工業(yè)4.0在大約10年前開(kāi)始進(jìn)入制造業(yè)詞典。德國(guó)建筑師將其稱(chēng)為第四次制造業(yè)革命，即工業(yè)革命，大規(guī)模生產(chǎn)的發(fā)明和信息技術(shù)的發(fā)展。前者可將工業(yè)4.0定義為使用“信息和通信技術(shù)進(jìn)行數(shù)字化”的最簡(jiǎn)單術(shù)語(yǔ)。工藝，從而提高質(zhì)量，降低成本和提高效率，” Karen Laird在《今日塑料》發(fā)表的特別報(bào)告中寫(xiě)道。Laird解釋說(shuō)：“在這種工業(yè)數(shù)字化的基礎(chǔ)上，是所謂的網(wǎng)絡(luò)物理系統(tǒng)，它將物理世界和虛擬世界融合在一起。”“在生產(chǎn)環(huán)境中，這意味著將操作技術(shù)與信息技術(shù)相集成，這是通過(guò)使用嵌入式系統(tǒng)監(jiān)視和控制物理過(guò)程來(lái)實(shí)現(xiàn)的。將網(wǎng)絡(luò)中的所有這些傳感器系統(tǒng)連接到計(jì)算系統(tǒng)，導(dǎo)致了今天所謂的物聯(lián)網(wǎng)（IoT）的出現(xiàn)，其中收集，分析和交流了大量數(shù)據(jù)。智能不再是在一個(gè)地方集中，但是整個(gè)系統(tǒng)是分布式的，是用機(jī)器，設(shè)備和用戶(hù)進(jìn)行訪(fǎng)問(wèn)。”

　　早期，這個(gè)概念引起了很多炒作-工業(yè)4.0在整個(gè)K展上迅速成為流行語(yǔ)。如今，尤其是在北美，人們可能會(huì)遇到更為實(shí)用的術(shù)語(yǔ)“智能工廠(chǎng)”和“智能制造”，但請(qǐng)不要誤解：這些工具-傳感器，機(jī)器人，數(shù)字化，工業(yè)物聯(lián)網(wǎng)（IIoT）和深度數(shù)據(jù)分析以及目標(biāo)（提高生產(chǎn)率，相對(duì)于低薪國(guó)家的競(jìng)爭(zhēng)優(yōu)勢(shì)）在很大程度上是同義詞。隨心所欲，它對(duì)第一世界制造業(yè)的影響是不可避免的。

　　制造商生產(chǎn)力與創(chuàng)新聯(lián)盟和德勤（Deloitte）于2019年9月發(fā)表的一項(xiàng)聯(lián)合研究發(fā)現(xiàn)，超過(guò)85％的工業(yè)制造商認(rèn)為，智能工廠(chǎng)計(jì)劃將成為未來(lái)五年制造業(yè)競(jìng)爭(zhēng)力的主要驅(qū)動(dòng)力。位于德國(guó)雷根斯堡的寶馬工廠(chǎng)就說(shuō)明了原因。

　　被世界經(jīng)濟(jì)論壇稱(chēng)為“未來(lái)工廠(chǎng)”的寶馬工廠(chǎng)在2018年生產(chǎn)了約320，000輛汽車(chē)。通過(guò)引入工業(yè)4.0啟發(fā)的技術(shù)（傳感器，機(jī)器人，自動(dòng)運(yùn)輸系統(tǒng)，數(shù)據(jù)收集和IIoT），所需時(shí)間美國(guó)有線(xiàn)電視新聞網(wǎng)（CNN）于2020年1月23日提交的報(bào)告顯示，部署新應(yīng)用程序的比例減少了80％，質(zhì)量問(wèn)題減少了5％。

　　寶馬雷根斯堡工廠(chǎng)經(jīng)理Frank Bachmann對(duì)CNN記者Jenny Marc和Nell Lewis表示：“智能工廠(chǎng)的特征是使用新技術(shù)和（和）新思想的智能方式，可以將創(chuàng)新推向新的高度?！薄霸摴S(chǎng)有3，000多臺(tái)連接的機(jī)器，機(jī)器人和自動(dòng)運(yùn)輸系統(tǒng)。定制的物聯(lián)網(wǎng)平臺(tái)將這些工具與材料和零件鏈接在一起，這些材料和零件一開(kāi)始就帶有激光打印標(biāo)簽，從而可以分析和跟蹤信息的每一步?！边@意味著可以警告供應(yīng)管線(xiàn)中的任何問(wèn)題。例如，如果系統(tǒng)檢測(cè)到奇怪的噪音，則會(huì)通知機(jī)械師，并且可以立即解決問(wèn)題。

　　輸入人工智能

　　這證明了當(dāng)今令人眼花of亂的技術(shù)變革步伐，在工業(yè)4.0的早期階段（也就是不到10年前），很少提及人工智能（AI）?，F(xiàn)在，人工智能已成為智能工廠(chǎng)的關(guān)鍵要素。

　　“從塑料零件從成型機(jī)中取出到成品和組裝好的組件離開(kāi)最終組裝線(xiàn)之間，可能會(huì)發(fā)生很多事情。雖然AI可以作為提高質(zhì)量和提高產(chǎn)量的工具，但單靠它可能還不夠?！?Shedletsky向PlasticsToday解釋說(shuō)。她補(bǔ)充說(shuō)，人工智能非常有幫助的地方是通過(guò)產(chǎn)品和可追溯性數(shù)據(jù)進(jìn)行解析，以識(shí)別工程和生產(chǎn)團(tuán)隊(duì)的相關(guān)信息。

　　由Instrumental開(kāi)發(fā)的制造優(yōu)化系統(tǒng)在關(guān)鍵裝配實(shí)例（零件離開(kāi)模具時(shí)，下游加工等期間）中收集圖像，并智能地轉(zhuǎn)換數(shù)據(jù)以檢測(cè)缺陷和偏移。Shedletsky說(shuō)，這些見(jiàn)解是根據(jù)上下文提供給工程師的，從而使他們能夠通過(guò)實(shí)施和驗(yàn)證糾正措施來(lái)閉環(huán)。她解釋說(shuō)：“塑料加工商已經(jīng)使用這項(xiàng)技術(shù)來(lái)快速識(shí)別和理解模制缺陷的根本原因，并有效地查明供應(yīng)鏈中損壞或缺陷的位置?！盨hedletsky補(bǔ)充說(shuō)，對(duì)每一個(gè)制作的產(chǎn)品進(jìn)行攝影記錄也很有價(jià)值?！拔覀円呀?jīng)看到客戶(hù)通過(guò)模腔將故障模式關(guān)聯(lián)起來(lái)，以通過(guò)與客戶(hù)共享數(shù)據(jù)來(lái)加速故障分析并捍衛(wèi)下游質(zhì)量投訴。對(duì)于關(guān)鍵任務(wù)部件，例如醫(yī)療設(shè)備中使用的部件，這種可追溯性可能是無(wú)價(jià)的?！?/p>

　　例如，謝德萊茨基與PlasticsToday共享了Motorola Mobility如何使用Instrumental的技術(shù)來(lái)識(shí)別零件缺陷的根本原因，從而節(jié)省了公司大量資源。在開(kāi)發(fā)構(gòu)建的最初幾天內(nèi)，摩托羅拉的工程師注意到了相機(jī)同心度問(wèn)題。通過(guò)深入研究?jī)x器數(shù)據(jù)記錄，他發(fā)現(xiàn)了根本原因來(lái)自用于塑料裝飾件的工具。Shedletsky說(shuō)：“工程師收集了一系列圖像，并制作了GIF，供他與供應(yīng)商共享，以便團(tuán)隊(duì)可以合作解決根本原因?！薄肮?yīng)商立即意識(shí)到了這個(gè)問(wèn)題，并能夠在復(fù)制工具之前進(jìn)行修復(fù)，從而為摩托羅拉節(jié)省了超過(guò)100，000美元。”

　　數(shù)據(jù)，無(wú)處不在的數(shù)據(jù)

　　工業(yè)軟件公司Senseye的創(chuàng)始人兼首席執(zhí)行官Simon Kampa在今年觀(guān)察到重要的制造趨勢(shì)，即如何明智地收集操作數(shù)據(jù)。他最近在SmartIndustry中寫(xiě)道：“2020年將是大型工業(yè)組織對(duì)其從其運(yùn)營(yíng)環(huán)境中收集的數(shù)據(jù)變得精明的一年?！薄爸圃焐态F(xiàn)在意識(shí)到，他們需要一致，有意義和可比較的數(shù)據(jù)集來(lái)優(yōu)化他們的生產(chǎn)流程。他們正在遠(yuǎn)離浪費(fèi)的實(shí)踐，浪費(fèi)的實(shí)踐涉及收集所有可能的數(shù)據(jù)，并在這些龐大的，無(wú)組織的資源中尋找新的意義和價(jià)值來(lái)源。他們的工作重點(diǎn)已經(jīng)轉(zhuǎn)移到特定的數(shù)據(jù)集上，例如資產(chǎn)狀況指標(biāo)，從而使工業(yè)組織可以肯定會(huì)增加價(jià)值?！笨才翆?xiě)道。

　　制造商有時(shí)overthink數(shù)據(jù)收集和分析稱(chēng)：“當(dāng)我們大多數(shù)人想到數(shù)據(jù)收集時(shí)，我們通常會(huì)默認(rèn)使用大數(shù)據(jù)，而實(shí)際上，數(shù)據(jù)收集可以像使用整體設(shè)備有效性（OEE）分析工具那樣簡(jiǎn)單，或者花時(shí)間評(píng)估哪些數(shù)據(jù)目前正在收集中?！薄叭绾我约盀槭裁匆占?？它存儲(chǔ)在哪里？”

　　他列舉了一個(gè)公司的示例，該公司通過(guò)多個(gè)部門(mén)中的多個(gè)數(shù)據(jù)庫(kù)來(lái)收集相同的數(shù)據(jù)點(diǎn)，而彼此之間沒(méi)有鏈接。該站點(diǎn)有14個(gè)不同的數(shù)據(jù)庫(kù)正在運(yùn)行。在審查了其數(shù)據(jù)策略之后，該公司將其數(shù)據(jù)庫(kù)減少到七個(gè)，并發(fā)現(xiàn)它正在收集沒(méi)有價(jià)值的數(shù)據(jù)。Rusk說(shuō)，在某些情況下，它無(wú)法解釋為什么它首先開(kāi)始收集數(shù)據(jù)。

　　“重復(fù)工作的激增意味著寶貴的資源沒(méi)有被明智地利用。通過(guò)采取整體數(shù)據(jù)收集策略，可以通過(guò)數(shù)據(jù)庫(kù)整合來(lái)消除重復(fù)，并且可以將資源用于其他領(lǐng)域，例如解決關(guān)鍵KPI或ROI業(yè)務(wù)案例的互聯(lián)制造投資?！?/p>

　　在活動(dòng)中，它將展示各種規(guī)模的公司可以采取的步驟，以實(shí)施未來(lái)工廠(chǎng)的技術(shù)。展位的目的是引導(dǎo)與會(huì)者逐步邁向智能制造，從簡(jiǎn)單地將數(shù)字助理功能應(yīng)用于手動(dòng)生產(chǎn)，到添加模塊化技術(shù)的模塊化技術(shù)（該技術(shù)結(jié)合了新的傳感器來(lái)捕獲生產(chǎn)數(shù)據(jù)和整個(gè)運(yùn)營(yíng)中的完整Industry 4.0連接），博世力士樂(lè)說(shuō)。展位上的主題之一是，即使是規(guī)模較小的制造商，也可以通過(guò)實(shí)施Industry 4.0的要素來(lái)實(shí)現(xiàn)真實(shí)，可衡量的結(jié)果。

　　“通過(guò)采用互聯(lián)技術(shù)，我們看到的一些最常見(jiàn)的改進(jìn)是在生產(chǎn)時(shí)間，工人效率乃至保修成本方面，基于真實(shí)數(shù)據(jù)的報(bào)告，這些數(shù)據(jù)在進(jìn)行根本原因分析時(shí)顯示出直接的因果關(guān)系，”他解釋說(shuō)。面包干“只要制作適合其能力明智的選擇，制造商可以不打破銀行，但連接技術(shù)都設(shè)定為持續(xù)發(fā)展階段。我們看到一個(gè)出乎意料的結(jié)果，就是較小的制造商朝這個(gè)方向發(fā)展的意愿如何改善與他們的供應(yīng)鏈客戶(hù)的關(guān)系。”“利用真實(shí)數(shù)據(jù)進(jìn)行交流和進(jìn)行實(shí)際改進(jìn)的能力提高了他們的置信度，并使它們?cè)诠?yīng)鏈中更有價(jià)值?！?/p>

　　在討論未來(lái)工廠(chǎng)時(shí)，經(jīng)常會(huì)在洗牌中迷失的一件事是人為因素?！爸悄苤圃觳粌H是單一技術(shù)，而且還不僅僅是技術(shù)。從根本上講，這始終是使用智能技術(shù)的聰明人的首要考慮?！盡averick Technologies制造IT主管John Clemens在最近的《福布斯》（Forbes）文章中寫(xiě)道。尋找那些聰明的人可能是具有挑戰(zhàn)性的。麥肯錫咨詢(xún)師Enno de Boer在之前引用的CNN文章中指出：“存在巨大的技能缺口需要解決-42％的工業(yè)公司表示他們已經(jīng)遇到了具有［工業(yè)4.0］功能的勞動(dòng)力短缺，”他告訴CNN。然而，即將到來(lái)的一線(xiàn)希望是Z世代，他們出生于1997年至2012年之間。

　　正如一項(xiàng)調(diào)查發(fā)現(xiàn)，18至22歲的年輕人更有可能接受過(guò)輔導(dǎo)員，老師或指導(dǎo)者的建議，與一般人群相比，他們將制造業(yè)視為可行的職業(yè)。Z世代中有三分之一（32％）曾建議將制造業(yè)作為職業(yè)選擇，而千禧一代中只有18％，總?cè)丝谥兄挥?3％。與其他同類(lèi)機(jī)構(gòu)相比，他們也更有可能考慮在制造業(yè)工作，并且不太可能將其視為一個(gè)正在衰退的行業(yè)。此外，他們對(duì)技術(shù)變革感到滿(mǎn)意，技術(shù)變革已成為他們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?，并且可以輕松地采用必要的技能來(lái)應(yīng)對(duì)未來(lái)的工廠(chǎng)。

　　因此，在至少一個(gè)方面，未來(lái)的工廠(chǎng)將類(lèi)似于今天的工廠(chǎng)：人將繼續(xù)是您最重要的資源。
責(zé)任編輯：YYX