实现工业4.0要解决哪些问题?

胡薇 发表于 2018-06-11 14:46:36 收藏 已收藏
赞(0) •  评论(0

实现工业4.0要解决哪些问题?

胡薇 发表于 2018-06-11 14:46:36

随着新一轮技术革命的到来,制造商开始思考工业4.0模式,利用物联网、大数据技术提升效率和增加收益。云计算和人工智能技术的进步,使得世界各地的制造系统和技术水平达到了一个新的高度。不过,虽然全球制造业都在积极转型智能制造,但仍然存在许多问题,阻碍工厂车间的优化、效率提升甚至导致安全隐患。

制造商在升级之前必需了解清楚,实现工业4.0要解决哪些问题,最终目的是要获得哪些功能价值。新一代信息技术可以帮助企业提升生产力,为管理者提供富有远见的洞察力,认识车间哪些因素可能会降低效率,会对公司的业务产生负面的影响,越来越多的智能制造平台在实现这样的功能。

工业4.0将使工厂变得比以往更加智能,但不代表通过自动化、大数据、物联网和云计算技术就能达到想要的效果。企业在升级过程应该把重点放在发出问题和解决问题上,并让员工参与到这个变革中,以理解必须采取哪些措施,才能让这些创新技术解决方案发挥出最大的潜力。

今天的工业物联网将生产过程的所有对象,包括机器设备、人和计算机连接起来,采集大量来自车间底层的数据,用于机器的健康监测、预测性维护、诊断分析、流程优化等,企业也将可能利用机器学习来处理和分析数据,获得更多可靠的见解。但在进行数字化过程中,工厂需要认识清楚一些关键的问题。

设备故障可能引发灾难

任何工厂设备都不可能一直运行下去,并保持同样的生产效率。当机器设备老化或者失效时必将导致生产的延迟,或者需要进行停机维护,同时也可能会严重影响员工的安全和业务的效益。

此外,工厂必需保证交付时间,机器故障引发的是一种灾难,为了按照市场需求的速度继续生产,公司可能不得不外包业务来满足生产需要,这可能是非常昂贵的。最终让企业付出更多成本,甚至有可能亏损。

总体而言,由于数据转换的复杂性和数据访问的复杂性,要获得正确的见解,前提是取得正确的数据,采集来的数据需要经过筛选和清洗。不过,传统设备过于老旧,有时无法获得合适的数据,这些都可能会成为制造商数字转换的障碍。

系统地收集和挖掘数据

工厂的日常运营不只是制造那么简单,从产品设计到原料采购、生产加工、测试、物流等,每一个环节都可以影响企业效益。为了使工厂有更高的效率,生产管理者每天都要对库存、供应、交付、质量、生产、客户支持、处理和日常管理等信息进行分析、监控和更新。

正确的流程分析和创建强大的数据模型,可以指导操作人员如何优化产线性能,为提升生产质量和机器正常运行时间提供指导。机器学习可实现智能过程控制,从而自动甚至自主地考虑所有关键变量和相关修正。

通常来说,生产人员日常工作表现、生产表单以及机械设备的数据等都需要收集,这些数据对务决策极为重要。如果没有一个有效的系统,运营经理及其团队会浪费大量时间去收集数据,才能获得这些对做出关键业务决策至关重要的必要信息。

信息可靠性是一个关键

生产过程的数据通常是复杂而混乱的,如果数据不可靠,那可能很多工作都是白忙。数据分析本身为了给管理者决策建议,如果产生了错误的结论,那么公司可能作出错的选择,可能最终选择最具阻力的路径,以及进行了复杂的运营流程,最终导致资源浪费或滥用。

此外,由于某些设备既是自动化又是手动的,这意味着还有一层复杂性,操作人员在进入时必须密切关注可操作的数据。那么,手动输入数据很容易出现人为错误,这可能会导致由误导性信息产生更糟糕业务决策。

错误的数据会给生产经理带来许多困扰,例如不准确的KPI数据,管理者无法了解真实的情况,就不能进行下一步的优化。所以只有使用准确数据,才可以有效地做出决策。

知识流失影响公司效率

稳定熟练的工人是维护工厂效率的保障,很多企业会不断有老员工流失,新员人交替的过程会影响到公司的效率。当企业失去顶尖人才或者员工退休,那些多年的经验也跟着员工离去,企业可能需要外聘专家,或者长期积累才能形成成熟的生产系统。

还有一点,新员工入职时,通常会由老员工进行数小时的培训,然后快速上岗。但许多公司没有内部资源和正确培训,这样就增加了操作错误的可能性,新员工可能执行未经批准动作,而造成公司的损失。熟练工人的流失和新人过度阶段,都会对整个公司的效率和生产力水平产生影响。

如何保证一家工厂持续稳定的运行,技术工人和知识经验都很关键,企业应该建议完善的知识培训体系,让员工在工作中可以不断学习和提升个人水平。企业可以通过云服务器建立知识库,当员工在工作遇到问题时,可以随时随地获得相关的知识支持。

收藏

相关话题
文章来源专栏
+关注

评论(0)

加载更多评论

参与评论

分享到

QQ空间 QQ好友 微博
取消