研华边缘计算能力加速智能制造转型

描述

上周,研华公司在昆山举办了主题为“共建数智化·共创赢未来”的智能制造+智慧能源产业伙伴峰会。本次会议聚焦智能制造、绿色能源两大产业,研华携手500+产业专家、生态合作伙伴、客户代表,围绕企业智能生产、绿色低碳转型展开了深入探讨。

在会议中,给我印象最深的是生成式AI与边缘计算深度融合,两者结合形成的边缘智能应用正在快速落地。

如今边缘计算的发展已经成为共识,随着生成式AI的持续升温,边缘与AI结合的热度与日俱增,但是热归热,这种共识真正能够落地实践是存在一定门槛的。

例如,从上云到边缘部署的市场认知、业务路径转变、云边协同的平衡点、边缘管理平台的稳定性等,都是不太容易解决的发展阻力。

难的事情往往更有价值。

研华正在将近40年的边缘计算能力复制到智慧工厂、智慧医疗、智慧零售、智慧建筑、智慧城市等各个行业。

俗话说,Eating your own dog food,自己的产品自己先用,研华还把新一代的边缘智能解决方案应用于自家工厂,让数据驱动车间的管理,让数据真正成为了生产力。

这篇文章就来详细整理一下我在峰会中的相关收获。

契合边缘计算的3个阶段,择时推出开放软件“三环合体”

虽然边缘计算与人工智能的彼此融合处于技术周期的热度高点,但是这项应用对于产业协同和企业技术底座要求较高,包括算力供给能力、云边端协同联动能力以及咨询服务能力等,真正做起来并没有那么容易。

 

在峰会中,研华董事长刘克振先生借鉴了Gartner的分析,来阐述边缘计算在接下来几年的发展历程。

这里的“边缘”是一个广义的概念,指的是在云平台之外,所有贯穿和连接实体设备的硬件和软件,涵盖边缘基础设施、边缘设备、边缘AI、网关、I/O模块、边缘服务器、控制器、微数据中心和分析软件等。

在接下来的5~10年,边缘计算将经历3个发展阶段:

第一阶段,边缘计算的需求仅仅是企业数字化转型的一部分,并且这些用户需求呈现出高度定制化,市场规模比较小;

第二阶段,随着行业需求的深入,边缘计算的需求会不断扩展,形成面向特定垂直行业的一整套整体解决方案,市场规模也在持续扩大;

第三阶段,边缘计算的许多技术需求将跨越垂直领域,比如企业用户需求会从店面智慧零售扩展到工厂AI质检场景和智慧油井的一些工作场景中,需要供应商具备横向扩展的能力。

研华期待这样的进化在未来5~10年会完全实现,形成AIoT上下游产业的融合,并促成行业的进化。

 

研华将在工业自动化和边缘计算领域用心耕耘。为了适应未来的发展,AIoT边缘计算需要一套完整开放的软件平台作为支撑底座,因此研华决定将各种软件充分联通,形成上图的“三环合体”,打造完整的服务体系。

第一个环是最上方的EdgeSync 360,这是一个边缘智能的模块,包括通讯、远程管理、数据传输等子集。

第二个环是右下方的WISE-IoT Suite,这是工业互联网平台,为企业数字化转型提供了云边端一体化交付引擎。

第三个环是左下方的AI Fusion,这是新增的部分,也是最为强调的一环,它将生成式人工智能融合进来。

刘克振在演讲中提到,生成式AI可能会对物联网造成很大的影响,可以把搜集到的数据,进一步做分析决策。

现在多数的解决方案做出来是一个仪表板,涵盖很多数据,但无法告诉使用者该做什么决策。而生成式AI的融入,让AIoT搜集的数据变成有用的资料,让物联网从可视化的界面呈现,进化到自然语言的直接表达。

亲身实践,让看不见的数据流带来巨大的价值

 

如今,很多制造企业已经意识到了数据的价值,意识到了应该将宝贵的数据资产做更好的采集、分析和预测,来驱动新型制造,这是企业的必然方向。

进而我们从看得见的自动化,迈入了看不见的自动化阶段。

什么是看不见的自动化?

在不采购新设备的前提下,我们有可能通过已有的设备获得关键数据,通过这些看不见的数据流,创造更大的价值。也就是这些看不见的数据,将成为驱动企业未来创新最重要的动能。

在研华的昆山工厂,正是“看不见自动化”的实验场。在工厂发展的早期,研华投入了大量的新设备,随着发展的深入,研华开始投入大量看不见的数据化和智能化。

 

通过研华自身的实践,看不见的自动化确实发挥了很好的效力。

先说成果,从2013到2023的十年间,研华昆山制造中心的人力并没有太大波动,但是人均单位产值翻了3倍(如上图所示,气泡越大表示人均产值越大)。

在这样的过程中,研华越来越相信数据的价值,从底层的设备数据,到企业经营数据,再到用户产生的数据,数据将会全面驱动创新,也推动了研华乃至整个产业的全面变革。

那么这么一家略显传统,甚至有些老旧的工厂,是怎么一步步做到升级改造的呢?

整体过程可以分成三个阶段。

第一个阶段,2013~2015年,基于精益生产的基础,打造数据底座。

在2012年的时候,研华第一次听说工业4.0,但是当时并不清楚什么是工业4.0。从2013年开始,工业4.0逐渐成为了显学,大家都在谈,研华也从2013年开始做数字化转型,打通了ERP和MES等系统,通过APS来贯穿订单和生产的过程控制,同时将人的经验转移到系统来取代重复性的工作,实现了部分的实时数据可视化。

第二个阶段,2016~2021年,digital enable,加速数据优化的进程。

在这个阶段,研华遇到了很多瓶颈和障碍。典型的挑战比如工厂缺乏一盘棋的整体视角,业务驱动目标不明确,场景数据、应用、系统架构不清晰;大量数据散布在不同的系统中,很多应用开发都会需要众多的专用接口,IT变成了瓶颈。

为了解决这个问题,研华把数据上传到研华工业云平台,这相当于是一个数据中台。平台划分为不同的主题域,包含生产设备、品质、订单物料等,分类分项的做一些管理,然后向上展示一些标准的接口,这时各种数据可以通过数据中台快速的收集、上传和分析。

由于建立了这样一个高效可用的数据中台,IT工程师的角色从原来gatekeeper变成了facilitator,研华认为这点在转型中是至关重要的一步。

第三个阶段,2022年之后,AI enable,引入更多的AI能力,加速智能制造的转型。

这个阶段正在开展的过程中。

 

通过数字化转型,研华在绿色改造和节能方面也取得了很好的成效。

2022年,昆山工厂的整体产值增长7%,用电量下降238千瓦,单位产值的电耗有大约10%的节约。同时昆山工厂还布建了光伏设施,太阳能占到全年电能供给的5~8%。所有这些举措综合下来,研华昆山工厂有望在2050年实现净零碳排放目标。

三废排放也有了显著性的改善,废气的减排量是12%,废水排放降低了31%,废弃物的排放减少了32%。

 

在数字化转型的过程中,研华的自动化架构发生了巨大的变化,主要的转变有4点:

1.从集中式到分布式架构

决策和控制在边缘设备、云端服务器,以及中心控制器之间进行分布和协同。

2.从传统硬件到软件定义

很多功能和自动化架构采用软件定义的方式来实现,传统的硬件设备逐渐被软件化,这也是研华大量投入软件与平台的初衷。

3.从静态到AI动态优化

过去的自动控制是一个逻辑架构,现在的工业互联网通过数据的不断反馈,形成了一个动态AI结合的优化系统,这个系统会愈发智能。

4.从闭环到开放生态

从过去的单一封闭系统到开放生态,这也是研华将昆山的研发中心取名叫做“协同创新研发中心”的原因,研发一定要和客户、用户结合在一起。

跨越鸿沟,从数字化到智能化用数据驱动管理

 

当我们解决了第一个生产现场数据采集与接入的问题,解决了第二个IT与OT数据整合与打通的问题,自然就会遇到第三个问题:也就是如何从数字化到智能化,跨越鸿沟,真正实现用数据驱动管理?

企业的数字化转型一定是离不开数据的,但是其实数据也往往是企业启动数字化转型的一个最大的障碍。

 

Gartner刚刚发布的数据和分析基础设施模型DAIM,通过这个模型,让我们从已知探索未知。

已知的条件很明显,比如上个月我们做的怎么样?上个月我们为什么做到了?下一步我们解决的问题是要知道未知的数据,去解决未知的问题,也就是我们要做预测和决策。我们要知道下个月能做成什么样?还要知道我们做什么,下个月才能达到目标?

我们很多制造企业在现场收集了大量的设备和传感器数据,还有企业IT信息系统的数据,现在要解决的问题就是怎么跨越鸿沟,让这些数据能够驱动管理和决策,中间这个鸿沟就要用AI技术帮助我们跨越。

研华将多种AI解决方案融入了技术架构,涵盖智能制造、安全生产、能源管理等方面。现在研华正在探索将生成式AI与边缘计算相结合。

IoT Edge是一个设备联网和边缘计算的工具,众所周知它的功能强大,但是强大功能的背后往往隐含着操作的复杂。

我们一切应该回到以人为本,AI的本质是能够提升我们人机交互的体验,所以研华使用IoT Edge和生成式AI进行了整合性探索。

借助语音和文本的自动转换工具,工程师和管理者不需要在界面上进行操作。以后的场景可能是在AI赋能之下,IoT Edge将变成一台会说话的边缘盒子。

我们不再需要在软件界面上去进行操作和配置,产线的操作者可以用自然语言对话的方式,直接和边缘的盒子去进行交互,让这个盒子自动帮我们去完成设备联网和边缘数据的采集。

 

今后的设备维护也将更加简便。如果监控系统发现设备的物联网数据异常,AI Copilot会自动的关联这个设备所有历史的问题和维修记录,并且自动派工给当天值班的维修工程师。

维修工程师收到这份工单和相关资料之后,可以继续通过自然语言对话的方式和AI Copilot进行交互,进一步明确问题。

当他做出一个维修方案之后,不会立刻去真实设备维修,而是先在这台设备的数字孪生体进行模拟调校,确认维修方案确实可行之后,下达指令给AI copilot自动的维修这台设备,并且生成维修报告。

 

写在最后

未来已来,我们唯有加速奔赴。

边缘计算和人工智能的融合,形成的边缘智能应用正在快速落地,为企业数字化转型提供有力支持。

今年我们能够明显感受到制造业数字化转型的需求尤为迫切,而制造业的数字化转型核心是数据驱动,让数据能够真正的创造价值。

期待研华在昆山工厂的实践可以被广泛复制,助力更多的制造企业打造数据底座,加速数据优化的进程,让看不见的自动化发挥效力。通过边缘智慧赋能现代制造,让更多的工业设备拥有“说话”的能力。

        审核编辑:彭菁

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分