智能制造与数据化企业

工业4.0,从智慧工厂到智能生产

从工业1.0到工业4.0

  • 18世纪末,蒸汽机取代人力和畜力———-工业革命1.0
  • 20世纪初,流水线电气化的高效生产———-工业革命2.0
  • 电子、IT、工业机器人———-工业革命3.0
  • 互连+智能———-工业革命4.0

工业4.0两大主题:智慧工厂、智能生产

  • 智慧工厂,重点研究智能化生产系统及过程,以及网络化分布式生产设施的实现

  • 智能生产,主要涉及整个企业的生产物流管理、人机互动、3D打印以及增材制造等技术在工业生产过程中的应用等

核心:”连接”(connect)+”智能”(smart)

  • 汉诺威2015工业展上的”连接”(connect)和”智能”(smart)
  • 网络连接使所有的东西将会获得语境感知,增强的处理能力和更好的感应能力;
  • 人,流程,数据和事物结合一起使得变得更加相关,更有价值,连接靠的是CPS,即信息物理系统(cyber physical systems,简称CPS),而数据将会创造智能
  • 海尔示例:内部一张网——互联工厂制造系统互联————————海尔示例
  • 外部一张网——全流程并联

连接促成”三个集成”

数据驱动智能

  • 所谓工业4.0,其实就是大数据驱动的智能工业

  • 无处不在的数据(示例):

    智慧工厂的车间

    BMW的虚拟手势识别系统

    现场数据的采集

数据分析

山钢钢材材料与工艺分析

(山钢示例)

数据驱动自动化生产

  • 自动锁螺丝机器人

  • 全自动精准作业的智能化机器人

  • 物料自动识别且自动出库

  • 智能AGV小车

智能制造,制造强国的抉择

产品快速更新

  • 1983 Apple Lisa
  • 1994 Power Mac
  • 2001 iPod
  • 2004 iMac
  • 2006 MacBook Pro
  • 2007 iPhone

全球化制造模式

(潍柴示例)

成本倒逼效率提升

人口红利消失

中国的选择

我国制造业规模连续多年居世界第一,但仍”大而不强”,核心竞争力与美、德等发达国家存在较大差距;数字化、智能化制造为我国制造业实施创新驱动发展战略,迈向制造强国提供了历史性机遇和挑战。

  • 2009年,中科院在”中国至2050年先进制造科技发展路线图”提出了”基于泛在信息的智能制造系统”;
  • 2010年中国机械工程学会启动”中国机械工程技术路线图”编制工作,其中”智能制造技术路线图”是六大专题之一;
  • 2011年发改委、财政部、工信部组织”智能制造装备发展专项”;
  • 2015年国务院公布并推进实施”中国制造2025”规划,是实现制造业升级和”制造强国”战略的必然选择。

智能制造的内涵

  • 智能制造是基于新一代信息通信技术与先进制造技术深度融合,贯穿于设计、生产、管理、服务等制造活动的各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。(《智能制造发展规划(2016-2020年)》(工信部联规【2016】349号)文件)
  • 智能制造包括五个方面,网络制造、智能技术,3D打印、机器人技术、智能装备关键词
  • 新一代信息通信技术 先进制造技术 深度融合
  • 贯穿于制造活动的各个环节
  • “5自”:自感知、自学习、自决策、自执行、自适应
  • 在”中国制造2025”中,智能生产是”智能制造工程”的主战场,智能产品是”高端装备创新工程”的主战场,产业模式变革是”服务型制造行动计划”的主战场

智能制造:发展阶段

  • 2011.数字化:CAD/CAE/CAPP/CAM/PDM/ERP/RE/RP
  • 2015.网络化:利用自组织网络,动态配置资源,实现研究、设计、生产和销售各种资源重组
  • 2020.智能化:产品设计、制造过程中具有感知、分析、决策、执行功能

智能制造发展方向:产品智能化

  • 自主决策:环境感知、路径规划、智能识别、自主决策
  • 自适应工况:工况识别感知、控制算法及策略
  • 人机交互:多功能感知、智能Agent、语音识别、信息融合
  • 产品全生命周期个性化定制与服务:原材料信息、设计信息、制造信息、回收信息、物流信息、销售信息

智能制造发展方向:装备智能化

智能制造发展方向:车间智能化

智能制造发展方向:工厂智能化

智能制造关键技术:数字化制造

智能制造关键技术:智能传感

智能制造关键技术:机器人

智能制造的目标

  • 狭义的:使智能机器在没有人工干预的情况下进行小批量生产
  • 广义的:”两提升”:生产效率的大幅度、提升资源综合利用率大幅提升
  • “三降低”:研制周期大幅度缩短、运营成本大幅度下降、不良品率大幅度下降

数据化企业,未来已来

企业大数据

创造价值才是根本

企业是个复杂系统:

  • 大脑:数据层
  • 神经:网络层
  • 血管:物流层
  • 五官:传感层
  • 骨骼:设备层

企业迈向智能制造的阶段里程碑

数据化企业

  • 数据化企业并不仅仅是设计、管理和制造的数字化,不仅仅是分散的、单元数字化的过程,而是强调全面以数据为基础的企业经营活动
  • 不仅要信息采集数字化(Digitization),更要全盘考虑企业的数字化转型策略(Digitalization)
  • 数据化企业将数据视为核心资产,通过数据洞察业务、量化管理,实现数据定义的经营活动

数据化企业的三个核心特征

  • 数据资产化:数据渗透各个行业,渐渐成为企业战略资产。拥有数据的规模、活性,以及收集、运用数据的能力,将决定企业的核心竞争力
  • 软件定义制造:”软件定义一切”的核心思想是将特定的硬件与软件进行解耦,通过软件为硬件灌注智能
  • 数据驱动生产:一个数据驱动的组织会以一种及时的方式获取、处理和使用数据来创造效益,不断迭代并开发新产品,以及在数据中探索

天生数据化的互联网企业

  • 互联网公司具有天生的数据化特征:Airbnb的数据团队用统计数据来了解个人的经验,汇总这些经验,以确定整个社会的发展趋势,这些趋势告知公司该从哪来来驱动业务决策—–————————————Airbnb
  • 三亿小米用户,日活2亿的千万小米应用,总存储量已经在两百PB以上,用户通过小米的平台所产生的这些行为数据是小米后续在大数据建设的核心竞争力,这些数据整合起来一起来支持核心业务————-小米
  • 新零售领域,大数据会支持对渠道管理,对渠道串货,乱价,刷机的应对
  • 现金贷,根据大量的数据预先会知道每个用户风险,邀请信用,风控

互联网企业的启发:资产化的数据驱动智能

  • 优化现有业务,实现提质增效:a.研发能力提升 b.生产过程优化 c.服务快速反应 d.推动精准营销
  • 促进企业升级转型:
    • 创新研发设计模式,实现个性化定制
    • 建立先进生产体系,支撑智能化生产
    • 基于全产业链大数据,实现网络化协同
    • 监控产品运行状态和环境,实现服务化延伸
  • 突破创新,找到新的商业机会

传统企业的数据化之路

  • 单元数据应用企业:处于早期阶段的传统企业,运用结构化数据进行统计,仅仅形成简单描述性分析;
  • 数据分析型应用企业:在此基础上,部分传统企业高度重视科技投资,建立和获得了更加广泛的数据源;
  • 数据驱动企业:企业在获得多样化数据源的大数据基础上实现了预测性分析,依靠数据决策和数据驱动生产,取得商业应用成效;
  • 全面数据化企业:完全以数据分析驱动的企业,从多种传统和新兴业务中战略性地采集多种结构化和非结构化大数据,并分析形成预测和行动建议,指导企业常规运作

章节小结

  • 制造业转型的核心是智能制造
  • 智能制造的核心是数据驱动
  • 数据化企业是企业的未来

讨论问题

  • 你印象中的传统企业,尤其是制造企业是什么样的?
  • 关于工业4.0的”连接”与”智能”,说说你的理解。【考题】
  • 为什么说智能制造是制造强国的必由之路?
  • 说说你对”数据化企业”的理解。【考题】

进化:从CIMS到数据化

CIMS——计算机集成制造

从CIMS到数字化工厂

  • C是手段
  • M是指大制造( 制造业)
  • S是指整个系统
  • I是核心,即通过集成提高制造企业的市场竞争力

CIM哲理

1973年,J.Harrinton博士提出CIM概念,基本思想是:

  • 系统的观点:企业的各个生产环节是不可分割的,应该加以统一处理
  • 信息的观点:整个生产过程实质上也是对信息的采集、传递和加工处理的过程,在企业中主要存在信息流和物流这两种运动过程,而物流又是受信息流控制的。

为什么要提出CIM?

  • 美国制造业优势的衰退。
  • 美国要用其信息技术的优势夺回制造业的领导地位, 认为”对CIMS, 不要再犹豫了! ( CIMS, no longer a choice!) “

将”自动化孤岛”集成在一起

CIMS定义

  • CIMS(Computer Integrated Manufacturing System)是基于CIM哲理而组成的系统
  • 定义为:”CIMS是通过计算机硬软件,并综合运用现代管理技术、制造技术、信息技术、自动化技术、系统工程技术,将企业生产全部过程一味有关的人、技术、经营管理三要素及其信息与物流有机物有机集成并优化运行的复杂的大系统。”

离散制造业CIMS体系结构

流程制造业业CIMS层次结构、

CIMS的功能结构

案例:成都飞机公司CIMS的组成

成都飞机工业公司,是我国设计、研制和成批生产歼击机的重要基地,是国家863计划支持的我国第一个CIMS实施计划工业企业

案例:潍柴动力5大信息化平台

制造模式发展的新趋势

数字新技术唤醒制造——创新体现价值

真正的创新在于产品设计及智能软件开发,而这正是另一个产业集群——硅谷的所长,苹果公司正座落于此

数字新技术唤醒制造——创新改变竞争态势

新模式制造

新数字技术支持下,新业态、新模式不断涌现

  • 基于服务的全球网络制造
  • 轻制造服务,3D打印服务
  • 创客、众包到社区制造服务
  • 从个性化定制到客户参与的制造
  • 基于大数据的高端数据服
  • 柔性化生产

制造服务化

很多企业依托制造业拓展生产性服务业,通过企业再造和并购重组等方式,从销售产品发展成为提供服务和成套解决方案,部分制造企业实现了向服务提供商的转型,也就是通常所说的”制造企业服务化”

罗-罗公司的例子

  • 信息技术促进制造企业向服务延伸
  • 信息技术的应用极大的支持了罗-罗公司的服务化转型。罗-罗公司建立了基于网络的远程状态监控和诊断系统、后勤保障系统,制定了相应的标准与规范。
  • 信息技术是罗-罗从发动机制造向发动机租赁转型的基础。罗-罗公司销售的现代喷气发动机中55%以上都签订了服务协议

基于服务的全球网络制造

基于互联网的第三方供应链服务使全球采购零配件成为可能,传统制造商运作起来更容易

3D打印为代表的轻制造

  • 3D打印可以制作传统制造业无法生产的几何结构复杂的物体,使艺术家的想象力充分发挥,故而在艺术设计领域得到了广泛应用
  • 3D打印的技术特点决定了它适合小批量、个性化、定制化的轻制造服务

智能化

“猎鹰重型”火箭,28个发动机,27个需要回收,依赖精准的控制

数据服务和分析服务

  • 智能设备和社交网络所创造的大数据将为制造提供巨大的价值,数据服务将成长为一个新兴产业
  • GE的数据服务已经广泛应用于能源、航空领域

柔性化生产

  • 个性化定制、千车千面是未来汽车市场的大趋势
  • 产线从固化串行产线向松耦合、柔性、高度集成、深度协同的柔性产线(移动岛式)转变

5G赋能柔性生产线

西门子柔性生产,将传统的制造过程打散成模块化的生产过程,每个工序均由1个特定的加工台承担,与传统的固定工作台不同,西门子的工作台放置在AGV小车上,通过告诉5G网络进行互相通讯,基于生产订单自动寻找下一工序所属模块,通过这种自动适应的方式,形成可随订单需求变化而灵活组装的生产线。

社交化

社交商务服务通过有计划地整合web2.0技术、互联网空间、社会化媒体,和社会化网络来重塑企业的组织管理和商业运作模式

虚拟制造

  • 法国达索系统公司(Dassault Systèmes)创造了 一种在线虚拟环境雇员、供应商和消费者可以协同工作将创意变为现实,提供逼真的人体模型用于尝试新产品,计算机可以对产品可能出现的故障、故障的排除以及最终的拆分处理进行模拟
  • 软件公司将此类服务称为”产品生命周期管理”,因为从概念的形成到产品的终结,计算机模拟贯穿始终

云端制造

云计算、云存储和移动计算使得制造不再局限于工厂,而是随时随地存在于Cyber空间

众包、创客与社区制造

纽约的科为奇(Quirky)每周推出两种新的消费品。

个性化定制

  • 随着技术进步,满足产品个性化的消费需求以及生产定制化、渠道多元化和服务全生命周期化成为现实
  • 产品个性化定制服务模式、基于大数据的用户行为分析技术、个性化推送服务技术打造了个性化定制服务的技术基础
  • 企业可以通过社会化和云服务整合能力,提升满足个性化需求的产品设计、制造、供应链、运维全生命周期的服务能力

从数字化到数据化

(1) 企业的信息化历程的四个阶段

  • 财会电算化阶段
  • 数字化企业阶段
  • 信息化企业阶段
  • 智慧化企业阶段

从数字化到数据化

  • 数字化(Digitization),就是将许多复杂多变的信息转变为可以度量的数字、数据,再以这些数字、数据建立起适当的数字化模型,把它们转变为一系列二进制代码,引入计算机内部,进行统一处理,这就是数字化的基本过程
  • 将数字化技术用于支持产品全生命周期的制造活动和企业的全局优化运作就是数字化制造技术;将数字化技术注入工业产品就形成了数字化产品。从CAD开始,企业开始了数字化的进程;继而,从设计到制造,再到管理,企业全面进入了数字化时代
  • 但很多数字化进程仅将数字化技术当做提高企业运营效率的支撑技术,考虑的只是具体的信息采集数字化(Digitization),但却没有全盘考虑企业的数字化(Digitalization)转型策略

工业大数据

从采集到决策反馈,数据形成闭环

  • 企业由机器层级的传感器、执行器和集成器,实现从生产层级的机器生成数据;
  • 通过使用数据分析,确保收集到数据的精确性,并且马上见到超常规的结果;继而,这些数据可以被用来改善企业的经营,比如通过减少工艺或工艺时间降低生产成本;
  • 最后,数据以决策支持的形式重回企业,帮助企业创新产品和服务

信息化为犁,而数据是土壤

  • 各种信息化软件主要是加工数据的工具

    • 信息化是感知数据的手段
    • 信息化是产生数据的手段
    • 信息化是处理数据的手段
    • 信息化是分析数据的手段
  • “数字化”企业对外部环境的反映速度比传统的企业要快得多,使之能够在竞争激烈、变化无常的市场环境中生存并保持持续的竞争力,本质上并没有改变制造的模式

  • 现代工业场景积累了海量的数据资源,可这笔巨大的数据财富往往没有被有效利用

    产生和收集尽量多的数据。不管你是做商业智能还是构建产品,如果不能收集数据,你就不能使用数据。

    以一种积极和省时的方式来度量你的产品或策略。如果你不去度量结果,你又如何得知呢?

    让更多的人来观察数据。任何问题可能只是因为一些简单的原因导致,更多有经验的专家可以从不同的角度迅速发现问题出在哪儿。

    激发对数据产生变化或者不变的背后原因的好奇心。在一个数据驱动的组织里,每个人都应该对数据好奇,在思考数据。

D世代企业

  • “D世代企业”是大数据分析驱动型的企业,可以战略性运用云计算、移动、社交和大数据分析工具,掌握并预测以客户为中心的市场状况和变化趋势,并根据数据洞察生成最佳行动建议,数据贯穿企业研发、生产、营销、服务等运作环节
  • 依托大数据分析结果,确定企业主要流程和做出决策,而不是再依赖管理者的决策;
  • 分析复杂的数据源,并取得预测性分析结果和最佳行动建议;
  • 在云环境中管理更多的数据和分析过程;
  • 逐步把移动和社交作为与客户互动的主要方法;
  • 改变企业文化,而不仅仅是技术。

小结

  • 从CIMS进化到数据化企业,是新数字技术和互联网经济发展双轮驱动的结果
  • 数字化到数据化,一字之差,意义深远
  • 数据化+链接,带给制造智能,带给制造超越式发展
  • 新模式、新技术、新业态,引领未来制造

讨论问题

  • 为什么说CIMS——计算机集成制造系统中,”集成”是核心?
  • 从本章CIMS实施案例,简要介绍CIMS的组成。
  • 新时代,数据对各种制造新模式的影响如何,请举例说明。【考题】
  • 如何理解”信息化为犁,而数据是土壤”?【考题】

数据之道

数据之道——知有所合谓之智

数据之道之一:客观性

数据之道的核心是数据的客观性

数据之道之二:精准性

数据之道之三:关联性

  • 数据关联,预测的关键
  • 关联数据扩展思维
  • 关联无处不在,相互关联的数据(Linked Data)使发现知识和规律成为可能
  • 关联分析是一种简单、实用的分析技术,就是发现存在于大量数据集中的关联性或相关性,从而描述了一个事物中某些属性同时出现的规律和模式

数据之道之四:细节控

数据之道之五:发现”未知的未知”

  • 发现”未知的未知”

    如果能够预知某些问题或者故障,制造商就可以使用传感器捕获制造过程关键步骤的数据,可以用于检测发生的问题;然而,一些微妙的问题,即所谓的”未知的未知”问题,我们不知道有些故障我们不知道,所以也就无从检测了。但这些问题可能会导致产品使用中较高的故障率。

  • “未知的未知(Unknown unknown)”是前美国前国防部长拉姆斯菲尔德在响应记者提问时的名言。”据我们所知,有‘已知的已知’,有些事,我们知道我们知道;我们也知道,有‘已知的未知’,也就是说,有些事,我们现在知道我们不知道。但是,同样存在‘未知的未知’——有些事,我们不知道我们不知道。”

  • 从认知规律上来看,未知的”未知”的范围远大于已知的”已知”和已知的”未知”。明白了这一点,我们才能在客观世界面前保持敬畏,才能不断地创新和探索。

    显然,缺乏大数据的支持,发现”未知的未知”是做不到的。而一旦当企业拥有了大量的、多方面、多维度的数据,就可以利用数据呈现手段,将一些未知的现象呈现出来,就更容易从中发现关联,找到问题的蛛丝马迹

理解数据的简单案例——相似性

  • 相似系数函数

    所谓相似系数函数,是指两个”数据”愈相似,则相似系数值愈大;两个”数据”愈不相似,则相似系数值愈小,往往取值范围设置在[0,1]或者[-1,1]

  • 夹角余弦

  • 杰卡德相似系数

  • 相关系数

  • 合理推断:微博影响力测试

工业大数据之道

工业大数据具有独特应用特征

  • “协同性”
    • “牵一发而动全身” 业务目标需通过整个企业乃至供应链上多个相关方的大范围协同才能完成
  • “跨尺度”
    • 需要将毫秒级、分钟级、小时级等不同时间尺度的信息集成起来。
  • “多因素”、”因果性”、”强机理”
    • “多因素” 影响某个业务目标的因素多
    • “因果性”工业系统对确定性的高度追求
    • “强机理” 获得高可靠分析结果的保证

工业大数据难在应用之复杂

  • 可靠性要求高:是工业高科技的一般性要求
  • 正确判断能带来巨大效益,
  • 错误判断也可能带来巨大损失
  • 数据来源于复杂的工业系统
  • 数据质量差,严重影响预测结果
  • 模型推导复杂
  • 隐性的、非随机的系统干扰过多,隐性系统性干扰,后果很严重

问题:

  • 相关与因果差距很大

    相关性对商业和工业的价值不一样;对商业应用相关就够了,工业过程分析仅靠相关分析可能是不够的,一定要重因果,否则很难达到可靠的要求

  • 数学模型可靠性难保证,模型没有共识

  • 数据不足或分布区域小时遇到的问题

工业大数据分析技术

  • 强关联数据的集成
    以BOM结构为核心的产品生命中期数据集成管理框架
  • 强机理业务的分析技术
    描述式分析、预测式分析、处方式分析、诊断式分析
  • 数据高效率处理技术

工业大数据技术架构(白皮书)

阿里云ET工业大脑

工业大数据分析

工业大数据分析:业务理解 + 统计知识 + 技术工具

工业大数据分析框架

  • 以数据为中心,将相关工作分成业务理解、数据理解、数据准备、建模、验证与评估、实施与运行等六个基本的步骤,如图
  • 反复交替意味着工作的重复和低效。因为分析过程存在极大的不确定性,这样的反复往往是不可避免的,这些现象,导致工业大数据分析工作的效率显著下降

工业大数据的分析过程

基本原理

利用大数据建模分析制造系统隐性问题的原理

工业大数据案例——以设备预测性维护为例

  • 设备的预测性智能维护和效能动态优化是工业大数据的核心应用场景之一
  • 对设备性能的预测分析和对故障时间的精准估计,将量化管理设备运行中的不确定性,并减少这些不确定性的影响,来为用户提供预先缓和措施和解决对策,以防止设备运行中的非预期停机损失和事故风险。
  • 根据设备的健康状态、外部环境、产线组织形式和生产目标等多维信息,基于工业大数据的预测性模型可以对产线整体的效能进行优化决策支持,从而实现对生产系统成本和效益的深度管理和效益提升
  • 智能制造应用——预测性维护
  • 风机叶片结冰检测
    业务痛点:在高寒和高纬度地区运行的风机存在叶片结冰的现象,结冰会导致叶片负载增加、性能下降、震动、扰流和安全性问题。
    业务理解:根据风机运行环境、工况、状态和控制参数,建模判断叶片是否结冰?
    数据理解:训练数据集包括正常数据集和结冰数据集,26个连续数值型变量,涵盖了风机的工况参数、环境参数和状态参数等个维度
    风速,发电机转速,网侧有功功率,对风角,平均风向角,偏航位置,
    偏航速度,叶片角度,叶片速度, xy方向加速度,环境温度,机舱温度,
    充电器直流电流,机舱温度, ng5(变桨电机充电模块)温度,变桨电机温度
  • 风机结冰故障分析与预测
    实现结冰早期和全过程的预测诊断,首先要对结冰的物理过程和风机参数对结冰影响的特性进行分析,充分了解结冰过程中的能量累积、转换和守恒规律,
    在此基础上提取能够表征结冰程度的关键参数
    然后,定量分析叶片结冰状态对风机效率的影响关系
    在此基础上提取表征风机受结冰影响的性能参数
  • 考虑工业机理模型
    风机结冰物理模型与特征提取
  • 首先,利用模糊自适应神经网络对训练数据的正常样本拟合功率特性曲线得到功率特性曲线的基线模型,然后利用该模型估计测试数据下的功率输出
  • 风机功率对风速的响应模型进一步解释了为什么风功率的偏差能够表示结冰的严重程度。Rahimi 等人揭示了风机功率和风速之间的关系。该模型说明在风速一定的情况下,风机输出功率和结冰程度有明显的单因素对应关系
    风机风能综合利用率可以作为另一个重要的结冰预测模型的特征,它是结冰严重程度对风机性能影响的量化指标
    这样,通过对风机叶片结冰过程的机理分析和物理建模,就提取了若干表征结冰的状态和本质属性的特征
  • 通过风机叶片结冰机理建模和演化规律分析,从原始数据中提取16个特征建立基于数据驱动的结冰预测分类器
  • 在原始数据质量不佳和采用单个分类模型的前提下,非结冰和结冰数据均能够达到很高的分类正确率

如果没有机理?单纯从数据出发

在深度学习的方向上对风机结冰预测进行探索,根据数据训练模型,通过模型预测叶片是否结冰

  • 数据预处理

    训练数据集中包含正常数据、故障数据以及无效数据,清洗、补全、对齐

  • 特征加工与选择
    将可用的26个特征两两绘图,分析其相关性,其中同一风机3个叶片的叶片角度、速度、变桨电机温度数据分布较为一致
    对现有的特征进行组合,其中,风速与网侧有功功率的比值、风速与发动机转速的比值以及风速与网侧有功功率、发动机转速之间的比值,在叶片结冰期间会有明显的上升趋势, 能够很好的表征叶片结冰过程。根据实际数据进行建模

  • 算法选择
    建立CNN+LSTM 二分类深度学习网络自学习特征,用于叶片结冰预测
    模型的主要工作原理是:训练数据首先经过两层卷积层, 初步地学习多个连续时刻数据的特征以及变化趋势,接着使用长短期记忆网络LSTM 进一步学习不同时间段的特征,最终达到叶片结冰故障预测的目的

基于大数据的产品调校

  • 生产全流程检测数据
  • 历史调校过程数据
  • 原理机理模型
  • 智能生成调校补偿初始值,缩短调校周期
  • 发掘隐藏的质量影响因素

基于大数据的生产路径和调度优化

  • 多种型号混线生产
  • 批次量小
  • 中转仓存储时间不一,有养生要求
  • 根据定制需求智能匹配原料、物流路径和养生区参数
  • 混线生产的全流程质量追溯

基于大数据的关键工序检测和故障预测

  • 极端环境下的图像采集
  • 基于视觉的监控和报警
  • 退捻断丝、打绞的发现和自动处理
  • 有限不良样本下的漏板、断丝特征提取
  • 发掘断丝、打绞现象与设备的关联
  • 易损耗材寿命智能预测和告警
  • 极端环境下的数据采集和传输

基于大数据和边缘计算的设备运维

小结

  • 数据的价值在于它对事物某个属性客观和精准的刻画,而大量的数据关联起来,就指向了事物的本质
  • 数据之道的核心是数据的客观性,这使得数据会呈现真实,能展现规律,能预见未来
  • 工业大数据处理具有”多因素”、”因果性”和”强机理”特征,需要把握工业大数据处理和分析的特殊要求
  • 强机理业务的分析技术包括描述式分析、预测式分析、处方式分析、诊断式分析
  • 工业大数据分析以数据为中心,将相关工作分成业务理解、数据理解、数据准备、建模、验证与评估、与运行等基本步骤

讨论问题

  • 如何理解数据所体现出的良好特征?

  • 为什么工业大数据应用中 “相关性”未必可靠?

  • 一般而言,工业数据分析工作包括哪些基本步骤?【考题】

  • 工业机理对工业数据分析的支持作用体现在何处?

数据变革制造

CAx由实到虚

数字化设计概述

伴随计算机图形学的发展,计算机辅助设计系统,实现了CAD/CAPP/CAM/CAE的一体化,使产品向无图纸制造方向发展

工程设计自动化系统EDS

用计算机来辅助产品设计、制造准备及产品性能测试等阶段的工作,即常说的CAD/CAPP/CAM系统, 目的是使产品开发活动更高效、更优质、更自动地进行。

  • EDS(Engineering Design System)
  • CAD( Computer Aided Design)
  • CAM( Computer Aided Manufacturing)
  • CAFD( Computer Aided Frock Design)
  • CAPP( Computer Aided Process Planning)
  • PDM( Product Data Management)
  • PLM( Product Life Management)

EDS功能树

EDS功能模型

CAD

  • Computer Aided Design计算机辅助设计
    起始于上世纪50年代,刚开始主要用于产品设计计算及计算机绘图,随着计算机性能的提高和成本的大幅度下降,CAD进入了更多的应用领域(出现了可绘制2维、3维图形的交叉绘图系统,可以完成产品设计、材料分析、制造要求分析等),采用CAD可以大大节省劳动时间,其设计速度一般是人工的1至5倍
  • 3D CAD 实体建模
  • 源于几何的CAD建模技术
  • 线框造型
    线框造型是CAD/CAM技术发展过程中早应用的三维模型,这种模型表示的是物体的棱边。线框模型由物体上的点、直线和曲线组成,这种模型系统的开发始于60年代初期,当时,主要是为自动化设计绘图
    线框模型在以边表和点表表达和存储的,实际物体是边表和点表相应的三维映象,计算机可以自动实现视图变换和空间尺寸协调
    线框模型具数据结要简单,对硬件要求不高易于掌握等特点。曾广泛应用一工厂或车间布局,管道敷设、运动机构的模拟干涉检查
  • 曲面造型
    曲面造型又叫表面造型。表面模型是通过在线框模型的基础上添加了面的信息,利用表面模型,就可以对物体作剖面、消隐、获得NC加工所需的表面信息等
    对一些复杂的物体表面,如汽车车身、飞机机身、模具型面告示呈流线型瞬息万变由曲面。与自由曲线的定义相似,所谓自由曲面是指不能用基本立体要素(棱柱、棱锥、球、一般回转体、有界平面等)描述的呈自然形状的曲面,必须根据空间自由曲线和自由曲面的理论进行计算
  • 实体造型
    60年代初,提出了实体造型的概念,70年代初出现了简单的基于实体造型CAD/CAM系统,实体造型在理论研究方面也相应取得了进展,到70年代后期,实体造型技术在理论、算法和应用方面逐渐成熟。进入80年代后,实用的实体造型得到广泛应用
  • 几何实体构造法(CSG法)
    实体造型是以立方体、圆柱体、球体、锥体、环状体等多种基本体素为单元元素,通过集合运算(拼合或布尔运算),生成所需要的几何形体。体素通过集合运算交、并、差构造复杂实体
  • 特征造型
    为实现CAD/CAM技术的集成化,满足逢动化生产要求的实体造型技术必须考虑诸如倒角、圆弧、圆角、孔,以及加工用到各种过渡面形状信息和工程信息,特征造型正是为满足这一要求而提出来的。
    特征是指产品描述的信息的集合,并可按一定的规则分类。纯几何的实体与曲面是十分抽象的,将特征的概念引入几何造型系统的目的是为了增加实体几何的工程意义。常用的特征信息主要包括:
    • 形状特征
    • 精度特征
    • 技术特征
    • 材料特征
    • 装配特征
  • 参数化造型
    参数化造型的主体思想是用几何约束、工程方程与关系来说明产品模型的形状特征,从而达到设计一簇在形状或功能上具有相似性的设计方案。目前能处理的几何约束类型基本上是组成产品形体的几何实体公称尺寸关系和尺寸之间的工程关系,因此参数化造型技术又称尺寸驱动几何技术

CAD软件技术的发展历程

高端制造催生了三维CAD先驱

  • NX/UG 美国麦道(MD)公司支持
  • I-DEAS 美国国家航空及宇航局(NASA)支持
  • CATIA 法国达索(Dassault)公司支持
  • Euclid 法国马特拉(MATRA)集团支持
  • STRIM100 法国航空宇航(Aerospatiale)和原子能署(CEA)支持

计算机辅助制造(CAM)

  • 计算机辅助制造Computer Aided Manufacturing

    把过去利用人工、行程开关或模板产生的加工信息数字化,并用以控制机床的加工运动,这就是数控机床,是数字化制造的基础
    1952年,美国首先研制成功数控机床。1958年,随着刀库的发明,出现了能在一台机床上通过自动换刀实现铣、钻、镗、铰及攻丝等多种加工的数控加工中心。1967年,英国首先研制、美国制造成功了由数控机床组成的多品种加工自动生产线,即柔性制造系统(FMS)
    从广义的角度讲,CAM指利用计算机辅助从毛坯到产品制造过程中的直接和间接的活动,包括计算机辅助生产计划、计算机辅助工艺设计、计算机数控编程、计算机控制加工过程等内容。
    而从狭义的角度讲,CAM仅指数控程序的编制,包括刀具路径的确定、刀位文件的生成、刀具轨迹仿真以及NC代码的生成等

  • 世界最大的水轮机转轮叶片数控加工
    叶片用多轴联动数控机床进行加工,仅铣削下来的金属屑就重达数吨
    加工的叶片需用激光跟踪仪精确测量曲面数据

CAE-计算机辅助工程分析

  • 计算机辅助工程CAE (Computer Aided Engineering),指用计算机辅助求解分析复杂工程和产品的结构力学性能,以及优化结构性能等。而CAE软件可作静态结构分析,动态分析;研究线性、非线性问题;分析结构(固体)、流体、电磁等

  • 案例

    渤海活塞的综合分析

  • CAE软件
    CAE软件按研究对象分为:静态结构分析,动态分析;按研究问题分为线性问题,非线性问题;按物理场分:结构(固体)、流体、电磁等。 主要有:

    • Hyperworks,主要做前处理(分单元加载荷加约束)和后处理(看输出结果和仿真)
    • I-DEAS,同时也做CAD
    • Pro/ENGINEER Mechanica 综合的CAE软件,Pro/ENGINEER包含完整的CAD/CAM功能
    • Ansys,很经典的CAE,国内应用最广,客户成熟度最高,尤其是在高校科研领域
      Nastran,线性问题求解器
  • 案例

    CAX助力轮胎技术创新

    三维CAD:轮胎三维设计创新

  • 3D打印,数中生有

未来工厂

这就是3D打印,它是由CAD模型直接驱动的快速制造任意复杂形状三维物理实体的技术总称
美国南卡罗来纳州(South Carolina)洛基山(Rock Hill)商业园区

减材与增材

3D打印,是基于材料堆积法的一种高新制造技术,工业上称之为增材制造(Additive Manufacturing,AM),采用材料逐渐累加的方法制造实体零件的技术,相对于传统的材料去除-切削加工技术,是一种”自下而上”的制造方法

定义

  • 3D打印是一种以数字模型文件为基础,运用粉末状金属或塑料等可粘合材料,通过逐层打印的方式来构造物体的技术
  • 3D打印将计算机辅助设计(CAD) 、计算机辅助制造(CAM) 、计算机数控技术(CNC) 、材料学和激光技术结合起来的综合性造型技术。可以自动、直接、快速、精确地将设计思想转变为具有一定功能的原型或直接制造零件,从而为零件原型制作、新设计思想的校验等方面提供了一种高效低成本的实现手段

层层复层层——3D打印机的工作原理

3D打印时,软件通过电脑辅助设计技术(CAD)完成一系列数字切片,并将这些切片的信息传送到3D打印机上,后者会将连续的薄型层面堆叠起来,直到一个固态物体成型。3D打印机与传统打印机最大的区别在于它使用的”墨水”是实实在在的原材料。

3D立体打印过程

首先设计出所需零件的计算机三维模型(数字模型、CAD模型),然后根据工艺要求,按照一定的规律将该模型离散为一系列有序的单元,通常在Z向将其按一定厚度进行离散(习惯称为分层),把原来的三维CAD模型变成一系列的层片;再根据每个层片的轮廓信息,生成数控代码;最后由成形系统成形一系列层片并将它们联接起来,得到一个三维物理实体

3D打印分层

分层软件,就是把3D模型按照层厚设置按照Z轴方向分层,并得到G代码,供设备使用。基本上3D打印机都自带了控制软件,已经有很多国外的免费或者开源的分层软件可以直接使用
开源3D打印分层软件—ReplicatorG 打印机控制软件的使用流程

  • 打开STL模型
  • 摆放好
  • 算法轨迹的算法引擎选择
  • 生成切片数据
  • 生成完切片数据之后打印模型

堆叠薄层的形式有多种多样

  • “喷墨”:打印机喷头将一层极薄的液态塑料物质喷涂在铸模托盘上,此涂层然后被置于紫外线下进行处理。之后铸模托盘下降极小的距离,以供下一层堆叠上来
  • “熔积成型”:在喷头内熔化塑料,然后通过沉积塑料纤维的方式才形成薄层
  • “粘合成型”:使用粉末微粒作为打印介质。粉末微粒被喷撒在铸模托盘上形成一层极薄的粉末层,然后由喷出的液态粘合剂进行固化
  • “激光烧结”:利用激光熔铸成指定形状,或者利用真空中的电子流熔化粉末微粒

3D打印发展简史

1979年,东京大学的中川威雄教授利用分层技术制造了金属冲裁模、成形模和注塑模
20世纪70年代末到80年代初,美国3M公司的AlanJ. Hebert(1978年)、日本的小玉秀男(1980年)、美国UVP公司的Charles W. Hull(1982年)和日本的丸谷洋二(1983年),各自独立地首次提出了快速成型的概念,即利用连续层的选区固化制作三维实体的新思想。 Charles W. Hull在UVP的资助下,完成了第1个快速成型系统Stereo lithography Apparatus(SLA),并于1986年获得专利,这是快速成型发展的一个里程碑。随后许多快速成形概念、技术及相应的成形机也相继出现。

我国的进步

  • 国产大飞机C919”打印”出的中央翼缘条
  • 3D打印应用到歼-15战机
  • 北京航空航天大学利用3D打印技术,制造出我国C919大飞机机头的主风挡窗框。它有着4×3×2米的超大规格
  • 3D打印技术直接制造高性能金属零部件,还可制造出薄壁、微孔、中空等特殊结构零部件,在航空航天等重要领域具有广泛的应用前景。在”神八”与”神九”飞船、天宫一号空间站以及蛟龙号载人深潜器,都应用到了3D打印的技术

3D打印在制造方面的优势

  • 一次成型
    美国GE公司生产的LEAP喷气发动机上的燃油喷嘴,它由20个零件组成,按传统方法生产需要一个个把零件做出来。而在2014年7月,GE用某种型号的3D打印机,只需要打一次,喷嘴就被一次性地制造出来,20 in 1!仅此一项就能让飞机发动机的效率提高15%
  • 高难度制造
    液体流经弧形通道比通过尖形拐角时更流畅,但是用传统的方法在固体金属结构中造一个弧形通道则难于登天;英国3T RPD公司们为赛车”打印”了一种变速箱,其输送液压油的内部通道很平滑,取代了用钻机钻出的直角弯道,这种变速箱不仅换挡更快,而且重量减轻了30%。基于类似原因,波音公司(Boeing)F-18型战斗机上安装了许多诸如通风管”打印”的配件
  • 减轻重量
    在传统的工厂中,生产物品时需要增加侧翼和支架,以便机器能将物品搬运、研磨、铸模等,还要提供一个平面将零部件用螺栓栓住或焊接在一起。3D打印机有可能打印出整个物品,从而省去了组装这一步
    节省原料成本
    3D打印中,物品是一层一层地浇筑上去的,这就可能做到物尽其用。航空航天金属零件常由优质的昂贵的钛固体坯加工而成,90% 的材料会被砍削掉。 而现在,钛粉可用于”打印”像飞机或卫星部件,”打印”出来的部件与机器制造的零件一样结实耐用,但只用去10%的原材料
  • 打印梯度结构材料
    航天飞机的推进系统中最有代表性的超音速燃烧冲压式发动机为例,燃烧气体的温度通常要超过2000℃,对燃烧室壁会产生强烈的热冲击;燃烧室壁的另一侧又要经受作为燃料的液氢的冷却作用,通常温度为-200℃左右。这样,燃烧室壁接触燃烧气体的一侧要承受极高的温度,接触液氢的一侧又要承受极低的温度,一般材料显然满足不了这一要求。于是,人们想到将金属和陶瓷联合起来使用,用陶瓷去对付高温,用金属来对付低温
    3D打印可以把不同的材料熔覆在一起,用以满足复杂甚至是互逆的需求。如在某零部件内部需要导热良好,而外部却需要防腐,若用同一种材料制造则无法同时满足这两种需求;或者用两种材料去加工一个零件,用传统制造手段也不易实现,但现在的3D打印技术则可以满足上述需求
  • 个性化,独一无二
    一次性的样品制作成本有可能出奇的高,但3D打印机可大幅降低成本,荷兰时装设计师爱丽丝·范·赫培(Iris van Herpen)则设计出令人耳目一新的3D时装系列并走向T台。适用于大规模定制成品。成千上万的牙冠和助听器外壳就是用3D打印机量身定制的。
  • 改变工业设计模式
    应用3D打印,不再耗时耗工制作模具或手工制作样板,大大提高了设计效率。改变了工业设计模式,任何的改动可在几个小时后或一夜之间重新打印出来,而不用花上几周时间等着工厂把新模型制造出来,让设计师生产出一些以前被认为制作起来太复杂而不经济的产品
  • 创意无限
    强大的电脑软件生成极其复杂的设计,而只有3D打印才能将其转变成实物。3D打印出的物品可以呈现出有机且天然的外观例如,在金属植入体中注入健康的、晶格状的天然骨骼内部结构,生产出的产品比机加工品更轻便,强度却不会有任何降低;且更易与病人自身的骨骼精确吻合

数字孪生

数字孪生:结合数字和现实世界

  • 数字孪生是事物或系统的多元软件模型,它依靠传感器以及其他数据来理解它的处境,回应变化,提高运营,增加价值
  • 数字孪生是客观世界中的物化事物及其发展规律被软件定义后的一种结果。丰富的工业软件内涵以及强大的软件定义效果、生产数据以及沉积在工业领域内的大量工业技术和知识,都是实现数字孪生的上好”原料”和基础构件
  • 数字孪生是在数字世界建立一个与真实世界系统的运行性能完全一致,且可实现实时仿真的仿真模型。利用安装在真实系统上的传感器数据作为该仿真模型的边界条件,实现真实世界的系统与数字世界的系统同步运行

双向进化

  • 数字孪生体现了软件、硬件、和物联网回馈的机制。运行实体的数据是数字孪生的营养液输送线。反过来,很多模拟或指令信息可以从数字孪生输送到实体,以达到诊断或者预防的目的
  • 数字孪生信息可以双向传输
    信息从物理孪生体传输到数字孪生体,数据往往来源于用传感器来观察物理孪生体(例如GE用大量传感器观察航空发动机运行情况)
    信息从数字孪生体传输到物理孪生体,数据往往是出自科学原理、仿真和虚拟测试模型的计算,用于模拟、预测物理孪生体的某些特征和行为(例如用流体仿真技术计算汽车高速行驶的风阻)
  • 数字孪生需要双向赋能
    基于数字化模型进行的各类仿真、分析、数据积累、挖掘,甚至人工智能的应用,要能够驱动物理系统,都能确保它与现实物理系统的适用性
    需要实现现实物理系统向赛博空间数字化模型的反馈,将物理世界发生的一切,塞回到数字空间中,这样,就可以真正在全生命周期范围内,保证数字与物理世界协调一致

数字孪生应用场景

数字孪生代表实体

靠数字孪生来实现控制

数字孪生用于学习

数字孪生用于驱动

如何实现数字孪生?

基于贝加莱集成开发平台Automation Studio开放的数据化连接能力,ACOPOStrak/SuperTrak所构成的数字孪生机电设计架构

数字孪生的未来

美国《航空周报》做出这样的预测:”到了2035年,当航空公司接收一架飞机的时候,将同时还验收另外一套数据模型。每个飞机尾号,都伴随着一套高度详细的数据模型。”每一特定架次的飞机都不再孤独。因为它将拥有一个忠诚的”影子”,终生相伴,永不消失,这就是数字孪生的本意

小结

  • CAx如何改变了现代制造的过程?
    将工程信息数字化,才使得计算机辅助工程的各个环节(设计、分析计算、工艺规划、数控加工、生产管理,即CAD /CAE /CAPP /CAM 等)使用同一个产品数据模型,共享信息,从而实现CAD/CAPP/CAM/系统的集成
  • 3D打印技术(增材制造技术)如何变革未来制造?
    传统制造技术是”减材制造技术”,3D打印则是”增材制造技术”,3D打印最大优势在于拓展设计人员的想象空间 ,3D打印技术将与其他数字化生产模式一起,推动第三次科技革命的实现
  • Digital Twin 数字孪生,打通物理空间与Cyber空间的界限,数字孪生是客观世界中的物化事物及其发展规律被软件定义后的一种结果

讨论问题

  • CAD、CAPP、CAE、CAM之间的关系与连接是怎样的?数据时代,如何加强这种联系?【考题】
  • 3D打印(增材制造)如何改变制造模式?
  • 数字孪生与仿真技术有什么区别与联系?
  • 如何理解数字孪生的双向进化?

产品数据管理

产品数据管理——PDM

从PDM到PLM

电子文档,简称EDM
面向产品对象的管理系统,称之为PDM
面向产品全生命周期的管理系统,即PLM

Why PDM?

正确的文档在正确时候送到正确的地方

PDM大大简化开发和设计工作

PDM的定义

  • 产品数据管理(PDM)以产品为中心,通过计算机网络和数据库技术,把企业生产过程中所有与产品相关的信息和过程集成起来,统一管理,使产品数据在其生命周期内保持一致、最新和安全,从而缩短产品研发周期、降低成本、提高质量、改善性能,使企业赢得主动权和竞争优势
  • 与产品相关的信息包括项目计划、设计数据、产品模型、工程图纸、技术规范、工艺资料等。与产品相关的过程包括工作流程、机构关系等过程处理程序

PDM的工作原理

  • PDM以产品为管理的核心,以数据、过程和资源为管理信息的三大要素

  • PDM进行信息管理的两条主线

    • 静态的产品结构

    • 动态的产品设计流程

      所有的信息组织和资源管理都是围绕产品设计展开的

  • 核心思想是设计数据的有序、设计过程的优化和资源的共享

PDM系统解决的问题

  • 充分利用成熟设计
  • 支持并行工程的组织原则、设计方法与工作流程
  • 建立标准/外购件库直至企业标准/知识库
  • 按规则配置变型产品,支持模块化设计
  • 支持设计阶段的成本控制
  • 确定更改影响、保存/追溯更改历史(版本)
  • 支持质量保证体系和程序的执行
  • 保证生产系统获得及时、准确的数据和信息

PDM的管理目标

PDM的部署

基于PDM的产品开发设计集成

利用 PDM实现异地设计

虚拟企业级PDM

产品全生命周期管理——产品在整个生命周期里的数据管理——PLM

产品全生命周期 = 产品制造过程 + 产品使用过程

产品全生命周期——售后

PLM

  • PLM自20世纪末提出以来,迅速成为制造业关注焦点
  • PLM产品是整个企业集成经验的积累和最后锤炼出来的框架
  • PLM可以帮助企业从早期设计阶段入手,使不同的角色实现实时、高效的协同,包括产品数据或有关产品的需求、技术方案、图纸、工艺文件等信息的交换,跟踪和管理从产品研发、设计变更到采购、生产制造及售后服务、退出市场回收等全生命过程的数据和信息的支持,加强跨地域、跨实体、跨部门协作协同运作能力
  • PLM结合电子商务技术与协同技术,将产品的开发流程与SCM(供应链管理)、CRM(客户关系管理)、ERP(企业资源计划)等系统进行集成,将孤岛式流程管理转变为集成化的一体管理,实现从概念设计、产品设计、产品生产、产品维护到管理信息的全面数字化
  • 实现企业知识价值的提升与知识共享管理、产品开发和业务流程的优化,从而全面提升企业生产效率,降低产品生命周期管理的成本,提升企业的市场竞争力

PLM是现代制造集成的基础

只有PLM可以最大限度地实现跨越时空、地域和供应链的信息集成,在产品全生命周期内,充分利用分布在ERP、CRM、SCM 等系统中的产品数据和企业智力资产,PLM系统的价值取决于能否与ERP、SCM、CRM集成使用,组成PLM生态系统

PLM典型案例

  • 协同网络的核心部分是建立在洛克希德·马丁的虚拟处理中心。统一管理全球各地产生的每一个数据。洛克希德·马丁(LM)、诺斯罗普·格鲁门(NGC)、英国宇航系统(BAE)、澳大利亚宇航(GKN)等。每天全球各地产生的新数据分别按照指定的时间统一汇总到虚拟处理中心
  • 内外部的合作伙伴通过VPN建立独立安全保障的DMZ区域。内部和外部之间设有防火墙。各个项目成员通过局域网、广域网和互联网经过防火墙关联到虚拟处理中心
    F-35战斗机项目有6,500 个用户通过PLM系统进行协同,缩短了35%的设计周期,节省了上亿美元资金,预计制造时间将缩短达66%
  • 由于在整体项目效率方面呈现了数目级的改进,因此JSF项目成为世界上最成功的PLM项目,实现跨越大洋、时区与公司,在超过三十年的期间里开发、建造并维护产品

数据化产品管理——由数据延伸到过程、人员和业务管理///以产品数据为中心

企业的产品数据体系日益复杂

由于大数据的发展,互联网时代企业的产品数据管理体系相对于传统产品数据体系有着更显著的差异和特色 :

  • 由于产品功能多元化和产品更新迭代速度快,数据体系的构建更为复杂;
  • 可采集的数据更为全面和多样化,数据对产品运营和优化决策的作用更为显著
  • 对数据处理能力的要求更高,尤其是对海量数据处理的能力,数据计算的实时性方面要求更高;
  • 对数据分析和数据挖掘的深度要求更高,数据能够为产品决策提供更多的支撑。

产品数据采集手段的进步

车辆识别系统应用,新型的高档车将配备RFID的识别系统、汽车零件应用领域,例如:

  • RFID内嵌于轮胎
  • 轮胎识别码
  • 制造日期、生产地点及出厂日期
  • 胎压记录
  • 条码、二维条码、RFID无线射频识别技术为及时获取物品的各种信息并且进行快速、准确的处理发挥作用,使产品信息得以整合

RFID应用于制造管理

可在生产线各个节点安装RFID识读设备,并在产品或托盘上放置可反复读写的RFID电子标签;当这些产品或托盘经过这些节点的时候,RFID读写设备即可读取到产品或托盘上标签内的信息,使加工设备确认加工哪种型号的产品
并将这些系统实时反馈到后台管理系统中,制造商就能及时了解生产线的工作情况,甚至某个产品所处的位置

RFID生产线管理

把RFID技术应用到生产过程管理的自动化和智能化。通过RFID技术和嵌入式技术,使得制造过程走向智能化和服务化
通过在工厂车间层逐步采用RFID技术,无缝且不间断地获取从RFID捕获的信息并链接到现有控制系统基础结构,与配置RFID功能的供应链协调
再将RFID和现有的制造信息系统如MES、ERP、CRM和IDM等相结合,就可建立更为强大的信息链,以便在准确的时间及时传送准确的数据,从而增强生产力、提高资产利用率以及更高层次的质量控制和各种在线测量。

物料清单BOM(Bill of Material)

BOM是计算机可以识别的产品结构数据文件,也是ERP的主导文件。BOM使系统识别产品结构,也是联系与沟通企业各项业务的纽带,是系统集成的关键之处

制造中数据的演变—以BOM为核心

以BOM为核心的强关联数据的集成技术

产品复合数据结构

波音的远见:‘过程为中心’与‘数据为中心’

数据中台

讨论问题

  • 产品数据管理有哪些特殊需求?怎样把产品数据整合起来?
  • 产品全生命周期管理在数据时代,有何新的含义?【考题】
  • 说说你对数据中台对产品数据管理的支撑作用?
  • 参考波音公司‘过程为中心’与‘数据为中心’的发展,说说你的理解。

数据驱动生产

从大规模生产到大规模定制

大规模生产

大规模生产一直是制造业的主流模式,其基本运作形态是:大规模生产+大众营销+大品牌+大零售,其典型是福特制(Fordism)

变革:从拉动消费到消费者需求驱动

定制:消费者需求驱动

定制产品的消费心理:

个性化定制

  • 有一家国外的创业公司Yooshu,专门从事沙滩鞋的个性化制造。其原理是对客户的脚进行三维扫描,然后进行三维重建,建立双脚的三维模型,然后生成对应的数控代码,由于是比较软的泡沫材料,所以,直接采用机器人进行加工。通过这种方式可以完全匹配客户的双脚,穿起来更舒适。
  • 随着互联网应用的日趋成熟,企业能通过网络直接的面对客户,了解客户并反馈客户需求,为个性化定制需求获取提供了条件;而数据时代,可以实现数据定义的产品,数据驱动的生产,从而将个性化定制与大规模生产的优势完美地结合在一起
  • 模块定制、众创定制、专属定制、与场景定制

个性化定制带来产品研发模式变革

个性化定制带来生产模式的变化

大规模定制 VS. 个性化制造(Personal Production)

  • 个性化定制有两种不同的途径:大规模定制(Mass Customization)与个性化制造(Personal Production)内涵不完全相同
  • 个性化定制技术本质上都是一种制造工艺,完全根据客户的需求个性化制造,支撑技术主要包括三维打印(增材制造)、激光加工、三维参数化设计、优化排样软件和CAM系统等
  • 离散制造复杂产品的大规模定制主要是由多个零件进行装配的产品,用户可在有限范围内进行参数选配,选择产品的配置,同时必须满足诸多约束,支撑技术主要是BOM,产品配置管理系统等

定制,挖掘长尾价值

既要定制,又要规模化生产

  • 家电、汽车、电脑等,要实现大批量定制,其基础是标准化、系列化和模块化设计:电脑结构相对简单、标准,不同的零件都可以直接插在主板上面,实现个性化选配的难度不大。戴尔公司客户可以直接在线选择电脑的配置,戴尔公司通过有效的供应链管理,把来自全球的客户化配置需求有效管理起来,准确地按照订单装配,是典型的大规模定制;长安汽车CS15型号的SUV现在已支持13大类的选项,支持2.4万种不同的组合
  • 家居行业个性化制造则主要依靠工业化设计:前端是三维参数化设计,衣柜、橱柜等产品按照客户房间尺寸下订单,然后对产品模型进行参数化设计,尺寸驱动修改部分零部件的尺寸参数,自动更新三维模型;而工业化设计的板式家具实现个性化定制的技术比较成熟,后端只需要进行优化排样,然后切割、下料、制造

既要定制,又要成本可控

  • “定制”意味着成本,”私人定制”往往会和昂贵、高端、奢侈品联系在一起
    智能手机市场龙头老大苹果销售品种非常少,反而是市场上的跟随者不得不采用多品种小批量的生产模式。正因为品种少、配置简单,苹果攫取了整个全球智能手机市场90%的利润
    微软是以卖套装软件为主,盈利能力最强;而做管理软件需要复杂的实施过程来满足客户需求,盈利能力则要差很多
    核心原因是通过高度的自动化生产降低成本。因此,企业如能占据行业高端,就可以引领客户需求,从而保持大规模生产,提升自身的盈利能力
  • 要实现高效的个性化定制,必须解决定制精准化、生产高效率、成本可控的难题,对生产组织、物流系统、供应商系统、库存、交货期等提出了非常高的要求

数据定义产品

个性与个性抽取

  • 个性化定制所说的个性有两个含义,一个是商品的个性,一个是顾客的个性,有个性商品,会在芸芸众品中让人眼前一亮
  • 个性抽取就是要把这些指标找出来,最好是能够数据化、量化的表达。
    • 商品的个性化指标
    • 顾客的个性化指标
    • 顾客行为指标
  • 个性化的获取与平衡是实现规模化定制的基础

用户画像与用户标签

  • 用户画像(User Persona)的概念最早由交互设计之父Alan Cooper提出,是建立在一系列属性数据之上的目标用户模型。一般是产品设计、运营人员从用户群体中抽象出来的典型用户,本质是一个用以描述用户需求的工具
  • 用户画像的核心工作是为用户打标签,标签通常是人为规定的高度精炼的特征标识,打标签的重要目的之一是为了让人能够理解并且方便计算机处理,如年龄段标签:25~35岁,地域标签:北京
  • 标签呈现出两个重要特征:
    语义化,人能很方便地理解每个标签含义,这也使得用户画像模型具备实际意义,能够较好的满足业务需求。如,判断用户偏好。
    短文本,每个标签通常只表示一种含义,标签本身无需再做过多文本分析等预处理工作,这为利用机器提取标准化信息提供了便利
  • 利用标签做分类统计:喜欢红酒的用户有多少?喜欢红酒的人群中,男、女比例是多少?进一步可以做数据挖掘工作:利用关联规则计算,喜欢红酒的人通常喜欢什么运动品牌?利用聚类算法分析,喜欢红酒的人年龄段分布情况?

个性抽取

第一种是”模块化定制” :通过成熟的模块组合快速形成个性化,用户能够左右定制的余地并不大,对厂家供应链要求较高
第二种是”群体调研定制”:让潜在用户参与到产品的设计之中,充分地参与对未来产品功能的讨论,快速迭代定制满足用户需求
第三种是”预售模式”:先收集需求再生产,众筹、团购其实也是这样的模式,先组织大规模订单,为备货、生产或者服务准备

大数据定制

  • 基于大数据可以更方便地获取产品个性与用户个性,可以总结为”大数据定制”
    电商平台、社交网络已经积累了大量的用户行为数据,如搜索浏览记录、商品页面驻留时间、访问过的商品对比、历史购物车、下单情况、评价数据等被全程记录,同时用户个人资料如性别、地域、年龄、职业、消费水平、偏好、星座等也可同步获取。可以采用大数据挖掘的技术手段对这些数据进行交叉分析、定点分析、抽样分析、群体分析,获取有价值的信息
  • 做到大数据定制必须具备几个条件:
    • 一是要有海量的数据,这些数据能够挖掘出对生产商家有指导价值的结果,
    • 二是具备挖掘这样的数据的技术能力,
    • 三是有能力整合生产、流通和销售这些关键环节

开发阶段,大数据激发产品创意

充分利用来自用户的数据设计个性十足产品。每家公司都需要一个”信息化”战略,通过积聚更多的数据和信息,提高现有产品和服务的价值。在产品创新方面,大数据将发挥以下三方面的作用

  • 提高新产品开发的精准性,利用大数据,精确定位客户需求,推出量身定制的新产品,以期提高成功几率
  • 为旧产品赋予新含义,通过GPS技术提供的准确位置数据了解车主驾驶习惯,保险公司就能提供不同的保险产品,或者为旧产品确定更合理的价格
  • 将大数据应用到产品生命周期,高度重视来自组织外的创新资源,实现新产品开发快速迭代进行

生产阶段:融个性产品于大生产

  • 供应链端以”云采购”模式,将参与集采的消费者需求信息整合起来,批量化地迅速传递到工厂,使其”以需定产、量体裁衣”

  • 制造阶段在定制品识别基础上,智能化设备能感知生产的定制品

  • 最后,整个大生产通过数据融为一体,每一件产品都是个性化的,但仍然可以组织为大规模的生产,因为定制品可以被识别,定制品的个性可以被获取,整个制造过程在数据控制下有条不紊

    定制品识别:识别产品是实现个性化定制的重要基础

全要素、端到端地实现用户个性化定制

数据驱动生产

数据驱动

维基百科对数据驱动的定义是这样的:”The adjective data-driven means that progress in an activity is compelled by data, rather than by intuition) or by personal experience”。翻译过来就是,数据驱动指的是流程中的行为是被数据驱动而不是被人的直觉和经验驱动的。

数据驱动的本质

左边是数据源,主要是业务系统,当然也有人工录入的数据;数据驱动的输入就是数据本身,然后利用数据挖掘、机器学习等技术进行建模,形成数据模型,这个过程是不可见的;最后输出的是业务决策。

数据驱动的产品开发

基于数据的产品推荐

数据驱动的爆款预测模型

数据驱动的资产优化管理

数据驱动的项目排程

数据驱动定制生产

定制生产离不开背后数据的精准驱动,通过数据连接实物资产,链接产品生命周期设计、采购、生产、配送、使用的每个阶段,数据在产业链上无缝流动,形成”数据一线穿”的生产模式
设计环节:首先是对产品按照其功能进行划分而进行模块化设计,建立产品族和零部件族,内部实现零部件的标准化、通用化
制造环节:采用统一生产模型(UPM),可以将工厂、设备和其它资源与其实时数据、历史数据和关系型数据库中的数据一起按照逻辑方式进行表示
供应链环节:基于大数据云设计库和分散化、网络化的制造资源,构建依托互联网的、社会化服务所构建的柔性供应链,完成网络协同制造过程
管理环节:各种数据填入基于Web 的趋势图、报表和仪表盘中,在整个机构内共享,以便企业内各层级的用户都能更好地实时管理各自的业务

数据驱动制造

数据驱动定制生产案例——尚品宅配

尚品宅配实现了所有订单及生产过程的数据化,产品以数字化形式存在于服务器,便于生产与数据挖掘
第一步:遍布全国的订单通过网络传输汇总到总部订单管理中心。
第二步:多产品按批次混合排产。
第三步:生成本批次板件加工总任务单。
第四步:自动生成本批次产品各车间作业指令。
第五步:按生产指令加工。
第六步:立体仓:智能入库,智能出库
所有订单及生产过程实现数据化,产品以数据形式存在于服务器,便于生产与数据挖掘

柔性制造

  • 数据驱动大规模定制生产代表了一种柔性化生产思路
  • 未来产品个性化定制,产线从固化串行产线向松耦合、柔性、高度集成、深度协同的柔性产线(移动岛式)转变
  • 西门子柔性生产,将传统的制造过程打散成模块化的生产过程,每个工序均由1个特定的加工台承担,工作台放置在AGV小车上,通过5G网络进行互相通讯,基于生产订单自动寻找下一工序所属模块,通过这种自动适应的方式,形成可随订单需求变化而灵活组装的生产线
  • 未来柔性生产场景
    定制化零件加工:CAD+PLM+PLC+机器人
    车身焊接组装:MES+PLM+PLC+SCADA+机器人+AGV
    在线质量检测修补:MES+PLM+SCADA+PLC+机器人
    定制化配料与物流管理:ERP+MES+机器人+AGV

柔性供应链

“淘工厂”实现将产能、生产线、档期作为商品在线出售

小结

  • 从大规模生产到大规模定制,是制造模式的变革,也是智能制造的重要模式
  • 数据定义产品,自动抽取用户需求与个性,定义个性化产品
  • 数据驱动生产,通过数据流动实现精准定制、高效生产与低成本

讨论问题

  • 从福特汽车的案例说明大规模生产的优势与缺点。
  • “大批量个性化定制”这种提法矛盾吗?
  • 结合你自身体验,说说个性化定制有哪些实现方式?
  • 个性化定制,为什么说是挖掘长尾价值?
  • 大规模个性化定制,为什么必须以数据驱动为前提?【考题】

数据成就管理

计算机管理——管理的电算化

计算机化管理的几个方面

  • 生产管理
  • 供应链管理
  • 物流管理
  • 客户关系管理
  • 分销管理
  • 质量管理
  • 电子商务
  • 数字化管理的集成——ERP

管理信息系统(MIS)

1954年,美国通用电气公司第一次用计算机计算职工的工资,是计算机首次进入管理业务。此后,随着计算机技术、网络技术的迅速发展,企业管理由初期的单项数据处理阶段发展到数据综合处理阶段,进而发展到现在的数据系统处理和管理信息系统(MIS)阶段

MRP & MRPII

70年代,为了及时调整需求和计划,出现了具有反馈功能的闭环MRP (Material Requirement Planning 物料需求计划) ,把财务子系统和生产子系统结合为一体,采用计划-执行-反馈的管理逻辑,有效地对生产各项资源进行规划和控制
80年代末,人们又将生产活动中的主要环节销售、财务、成本、工程技术等与闭环MRP集成为一个系统,成为管理整个企业的一种综合性的制定计划的工具,这种综合的管理技术称之为制造资源计划MRP-II(Manufacturing Resource Planning制造资源计划)

MRP生产计划系统

供应链管理

供应链是指产品在到达消费者手中之前所涉及的原材料供应商、生产商、批发商、零售商以及最终消费者组成的供需网络,即由物料获取、物料加工、并将成品送到用户手中这一过程所涉及的企业和部门组成的一个网络。
供应链管理:是为了满足顾客的需求,在从原材料到最终产品的过程中,为了获取有效的物资运输和储存,以及高质量的服务和有效的相关信息所作的计划、操作和控制

现代企业竞争就是供应链体系的竞争

物流管理

  • 精益生产倡导的是个性化生产,以满足客户的需求为驱动力,精益生产模式追求的准时化(JUST-IN-TIME),即在合适的时间提供合适的量
  • 在混流生产方式下,生产顺序有很大的随机性,如何对应成千上万的零部件的准时化供给
  • 物流在实现这一管理方式上起着承上启下的作用,是尤为重要的关键环节

客户关系管理系统CRM

  • CRM这一概念最早则是由美国著名咨询公司Gartner Group于1999年提出的。CRM的概念发展到今天主要经历了3个阶段:
    成功应用于销售和市场的客户关系数据应用软件。(1990年)
    客户关系营销——Pepper和Rogers的1对1市场营销理论。(90年代中期)
    通过数据库营销应用客户终身价值分析。(90年代后期)
  • CRM首先是一种管理思想,旨在实现企业以客户为中心,通过识别客户,区分客户,针对不同的客户需求提供个性化的服务,从而提高客户整个生命周期的价值。它表现为一种客户策略和营销策略,但又不仅仅限于企业的前台营销,而是将影响整个企业的生产经营
  • 销售日志管理
  • 客户资源管理
  • 销售协同管理
  • 销售管理案例——《销售一线通》
    从用户订单开始,延伸到各地分公司,由分公司根据用户需求结合车辆技术可行性填报订单
    销售公司接收各地分公司订单,审核后发送综合计划部
    综合计划部根据各个生产厂的分工和生产能力及物料满足情况发送到各个生产厂
    生产部门根据订单信息和评审意见安排生产
    车辆生产完成后,销售一线通采集车辆信息形成原始资源库存,销售公司开发货单销售并根据发货单上的信息组织车辆运转和车款兑付操作
    物流部门通过车辆委改模块管理车辆的委改过程并完成与委改厂家的结算
    车辆运转到各地分公司后,各地分公司通过销售一线通录入车辆到达时的车况及车辆信息形成各地分公司的库存
    车款兑付完成后进行车辆和用户的实物交接

全面质量管理(TQM)

全面质量管理工作的一个重要特征是,从根源处控制质量。例如,通过由操作者自己衡量成绩来促进和树立他对产品质量的责任感和关心,就是全面质量管理工作的积极成果

  • 设计过程质量管理
  • 制造过程质量管理
  • 辅助过程质量管理
  • 使用过程质量管理

数字化管理的集成

ERP系统概念的提出
ERP是从MRP-Ⅱ发展而来的:
企业在使用MRP-Ⅱ管理后,可明显改善库存管理、减少库存资金占用、提高资金周转次数、提高劳动生产率、有效降低成本,从而提高经济效益和企业的市场竞争力
但MRP-Ⅱ仅能管理企业内部的物流和资源流
随着全球经济一体化的加速,企业与外部环境的关系越来越密切, MRP-Ⅱ已不能满足需求,于是新的企业管理理念和软件应运而生

ERP系统的结构

ERP的基本构架和基本逻辑与MRP-Ⅱ并没有本质的不同。ERP从功能上看仍是以制造过程为中心,其核心是MRP,它体现了制造业的通用模式
ERP在MRP-Ⅱ原有功能的基础上,向内、外两个方向延伸
向内主张以精益生产方式改造企业生产管理系统
向外则增加战略决策功能和供需链管理能力

ERP的五个基本功能

ERP的发展

ERP作为工业软件的重要组成,正在突破原有经营管理业务边界,更加注重以数据驱动为核心的产业协同和模式创新,新一代ERP定位为企业数字化平台,成为智慧企业的核心运营系统

企业应用集成

企业应用集成(Enterprise Application Integration,EAI)将进程、软件、标准和硬件联合起来,在两个或更多的企业系统之间实现无缝集成
企业应用集成的关键技术:

  • 消息中间件
  • 工作流技术
  • 应用服务器
  • Web Services技术

数据化管理——管理的精细化

数据→更多数据→精细→洞察

精细化:当你从超市货架上取走一瓶洗发水时意味着什么?对联合利华中国来说,答案是1500家供应商、25.3万平方米的生产基地、9个区域分仓、300个超商和经销商都因此而受到牵动
企业经营管理涉及大量的数据,可用于优化、简化运营,提高运营决策效率
提质增效、降本增效

精细管控:大数据实现事前算赢

大数据技术为上海建工定额的解决带来全新的体验,这种实时、体现当前工艺配比的定额为工程对外报价和目标成本编制做了有力支撑

人才管理:大数据助力才尽其用

人力资源数据全景图

精准营销:大数据重构企业营销

快消品企业大数据应用,可以将企业内部ERP数据、外部电商数据、互联网数据进行充分整合,并借助互联网技术,打通企业内部与外部资源,实现产、供、销、人、才、物内外信息一体化集成和创新数据应用,实现企业精准营销

量化质管:大数据确保品质专一

飞鹤乳业早在2011年就开始了大数据战略的部署,建立了全产业链食品安全管理体系和产品可追溯系统,该体系结合赋码系统、生产运营的业务系统完成数据采集,对乳品原料的生产、加工、运输、仓储及零售等供应链环节的管理对象进行标识,并在相互连接后将这些标识用条码以人工可识读方式表示出来。一旦出现卫生安全问题,安全追溯系统可以通过这些标识进行追溯,准确地缩小安全问题的范围

数据管理实践与探索—PQA全流程质量管控

  • PQA全流程质量大数据管控系统
    要点1:全流程质量大数据采集

    使用智能采集网关、数据采集平台、ETL 工具等方法,将PLC、PCS、MES 等设备/系统中的数据汇聚到大数据平台中

  • 要点2: 质量监控和追溯

    产品全流程生产工艺数据展示,实现在线过程判定,产品质量监控,过程参数预警,提升产品质量管控。产品全流程生产工艺参数数据可追溯,实现产品质量一贯制目标

  • 要点3: 产品质量(钢板组织性能)预报

    在线预报,准确及时,便于指导后续生产,成分工艺合理,降本增效,提升性能,新产品开发指导,降低实验费用和开发周期。通过对影响因子进行大数据分析并建立模型,目前已初步建立起SPHC、Q235、Q355以及Q355延伸质量等级的多质量等级产品的在线性能预报系统,已实现提高成材率约0.56%。

自动识别(5G+机器视觉)

智能汽车涡轮增压器叶轮瑕疵识别
把制造缺陷、产品缺陷建立数据库,把计算和算法收集起来,进行提炼,知道哪些要召回、哪些要做改进。通过机械手对产品进行全方位的检测,把各种划伤、瑕疵通过凸现、模型做训练,准确性可以逐渐迭代上升,可以做到90%

机器视觉——歌尔自动化生产线

精准预测:大数据让采购更加智慧

联合利华基于交易数据的分析、供应商业务数据和绩效数据的分析、生产物料价格预测、价格变动趋势预测等测算模型,实现对主要原材料的价格监测和趋势预测;辅助企业实现对产品成本的控制,对产品市场定价做出及时调整,并辅助供应商的选择和原料采购节奏的把握

供应链优化

  • 精确的需求预测
    大数据可以帮助企业预测整个市场的需求情况,
    并据此制定合适的销售预测、库存策略、生产安排。
  • 敏捷、透明的寻源与采购
    通过数据分析寻找到合适的供应商,建立良好的供应商关系, 通过供应商绩效评估和合同管理,使采购过程规范化、标准化、可 视化、成本最优化。
  • 成熟的补货和库存协调
    通过对需求变动、安全库存水平、采购提前期、最大库存设 置、采购订购批量、采购变动等方面大数据的综合分析,建立优化 的库存结构和库存水平设置,消除过量的库存,降低库存持有成 本。
  • 高效的运输与配送
    通过大数据分析合理的运输管理、道路运力资源管理,提高企 业对运输风险的管控力,改善企业运作和客户服务品质。

大数据支持下的现代物流

智慧车间物流系统

工业4.0时代,客户的个性化需求越来越广泛,要求制造企业内物流管理更加智能化和柔性化
佛山工厂高峰时一天要生产2400台汽车,提供给用户选择的零件高达上万种,需要引入柔性、高效的定制化生产系统,保障整车零件的精准配送和高品质
智慧物流系统,由自动化设备替代人工,保证供给生产线零件绝对准确可靠

超市2.0”解决方案与作业流程

佛山工厂是混线生产作业模式,奥迪、大众共用同一条生产线,每一台车的配置都不全相同,如果把每个工位所有的零件都摆到生产线,生产线边既没有那么大的位置,生产线工人找到正确的零件也很困难,所以通过超市系统,对生产线车序进行解析,严格按照生产的车序进行排序,生成零件的顺序清单,再使用机器人完成超市零件的顺序调度和工作台顺序拣选,机器人根据先进高效的算法和系统平台准确的调度,实现汽车零部件的精确按序出库

大数据重构企业智慧

大数据支持的商务智能将为企业决策提供更好的支持。通过挖掘和分析大数据,企业将能够更深入、更广泛地洞察业务模式和发展趋势,帮助企业在制造、安全、营销和 IT 领域提高运营效率和竞争优势

企业软件集成化正在向现代数字化平台演进

小结

  • 计算机支持的企业管理,实现管理的电算化,提高了效率
  • 数据化管理,实现精细化管理,真正实现降本增效

讨论问题

  • 为什么大数据可以实现管理的精细化?【考题】
  • 从MRP的设计思想说明数据(量化)对企业管理的价值。
  • 从人工智能视觉检测应用说明数据给产品质量管理带来的价值。
  • 如果你是一位淘宝店主,你会如何用数据管理你的网店 ?

面向未来的工业互联网

工业互联网溯源

互联网与制造业的融合

工业互联网时代的契机

互联的最终目的是为智能决策提供支撑,进而实现工业过程的运行优化

理解GE”工业互联网”

  • 2012年11月26日,GE发布白皮书,提出工业互联网的定义:
    工业互联网——打破智慧与机器的边界,它基于开放、全球化的网络,将设备、人和数据分析(工业互联网三要素)连接起来,通过对大数据的利用与分析,升级航空、医疗装备等工业领域的智能化,降低能耗,提升效率
  • GE看来,打造工业互联网必须重视三个要素:
    • 智能机器
    • 大数据
    • 分析和数据挖掘能力(人)
  • 伴随着日益增加的先进装置和设备,大量在线的操作数据汹涌而来。有远见的企业正在利用这些数据进行卓越运营和预测分析,以创造竞争优势,加速企业的增长。

GE”工业互联网”解决的问题

  • GE要解决的问题——工业革命的成果带来的无数的机器、设施、机群和系统网络(全球工业系统)的运行效率的提升和运行成本的降低;
  • 解决问题的手段——互联网革命中涌现出的先进计算、分析、低成本传感、控制软件和互联网带来的新水准的连接能力
  • 战略——通过提高机器设备的利用率并降低成本,取得经济的效益,引发新的革命
  • 战术——智能机器+数据+分析模型这样一条具体的技术路线

实施GE工业互联网的步骤与要点

  • 第一步,将设备(含设备组、实施、系统网路)改造为智能化的设备,也就是要能够感知设备自身的状态,更重要的是设备的运营状态。我们需要加装仪表或传感器,嵌入式CPU,控制软件等。
  • 第二步,将设备产生的数据,利用网络(不一定是互联网)收集起来,建立工业数据中心,这个数据中心可以很大,也可以小到一台服务器,关键是看数据量。
  • 第三步,利用(大)数据分析、机器分析等工具对收集到的数据进行分析,做出更为优化的决策,来指导机器运营或操作机器的人的作业过程,提高效率。

工业互联网——美国的先进制造战略

通用电气的例子

在德克萨斯州一家拥有273个涡轮机的风力发电厂,Predix云已经成功地将年发电量提高了3-5%——相当于增加21台新的涡轮机

Predix——GE工业互联网的技术基础

从端到云到应用:端,连接与分析;数据连接、融合数字孪生;展示与洞察
Predix的成功应用案例

西门子MindSphere平台

通过自身工业软件优势,结合自动化技术实现工业数据的大量积累,打造数字化智能工厂

我国的工业互联网

我国对工业互联网的新诠释

  • 工业互联网产业联盟的定义:
    工业互联网通过人、机、物的全面互联,实现全要素、全产业链、全价值链的全面连接,将推动形成全新的工业生产制造和服务体系
  • 中国工业互联网研究院的定义
    工业互联网是新一代网络信息技术与制造业深度融合的产物,是实现产业数字化、网络化、智能化发展的重要基础设施,通过人、机、物的全面互联,全要素、全产业链、全价值链的全面链接,推动形成全新的工业生产制造和服务体系,成为工业经济转型升级的关键依托、重要途径、全新生态
  • 狭义的工业互联网仅仅指的是设备的联网,广义的工业互联网的连接要素是工业制造中的生产要素

理解海尔COSMOPlat

全流程互联—串联变并联,用户驱动,信息瞬间到达,网器持续交互,
用户评价

工业互联网成为智能制造落地的载体

工业互联网平台技术体系

工业互联网平台赋能数字化转型——以钢铁行业为例

工信部《关于推动工业互联网加快发展的通知》,提出”加强工业互联网在装备、机械、汽车、能源、电子、冶金、石化、矿业等国民经济重点行业的融合创新,突出差异化发展,形成各有侧重、各具特色的发展模式”。

工业互联网典型案例

  • 溴冷机智能远程运维
    把数据打通、硬件打通,把传输打通,把数据放到云端建模。它可以把历史的数据放进去,收集专家数据,数据足够大的时候可以让机器学习,根据历史数据预测,看分布,实现提前的报警,提前维修,很容易排除故障。设备故障率降低了30%
  • 生产监控分析
    把现在的生产数据、设计的数据、用户数据全部打通,运作起来,找到很多可以改善的地方,节拍可以做到15秒,交货期缩短7天,质量上升,能耗降低,劳动生产率人均从85万到280万

以数据为核心的新型工业互联网平台

面向未来制造的工业互联网

形态上的变化——全数字生产模式

西门子成都工业自动化产品生产研发基地(以下简称”西门子成都工厂”)每生产一件新产品,都会产生自己的数据信息,这些数据信息在研发、生产、物流的各个环节中被不断积累,实时保存在一个数据平台中,而整个工厂的运行,都是基于此数据系统

形态上的变化——黑灯工厂

  • 黑灯工厂是指完全自动化、(几乎)不需要工人操作,可以关闭电灯的工厂,它规模化利用机器人和自动化的方式,改变生产方式,改变了生产流程
  • 黑灯工厂离不开数据的驱动,没有人,可以不需要点灯,但机器人和生产线仍然需要对话,就是数据和信息的传送
  • 上海剑桥科技(CIG)的工厂的一个机器人臂正在移动电路板进行各种测试,之前这项工作是由工人手动完成的

未来需要的制造品

  • 更个性——定制无处不在
    只有精准定位,产品才有竞争力
    从服装到手机,从家电到汽车,竞争进入精细化程度没有定制的定制
  • 众参与
  • 轻制造
  • 更智能——从智能生产到智能产品
  • 更复杂
    土星五号5台,推力最大单燃烧室液体火箭发动机(F-1)
    前苏联N1火箭,第一级有30台NK-15发动机,由一台计算机KORD控制,四次发射四次失败告终,后续RD-170
    猎鹰重型28台梅林-1D发动机,每台引擎配置9台计算机18个核心
  • 更便宜
    模块化
    可选装(回收系统)

制造范式的演进

  • 手工生产->大规模生产->大规模定制->个性化定制
  • 大规模个性化定制是未来智能制造的核心目标

面向未来的制造

  • 更柔性
    产品个性化定制,产线从固化串行产线向松耦合、柔性、高度集成、深度协同的柔性产线(移动岛式)转变
  • 平台化
    大众奥迪TT、奥迪Q高尔夫等车型皆出自MQB平台,同平台的车型会共享很多技术和零部件,但具体到每款车的性能以及品质方面,彼此都有着明显差异
    丰田TNGA则在研发阶段就尽可能的考虑零件的通用性,实现零配件的开发和制造成本平摊。TNGA比传统模块化平台生产模式的柔性程度更高,尽量使用高集成、小型化的生产设备,TNGA能够实现多款车型的共线生产
    由于研发效率和生产效率的提升,TNGA新车型的性价比优势也逐渐体现,亚洲龙混动车型23万多的入门价格还是雷凌混动版车型13万出头的入门价格,都体现出较高的价格竞争力。不同车型混线生产是未来汽车智能制造场景。
  • 生态化——网络化制造/制造网络生态

未来制造的竞争是升维竞争,降维打击

  • 个性,造更好的东西,造人民需要的东西➛知道造什么?
  • 柔性,充分协调优化资源;精打细算,降本增效➛知道怎么造?
  • 智能,掌握核心技术,解决核心问题➛还能造出来!

软件定义制造

  • “软件定义制造”,就是要解决由于生产本身的复杂性所带来的不确定性和多样性
    • 数据:及时、准确、完整
    • 算法:科学、先进、有效
    • 软件:构建数据流动的规则,定义产品、流程和能力
  • 流程+数据,规则与智能双重驱动,实现软件定义制造

讨论问题

  • 比较一下通用电气工业互联网和我国对工业互联网的定义。
  • 中国工业互联网研究院院长徐晓兰提出”工业互联网是实现智能制造的基础设施和路径”,说说你对这句话的理解。
  • 李培根院士提出:如果软件在制造系统的某些产品/过程中所发挥的作用是人力或传统自动化不可企及的,则言产品/过程是软件定义的;如果软件在制造中的关键作用是人力或传统自动化不可企及的,则言软件定义制造。说说你对这句话的理解。【考题】
  • 畅想一下未来制造可能的趋势。