【工业互联网】工业互联网联什么及其未来是什么、工业互联重塑企业数字化能力

2018 年 6 月 22 日 产业智能官

德国工业4.0、美国工业互联网、中国制造2025,这一在同一时期提出的国家战略,目的都是振兴工业产业。但是他们比较抽象的概念,所以咱们还是更多谈谈工业互联网。

在工业行业的互联就形成工业互联网。工业互联网联什么?工业互联网的未来又是什么?这是后面部分想探讨的内容。

工业互联网联什么

传统意义上工业领域分为3个环节:设计研发、生产制造、流通销售。

研发设计可以被分成设计、仿真、工艺及试制,实现这四个环节纵向集成。任何一个环节对数据的修改,都可以及时、高效的和其他环节实现互联。但是如何实现每个环节互联、如何实现集成经验沉淀,目前还没看到比较好的解决方案。

设计上实现历史设计数据、新产品设计需求之间的互联,目前更多企业有一个模型库,新的设计依靠工程师在企业自身历史库中寻找借鉴。

工程师与工程师之间的互联,新、旧工程师之间的互联,实现经验之间更好的传承。互联网时代,人们是否有更加高效方式实现经验传承,当然人的生物本性使然,人与人之间实现经验的无保留互联比较困难,但人与机器的互联,通过工程师的经验,不断训练机器学习,是有可能实现从人到机器之间的经验互联。

生产制造环节,主要是人、机、料、法、环,五个方面。这几个方面通过MES已经实现了全部互联,这一块也是国内发展比较快的工业互联网方面。

流通销售环节,是产品走出车间,面向最终用户的环节。通过产品,实现企业与用户的互联,在这个过程中,产品最终变成一种服务。在这个产能过剩的时代,不是所有生产出的产品都能卖出去,实现用户的互联,发觉用户新的需求,唯有将产品变为服务才能实现。和用户的互联之后,下一步就是满足用户的个性化需求,工业软件也是同样的道理。

工业互联网的未来

人工智能起源于1956年,但直到最近才爆发,这期间核心在于互联网的发展,催生的大数据。工业互联网的发展,千万台设备的互联,边缘计算植入,都将催生更高级的智能。

可能单个机械臂所具有的计算处理能力有限,但互联之后,这些庞大群体就有可能产生所谓的群体智能。

所谓群体智能,是指无智能或仅具简单智能的个体通过分布式、自组织式的群体协作,涌现出高级宏观智能行为的特性。人脑其实也是无数智愚部分相互连接而出现的高级智能。大脑皮层的每一个不同部位,都能控制人体不同功能,有的部位专门控制视觉、有的部位专门控制听觉。

同样,如果只是把某一部分拿出来,它的智慧不会和一只蚂蚁有太大区别,正式由于神经网络的互联,才出现了意识、记忆、逻辑判断等高级智慧行为。

工业互联网通过将全球所有设备互联,每一台设备、每一个边缘计算器,它所拥有的智慧极其有限,但当他们实现互联,实现大规模协作后,它们也必将实现某种智能。当然现有人工智能也在不断的进化,通过工业互联产生的海量数据,不断喂食,现有小学水平的人工智能,也将很快进化到大学、研究生水平……

工业互联也是我国的国家战略,也已经出台了《工业互联网发展白皮书》。但作为企业来说,不能为了互联而互联,互联不是目的,降本、增收才是目的。

工业互联重塑企业数字化能力

当前,工业互联网受到广泛认同和重视,国家和部门政策相继出台,一系列的公共工业互联网云平台先后发布,很多企业加快了对其规划和实施。对于工业互联网的概念和技术,媒体上已有很多的文章做了广泛的介绍和精辟的阐述。那么,工业互联网在制造业都有哪些实践中落地的场景与应用,如何利用工业互联网迅猛发展的态势,加快企业数字化进程,解决实际问题并实现业务价值?作者系全球知名工业互联网组织的专家,长期致力于工业互联网的架构研究与业务实施。

工业互联网核心理念与实施步骤

工业互联网的理念很简单,它的出发点是利用互联网的孪生核心技术——计算和通信网络技术,把实体(包括传感器、产品和装备等)、信息系统、业务流程和人员连接起来,从中收集大量的数据;利用数据分析和人工智能等能力,实现对物理世界的实时状态感知,在信息空间通过计算做出最佳的决策,动态地优化资源的使用;其最终的目的是为了创造新的经济成效和社会价值。

工业互联网具有广泛的应用,几乎可以涵盖所有的工业领域,但制造业,由于其体量之庞大,是工业互联网应用的一个重要的和富有创造价值潜力的领域。同时,由于其高度的复杂性、多样化和高度的差异性,也是一个最具挑战性的领域。

工业互联网的兴起,是为了解决当前制造业发展面临的挑战。随着全球化的经济体系的形成和互联网消费文化的兴起,全球性市场竞争进一步加剧。在这个格局下,制造业要关注的传统的基本要素:成本、效率、质量,并没有改变,但要求更高。企业还必须考虑资源使用效率和环保的要求。怎样在可持续发展的前提下,低成本、高效率、优质地完成短周期,多品种、小批量的生产,是制造业面临的一个大挑战。

要应对这个挑战,一个可行的方法是完善对业务经营和生产过程的数字化,并向智能化推进,在业务经营、产品研发与工艺设计、生产执行和过程控制等方面,以最佳决策,最优的资源调配和使用,动态响应生产环境,供应链和市场需求的不断变化,实现最佳的成本、效率、质量生产要素。

工业互联网对制造业数字化和智能化有着推动作用。对于制造业企业的数字化进程,简单而言,完善对各个业务和生产环节的数字化是第一步,如在以EPR为主线的价值链的各个环节和以PLM为主的产品链的各个环节,使用相应的专门工业软件,还有在这两条链的交叉点上的生产环境里实施MES,这些都是基础性的数字化实现。

第二步是要把这些环节的专门工业软件互联互通,打通各环节的信息孤岛,在价值链和产品链上逐步实现流程的自动化,并使能对各个环节数据的收集。例如,产品链上,整合产品生命周期功能环节,建立数字主线,并建立产品数字模型——数字孪生体,集成数据。(如图1)第三步,作为工业互联网在制造业的应用,首先对设备进行连接,收集设备运营和产品在生产过程中的数据,通过实时的数据分析,在线优化生产过程;其次,对产品、设备以及生产过程和业务流程中收集的数据,对不同周期和跨越生产和业务环节以及跨域组织范畴的综合性的大数据分析,识别和消除效率与绩效瓶颈,使能最佳化的业务决策,对整个生产过程和业务流程进行宏观性的优化。

在这个过程中,连接和数据采集是基础,通过模型对数据进行分析,得到对生产过程的洞察是关键,而通过专门工业应用,根据生产规则和业务目标,将洞察转换成最佳决策,并得以精准执行,以闭环反馈实现智能优化则是核心目标。

第四步,打通在生态圈内企业之间的信息系统的互联,实现企业之间的业务和生产的协同,把优化的范畴扩展到生态圈以及客户端,对客户部署了的产品实行连接,通过对产品的全生命周期的管理实现服务延伸,为企业的业务转型开拓机遇。

由此可见,工业互联网与现有的数字化成果,如ERP、PLM和MES等基础工业软件的使用相辅相成,并增强其基于状态感知和数据分析做出最佳决策的能力,是实现智能制造的一个必不可少的步骤。

平台技术对工业软件架构和应用演变的推进

由于工业互联网技术得益于最新的互联网技术,包括云计算(如虚拟和容器等计算资源管理技术)、大数据、机器学习和人工智能(AI),以及最新的应用开发与运营(DevOp)技术和方法论(如微服务),因而,基于这些技术的工业互联网平台,将加快面对特定行业和特定场景的机理以及包括AI在内的数据模型和工业应用的开发,并把模型和应用耦合在一起,为解决特定的生产问题,建立由数据驱动的智能化专属工业解决方案。在这些平台上运行的工业应用,也将具有更高的可靠性和可扩展性,而计算资源的使用效率也更高。

可以预测,工业互联网平台的部署,将促进工业软件的快速发展,加快工业技术和经验的模型化和软件化,有利于工业知识的积累、提升和创新。

不少业内专家认为,工业互联网平台的实施,也将引入一个新型的工业软件架构,从目前垂直分层的架构向扁平的工业应用网格过渡。在应用方面,目前不少工业软件系列是由多个功能模块聚合而成的大型专有应用,复杂度高和封闭性强,缺少可操作性且难以拓展,又难以适应多样易变的生产需求。为了解决这些问题,越来越多的工业软件将在新的工业互联网平台上,以微服务的方式实现,小而精,易于敏捷开发,独立更新和管理。一方面建立具有通用性的基本制造服务,将其功能作为API暴露出来,让其他应用调用。另一方面,针对特定的问题,以搭积木的方式,组合调用基本制造服务,创意出新的,轻量型的专属工业应用。这些工业服务和应用构成了一个具有活力的工业软件服务和应用网格。这样,工业互联网平台也就成为一个工业模型和应用的开发和运营环境,承载数据驱动的工业应用的工业操作系统(OS)。在这样一个体系下,可以孵化出一个新的工业软件的生态,不管是传统的工业软件供应商,还是新生的第三方的应用开发者,都能比较容易开发出更加切合客户需求的应用,并能敏捷地演变,响应对生产环境和需求的快速变化。

工业互联网在生产现场的应用

现在回到生产现场,也就是工厂车间的环境,初步探讨一下一些潜在的工业互联网的应用案例。生产管控是一个复杂的系统工程,牵涉到多个相互关联和约束的、跨部门和工厂的业务和生产流程及其众多的管理环节,以及大量的物理系统,包括物料、产品、生产设备和环境。下面对生产管控作了一个抽象简化的概括。

生产管控的主要环节包括工艺设计、计划调度和生产执行,计划调度是其核心。生产计划调度在工艺规程和其他生产规则的约束下,根据客户订单的要求,在现有产能的范围内,统筹优化质量、产量、交期、物流周转、能耗、生产效率和综合成本等多项目标,制定生产计划和任务。

生产执行,一般由MES的软件实现,是将知识产权(产品设计和工艺技术)转为业务价值的枢纽,它管理的对象是生产能力和资源,是制造业企业资产的核心,对实现企业价值起着举足轻重的作用。它对上承接生产计划的要求,对下统管车间场景里的生产人员、工艺、设备、物料、能源的生产要素,实现动态的、精准的、最优化的配置和调度,高绩效、高质量、低成本地完成生产任务。

工业互联网在生产现场的应用关键在于如何利用或加强对生产环境的数据采集,实现或增强对生产过程的状态感知,并通过对数据的实时分析,做出最佳决策,通过独立或辅助现有的工业软件系统(如MES的功能模块)进行精准执行,完成对生产过程的闭环优化。

这里对工业互联网在生产现场关键环节的潜在应用分别作一些初步的讨论,通过图示概要性地描述一下相应的工业互联网解决方案,最后导出一些为解决这些问题和需求所建立的一些新的能力。

比如,质量闭环优化管控领域问题与需求通常是:产品质量稳定性是否需要提高?产品合格率是否有提高的空间?缺陷产品返工成本是否高?废品的损失是否大?质量检测的准确率是否需要提高?是否需要实现在线质量检测?是否需要根据工艺和过程参数?是否需要建立产品数字孪生体,对产品质量进行全过程追溯?等等。

工业互联网解决方案为:智能质量检测判定或分类——提高质量检测的准确性和效率,降低检测成本。

缺陷产品原因的挖掘——降低缺陷或废品率。

在线质量检测或预测——动态寻优调整生产过程,中断废品生产流程。

实现工艺、物料、过程和质量的闭环关联——综合性地优化工艺参数,并对物料品质的控制提供反馈。

提供在线质量数据,支持数字孪生体 ——实现对产品质量的全过程追溯。

提供在线质量数据,支持在线成本核算和绩效预测与评估,提高生产管理水平。  

问题与需求通常是:能耗占生产成本的比例是否高?是否有强制性的节能减排目标?能量(如燃气和蒸汽)的供给和使用的稳定性和平衡性是否满足不同工序生产的要求,或是需要动态调优,保障生产,减少浪费?生产过程中热能的使用是否有提升的空间?对生产过程中能量的使用量和效率是否已实现在线或定期离线监控?能耗数据是否需要与工艺、物料、生产过程关联,为工艺和生产过程的优化提供反馈?

工业互联网解决方案为:能量使用和效率的监控——提高能耗的可见度,为实现节能减排提供确切依据。

对能量的供给和使用根据实时工况实现动态寻优,提高稳定性——保障生产,避免浪费。

对生产过程操作参数进行优化控制,提高生产过程的稳定性和实现最佳控制值 ——提高热能使用效率,降低能耗和减少排放。

实现工艺、物料、过程、质量和能耗的闭环关联——综合性地优化工艺参数。

提供能耗和排放在线数据,支持在线成本核算和绩效预测与评估——提高生产管理水平。

再比如,业务绩效在线监控和预测领域问题与需求通常是:生产过程管理是否依赖手工报表,效率低,周期长,难以支撑管理的优化?生产过程管理是否需要实现在线的业务绩效监控,把握目前或预测近期的生产状况,针对生产问题给予及时和有效的纠正?生产过程管理是否需要把绩效KPI与过程数据结合,从绩效问题入手,有效地追溯到生产过程中导致问题的根本原因,以使其得到及时的解决?

工业互联网解决方案为:建立多层级的生产运营监控中心,提供短周期(每小时或更短)自动化的企业和工厂层级的生产和业务绩效在线报告——实现高透明度的绩效监控和预测, 提升对生产和业务问题的响应能力,向智能管理方向迈进。

提供问题追溯能力,系统性地快速确认问题的根源,并提出解决方案建议,提高及时有效解决问题的能力。

制造业工业互联网平台的特定需求

上述解决方案明显地共享着一条技术路线,包含几个共同的功能模块:数据采集和处理、(机理、数字和仿真)模型分析、通过应用实现的决策和执行。不难预测,在同一个生产环境里将会同时实施多个以上所列举的应用。显然,这些应用不应单独重复地实现和运行这些通用功能模块,而是应在通用平台上共享这些功能。工业互联网平台提供的正是这样一个平台,在同一个平台上,同时支持多个工业应用的开发、运营和管理,并系统地保障其安全性、可靠性和可扩展性。综合其他考虑,制造业对工业互联网平台有如下特定需求:

生产数据全生命周期管理挑战:设备数据多源异构,高频率,大批量,高并发,需要长周期保存;现有的数据湖形成信息孤岛,无法有效利用。

能力:提供工业大数据平台, 实现统一的数据采集、分析和管理能力。

工艺技术和经验的模型和软件化挑战:工艺配置过于依赖经验,难以与工况、品质、成本和效率跟踪反馈,实现系统性积累和获得最优工艺参数;工业软件需要简易更新,以适应生产的需求。

能力:提供轻量高效的工业模型和应用敏捷开发框架,简化软件开发和迭代提升过程。

智能优化的生产管理挑战:生产计划和排程未能根据现场的物料供应、工况、产品质量、产出效率数据进行实时反馈动态调优,并实现需求拉动的生产管理。

能力:提供先进的数据分析、AI、仿真能力,通过对生产资源、环境和流程的状态感知,实现数据驱动的智能排产应用。

设备和生产过程数字空间映射挑战:设备和产品数字孪生体与仿真数据整合复杂、技术门槛高,不易实施。

能力:提供数字孪生体和仿真功能服务,降低难度,加快数字仿真在生产过程的应用。

稳定、可靠和先进性挑战:生产环境要求高度的可靠性、可扩展性、鲁棒性、低时延和技术的前瞻性。

能力:提供最新的机器学习、AI、仿真、大数据和云计算技术优化组合,满足工业级特定的系统和技术要求。

自主、可控、安全挑战:企业需要保障对系统的自主性和对数据、应用、知识产权和商业机密的完全可控和安全性。

能力:灵活部署于企业内部和边缘的自主可控工业互联平台,保障系统和数据的安全性和可控性。

数字化冲击制造业,工业互联网孕育巨大机遇

越来越多的工厂开始数字化转型,运用人工智能、物联网、云计算和大数据等新一代信息技术将工厂升级到工业4.0,以获得快速应对市场的能力,并最大限度提升生产效率和节省成本。  

数字化冲击制造业,工业互联网孕育巨大机遇

工业互联网正在给传统制造业带来前所未有的冲击,越来越多的工厂开始数字化转型,运用人工智能、物联网、云计算和大数据等新一代信息技术将工厂升级到工业4.0,以获得快速应对市场的能力,并最大限度提升生产效率和节省成本。

近年来,受到人力和材料成本快速上涨等因素影响,制造业的利润空间越来越薄,加上全球经济放缓,在订单不稳定的形势下,稍有不慎工厂将会血本无归。因此,厂商开始寻找机器人等先进自动化技术来消除成本和提升产能。

还有,随着个性化需求的日益增长,工厂不仅要满足多样化的订制需求,还要对快速变化的市场有强大的响应能力。工业互网网打通了物理世界和虚拟世界的隔阂,制造业的所有参与者,包括用户消费者都可以通过智能手机、平板等终端设备去查看产品的生产进度,了解故障或突发事件以及获得准确发货、收货时间。

同样,工厂企业可以获得产品使用过程的数据,收集问题建议用于优化产品设计,甚至可以了解到消费者的喜好,并分析和评估下一个产品的方向,合理规划生产和及时准备原材料,从而减少资源浪费的风险,并能实现精益制造的效果。可以说,工业互联网带给制造业的是生产、销售、消费环节更加协调和高效的运营模式。

数字化制造革了谁的命?

数字化制造也称为工业4.0,是对制造业运营的重新思考,其主要目标是利用智能物联网技术提升工厂的动态响应能力。数字化工厂将使用大量的传感器,通过无线和有线网络连接大量生产设备和产品,可以实现生产流程和供应链的优化管理。

工业4.0通过物理信息系统,现实世界的物理对象和虚拟技术融合,从而让管理者可以更透明地掌握生产实时情况。这种信息系统可以应用到机器的预测性维护、资产管理、统计评估等,有效保障资产的可靠性,并可以延长资产的生命周期。

数字化将改变全球制造业的制造能力和价值形式,使用大数据分析、增材制造等技术减少劳动力投入,机器人将人力从一些重复性、无聊和危险的工作岗位就解放出来,同时先进设备提供了更高的效率和降低了企业运行的风险。

未来制造业将融合先进的自动化和信息技术,由人力工厂转变为智能的自动化机器工厂,这个过程将需要更多新技术装备、高科技和IT技术的支持。由于生产系统的复杂性,IT人员需要了解生产工艺,而操作人员将配合IT人员完成系统的升级,也就是说IT部门和操作部门关系将更密切。由于智能制造需要通过大数据分析去优化流程工艺,所以那些既会IT又懂工艺的高级人才将是未来趋势。

随着信息化与工业的融合发展,工厂企业可以分析出客户需求,提供个性化订制服务。客户可以时刻查看订单进度,了解生产的实际情况和反馈意见问题。工业互联网将企业与客户紧密连接在一起,这样就减少了沟通上的成本。传统企业在客服和销售环节的大量工作将逐步减少,这意味着企业不再需要配置大量的客户和销售人员。

中小企业如何升级互联工厂

工业互联网对企业的运营有着重要影响,通过物联网、大数据分析等技术可以增强制造水平,提高产品的质量和企业服务水准。不过要升级互联工厂可能要投入高级技术人才,这对于中小企业来说将是个难题目。此外,并不是升级生产系统就能带来价值提升,如果没有匹配企业的实际需求,那可能是做了一个错误的无益决定。

升级之前要对自身进行全面的评测,分析工厂效率低下的原因是什么,哪些环节存在问题,哪些资源没有合理利用。对生产流程、系统、人员和信息进行统计和分析,也可以和同类企业做比较,找出优点和缺点。然后,再根据自身情况来制定数字化转型的策略。

数据采集是一个关键,所以工厂需要投入大量的传感器,去监测生产过程各个环节的参数。这些传感器的连接可能需在用到无线通信技术,如NB-IoT、Lora等新一代无线技术。数据采集之后还要经过筛选、清洗,因为不准确的数据可能导致管理者作出错误的决策。

工业4.0模式下的创新机遇

随着设备的相互连接,机器与机器之间可以自由对话,将使得生产各个环节之间更加协调,最终整体效率大幅提升。其实,工厂所获得的好处不只是提升效率,工业4.0的模式为企业创造了很多可能,利用数据分析可以为企业提供增值服务。

在互联互通的大环境下,企业能更好地了解用户的真实需求,然后就可以主动向客户推广一些新的产品。在设备维护环节,通过远程监控和数据采集分析,厂商能够准确预测设备部件需要更换时间,并在合适的时间为客户提供二次服务。

未来,设备厂商可能考虑用出租机器的方式来服务客户。这样,客户只需要专心运营自己的生产即可,机器设备交给设备厂商管理和维护。对于设备厂商家来说,这样能获得更高的报酬,也意味着设备的管理更集中、更专业。

设备商通过采集不同地区的机器设备数据,形成丰富的数据历史记录,数据越丰富意味着在分析预测的结果可能越准确。同时设备商集中管理和维护设备,将可以进一步降低运营的成本。还有,利用机器学习等人工智能技术,可以帮助处理和分析大量的数据,并找到更大商业价值。


工业互联网操作系统




产业智能官  AI-CPS


用“人工智能赛博物理操作系统新一代技术+商业工业互联网操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链


长按上方二维码关注微信公众号: AI-CPS



本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com




登录查看更多
0

相关内容

工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的结果。工业互联网通过智能机器间的连接并最终将人机连接,结合软件和大数据分析,重构全球工业、激发生产力,让世界更美好、更快速、更安全、更清洁且更经济。中国工业互联网标识解析国家顶级节点落户在北京、上海、广州、武汉、重庆五大城市。
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
233+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
292+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
90+阅读 · 2019年11月13日
【数字孪生】数字孪生技术从概念到应用
产业智能官
84+阅读 · 2020年2月16日
【数字化】制造业数字化转型的实战路线图
产业智能官
39+阅读 · 2019年9月10日
【数字孪生】工业互联网支持下的数字孪生车间
产业智能官
19+阅读 · 2019年6月3日
【工业互联网】工业互联网与工业大数据分析的应用
产业智能官
12+阅读 · 2017年12月26日
Learning Dynamic Routing for Semantic Segmentation
Arxiv
8+阅读 · 2020年3月23日
Arxiv
10+阅读 · 2018年2月9日
VIP会员
相关VIP内容
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
233+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
292+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
90+阅读 · 2019年11月13日
Top
微信扫码咨询专知VIP会员