文章

工业互联驱动智能制造升级

2019-04-16e-works整理

632阅
2019年3月21日,在IBM举行的“慧思无极,践行有道-think 2019服务中国行”认知型制造分会场上,IBM大中华区全球信息科技服务部资深管理咨询顾问王嘉年发表了主题为《工业互联驱动智能制造升级》的演讲,以下为演讲内容整理。

    在最近召开的十三届全国人大二次会议举行记者会上,科技部相关负责人提到了科技创新“三步走”战略,即到2020年进入创新型国家,到2035年左右进入创新型国家前列,到2050年要成为世界科技强国。这个战略同时也说明了整个业务驱动智能制造与重塑竞争力的产业变革大趋势。在这一大趋势中,IBM有责任引导这一进程,IBM认为,智能制造的五大业务驱动力:劳动生产率、设备综合效率OEE、全面品质管理TQM、客户个性化需求、节能环保。

IBM智能制造的五大业务驱动力

IBM智能制造的五大业务驱动力

    那么,什么是智能制造?根据《国家智能制造标准体系建设指南(2018年)》,智能制造涉及十个领域,我们看到整个智能制造的系统架构被分成三个维度。首先是系统层级,主要指企业内部工业化和信息化的两化融合。其次是生命周期的层级,从设计、生产到物流、销售、服务,主要指企业之间的信息集成。最后是智能功能的层级,从资源要素、互联互通、融合共享到系统集成、新兴业态,主要谈效率。

    整体而言,整个智能制造试图从M2M到B2B、C2M,最后做一个横向和垂直的贯穿。这其实与德国倡议的工业4.0的三个集成:纵向、横向、端到端的整合不谋而合。从这三个维度,IBM将分解整个智能制造的核心,也就是与数字工厂相关的部分,究竟牵涉到哪些领域?主要涉及十个领域:从研发、产线、车间、数字工厂、底层装备、物流,一直到产品、服务、管理和决策。

智能制造横跨M2M、B2B、C2M三个整合

智能制造横跨M2M、B2B、C2M三个整合

    首先是智能制造生命周期的维度。生命周期以制造业信息化技术为框架,通过工业物联网采集数据、传输数据,以数据应用与数据服务进行效率提升、风控控制、资源整合到服务创新四个不同层次的智能功能的案例架构。

IBM认为的生命周期层级

IBM认为的生命周期层级

    第二个维度是系统层级。系统层级以数字工厂为核心,涉及智能制造系统层级的车间层、控制层、与设备层,也是信息化系统(IT)纵向整合工业化环境(OT),实现两化融合的重要基础。其中,工业化的环境是以数字工厂为核心,从上面车间的生产管理到下面的生产控制,再到最底层相关设备的互联互通。

IBM认为的系统层级

IBM认为的系统层级

    第三个维度是智能功能。智能功能,是以工业互联网为基础,展现的是相关的风险控制、效率提升、资源整合,一直到服务创新。很多演讲嘉宾也提到了相关的数据要对应到智能制造的整个价值链,从传感器、数据、数据的分析到信息的融合,到最后的认知、知识库反馈重新的建模。最终,都是希望呼应到智能制造中的五大业务驱动力。以OEE设备综合效率为例,IBM希望把生产事故提前到设备故障、到设备缺陷这样一个层级。

IBM认为的智能功能层级

IBM认为的智能功能层级

    根据国家标准化管理委员会发布的GB/T23001标准,是关乎信息化和工业化融合的管理体系。IBM基于这样的体系与标准,同时结合全球相关智能制造和工业4.0的经验,IBM有能力对智能制造的成熟度进行评估。其实,IBM的智能制造评估系统,对外部的网站有对外开放。所以感兴趣的朋友,登录IBM的网站,查找这样一个自我评估、健康检查的应用系统,对企业整个智能制造的成熟度进行评估。

IBM智能制造能力成熟度评估

IBM智能制造能力成熟度评估(从管理体系的角度)

    IBM智能制造能力成熟度评估的最终目标是希望强化两个转变:从关注局部向统筹全局转变,从强调技术向管理规范转变。根据IBM对全球相关制造企业做过的,类似两化融合管理体系的调研,整个调研数据显示:在三个月前调研的智能制造企业中,目前有31%的企业仍旧在观望之中,有35%的企业已经在做战略的起跑者,另外有34%的企业已经积极地采用智能制造的相关理念、技术管理,甚至全局统筹智能制造的相关技术与工具,走在智能制造的路上。

IBM智能制造能力成熟度评估

IBM智能制造能力成熟度评估(从进度的角度)

    从管理体系出发是一种方式,另外从进程也是一种方式。工业企业信息化和工业化融合评估规范(GB/T 23030)与IBM智能制造进程评估,横跨从研发到业务创新十类维度,包含产品设计到协同制造共计二十六个领域,用成熟度指标来协助客户做智能制造成熟度的衡量,这种方式能够快速地定义中间的差距与相关计划。另外一种方式借鉴的是两化融合的评估规范23030的标准,企业也可以参考这样的标准进行评估。

传统工厂的价值链技术架构与工业物联网赋能后的数字工厂未来架构差异

传统工厂的价值链技术架构与工业物联网赋能后的数字工厂未来架构差异

    总而言之,智能制造与传统的制造究竟有什么不一样?从架构上而言,基于ISA95的架构分成从L5到L1再到L5,L0则是资产设备层。IBM认为,未来引入两化融合、工业互联网之后的智能制造架构,将不再是传统的ISA95架构,而是应该将架构设计为扁平化。扁平化会分成L5、L4、L3,将OT层通过工业互联网的方式实现完全打通,然后用整个IOT工业互联网的架构做赋能。

    所以,从L2到L0,是指从生产控制到生产工艺的环节,这部分强调工艺的自动化。在L3生产管理的部分,则谈生产管理,从相关的MES到MOM,这层主要目的是实现制造运营的流程化。从L4两化融合到物联网赋能,这部分重在相关的工业化。

IBM智能制参考架构、应用场景与深化介绍

IBM智能制参考架构、应用场景与深化介绍

    最终,按照整个工业物联网打破传统层级ISA95,IBM给出了适用于制造企业内部规范的一个概念上的逻辑设计。IBM从逻辑上设计的工业物联网平台,往上是工厂服务的总线。总线上面有结构、非结构相关的大数据分析,甚至包括预测性分析。另外还需加设一层AI,人工智能主要是进行感知、学习、互动,这层称之为推理层。例如,我们帮企业进行设备维护相关的IT,IBM的数据中心有设备维护的概念,通过增强层,包括增强现实或是虚拟现实,可实现远程专家的诊断、设备的运维,最后进行移动交付。此外,云技术也很重要,保证从安全一直到协作的顺利实现,这些最终都反映到IBM智能制造的五大业务驱动要素上。

    接下来将进行相关内容的深入介绍。制造业的整个生产形态属于备货生产(MTS)或连续制造(CP)的制造业,都有以数字化工厂、工艺质量强化与设备综合效率OEE精益化,作为高质量发展的强力抓手的需求。举个例子,IBM帮助一家造纸行业规划了智能制造数字工厂,我们对关键节点的路线图进行了设计。

以造纸业为例

以造纸业为例

    第二,是质量管理贯穿于整个制造业的运作链条,并对最终产品和客户服务产生重要影响,而质量洞察则是提升智能管理的重要抓手。IBM认为的质量管理,包含从售后生产前端的采购一直到研发,可以利用人工智能、视觉的检测、视觉的分析贯穿整个制造业的运作链条中,运用IBM认知技术,可以进行全生命周期或者是全品质管理。

质量管理贯穿于整个制造业的运作链条

质量管理贯穿于整个制造业的运作链条

    第三,是工厂服务总线。在工业物联网的架构上,如何将制造工厂想象成是一个企业,然后把企业服务总线的概念,嫁接移植到工业物联网的数字化工厂内部。相对应工业物联网中的标准,现在普遍使用的标准是IEC61158,目前定义了十种不同的现场总线。当然,在这十种现场总线外,还可以继续增加现场服务总线的规格。目前,我们所知道的现场总线,已经拓展到了28个标准。在这个由市场最后决定标准的时代,IBM认为有必要参考工业物联网的架构,于是IBM提出了IIOTRA标准,即通过市场服务总线的形式来贯穿整个生命周期。

    通过工业互联网进行垂直整合,提升设备资产绩效水平,成为数字化工厂,是设备密集、重资产型制造企业赢得智能制造竞争优势的关键。IBM建议,企业应聚焦于优化的资产。目前按照IDC统计数据显示,50%的设备密集或者是重资产型制造企业,都企图采用某种形式的设备资产管理技术,但是目前实际上运行到整个从IOT、PSB、EAM一直到DT数字化工厂时代,目前都小于10%。到2020年,预期这个10%在这两年的时间会飞速发展到60%,换句话而言,决胜千里的时代就在眼前。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论