投稿指南 投放广告 新版公测
热门: 贸易战 智能制造 人工智能
产业分析
现实世界中工业4.0数字化转型所涉及的问题和第四次工业革命中的未来智能工厂
录入时间:2020/1/21 10:55:44

富士德中國有限公司  Mr. Roger Lee 李家倫,  CEO  首席執行官

Introduction    介绍

近几年我们在制造行业看到了许多流行术语,比如工业4.0, IIoT, Big Data (大数据),机器学习,AI人工智能等。这些是什么?在制造业中它们扮演什么样的角色?

图1

先说一下工业4.0, 很多人混淆了工业4.0和第4次工业革命。事实上,工业4.0只是第4次工业革命的开始,而且还只是其中的一部分而已。(见图 2)第三次工业革命是关于电子,半导体,代替人力和力量的升级换代。第四次工业革命是关于心智和脑力的升级换代。甚至人类将和机器一起工作并结合在一起。新材料,生物技术,数字化,量子和AI计算等的技术驱动。

图2.1

图2.2

如果今天任何一家重要的制造企业在3~5年内不实施工业4.0,那么这家企业将会落后并在未来制造业中失去竞争力。另外一方面,可能10年后我们才能看到一个真正的全面的智慧工厂。而且,如果20年后我们回看这段时间就会明白到底是什么推动第4次工业革命。今天我们全部都是猜想,比如3D打印Quantum Computing(量子计算),Artificial Intelligence(人工智能)和新材料等。

3D打印在快速成型,客户定制,不浪费材料,不需要模具等方面的表现很出色。3D打印使第四次工业革命的产品和消费得以融合,使运输和零售店等消失,这些实际上是工业4.0的最终目标。

回顾工业制造行业,离岸生产是近20年的主题。现在我们讲的是就近客户生产。大批量生产已过时,更多的个性化产品是以后的发展趋势。我们要避免长时间运输并改为更多的本地生产实现大量的定制化。一些工厂将会在某些地区关闭,而一些中小型的工厂将会在更接近客户近的地区开设。这最终将形成一种新的世界经济结构,世界市场正在发生变化,科技及受全球化影响正在加速发展并直接影响生产工业。比如:电话的第一批用户量达到10亿用了130年,社交媒体和电子邮价用了25年,移动电话只用了18年,  至于工业4.0... 

Industry 4.0   工业4.0

工业4.0是基于概念、标准以及解决方案形成的高度灵活的自动化技术的基础。工业4.0诞生于2012年。早在2014年,第一家模块化设计的工业4.0工厂由位于德国的一个工业4.0联盟会成立。其实生产自动化和信息自动化的概念非常类似于美国的智能制造或中国制造2025的工业发展蓝图。

2011年美国推出“AMP计划”籍此重新取得国际制造竞争力

2012年德国推出“工业4.0计划”籍此维持在国际制造领域的竞争优势

2013年日本推出“日本产业复兴计划”透过设备和研发之投入重振制造业

2014年韩国推出“韩国制造业创新3.0”   协助中小型制造业建立智能化与优化程序

2015年中国大陆推出“中国制造2025”    实现制造业升级,力争到2025年从制造业大国进入制造业强国行列

工业4.0改变了什么?

现在的工厂运作模式是以SOP标准作业的量产制造。价格高昂的设备加上一批一般操作工按照SOP达到大规模产出,本质上不合逻辑。

工业4.0的新思维下是要求工厂全方位管理包括产能,良率和应变力,通过互联网的连接,数据化的管理制度,智慧化的系统,大数据的统计手法达到多,杂,快,准的生产解决方案。运作模式从”机台+人SOP操作智能制造”到 “人演变到智慧机台和旧机台+外挂智慧智慧工厂平台”。简单的说,工业4.0的核心是互联互通和数字化,通过数字达到工艺技术的自动化信息技术的自动化

事实上每个工厂都知道工业4.0的重要性、数字化转型重要性、数字工厂重要性,但他们还没有这么做。他们也知道工业4.0是实现互联互通的企业,但不知道如何去做,决策者不知道如何制定这个目标, 如何实现这个目标。

部分问题是要让决策者了解IT基础设施就是收集数据并且从PLC/Edge, SCADA, MES, ERP系统获得数据(The Pyramid (金字塔) or The Stack (堆栈图)- 见图4)。制造业的Stack集成能力和数字化转型远远落后于消费者数字化转型。决策者以为自然和容易的事情对工厂来说实际上执行起来非常困难,需要付出巨大的努力和决心才能改变现有的制造环境。决策者需要理解工业4.0的成功先决条件是硬件全新的或旧有的配置及正确更新, 然后再采用先进适合的开源软件来智能优化操作, 从Stack(堆栈)集成开始到工厂数字化转型到Smart Factory 智能工厂

没有IIoT就没有工业4.0, IIoT正在彻底改变制造业格局。

IIoT是令工厂企业对工厂内部及外部的大量设备连接的重要一步。企业内的设备IIoT和众多IIoT的数据通过通信驱动解决方案实现无缝配置、互连连接是IIoT集成策略的核心部分 (见图3)。IIoT可以收集实时数据并能使机器,产品和服务器通过开放标准(主要标准是OPC UA)进行通信和连接。随着开源的实施,我们可以通过访问所有标准的开源,更快的推动系统的创新和解决方案。

图3

3个 Stack (堆栈)方面的主要趋势 :

(1)应用程序向云上迁移(并不是所有的程序,但是所有的数据会迁移);

(2)SCADA,MES,ERP系统相连接(企业组织要做的),但困难是通常这些系统有不同的平台,需要通过API软件使它们相连,意味着你需要一个API软件专家,这样你才能实现SCADA与MES以及MES与ERP和所有不同层的连接,这是根本性的变化;

(3)PLC和IO跳过传统的Stack(堆栈)直接发送数据给其它应用程序(MQTT是一个比较受欢迎的达成方式),这并不是说传统堆栈被边缘化,而是它们有额外的不依赖于通过堆栈的IIoT连接获取数据。并将你环境中所有节点发布到统一分配的共亨地址空间,以便你的所有应用和用户可以连接并提取到你的数据。

在整合串联,MES是制造管理和控制的核心和最重要的部分。今天MES 4.0正在从大批量产转变为客户定制生产。当然,MES的主要目的是生管及品管,但是我们必须加上其他功能,比如APS,FDC故障检测,R2R,可追溯性,快速生产换线等。

至于PLC和HMI是什么。PLC层所有的东西(仪器,路由器,交换机)在Plant floor。PLC是执行过程中的大脑。过程控制组件运行一个程序来触发从这些仪器上获取信息并决定如何自动运行处理。这是一个逻辑控制。现在所有的东西会在Edge 因为要计算处理数据,在许多应用程序中,PLC和Edge它总是要运行。即使你断开网络,它也仍在运行。并且我们在Stack(堆栈) 向上处理数据时或者从局域网跨域到广域网的时候PLC/Edge必须更快速地运行。

请注意,制程控制不是业务中最重要的部分,也不是你获取效率的地方。你没有在过程控制层中获取你的效率,你在Stack(堆栈)中获取到效率,你需要选择最佳的平台来实现这一点。

在我们将正确的硬件(结合新的和旧的)系统与IIoT和开放软件体系结构系统放置到位后,我们以信息自动化和5G制造为基础,通过机器学习和人工智能实现智能化。

Machine Learning (ML) 机器学习

现实工厂运作中,我们先要实现ML (机器学习)再实行AI(人工智能)。

目前ML和AI被交互使用,但是它们却不是一回事。我们建立ML是为了在一段时间内获取精准的知识。AI是为了习得智慧,AI与提出最佳决策有关。

ML计算理念是很简单,只是我们大学已学过的Linear Algebra(线性代数)和Victor Calculus(向量微积分)。但计算公式看上去比较复杂,在这里我们不会从复杂的计算公式去解释ML(见图6)。ML通过使用监控过程中的数据变量和ML算法获取关于过程的知识(见图4)。与IIoT有什么关系呢(见图5)?  ML必须使用这些来自某处的数据,大多数情况下这些数据包括 IIoT被实时存放于云端时序数据库中。通常ML算法在云端运行而不只是独自在机器端运行,因为实际上ML所处理的不只是单一机器,而是很多台机器。ML比较的数据越多获取知识的速度就越快,为AI提供所需信息以做出最佳决策。

图4.1

图4.2

图5

图6

ML全是关于过程知识的获取,工厂知识的获取,你的工厂将有很多很多ML algorithm算法运行,试图获取特定的知识。还有ML algorithm算法必须决定忽略哪些数据以减少不必要的计算时间。我们不仅在ML中映入设置点,我们在ML中映入一切可测量参数。有效的算法不用我们告诉它任何规则ML有能力识别出真的关系,我们只需要把所有数据输入ML算法,它以闭环的方式获取知识。ML平台所做的是获取过程知识并反复加以训练,然后将所学用于设备端。

AI考虑的是如何利用AI算法建立神经网络这是个星状网络,把信息以星状关联起来,使用变量并告知最佳决策者一系列最佳决策方案。决策可能被用于设备或者被执行任务的人采用。长期看AI可以代替工艺工程师这样将来人类只需要做工厂系统的操作分析

实际执行决策的时候ML是向内的,AI是向外的,决策者(人)是置身于多个最佳决策之中的。决策者决定是否要执行AI所提供多个种类的决策,人做出最后的选择。

ML和AI在商业方面如何帮助我们?

对大多数公司来讲,ERP的数据是一个估算,而不是实际成本。实际成本取决于机器成本,和机器的运转成本不一样。因为ERP系统不知道机器是否在运行,因为它们大多数时候没有连接到PLC/Edge,ERP系统必须估算出机器运转的时间

比如当我们计算OEE,这是一台机器,一个区域和一个工厂效率的计算方法。只对OE生产模式中用的机器做了计算,很多其他的因素我们却未考虑进去,但却是对整个工厂效率产生影响的众多操作中的一部分。工作人员把原材料送到机器要用多少时间是一项重要的计算,但却不属于OEE计算除非可用性下降,除非给出计算模式否则无法知道物流系统是否有效运转。如果你关注它并深入研究,原材料不良?工具差还是设备或工艺差?为何会出现不良品?难道是因为操作工关机休息的时间过长?还是操作机器太慢机器运转速度太低?所有这些类似的疑问OEE都无法回答,但我们可以通过ML和AI找到答案。

通常我们用OEE来弄清楚效率,我们算好机器的可用性,机器生产的产品质量,机器的效能得到总体OEE数值告诉我们说是80%。这完全是主观的。

随着时间的推移, 可能ML获取知识后将显示我们的表现一般只有65%,从未高过80%。随着数据的积累ML评价越来越精确,与一开始使用错误标准得到的效率形成对比。

ML专于累积获得效率知识并加以利用通过算法不断学习,以动态型式提供足够的精准计算,不像OEE是静态的计算。当我们第一次定义OEE计算或者我们第一次定义输入,这些是静态循复性的输出,但是我们最后想要的是ML告诉我们自己的效率怎样的。AI通过计算这些效率数值和一堆变量来告诉我们做什么样的改变可以让业务更有效率。自我学习和自我提高。

Artificial Intelligence 人工智能

AI基于大数据。目前AI(传统的AI)只做统计,这只做统计这一大数据中的一项小任务。真正的AI基于Karma(因果)而不是简单的连接。类似于神经网络的星状结构来描述最为贴切。

简而言之AI是什么呢?

比如人脸识别,其实从数学角度来说,AI基础主要分(1)凸几何和(2)代数几何。这里不谈数学谈应用。

AI将改变现有的由紧缺的有经验的工程师驱动的制造业。AI将有助于减轻对有经验工程师的依赖。一切都将由人工智能解决。另外,  AI将解决那些对我们来说是未知的但的确存在的问题。

今天看到的大多数AI是特定的AI。我们尚未掌握的是通用AI(为你安排日程或者开车)。明天,AI 人工智能可以根据从大量数据中得出的最佳解决方案做出决定。

5G将使AI和AR提高供应链的效率,这将有利于消费者。未来,可能在这些设备上我们不再有整套的软件,firmware硬件和其它基本硬件将通过下载Apps来运作像智能手机一样。我们将有App商店,取决于客户真正想要什么,客户只需要下载满足其特定需求或他真正需要解决的问题所必须的那些APP就可以了。5G将在未来网络实物系统尤其是实物世界和数字世界的融合发挥重要作用。

Smart Factory 智能工厂

智能工厂是未来智慧工厂的先导(见图3)。

IIoT、BIG DATA、AI和5G是智能制造的四大重要组成部分。智能工厂就是如何用最新的IT数字科技把自动化生产工厂环境中的信息与现有的商业系统中的信息集结在一起,并和供应链一起集成,从而优化生产,优化整体的供应网络,从而使制造商在全球范围内具备成本竞争优势。

现实中,80%的增值来自对的供应链伙伴。我们如何把他们绑定在我们建立的数字链接/线程的链接中,以便他们可以参与其中,并且他们可以对工程变更、市场变化迅速做出反应,在你需要的时候,他们可以尽最大努力以你想要的方式为你提供所需的精确信息。

工业4.0的愿景已经开始变为现实。

工业4.0是一个网络愿景。我们需要让伙伴连网,这些伙伴必须说同样的语言因此我们必须有一个标准。今年,IPC发表了2个重要的标准:-

IPC – 2591 (2019 March)

Connected Factory Exchange (CFX)

IPC Hermes 9852 (2019-June), Version 1.2

The Global standard for Machine to Machine Communication in SMT Assembly

另外,SEMI也赶上提供M2M标准SEMI SET-ELS。这个标准和IPC Hermes 9852是兼容的。IPC HERMES是SMEMA的继任者。SMEMA是一个信号基础,需要特殊的硬件来传输数据。IPC Hermes 和 SEMI SMT-ELS都是协议基础而不是信号基础。信号告知状态或者新的状态,但是协议却还可以添加数据传输。

IPC Hermes 或者 SEMI SMT-ELS的概念是它可以容许生产线上的任何设备一起工作。两个协议都用了TCPIP,基于以太网的简单的XML消息,在小型计算机或设备上也可以轻松处理,此外,他们还可以添加诸如可追溯性等功能并携带数据,例如生产订单。生产线中的所有机器和设备都可以对这些数据做出反应,当产品到达时可以下载相应的程序等,并告诉设备下一步必须做什么。这些就是我们对智能工厂的期望。

M2M是机器和机器在SMT生产线中的通信。有了M2M,工厂可以以高效的方式控制SMT生产流程。另外一方面,如果工厂正在用一种软件语言比如Python, Java or Scala (一般情况下因为大数据)它们需要和SMT生产线上的每台机器单独通信来获得更多的动态数据。对于SMT机器来说,很多情况下可能用C+语言但是会提供API给任何想获得数据的人。对于另一些设备来说,它们可能会在系统安装Java或者Scala并直接运行。所以,我们要么全部使用一种语言来工作要么我们必须翻译或者翻译一部分以实现任一特定的功能需要。

因為生产制造的数据可能来自于不同源头,这也是我们首先需要连接的原因。大多数IT公司花费高达40%的人工成本来保持系统间的相互通信,它不是自动提供给我们的,我们必须自己做自己建立,当其中任何一个系统(ERP,EMS,PLM,车间工具)发生变化时,我们必须重新适应该界面,重新测试等。这是因为每个系统都有自己的代码处理方式,因此,对于大工厂来讲,你需要这些系统的每一个的技能,这是一个大问题

另外,把现有的系统,界面和协议(遗留下来的的基础设施及架构)整合在一起更重要,而不是把工业4.0作为一个全新的概念来看。

这就是为什么我们首先要考虑的是工厂车间的硬件架构,是否采用适合的开源软件平台与我们的旧系统或新系统一起工作,每个系统及设备都可以使用一个单一方法和单一的技能通过一个统一的地址进行互连互通交流,并且意味着如果其中一个系统或设备想要改变,比如ERP,我们不需要改变所有的系统。

最终,一旦我们拥有了大数据我们要思考如何创造价值。首先要考虑的第一个方面是对机器和对检验的高品质要求。我们如何一次性生产就能满足高品貭需求。而不是生产, 检验,然后再发现质量问题。第二个方面是对设计的高品质要求,如果我们查阅统计数据,就会发现制造中70~80%的废料和制造过程中的浪费,来自于做了糟糕选择的糟糕设计。

展望未来制造,产品在智能工厂的过程中自主探索,机器和产品与物联网互联,目标是一种高度灵活、个性化、资源友好的大批量生产,能够快速适应市场的快速变化。在未来,产品生命周期将会更短,这也是为什么需要i4.0帮忙计算成本,生产高品质的产品并快速运达市场以赢得未来有需求的客户。 

Conclusion 总结

新数字科技包括CLOUD,BIG DATA,IIOT,AI等可以把以前的自动化生产工厂环境中的信息与现有的商业系统中的信息集结在一起,并和供应链一起集成从而实现智能生产,智能供应链网络的目标,关键在于连接和协同。同时加速了虚拟设计和实物设备的融合。创建新的商业模式支持IT(信息技术),OT(运营技术),ET(电子技术)的融合,推动制造业数字化转型,关键在于应用软件。这就是工业4.0的大方向。

最近一个很火的话题就是BLOCKCHAIN(区块链),人们有很多种说法,我也想借此机会谈谈我的看法,包括区块链将会在制造业方面发挥什么作用。

互联网交换信息,区块链交换价值信息。20多年前很多人质疑互联网除了发送Email还能有什么用?今天的区块链技术只是刚刚开始,尽管区块链的技术已出现了10多年,但是至今唯一成功的应用只有BITCOIN,所以很多人误以为区块链技术就是虚拟货币技术,其实虚拟货币只是利用了区块链技术两大独有的特点(1)去中心化(共享共同拥有);(2)信息无法篡改。并通过一套互联网P2P的开放式的游戏规则证实去中心化的P2P商业模式是可行的。我猜BITCOIN的创办者也没想到在今天BITCOIN可以成为一个上千亿的业务。例如CLOUD,区块链可以是公有链,联盟链,私有链。中国政府说的DCEP(数字货币)概念可以是全民的公有链,或和其他国家的联盟链以解决外汇以美元为核心的支付系统,通过跨境跨区域电子支付系统使国家与国家之间可以直接结算支付。至于企业,我们可以考虑用私有链来加强企业间的合作,协调,共享共拥有加密数据的同时还方便跟踪和管理。有些企业可通过IIoT收集数据利用区块链技术(不可篡改,从数学理念很简单,例如15x3=45,15是公钥,3是私钥。得到2个钥匙就知道结果是45,但从45则不可能知道是由15x3计算而来)。加密放至CLOUD和BIG DATA加AI可以创造出很多新的经济商业模式或生态圈,犹如一片新的沃土等待我们去开发!

企业的财政,制造,供应链的集成共享难度很大因为各自的中心化存在很多壁垒。30~40%的优化工作是整合和协同。现在有了新数字技术我们就可以增强集成效应。IIoT收集数据到企业数字系统,5G增速,增大覆盖范围,区块链通过数字业务串联进行联盟链包括金融物流,保险,信用评估及供应链集成一起进行P2P模式协同有效利用AI更加智能。

数字科技发展的很快,一位讲者说我们不能作为数字原始居民,我们要变成数字移民,这样才能更好的管理我们现在及未来的资产。

最后,我希望年轻人懂市场的同时也要懂技术或懂技术的同时懂市场,一起向新的数字时代努力奋斗。我期待我们的制造业可以很快成功地数据化转型,从之前的产品经济,自动化机器人化的经济走到今天的数字化经济。在此我引用他人的话

“It is not the strongest of the species that survive, nor the most intelligent, but the ones most responsive to change” - Darwin

总而言之, 我们应该拥抱新科技的到来而不是担心。

Biography of Roger Lee

2004-Present  

CEO                                First Technology China Limited (A Sojitz company)

1999-2004    

General Manager             DEK Printing Machines Limited (A Dover Company)

1993-1998    

 

President                          Axis Communications Limited (A member of Axis AB)


上一篇:奠基万物互联的 4.0、5G、自... 下一篇:从Productronica 2...

《SMT China 表面组装技术》官方微信服务号

SbSTC服务号

actSMTC订阅号
版权声明:
《SMT China 表面组装技术》网站的一切内容及解释权皆归《SMT China 表面组装技术》杂志社版权所有,未经书面同意不得转载,违者必究!
《SMT China 表面组装技术》杂志社。

        

2019 LEAP Expo 视频专访


 
 
 
 
友情链接
   

SMT China

洁净室

激光世界

微波杂志

视觉系统设计

化合物半导体

工业激光应用

半导体芯科技

  首页 | 关于我们 | 联络我们
Copyright© 2020: 《SMT China 表面组装技术》; All Rights Reserved.
请用 Microsoft Internet Explorer 6.0 或以上版本。
Please use Microsoft Internet Explorer 6.0 or higher version.
备案序号:粤ICP备12025165号