搜索
当前位置:首页 > 资讯详情
五问智能制造
作者:张礼立 郭涛 作者单位:信息化时代 所属类别:观察 2019-10-08 11:23:52 浏览:260
  毋庸置疑,智能制造已成了我国现代先进制造业发展的新方向。《2017—2018中国智能制造发展年度报告》显示,我国已初步建成208个数字化车间和智能工厂,覆盖十大领域和80个行业;初步建立起与国际同步的智能制造标准体系,培育壮大了一批智能制造系统解决方案供应商,智能制造关键软硬件供给能力进一步提升,形成环渤海、长三角、珠三角和中西部四大典型区域。随着智能制造企业数量的增加,我们在将智能制造关键技术应用逐渐推向纵深的时候,还应该注意什么,在哪些方面需要进一步增强,才能实现事半功倍?
  企业转型需要什么样的“底座”?
  开放组体系结构框架(TOGAF)将“企业”定义为有着共同目标集合的组织的聚集,包含了狭义的企业与广义的企业、远景与使命、组织与职能,以及所有信息和技术服务、流程和数据架构,还有应用架构和基础设施的技术架构。企业架构是承接企业业务战略与信息战略之间的桥梁与标准接口,是企业信息化规划的核心。
  制造业企业架构可以为数字化转型提供蓝图,主要基于以下三点考虑:企业架构提供了管理层如何从原有状态到达期望状态的途径;阐明企业的战略,并区分战略与战术;帮助企业明确所处的地位,确定需要通过哪些努力来实现企业目标。
  人类首次将计算机应用到生产过程控制大概是在上世纪60年代。自那以后,信息技术就开始不断地与生产运维技术相融合。
  走过了几十年的融合之路后,我们发现,随着移动技术的发展,特别是智能手机或智能连接资产,再加上无线技术的传播,信息技术与运维技术正在加速融合。
  埃森哲的报告显示,到2020年,全球将有大约500亿的设备进行连接,平均每个人将与7个互联设备相关联。
  构建制造企业的企业架构有以下三大途径。
  途径一,实际调研。参观与企业类似的制造业工厂,找出那些与你自己的工厂类似的操作,尽量去发现同类的闪光点和最佳实践。我们需要了解先进制造企业的体系架构和系统详细信息,以及已部署的技术。通过对那些支持卓越运营的有效系统的学习,结合自身环境,重新构建企业架构。
  途径二,供应商眼中的未来。供应商往往有非常好的技术把控能力。他们是技术的创造者,也是技术的传播者。不少供应商同时为多个行业提供解决方案。这些解决方案和先进理念一般可以跨行业、跨组织进行传播和发展。有效利用供应商的关键是,不仅找出那些已经在您的业务中根深蒂固的理念与产品,还要通过触及服务您所在行业之外更为广阔的领域,开阔视野,避免被供应商绑定在一起,这样比较容易在架构流程中找到精确的位置。
  途径三,通过智库与联盟。供应商的思路有时的确有偏见。因此,企业需要寻求更为中立的资源。由专家组成的行业协会、专业的智库、产业与行业联盟等第三方机构关于卓越制造等的专题报告或研讨论坛,可以帮助企业更好地理解世界级的制造体系结构、行业的最佳实践等。
  无论何时,企业都必须将人、流程和技术结合起来。基于此,制造企业的卓越运营实践需要包含资产管理(EAM)、资产性能管理(APM)、企业质量管理(EQMS)、工业能源管理(IEM)、制造运营管理(MOM),以及环境、健康和安全管理(EHS)六大支柱。这些“支柱”中的每一个都依赖人们使用技术执行各个流程,所有元素对于与卓越运营相关的战略和战术的执行都至关重要。
  中国制造企业将通过重塑企业架构来实现智能制造的数字化转型。
  制造企业如何走向自主模式?
  工业物联网目前已经被各行各业所接受,覆盖制造、采矿、农业、油气和公用事业等多个行业,其应用前景十分广泛。制造服务通过互联网与数字移动平台,结合生态和软件,正从僵化模式向自主模式转变。
  基于IIOT实现的下一代系统架构
  市场调研机构Technavio的数据显示,到2020年,全球工业物联网市场规模将达到1320亿美元;到2030年,工业物联网可在全球创造高达140万亿美元的经济效益。工业物联网驱动着“产品+服务”商业模式的落地。通过物联网,企业可以打入新市场、开发全新的产品服务或业务。制造企业卖的已经不再是一个产品,而是为客户创造价值的能力。
  工业升级和转型是一个主动求新求变的过程,也是一个创新的过程。工业物联网为转型提供涵盖产品、事务和专业性服务的数字化信息与服务。企业在物联网方面最关键的投入包括数据分析、安全交换数据技术平台、全面的身份与访问管理安全,以及与合作伙伴分享数据的平台等。
  在利用智能技术推动突破性创新的过程中,企业要关注传感数据处理与产业融合分析能力,并以产业融合为前提打造产业物联网平台。产业一旦数字化,其数字化实力将成为竞争点,这也意味着新兴工业物联网企业涉足传统行业的门槛将大幅降低,产业物联网为企业的产品开发和经营运作提供了全新的思路。
  物联网连接了人、物与流程,不仅仅是人类科学技术发展的一大进步,更对未来工业发展起到了非常巨大的影响。以下几项趋势必须引起重视。
  第一,融合物流业,实现制造业全面的“优步化”。小批量与个性化智造是工业4.0时代的一个显著特征,产业互联网在以拥有类似3D打印机等制造工具的企业与寻求小批量组件的市场之间实现互联互通是一个典型的场景。互联网交易平台和工业产品的设计工程将更多驻留在云中,将大量的小型工厂制造互联与数字化。这将开启以物流平台与运营商所主导的制造业全面的“优步化”。
  第二,云中制造执行系统将成为主流。MES(制造执行系统)必须托管于制造工厂的服务器上这一想法在任何具有合理连通性的领域都变得越来越普遍。举例来说,2016年年底,SAP在HANA交付了其云制造执行系统(MES),这是MES市场首次见证了纯粹的云MES。与此同时,自动化管理供应商和类MES提供商等也纷纷推出了云平台解决方案。虽然要在云端完全实现生产制造细节的管理层功能还有很长的路要走,但这一小步的确已经迈出了。
  第三,配置工具利用云连接。随着工业物联网兼容设备的激增,管理这些设备的工具也将更加重要。专有的单一供应商编程和配置会逐渐淡出人们的视野。伴随着工业物联网的设备持续不断地涌入市场,物联网可以利用云计算实现快速发展,云连接将使工业物联网的可配置性成为未来几年的一大热门领域。
  第四,重新定义供应链的可视性。在云环境中分享工业物联网数据提高了供应链的可视性。工业物联网与云相结合,将改变供应链的交互方式。通过工业物联网重新定义供应链,将使实时可见性更易实现。
  第五,工业物联网数据与分析高度开放。通过工业物联网、大数据和预测性分析,逐步实现从智能资产管理到资产性能管理(APM)的转变和提升。工业物联网的价值是通过资产的智能化与连接化来确立的。依托云的工业物联网资产分析的真正价值在于,迅速扩展连接设备体系,从而使机器学习算法产生更好的行为模式的能力。从利基型企业到IT企业,纯云交付奠定了工业预测性分析的基调。
  为了加强跨行业协作,中国应投资于一体化通信系统和平台,并且增加数据传输安全网络的可用性,与此同时完善对数据共享的监管和指导,促进跨行业生态系统发展。伴随着工业物联网的来临,我们还要加强风控与治理。如果我们沿用信息管理的最佳实践,认同客户拥有这些数据,而设备制造者的角色是配合用户,那么设备制造商的一项核心工作就是扮演好数据保管者的角色。考虑到各种各样的工业物联网应用案例与场景,今天的中国制造企业尚未拥有足够多具有适当分析与预测等能力的人才。因此,中国需要扩大工业物联网相关技术的人才库,并需要提高理工科人才的质量。
  从互联网到工业互联网,从物联网到工业物联网,其发展的核心就是通过资产的智能化与数字化,通过网络连接,实现从生产、物流、销售到服务等全环节的网络化,并最终实现高级人工智能。中国的企业管理者和政策制定者可通过推广物联网应用试验、试点和示范项目,将工业物联网的发展战略转变为现实。
  制造企业需要重新定义运营架构?
  企业的运营架构不仅可以用来定义复杂的企业或组织的运营,更主要的是对于有复杂特性的组织或生态产业链的平台运营管理意义非凡。运营架构在从“0”到“1”或者组织发展的任何一个阶段都必须要有持续、冷静、科学的工作习惯。
  大多数企业最大的错误就是他们没有运营架构。
  “计划本身无足轻重,但规划却至关重要。”这是美国第34届总统艾森豪威尔的一句名言。而事实上,他的原话是:“我发现备战时所做的计划往往无用,但规划必不可少。”从企业运营架构的角度来看,结论竟然高度一致。计划是做规划的成果,而规划过程则是让企业去理解,其追求的目标是什么?为什么要追求这样的改变?改变的途径又有哪些?
  企业管理之父彼得·德鲁克认为:“除非立刻努力践行,否则计划只是美梦。”计划只有在实践后才有价值。因此,对于任何着手进行数字化转型的制造企业而言,运营架构不仅能提供调整企业结构的规划过程,同时可在实现改变及期望的结果所需的活动中指导所有人。
  今天,太多的企业陷入了计划的陷阱,其中一个具体的表现就是计划工作所产生的一堆堆的文件。很多企业在制定架构的时候,通常都是按照“套路”来的,也就是使用具有太多填充空白形式的模板,产生一项表面上的工作,然后将完成的计划书放在架子上,积聚灰尘。计划的价值在于帮助管理层评估,以及选择前进道路的过程。该计划只是用来记录流程和决策,以便以后的人可以理解做出决定的思想过程。
  战略与战术的脱节,形成真空的设计架构是另一个风险。从计划到规划、从战略到战术的双维度来看今天的制造业数字化转型的挑战,我们相信这个战略的主要焦点就是卓越运营,而实现的有效工具就是运营架构。通常,运营架构被视为信息化的主张,是信息化的计划,是现有信息规划流程的技术扩展。
  企业在定义架构时,过多地关注细节。企业在建设与完善“运营架构”的过程中所碰到的问题,就好比“看不到森林的树木”。如果计划建设工作“太细”,最终的结果是,企业将很有可能错过实现运营的灵活性。同样,还有很多企业走向了另一个极端,就是“太粗”,没有提供足够的细节来推动决策的落地。
  即使企业已经做了一切该做的工作,并且创造出了一个针对本企业的运营架构,还是有可能犯下最后一个错误,就是对“架构”缺乏有效评估和跟踪。今天,互联网时代的企业都非常专注于数字化转型工作,但是很少有企业具有重新评估该架构的有效性的能力和管理习惯。
  技术、业务驱动因素和业务环境并不是静态的,而是不断变化的。因此,需要定期重新构建架构,以确保满足业务的需求。未能保持体系结构更新,可能会引发灾难性的结果。要尽量避免“一次性”的思考错误。
  制造企业要运用架构思想,搞清楚构成复杂组织体的元素和元素之间的关系,以及架构设计和演进需要遵循的原则和规定,将运营架构看做信息化与运营技术融合的最高点。
  如何用好工业大数据?
  今天,大数据的理念已经深入人心,其核心都会强调“价值”。目前,除了对大数据基础建设的关注之外,制造企业越来越关注数据挖掘和数据的价值,例如销售预测、用户关系挖掘与聚类、推荐系统、观点挖掘等。这些研究都非常重要,也极具创新意义,特别是对拉动消费十分有帮助。但是,这些实践只关注了“人为数据或与人相关的数据”,而忽略了“机器数据或工业数据”,如设备控制器、传感器、制造系统等。
  工业4.0带来了什么
  以前,人们关心的是如何生产出最好的产品,现在则关心产品怎么用起来,消费体验如何?这些变化说明,我们对工业价值的认知必须从后往前移,从消费端走到生产价值链前端,从关注机器与机器的数据或工业环境数据,到建立全面协同优化的价值体系。
  大数据分析到最后很大程度上取决于人工智能。所谓的人工智能,就是要看自适应能力强不强、机器自我学习的能力强不强。如果自我调节能力不强,这个系统肯定是不好的。智能分析和网络物理系统的出现,为实现生产管理和工厂的转型提供了新的思路。
  数据本身不会为企业带来价值,数据的技术也不会让产业更先进,数据必须形成信息后,才会对产业产生价值。智能工厂通过那些在环境中,与能直接影响设备性能的各种不同环境系统交互,可实现更高程度的智能控制和优化控制。通过与环境系统的无缝交互,普通设备能够有自我意识和自学能力,全面提高性能和维修管理。工业大数据给了我们一个看世界的新角度,但不能解决我们的所有问题,只是能够帮助我们发现某些我们做得不够的地方。
  在工业革命中,制造企业想要什么样的数据?核心就是工业物联网(IoT)。从今天的制造业现代化转型发展到未来的智能工厂,我们要把管理人员与操作员互动的数据、机器M2M的数据、产品和流程质量相关的数据,通过传感器与控制器网络进行整合。大数据和云技术或互联网是实现整合的核心工具之一。大数据环境中的数据管理与分配对实现自我意识设备和自学设备至关重要。
  一个事实是,数据很丰富,但是信息很贫乏。这涉及两个问题:一是数据的有效利用率很低,80%的时间都用于清洗数据,80%的数据在收集后重复被洗,由于垃圾数据过多,捕获数据的有效率反而更低;二是分析能力不足,做情报分析需要大量好用的工具,而实际上非常缺乏。
  工业大数据要做到三个“实”,即实时、现实和真实。制造企业需要一个集成平台、预测分析工具和虚拟化工具,更好地实现“三实”。
  为了更好地利用工业数据,工业大数据湖的构建变得十分必要。工业大数据湖架构具有数据集中、数据类型全面、所有数据可实时访问的三大特性。
  工业大数据湖针对工业工作量优化设计,包括关键任务优化,解决工业互联网软件安全性等关键SLA问题;快速获取与储存数据,支持多种模式与数据类型;高性能分析,使用大规模并行处理架构;数据治理和联邦,即利用位置分散的部署方案。
  用好工业大数据,还要考虑全空间的资产管理目录。我们可以把数据全部保留、管理,以提高信息价值,其中包括质量、生命周期、合规性、元数据和追踪等要素。相关的解决方案包括安全、数据保护、访问控制、数据可视等。
  工业大数据能够助力实现供应链的优化与创新。一般的供应链与优异的全数字供应链的区别在于,公司是否有能力高效地对全供应链实现监控、报警、预测及优化。面对越来越庞大的数据量,以及日益复杂的数据分析任务,通过工业大数据建立智能工业,其本质是利用自适应机器人与先进传感器等先进技术,促进数字化制造环境的发展,形成全方位综合优化管理价值链。通过全供应链的数字优化按需定制和信息实时访问,供应链将变得更灵活。
  未来,智能供应链可以从生产、需求、服务三个方面来实现。首先从市场需要着手,通过工业大数据,分阶段实现需求预测,做好需求与库存对接的优化工作,让需求对口,实现分配最优;其次,加强对生产质量生命周期的分析,对生产资产或设备做好实时预测性维修,以提高生产的质量,提升产量和可靠性;最后,产品以服务的方式在市场上流通,实现供应链配件的优化,以及售前到售后的服务运营优化和保值分析,同时建立可疑索赔监测等增值的售后服务盈利模式。
  更加智能的供应链除了做好智能的支出分析、物料数据分类等,还要实现移动互联网、大数据、云计算、物联网等与制造业的结合,利用先进的数据分析和预测工具,对实时需求进行预测与分析,从而改善商业运营及用户体验。
  云计算带给制造企业的不仅仅是“敏捷红利”,更多的是借助互联网的灵活和广阔,结合大数据行业的数据管理与分析技术,通过信息物理系统和决策支持系统,让工业物理和信息空间同步融合,从而实现工业生产的自我意识和自我学习,形成具有预测监控能力的智能制造业大数据环境,帮助企业做出更明智的决策。
  如何避免在安全问题上掉链子?
  实体经济与互联网经济的结合是大势所趋。通过信息化,可以帮助实体企业更好地了解自己的消费对象、产品质量、供应商渠道等,并通过大数据分析打造差异化的解决方案和服务,将优质产品的体验做到极致,以满足消费用户的需求。
  从人人互联、物物互联、产品与服务互联到公众与政府互联,工业4.0和工业互联网时代在提升信息化服务能力的同时,对于安全问题也更加重视。
  赛迪顾问的数据显示,2018年,网络安全市场的规模接近500亿元,到2021年,整体市场规模将达到千亿元级。物联网安全、互联网安全、云安全将成为新的驱动力,大数据安全市场规模的增速将超过30%。
  从安全的角度,国家应及时建立可靠安全的公共服务生态互联。特别是在5G商用化的今天,我们迫切需要一种全新的管理模式,而构建公共服务质量与安全的溯源系统平台是解决公共设施安全问题的核心。
  除了政府在顶层设计层面要加大对工业互联网的安全防控以外,企业在通过信息化综合管理平台加强经营模式的创新并与生产方式紧密结合时,也要加强信息化的管理,优化信息安全治理手段。
  但是,由于组织的信息化结构不合理,信息化建设与组织战略缺乏一致性,加上信息化建设成本与价值长期不匹配,从而造成企业的信息化成本高、门槛高。在缺乏有效的信息化管理和治理手段的背景下,企业无法通过信息化手段有效控制全面的生产安全和风险,这可能造成企业发展的瓶颈。
  在5G时代,信息化加速发展的趋势将给企业的安全保障持续加码。企业管理制度层面的问题如果不能妥善解决,信息化创新就难以持续深入,信息化对业务的支撑和促进作用就很难充分发挥出来。
  企业不仅要通过风险评估与客观事实记录辅佐决策,还要收集市场研究、交易、生产、风控、运维、服务等各个方面的数据并加以分析,以确保各个部门管理策略的安全性和保密性。制造企业可以通过混合云的交付形式,结合产业链的风险矩阵参数定义、评估方法,以及结果的对应处理原则,避免主观感觉式判断,通过数据和资源共享策略实现更有效的风险控制和管理。

参与评价

最新评价

相关推荐

最热资讯

账号密码登录
第三方快速登录
找回密码