|
橫跨18世紀后半葉和19世紀上半葉的第一次工業(yè)革命使世界發(fā)生了翻天覆地的變化：機械化和引擎驅動的生產(chǎn)工藝和工具取代了人工方法。第一次工業(yè)革命催生了工廠制度和大規(guī)模生產(chǎn)。 而在200年之后，21世紀的制造業(yè)將被工業(yè)4.0，也就是第四次工業(yè)革命所顛覆。先進的數(shù)字技術正被用于優(yōu)化和自動化生產(chǎn)，包括上游供應鏈流程。工業(yè)4.0的最終目標是嵌入在機器和組件中，并采用始終連接的傳感器將實時數(shù)據(jù)傳輸?shù)骄W(wǎng)絡IT系統(tǒng)。反過來，這些應用機器學習和人工智能算法來分析和獲取這些大數(shù)據(jù)的見解，并根據(jù)需要自動調(diào)整其過程。 據(jù)羿戓制造所了解，工業(yè)4.0的革命本身并不是大數(shù)據(jù)，因為制造商已經(jīng)在很長一段時間內(nèi)生成了大量的實時生產(chǎn)和質(zhì)量數(shù)據(jù)。然而，由于缺乏能夠真正利用這些不同數(shù)據(jù)源并提取總體見解以提高質(zhì)量和生產(chǎn)力的平臺，這些孤島數(shù)據(jù)的浪費并不罕見。換句話說，其癥結不是生成和收集數(shù)據(jù)，而是能夠有效地從中提取價值。 最大的挑戰(zhàn)：從制造業(yè)大數(shù)據(jù)中提取價值 工業(yè)4.0大數(shù)據(jù)來自許多不同的來源： ●產(chǎn)品和/或機器設計數(shù)據(jù)，如閾值參數(shù) ●來自控制系統(tǒng)的機器操作數(shù)據(jù) ●產(chǎn)品和過程質(zhì)量數(shù)據(jù) ●工作人員實施的人工操作記錄 ●制造執(zhí)行系統(tǒng) ●有關制造和運營成本的信息 ●故障檢測和其他系統(tǒng)監(jiān)控部署 ●物流信息，包括第三方物流 ●有關產(chǎn)品使用、反饋等的客戶信息 其中一些數(shù)據(jù)源是結構化的(例如傳感器信號)，一些是半結構化的(例如人工操作的記錄)，還有一些是完全非結構化的(例如圖像文件)。然而，在很多情況下，大多數(shù)數(shù)據(jù)或者是未使用的，或者只是用于非常具體的戰(zhàn)術目的。工業(yè)4.0大數(shù)據(jù)通常沒有戰(zhàn)略利用的一個關鍵因素是不兼容的技術、系統(tǒng)和數(shù)據(jù)類型之間的互操作性較差;第二個關鍵因素是傳統(tǒng)IT系統(tǒng)無法存儲、操作和管理高速生成的大量不同數(shù)據(jù)。 因此，企業(yè)需要的是能夠充分利用機器學習、人工智能和預測分析制造大數(shù)據(jù)的價值的先進平臺。 工業(yè)4.0大數(shù)據(jù)愿景 如今，制造商尋求通過收集、分析和共享所有關鍵功能領域的數(shù)據(jù)來實現(xiàn)真正的商業(yè)技能。在這種體系結構中，生產(chǎn)系統(tǒng)不僅效率更高，而且能夠及時響應不斷變化的業(yè)務需求，其中包括來自合作伙伴和客戶的信號。 工廠和工廠級別的大數(shù)據(jù)和分析流程 該模型更專注于工廠和工廠級別的大數(shù)據(jù)和分析流程 下層的(橙色)堆棧快速并可擴展地收集、處理和分析來自生產(chǎn)車間的數(shù)據(jù)流。上層(藍色)堆棧用于大規(guī)模和密集的批量分析，很可能在基于云計算的大數(shù)據(jù)框架中實現(xiàn)。請注意，批處理分析堆棧還將存儲的工廠/廠商大數(shù)據(jù)作為輸入。然后，數(shù)據(jù)流和批量分析輸出都作為信息分發(fā)，以優(yōu)化制造流程和應用程序。 工業(yè)4.0大數(shù)據(jù)用例 2016年，普華永道公司對航空航天、國防與安全、汽車、電子和工業(yè)制造等各行業(yè)采用工業(yè)4.0的情況進行了全球性調(diào)查。平均而言，受訪者表示，到2020年工業(yè)4.0實施(包括大數(shù)據(jù)分析)將使其生產(chǎn)和運營成本降低3.6%，累計節(jié)省4210億美元。 以下是一些說明工業(yè)4.0大數(shù)據(jù)愿景如何為制造商帶來可衡量價值所選定的實際例子： ●合并質(zhì)量和生產(chǎn)數(shù)據(jù)以提高生產(chǎn)質(zhì)量：半導體制造商開始將生產(chǎn)過程結束時測試階段捕獲的單芯片數(shù)據(jù)與在流程早期收集的過程數(shù)據(jù)相關聯(lián)。制造商可以在早期識別出有缺陷的芯片，并大大提高生產(chǎn)過程的質(zhì)量。 ●授權客戶：汽車行業(yè)熱衷于采用工業(yè)4.0，以經(jīng)濟有效地滿足消費者對更加實惠和數(shù)字連接汽車的期望。在聯(lián)網(wǎng)汽車將生成的大量大數(shù)據(jù)用例中，其中就有與制造商無縫交換數(shù)據(jù)。除了為車主提供更好的售后服務外，還可以使用有關汽車性能的匯總信息來改進質(zhì)量流程和未來的設計。 ●減少停機時間：適用于許多工業(yè)部門，工業(yè)4.0大數(shù)據(jù)分析可以在機器或流程故障發(fā)生前發(fā)現(xiàn)預測模式。機器主管將能夠實時評估過程或機器性能，在許多情況下，還可以防止計劃外停機。 最后的說明 隨著物聯(lián)網(wǎng)和其他傳感器的迅速普及，數(shù)據(jù)的數(shù)量和速度只會隨著工業(yè)制造業(yè)的增長而增長。正如其他行業(yè)已經(jīng)采用尖端技術以從大數(shù)據(jù)(邊緣計算、霧計算、云計算等)中提取價值一樣，工業(yè)4.0正在為廣泛的大數(shù)據(jù)分析鋪平道路。制造商的投資回報率已經(jīng)在提高運營效率、提高質(zhì)量，以及更快地響應不斷變化的市場信號方面具有吸引力。 如今，制造商需要參與工業(yè)4.0革命的供應商提供解決方案，并為多個行業(yè)的客戶帶來可衡量的價值。他們需要收集、處理和生成來自多個不同來源數(shù)據(jù)的解決方案，并合并這些數(shù)據(jù)，以便為全天候實施自動化規(guī)則和自適應機器學習提供實時的透視分析。最重要的是，制造商需要這些解決方案與現(xiàn)有企業(yè)系統(tǒng)無縫集成，以便使生產(chǎn)和質(zhì)量流程與其核心業(yè)務目標保持一致。 
|
