0条评论
还没有人评论过~
第四次工业革命正在进行中，通常被称为工业 4.0。这就是数字化转型的生产端 - 也就是“智慧工厂”具备的诱人潜力，它能够按需提供智能。
数据驱动的自治系统和机器学习工具的发展为实现工业 4.0 的前景奠定了基础，这是因为各组织希望连接物联网设备、收集关键指标、实现实时数据可视化、分析结果和优化生产流程。
但是，我们需要注意：工厂现在每天会生成 1万亿字节的生产数据，而 90% 以上的生产数据并未得到适当利用。制造商如何利用现有资源、实施新的解决方案，并彻底改变工厂生产车间的智能化水平？
得益于工业物联网（IIoT），如今，机器人、3D 打印、高级分析、人工智能等技术使互联、增材制造和自主制造流程具备了新的发展潜力。对于想要延长机器使用寿命、减少设备故障、提高产量的企业来说，这种潜力至关重要。
这些企业面临的主要挑战就是连接。如果我们询问制造商对物联网有何看法，大多数制造商会说他们已经花费了好几年时间来利用网络化的“遗留”控制器和传感器，例如可编程逻辑控制器和智能设备，并将数据存储在本地数据库和历史数据库中。但是，如今看来，这还远远不够，因为工厂内部的许多资产仍处于孤立状态。为了符合 IIC 联盟标准，工业 4.0 之下的智能工厂需要实现更高的设备安全性、易连接性，还需要提供更好的通用平台。制造商可以通过弥合传统技术与变革性技术之间的鸿沟来访问现有数据集和新数据流。
在企业具备利用大规模生产数据的能力之前，他们需要采用一种可靠的方法来保存、存储、聚集并交叉对比此类信息。数字化转型的挑战正在从简单的数据收集（将 90% 以上的数据储存起来，而不是在现场利用数据）转化为如何通过结合在线和离线数据收集方法来帮助组织在创建报告的同时根据实时洞察采取行动。
结果可视化
很多工厂也在为“黑屏”问题而苦苦挣扎。当生产流程和资产并不透明时，资产运营商和管理者在产品发货之前都一直被“蒙在鼓里”，根本无从了解实际情况。工业 4.0 的目标是启用信息管理面板，将数据转化为运营商层面的洞察。
用于支持快速、连贯决策的各种实时指标和工具可以为智能工厂运营商赋能，让他们能够通过过滤生产数据中的“噪声”来提供更多相关数据、形成可干预的洞察，从而帮助他们进行企业资产运营。
分析一切
BSquare进行的一项研究表明，组织对云技术和互联设备越来越熟悉，有 78% 的生产组织计划增加他们在工业物联网方面的投资。但是，在分析方面，许多工厂仍然依靠人工流程和 Excel 电子表格来确定资产的可用性、制定维护计划或做出重要决定。
为什么？想象一下，某化工厂的关键传感器与工厂车间之间的距离为 500英尺。过去，一名员工每天检查传感器一次。由于该流程并未中断，而且，在“修理”过程中，化工厂需要花费时间和金钱来安装、校准物联网传感器。既然如此，化工厂为什么要进行变革？在此，我们必须将工业 4.0 的业务案例与理性投资联系起来——这是提高生产率或降低故障率的具体目标。
市场调研公司 Aberdeen 介绍了一个令人信服的规范性分析案例。在该案例中，企业在考虑已知参数的情况下利用通过物联网设备收集的可用数据在多个选项中选出了最佳行动方案。在以上示例中，企业需要在互联传感器技术方面进行投资，用于创建由洞察驱动的管理面板。
通过认知计算实现优化
这就是制造商在听到“工业 4.0”一词时的产生的想法：利用认知计算技术优化工厂车间流程。实际上，IBM Watson for manufacturing 之类的解决方案具备更多功能。Watson 可以被部署在具备互联设备、连续收集数据集、资源透明性和演化分析功能的环境中，帮助您建立一个自持式智能工厂模型。
我们需要考虑新出现的技术工人短缺问题。据《工业周刊》(Industry Week) 报道，老员工退休和新员工上岗共同导致了一个问题：无法按需获得数据使新员工感到沮丧，而且，愿意分享“车间”知识的专家也越来越少。
在经历智能工厂发展的前四个阶段的过程中，企业可以通过部署 Watson 之类的技术来获得双重利益。认知型解决方案能够学习作为关键资产基础的独特流程，而且，员工也十分信任机器学习工具。因此，您可以通过工厂的具体行为来不断扩展知识库，进而帮助新员工尽快进入工作状态并制定规范性生产策略。
工业 4.0 正在改变制造商的数字化转型之旅，数字化转型正在为靠智能驱动的按需智能工厂奠定基础。详细了解如何跟上最新的互联生产潮流。
Patrick Murphy
合作伙伴、IBM 北美实践部门负责人、认知型生产、全球企业咨询服务部
文章来源: https://www.toutiao.com/group/6747612877936394756/