SAP智能制造,为企业带来的无限机遇
499
2023-10-25
为什么要进行数字化、智能化转型?
从需求端研究发现,消费者的需求已经发生了变化,传统的大批量、标准的产品已经无法满足人们日益增长的多样性需求,这个时候作为供给端需要怎样跟上消费端的需求,是需要重点考虑的问题。
不管是汽车生产厂家,还是供应商都应该考虑如何解决由产品本身的不确定性、多样性、复杂性而带来的生产方式的不确定性与复杂性问题。
智能制造要解决的核心问题就是,面对客户需求的变化及不确定性,企业如何适应和跟上这一快速的变化,如何更好地满足客户需求,这是智能制造转型的逻辑起点。其根本还是为了适应市场快速的变化,提升公司应对未来市场不确定性的能力,提升综合竞争力,降低自己的成本,从而在市场上赢得立足之地,具体表现在效率、成本、质量、服务四个关键要素方面。
(1)效率。缩短产品的上市周期,加快新产品的迭代速度;提升制造的柔性与灵活性,以应对市场日益增长的个性定制化需求。
(2)质量。打造可追溯的质量管理体系,向客户保证能够持续兑现高质量地按时交付。
(3)成本。让企业单位的成本投入获得比同业竞争对手更大的产出。
(4)服务。通过对设备的连接,实现对生产设备数据的完整采集与分析,帮助客户提升生产效率、预测性维护,以及生产可视透明化,通过数据有效合理地调动能量,通过数字化进行运维服务。
而怎样消除或减少不确定呢?香农在20世纪40年代就已经给出了答案——信息是用来消除随机不确定性的东西。工信部安筱鹏博士提出,数字化转型的本质就是通过信息的采集、分析、决策,从而实现全局的制造效率提升,响应“大规模定制”中的高品质、低成本要求。
如何进行数字化、智能化转型工作?
贯穿人类科技发展的历史,有两条主线,一个是能量,另一个是信息。第一次工业革命与第二次电气革命,更多是能量的转换和生产效率的提升。进入近代,能量增加的速率在放缓,信息增加的速率在递增。信息在社会中的权重增加,代表着信息置换能量成为技术迭代、社会发展的主要手段。
在能量主线,传统的生产工具或方式需要演化到智能工具阶段,生产效率得到进一步提升。例如:搬运机器人通过视觉识别、算法优化可以自主决策运动轨迹,传统的夹具设计、PLC设计通过标准化、模块化、数字化、智能化的改进,可以进行快速地参数化设计,提升设计的效率,减少成本的投入。
在信息主线,传统的经验决策方式需要演化到通过“数据+算法”的方式进行决策,目前的管理系统例如ERP、CRM、MES等更多是管理思想的数字化、代码化,通过信息化的方式已经提升了企业的管理效率。如图1所示,我们可以通过不断挖掘、汇聚、分析消费者以及研发、生产、供应链等数据,基于“数据+算法”构建一套新的决策机制,替代传统的经验决策,实现更加高效、科学、精准、及时的决策,以适应需求的快速变化。
图1 基于“数据+算法”构建的全新决策机制
智能工具
通过“标准化→数字化→网络化→智能化”的演化路径(见图2),将能量工具转换为智能工具,包含硬件工具与软件工具。例如,软件智能工具就是将数据转换为信息,将初始设计数据整理成知识。让知识显性化、共享化、工具化以及智慧化,使知识跟设计过程融合。比如把设计过程变成组件化、参数化,形成工程化知识,具有自动化特征,网络化可以关联更多的信息快速形成合力,参数化输入可以自动生成夹具单元,并加入算法模型,就具备了智能化特征。
图2 智能工具演化路径
标准化、模块化是所有的基础。要解决一个复杂的系统或复杂的过程,必然的也是唯一的方法就是对复杂系统或复杂过程进行分解。这也是为什么自工业化开始,“标准化”就是一个永恒的主题。只有在实现标准化、模块化的基础上,智能化才能进一步演化,而模块化也是现在数据中台概念的核心理念。
智能决策
通过“行业知识+数据+算法模型”帮助客户实现辅助决策,通过PLC及传感器采集现场设备运行的数据,并且将其转换成具有时间标签的工业大数据,加之适用的算法和算力,通过行业知识的总结分析,解析出这些数据背后所蕴含的特定的工况模式和特征(知识),根据这些知识进行设备参数的优化、预防性维护以及改进设备的设计。通过以上模式(见图3)辅助客户在生产线运营的过程中进行效率提升、成本优化、质量追溯。
图3 智能决策
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~