新闻资讯 News

联系我们

联系电话: 137-2058-1949

办公座机: 029-68741465

实现智能制造的两个技术难点

发布日期:2018-07-04 浏览次数 :325次
分享到:
近期非常幸运,有机会先后到两家“工业4.0”示范工厂——成都西门子数字化工厂以及三菱电机大连工厂进行参观访问,领略“数字化工厂”与e-F@ctory理念的实施应用。可以说,这两家企业均为智能制造领域的先行者,但即使在蜚声中外的西门子工厂,我们也依然可以感受到其与“智能制造”愿景目标的差距,正如西门子工作人员所说的“我们的工厂是数字化工厂,目前还不是智能工厂”。从两次参观的经历来看,即使是国际先进的制造业企业在实现智能制造的过程中,仍然在技术方面存在着以下难点有待突破:
一、如何保证信息系统(虚拟世界)对于现场生产运营系统(现实世界)信息获取的实时性、准确性、全面性。
目前,对生产现场的数据采集主要有两种方式,自动化数据采集以及人工数据采集。自动化数据采集往往依托于通讯条件比较好的生产设备以及各种传感器的应用。人工数据采集大多是作为自动化数据采集的补充方式或替代方式,适用于自动化采集实现难度较大或经济成本较高的现场。而目前,生产现场的情况大多比较复杂,人工采集的方式应用较为广泛,这就造成了信息获取实时性、准确性的降低。此外,出于成本考虑,对现场数据的采集也难以做到十分全面。
在数据采集方面,西门子工厂无疑是实现效果非常理想的。遍布生产线各个关键节点的传感器以及具有通讯能力的控制器对现场的生产情况进行高速采集,这些数据都实时上传到信息系统中,实现现实世界到虚拟世界的精准实时全面的映射。但由于现场设备条件的限制,西门子工厂在数据采集方面的成功难以在其他工厂进行复制。比如,在三菱电机工厂,由于生产设备的通讯能力较差,为获取生产情况信息,在各机台处放置数据采集终端,采用人工方式进行数据录入,这种数据采集方式的准确性及实时性受操作人员的素质及责任心影响较大,难以与自动化数据采集相比。
二、如何将来自生产现场的海量数据转化为有效的生产运营改进优化建议。
面对从生产现场采集来的海量数据,无论是信息系统提供商或是工厂的生产运维人员都难以对其价值进行充分的挖掘,无法真正实现从数据到信息,从信息到可执行的优化建议的飞跃。究其原因,主要是由于缺乏相关数学模型,包括设备建模以及生产运营业务的建模。上述模型的建立不仅需要对设备及业务有深刻的理解,同时还要有较强的数理能力及抽象能力,这些要求无疑都是目前短时间内无法解决的难点。
目前西门子工厂与真正的智能制造的差距大概也在于此。这一环节的缺失,导致了无法在生产运营活动中形成闭环,进而有效改进方方面面的生产活动。中国的制造业转型升级任重而道远,通过近距离观摩国际先进制造企业的生产运营工作,不仅能够获取先进经验,还能够从他们的模式及技术实现中发现问题,并以此作为我们制造业从业人员今后工作的重点,力争在这些环节上取突破,实现弯道超车。