◎ 文/ 控制工程中文版 Daniel Repp
製造業的數字化
轉型
正在順利進行，但具體而言，這對工廠工程師意味著什麼，還不得而知。對於許多公司而言，目前尚不清楚如何最好地實施新的數字技術以及如何確定哪些實施合作伙伴將是最可靠和最有經驗的。然而，有兩件事是清楚的：
如果公司希望在未來保持競爭力，數字化至關重要的，而
自動化
則起著關鍵作用。
目標不再僅僅是實現物理產品的自動化，還包括完全自動化的資料。這需要從手動、人工生成的資訊工作流程轉變為更加實時的流程。
數字化轉型涉及數字化、網路、流程分析和深度資訊自動化。
雖然這並不容易，但數字化轉型有可能為從
機器
製造商、到工廠車間、到最終客戶等製造的各個方面，獲得以前無法獲得的收益。
有三個潛在領域可以幫助製造企業解鎖全數字化轉型，其中許多領域已經觸手可及。
視覺化
互聯工廠和資料整合
如今，許多工廠的資訊流仍然是手動或半手動的。機器運營人員或工程師從紙質檔案或移動裝置上收集資料。例如準備生產機器所需的時間，從狀態A 轉變到狀態B，或將部件X轉移到部件Z。然後將該資訊載入到可以評估資料的計算機程式。
這個過程比我們20年前的情況要好很多，但仍然需要大量的時間和精力，並且在這一過程中存在著人為錯誤等無可否認的風險，無論是偶然的還是有意的。我們如何從過去的模擬、線性模型中獲益，並將其轉變為未來基於平臺的數字模型？
物聯網（IoT）和覆蓋全廠的連線等工具，有助於實現企業的數字化轉型。
使用智慧的聯網部件，意味著資料可以直接來自機器，完全消除人為錯誤，實現更快的資訊流和商業智慧（見圖1）。它還使運營人員和工程師不必手動收集資料並親自將其輸入到現有過程軟體中。相反，他們可以專注於其它核心工作。
圖1 ：使用智慧的網路部件可以直接從機器中獲取資料，消除人為錯誤，實現更快的資訊流和商業智慧。本文圖片來源：Lenze
透過互連和整合的資料流，可以將資訊從不同的工藝步驟，或從不同的部件（例如電機或變速箱）或整個生產線（可能包含來自不同製造商的元件和機器）集中到一起。
然後，這些資料可用於建立現有生產過程的完整表示，跨越不同機器、工廠甚至生產現場。
預測
生產建模和高階分析
捕獲和理解機器、機器生產線或現場的現有行為，是構建更高階分析的基礎，可提供對零件、機器和系統趨勢的可視性。這些趨勢包括預測模型，以減少或消除意外停機或不可預見的問題（見圖2）。
圖2 ：捕獲和理解機器、機器生產線或現場的現有行為，是構建更高階分析的基礎。這提供了對零件、機器和系統趨勢的可視性。
系統需要捕獲的是複雜的非線性發展或預測問題的趨勢，而不是簡單地捕獲線性值以幫助視覺化任何時刻發生的事情。
然後可以設定報警系統，以便在關鍵限值（例如不允許的質量因素、過載）發生之前干預生產過程。
高階分析通常將工廠級資料與其它資料流（如業務管理資訊或天氣資料）相結合，以考慮可能影響生產的外部因素。環境溫度、溼度、原材料差異或班次管理等因素可以輕鬆新增到數字流程中。
需要在公司內部進行新的協調，包括改變工作環境和建立協作勞動力，才能實現物聯網的全部潛力。它還要求原始裝置製造商（OEM）、供應商、資料科學家和工程師協同工作，幫助製造企業進一步提升生產效率。
自我調節
資料驅動的製造和持續的改進
在預測的基礎上再進一步，就是完全的自動化，系統基於預測模型自我調整而無需人工干預。這樣的系統依賴於創新和超高效的方法，例如統計過程控制，透過調整迄今為止繁重的手動調節的各個方面來實時最佳化生產。
例如，可以在沒有任何人為參與的情況下完成改變設定值或甚至整個機器的過程順序。
此外，透過雲計算快速獲取大量關鍵資訊的能力，將改變行業內每個人的工作方式，從供應商到終端使用者。
分析的機器和系統越多，可用於識別系統或機器甚至特定行業的那些可能產生最大影響的集體資料就越多。
在可預見的未來，我們可以看到計算機生成的趨勢和預測可以直接傳送到OEM廠商，因此可以實時改進機器，從而在機器最佳執行的基礎上實現穩定、高速的生產過程。
由資料驅動的製造業是未來的趨勢。
如果企業願意自動化資訊資料流，正如它們實現生產、列印或包裝生產線的自動化，將有助企業實現全面的數字化轉型及其所有優勢。（本文完）
•e-works•
智慧製造思想者
智慧製造 | 工業網際網路 | 數字化轉型
