近期非常幸運,有機會先后到兩家“工業4.0”示范工廠——成都西門子數字化工廠以及三菱電機大連工廠進行參觀訪問,領略“數字化工廠”與e-F@ctory理念的實施應用。可以說,這兩家企業均為智能制造領域的先行者,但即使在蜚聲中外的西門子工廠,我們也依然可以感受到其與“智能制造”愿景目標的差距,正如西門子工作人員所說的“我們的工廠是數字化工廠,目前還不是智能工廠”。從兩次參觀的經歷來看,即使是國際先進的制造業企業在實現智能制造的過程中,仍然在技術方面存在著以下難點有待突破:
一、如何保證信息系統(虛擬世界)對于現場生產運營系統(現實世界)信息獲取的實時性、準確性、全面性。
目前,對生產現場的數據采集主要有兩種方式,自動化數據采集以及人工數據采集。自動化數據采集往往依托于通訊條件比較好的生產設備以及各種傳感器的應用。人工數據采集大多是作為自動化數據采集的補充方式或替代方式,適用于自動化采集實現難度較大或經濟成本較高的現場。而目前,生產現場的情況大多比較復雜,人工采集的方式應用較為廣泛,這就造成了信息獲取實時性、準確性的降低。此外,出于成本考慮,對現場數據的采集也難以做到十分全面。
在數據采集方面,西門子工廠無疑是實現效果非常理想的。遍布生產線各個關鍵節點的傳感器以及具有通訊能力的控制器對現場的生產情況進行高速采集,這些數據都實時上傳到信息系統中,實現現實世界到虛擬世界的精準實時全面的映射。但由于現場設備條件的限制,西門子工廠在數據采集方面的成功難以在其他工廠進行復制。比如,在三菱電機工廠,由于生產設備的通訊能力較差,為獲取生產情況信息,在各機臺處放置數據采集終端,采用人工方式進行數據錄入,這種數據采集方式的準確性及實時性受操作人員的素質及責任心影響較大,難以與自動化數據采集相比。
二、如何將來自生產現場的海量數據轉化為有效的生產運營改進優化建議。
面對從生產現場采集來的海量數據,無論是信息系統提供商或是工廠的生產運維人員都難以對其價值進行充分的挖掘,無法真正實現從數據到信息,從信息到可執行的優化建議的飛躍。究其原因,主要是由于缺乏相關數學模型,包括設備建模以及生產運營業務的建模。上述模型的建立不僅需要對設備及業務有深刻的理解,同時還要有較強的數理能力及抽象能力,這些要求無疑都是目前短時間內無法解決的難點。
目前西門子工廠與真正的智能制造的差距大概也在于此。這一環節的缺失,導致了無法在生產運營活動中形成閉環,進而有效改進方方面面的生產活動。中國的制造業轉型升級任重而道遠,通過近距離觀摩國際先進制造企業的生產運營工作,不僅能夠獲取先進經驗,還能夠從他們的模式及技術實現中發現問題,并以此作為我們制造業從業人員今后工作的重點,力爭在這些環節上取突破,實現彎道超車。