导入到生产环节，实现深层次的两个IT的融合。近两年国际和国内上均出现一批智能制造典型企业，这些企业往往都是行业中的领先企业，掌握了行业内的核心技术，积累了充足的“隐性知识”，具有实施智能制造的“先发优势”。智能制造的起点在工厂和车间&&& 对于智能制造，各类观察者有着不同的视角，有的侧重于政策，有的侧重于企业战略，有的侧重于新的技术，而我认为可以选取一个更围观的视角：车间。车间是劳动者、工业设备、生产技术以及原材料最终会和的场所，纵观历史上英国、美国、德国和日本制造业的崛起，都是突出表现在它们从车间生产中获取了竞争优势。我们不得不去观察车间里发生的变化，生产要素的融合发生在车间，价值源泉是来自于车间，未来制造业的革命也将首先发生在车间中。德国企业对于这一点是更加笃信不疑，其智能制造战略所考量的点也是围绕着工厂里的生产设备和生产方式的变化。工业4.0的主题也正是智能工厂和智能制造。如果你参观过西门子成都工厂，站在二楼的通道里俯瞰整个车间，你也许会发现车间的布置和其他工厂并无什么不同，甚至在部分环节仍存留不少人工，但如果你了解智能制造的内涵，在解说以及想象力的帮助下，或许有可能“看到”生产线下源源不断的数据流。西门子成都工厂不仅仅搭建了先进的生产设施，还构建了高效的数字化基础设施，这包括工业网络、数字化软硬件、数据库、智能技术等关键共性技术，所以工厂里不仅存在着我们能轻易看到的生产自动化、物流自动化，还广泛存在我们不易察觉的数据采集的自动化、管理的自动化，数字不仅仅是生产过程中产生的结果，更是引导生产、优化生产的主要依据，制造业变成数据驱动型的制造，工人、装备和产品之间实现了互联互通，数据流和物质流以及价值流实现了有机统一，车间由“黑箱”走向了透明，这是革命性的变化。智能制造是一个不断进化的过程智能制造不是一个发展目标，它其实是一种工具和手段，或者可以理解为一种解决问题的方式。一些研究机构指出，“工业4.0”不是一次Revolution，而是一个较长时期的Evolution。企业实施智能制目，可以放眼长远，但同时也需做到脚踏实地，这即是一些业内专家所总结的发展智能制造要做到“眼高手低“。企业要结合自己在两个IT上的发展水平，即用数字化和信息化手段来一步步走向“更高、更快、更强”。智能制造的发展需要用两条腿走路，一条腿是企业对工艺技术和产品技术的开发能力，一条腿是企业对信息化技术的应用能力，两个方面是相辅相成的，制造技术的精进会促进智能技术应用的深化，智能技术的导入也会在一定程度上助推企业生产水平的提升，这是一个动态联动的过程，任何一条腿有短板都会让企业走不快、走不远。有的企业仅仅在用一条腿走路，且走的不是很稳，有的企业刚长出信息化的腿，正在蹒跚摸索，有些企业早已动身，现在大步前行，即使这样，他们还在不断的学习完善，例如西门子德国安贝格工厂，它已用20多年的时间来发展智能制造，即使被业界称为“最接近工业4.0的工厂”，它仍然有改进和优化的空间，而成都工厂在建设的时候也给未来的升级留下了足够的“扩展槽”和“接口”，比如它的立体仓库目前是3个货架，而设计容量则达到了7个，最有趣的是它的车间的布置，一楼布置电气和控制设施，二楼布置执行设备，二楼的地板上留下了许多圆孔，以便于后期设备的增添和调整。在今年的7月份，西门子成都工厂就做出了投资10亿元的计划，准备扩大成都“数字化工程”的规模，已建设完成的西门子一期项目以及正在建设的二期项目总投资将超过10亿元人民币，建筑面积将达到约5.1万平方米。在车间里看智能制造三个要素&&& 智能制造的形式和手段多种多样，行业之间和企业之间的差别很大，即使同一行业中相似的企业，也有可能从不同的环节开始，使用不同的技术手段，从完整系统角度来剖析具体行业或企业的智能制造，有三个要素是最基本的，它也是企业管理者在实施智能制造项目时必须思考的三个问题：生产什么？用什么设备？怎么生产？第一个是生产什么？是指企业生产的产品。一般来说，制造业的智能制造可分为流程行业的智能制造和离散行业的智能制造，不同的产品，其智能能制造的环节和模式有所不同，而且，在当前的技术条件下，并非所有的行业都适合发展智能制造。因此，我们在对两个工厂智能制造水平进行比较的时候，如果他们不是同一行业，同类产品，则对比的意义不大，一般来说，流程行业总体的自动化、智能化水平要高于离散行业，那么在离散行业内，产品的价值越高、产量越大、标准化程度越高、生产自动化水平越高、模块化程度越高、产品自身智能化水平越高的领域就越适合上智能制造。以西门子成都工厂为例，它主要生产PLC、HMI和IPC设备，属于离散行业，简单的理解就是把各类零部件组装成各类工业电子产品。这些产品产品多是模块化产品，组装工艺标准化程度高，一些特殊复杂工艺环节已经实现了机械化和自动化，具有向智能制造进一步升级的基础。但并不是所有生产工业电子产品的企业都实现了自动化，笔者曾经参观过几家技术水平相对落后的电子企业，这些企业所生产的产品档次较低，生产规模较小，而且制造装配环节多以工人的手工操作为主，整体处于1.0-2.0之间，这样的企业并不具备发展智能制造的条件，它首要的考虑是先做自动化的改造。当然，对于生产什么，还可以做更深一步的理解，就是企业要想实施智能制造，必须对于他所生产的产品有本质上的理解，我们有时候去看一些智能制造做的比较好的企业，都是规模较大的企业，比如国内的海尔、蒙牛或者国外的西门子、宝马，我们总会想当然的把智能制造理解为一种投入，因为企业需要购买许多先进的设备，要对生产工艺进行彻底的改造，这些企业是行业内的龙头，它们财力雄厚，所以走在了前面，但我觉得不止是钱的问题，规模大仅仅是表面原因，最根本的优势是这些掌握了产品的核心技术，看透了产品的本质，摸清了生产工艺的特点，例如我们为西门子成都工厂每百万产品仅为9.4的出错率感到吃惊，但耀眼成绩的背后是工厂的智能制造系统覆盖了超过1000个测量点，企业知道哪些因素会影响到产品质量。这种能力是通过长期学习而来的，企业生产的越多，就理解的越多（干中学），正如庖丁解牛一般，企业可以做到“目无全牛”，它们看到的是牛的内部机理筋骨，然后就可以做到“以无厚入有间”，最后推行智能制造，自然可以走的快一点。第二个是用什么生产。这个主要考虑到机器、机器人和人三者之间的关系，不同行业的生成能力构成是不一样的，比如在汽车制造行业，我们看到了大量的机器人替代了人，支撑了制造流，但是在芯片制造行业、饮料制造行业，机器人不多，但是生产的自动化程度也挺高，这就是专用设备在发生作用，在许多地方我们还能看到大量的工厂是人海战术，比如笔者曾去过的贵州一家知名的辣酱工厂，大量的工人组成了生产线，企业也做了许多尝试，希望用智能机器和机器人替代人力，但由于工艺上难以满足，至今没有取得太大进展。我认为智能制造并非是用机器人去替代人，而是根据市场需求和生产需要做到最优配置，在组合中实现人尽其才、物尽其用，从这个角度来看，我们不能简单的用一个工厂的机器人数量或者工厂的无人化程度来判断它的智能水平，而是应该看工厂内人和机器人的协同程度，因为即使是比成都工厂智能化水平更高的德国安贝格工厂，其自动化水率也只是75%，仍有为数不少的人在发挥着作用。来到成都以西门子工厂，我们看到并非是带有科幻味道的无人工厂，虽然在物流、配送、检测等环节主要由智能装备来完成，但在组装、包装等工序上仍然存在许多技术工人，但在有人的环节也会通过智能化的辅助装备来规避人在能力上的短板，有效实现了效率、灵活性和可靠性的兼得，比如在装配线上，我们看到有许多人工操作环节，自动小车运送过来将需要加工的零件运送到组装工人的工位，这时候工作人员通过显示在电脑上的任务单，完成装配。生产中，生产订单由MES系统统一下达，并与ERP系统相集成，完成数据的实时传送，当产品要到达下一个工序前要通过严格的检验，整个生产过程中有20多个质量控制点，以保证产品的质量。在质量检测环节，也专门开发了视觉检测装备，它用相机拍照下产品的图像，与Teamcenter数据平台中的正确图像进行比对，瑕疵品将被挑出，这相比传统生产中的人工抽检要可靠和快速得多。第三个是怎么生产。智能制造是靠数据来驱动的，数据反映生产设备的健康状况，反映产品的质量，管理人员通过可视化的数据信息来优化生产，但这更要求企业掌握核心技术，找到关键的数据关系，经济上的很多研究是将工厂看做黑箱，因为传统的生产模式主要靠经验，靠规章制度，靠企业文化，难以琢磨总结。但是智能制造模式下要更多的靠数据来组织生产，对于生产控制的决策主要依靠联通的、持续的智能数据，数据在各个层面和各个环节实现了整合，工厂变得越来越透明，设备对产品进行加工，产品在生产线上滚动，工人的一举一动，都在数据仓库中留了可追溯的数据痕迹。帮助管理者搜集信息、整合信息，辅助决策。笔者曾经调研过一些工厂，他们在实施智能制造项目的时候就很难从经验驱动成功转向数据驱动，多数企业没有能力搜集完整且高质量的数据，但最大的制约是不能理解数据关系，它看不出99和100之间的差异，不掌握分析和利用数据的知识。&&& 西门子成都工厂某种程度上可以被称之为数据工厂，通过数据的可视化，管理人员可以快速定位问题。在智能数据的帮助下，可以快速清晰的发现效率损失在哪里？质量问题发生在哪个环节？进而突破原有生产方式的极限。据西门子的同志介绍，这家员工总数不超过500人的工厂，年产自动化产品超过250万件，平均每10秒生产一件产品，每100万件产品中有缺陷的不超过10件，达到国际领先水平。这些指标远远优于那些雇佣了大量熟练工人的日本和德国的汽车工厂。&&& 不仅仅生产过程是数字化的，生产工艺也逐渐被拆解，进而转向了数字化，此前的生产的组织更多依靠经验型管理，各种规章制度给人的行为建立约束和边界，而未来则会由数据提供引导，每一个岗位都会变得“有据可依”，例如在西门子成都工厂中的生产环节，由于是混流生产，零件盒上的信号灯会指示工作人员所需安装的零件，避免误操作；在包装环节，并没有实现机械自动化，但缺实现了信息自动化，信息工作站会确认到达包装环节的产品是否完成了所有测试，与此同时，装箱单会被显示在屏幕上，如果所有的流程和工作步骤都完成了，工作站会把标签打印出来，如果没有通过，这项任务就将被锁住，停止运行，而且标签也不会被打印出来，想想如果没有实现了信息自动化，这一环节不仅需要投入大量人力，还会成为最容易出错的一个环节。中国发展智能制造的三个优势&&& 在前文提出中国是唯一一个可以做到在智能制造发展上同美国和德国实现并行发展甚至是超越发展的国家，结合上文对智能制造的理解，可以看到中国发展智能制造的主要优势是来自于制造业内部，是一种内生的、自发的发展动力。其中，最主要的优势来自于中国制造业的规模优势，目前中国已经是全球制造业第一大国，并且在许多产业已经做到全球第一，中国有大量的车间和工厂，拥有一批经验丰富的技术工人，我们在产业链上一些“点”和局部片段上已具备领先优势，这给制造业的智慧转型尤其是生产环节的智能升级提供了丰富的产业资源和实验空间。其次，中国也已经是全球最大的装备制造业规模，目前在工业机器人、数控机床、3D打印等关键智能装备领域形成了一定技术实力，同时中国在ICT装备制造商也形成了世界级的竞争力，这给制造业的数字化、网络和和智能化发展提供了强大的技术支撑。最后，目前中国制造业的发展阶段也迫切要求加快转型升级，大幅度提高生产效率和产品质量，而智能制造正是一条切实可行的道路选择，尤其是各个行业内的领先型企业，市场竞争加剧和产业转型的压力使得他们不得不加快智能转型，而这些企业在重构自己的同时也重新塑造了整个产业。正如参观结束后一位记者感叹：“走着走着就上高速了，总不能还骑着自行车吧！”。&&&
发表评论：
TA的最新馆藏