智慧工厂,未来将至

辛若豪

晨山资本 投资经理

现代工业的多次变革,是世界格局变化和社会进步背后的重要驱动力。伴随着工业技术和信息技术的进步,工业4.0时代对智慧工厂的愿景终将照进现实。下文中,我们将和大家分享我们对智慧工厂的一些认知,希望能让大家更好理解工业4.0时代的创新和挑战。

从1.0 到 4.0,工业的前世今生

2011年的汉诺威工业博览会上,德国率先提出了工业4.0的概念,就此拉开了下一代工业升级的大幕。如何利用机器人、大数据、人工智能等先进技术,带动工业升级,成了各国关注的焦点。

在工业4.0的愿景中里,包含了我们对未来工厂的众多期待:能预先检测故障,主动维修的机器;无需工人操作,在高危环境中完成任务的重型机械;能识别物料、自主协作的机器人……这些有望在未来,成为智慧工厂中的现实。

工业4.0到底是什么?智慧工厂和工业4.0的关系是怎样的?如果想要看懂这些概念,我们首先需要理解此前的几次工业革命对行业带来了怎样的变化。

回顾历史,工业历经了三次重大的变革:

❶ 机械化:以蒸汽机发明为代表,机械逐步取代人力劳动。工厂也逐渐取代了传统的手工作坊,成为新的制造模式。

❷ 电气化:发电机和内燃机的出现,推动工业进入电气时代。流水线系统的发明,让大规模生产模式开始普及,使得汽车、冰箱等产品走进普通人的生活中。

❸ 数字化:电子技术和IT技术的发展浪潮下,催生了RTU、PLC等现代工业设备。使得工业流程更加自动化、数字化。

工业4.0的目标是,将在前两次工业革命中发展完善的“工业系统”和第三次工业革命中出现的“信息系统”的融合,通过数据驱动的方式,推动工业效率和产能的进一步提升。

 

 

智慧工厂的多层架构

近年来,“智慧工厂”和“工业互联网”等概念受到了更广泛的关注。工业4.0中描述的众多应用,包括预测性维护、柔性生产、全球协同设计等等,也被逐渐的传播开来。

为了更好的理解这些工业应用的潜在商业价值和实施难度,我们需要首先对工厂的环境和架构有更清晰的认识。从工业互联网的角度来分析,工厂可以简单分为以下几个层次:

 

▲ 来源:工业互联网白皮书 (2017)

 

边缘层:

边缘层是整套工业互联网架构中,最接近工厂现场的层面。边缘层代表的是位于生产现场的物理层,这其中包括了数控机床、机器人等制造设备;传感器、可编程控制器(PLC)等感知和工控设备;以及物料、人员等生产过程中不可或缺的元素。

边缘层的众多设备,是工业数据的源头。在理想情况下,设备和传感器收集到的海量实时数据,可以帮助企业实现生产工艺、物流、故障维修等多方面的提升。

但在现实中,中国大多数工厂的数字化水平十分有限。工厂的老旧设备并不具备全面的数据采集能力,也缺乏支持数据互联互通的通信模组。这对需要数据驱动的众多应用,带来了较大的挑战。

如何通过加装传感器和物联网通信模组的手段,对现有工厂进行改造,是工业互联网发展中的重要环节。

网络层:

在工厂环境中,众多设备之间的互通互联往往是通过有线(工厂以太网)和无线(LoRA、NB-IOT、4G / 5G等)手段实现的。

工厂中的各种应用场景,对数据传输的速度、时延和可靠度等方面提出了不同需求;比如工业AR (高带宽,低时延)和机器控制(高可靠性、低时延)等等。为了满足这些多元化的通信需求,工厂需要结合多种通信手段。

 

▲ 来源:5G Americas

 

上面所描述的数据互通互联,更多是对于OT网络的升级改造。智慧工厂应用的实施,更需要打通工厂OT和IT网络间的间隔,实现工厂中调度 – 生产 – 维修等多环节的整体调控。

平台层 & 应用层:

工业互联网平台 (PaaS)是智慧工厂的核心。PaaS 平台集成了工厂设备连接、计算资源调度等诸多功能。为搭建众多工业APP的开发提供了有效的支撑。

在工业互联网的平台上,垂直行业企业可以将自己对制造流程、工业机理的深入理解,总结开发成模块化的应用,以服务不同细分行业的独特需求(刀具管理、产品缺陷检测、能耗管理等)。工业应用的开发者可以通过知识 & 技术输出的方式,即拓宽了自身盈利的模式,也间接推动了行业升级的步伐。

工业互联网平台能够创造的潜在价值是不容忽视的。但我们更需要意识到,对工厂自动化 & 数字化改造,是实现众多先进工业应用的基本条件。这对中小型工厂主来说,或许不是最具吸引力的建议。改造所需的前期投入和难以量化的潜在回报,难以说服众多工厂进行大刀阔斧的改革。这对工业互联网体系在行业中的推广,带来了一定的挑战。

下文里,我们将简单介绍智慧工厂中几个应用场景,希望能帮助大家对智慧工厂带来的潜在价值有更清晰的认知。

 

 

设备维护对工业的重要性

在实际工业环境中,设备故障的发生远比我们想像的更加难以预料。

在现代的工业体系中,生产线上的设备紧密协作。单个设备的突发故障,可能会导致整条生产线暂停运行。产线停机带来的经济损失是巨大的。

以汽车行业为例,停产的每分钟的经济损失即可达到上万美金。同时,设备故障带来的潜在安全隐患,也是工厂关注的重点。

因此,对工业设备的有效维护,是保证工厂稳定运行的基础 。传统的维修方式,主要包括在设备故障之后进行的被动型维修,以及固定周期的预防性维修。

被动型维护,代表只有在设备出现故障后才会维护。这个模式的优势是实现了设备寿命的最大化;但同时,设备故障前的准确度极大降低。设备故障的不确定性,也会导致工厂长期处于“救火”状态,变相增加了维护成本。

预防性维护是指着对设备进行周期性的检查和保养。预防性维护能够有效的降低突发故障的几率,但也提高了设备维护的成本。这对低利润高成本的传统工业来说,带来的较大负担。

预测性维护的概念其实很容易理解:如果工厂能够有效的预测出设备将在何时出现故障,就可以提前安排对设备的检修和替换,有效减少故障带来的损失。

▲ 上图清晰的展示三种不同维护模式的区别

 

数据驱动,防患于未然

预测性维护的概念本身,早在上世纪90年代已被提出。由于当时传感技术和计算能力的局限,无法被广泛的应用到工业场景中。在传感设备种类逐渐丰富、通信&计算能力日渐成熟的当今,预测性维护的实用价值正逐渐被更多的行业所接受。

预测性维护的核心,是构建一套可以有效判断设备运行状况的数据模型,对不同种类的故障进行有效的预判。在构建预测模型的过程中,需要大量真实数据的支持。这包括传感设备采集的实际运行数据以及故障案例的历史数据。

我们需要意识到,工业设备历经了数十年的打磨迭代,设备损坏的概率远低于设备正常的概率。如果预测性维护的模型无法准确预测故障,产生了大量无效的警告消息,反而会对工厂增加额外的维护负担。

预测性维护的实施,对工厂的数据采集、互联互通有较高的要求。针对收集的多种传感数据进行分析、建模,也是传统工业所欠缺的技能。这也是未来工业升级需要克服的挑战。

▲ 预测性维护——说起来容易,做起来难 来源:NASA

 

预测性维护在行业中的应用

预测性维护的概念并非纸上谈兵。垂直领域的龙头企业们,已经将预测性维护应用到了实际运营中。

航空行业是预测性维护最早获得实际应用的行业之一。作为现代工业制造的重要成就之一,飞机的制造流程极为复杂,需要对上百万个零件完成组装调试。因此,对飞机的合理检修,也需要具有专业的维修服务供应商提供服务。

新一代的飞机上,配备了大量数字化设备,能够采集在飞行过程中产生的大量设备信息。如何充分利用新一代飞机所产生的大量数据,让这些数据带来更高的运营效率,是航空公司和航空运维公司关注的重要课题。

飞机制造商(OEM)在飞机维护领域占据着领先优势。他们对于飞机各组件的工作原理和潜在出现故障的原因,有着先天的优势。

以波音为例,公司的Airplane Health Management (AHM)系统目前已为全球超过2000架飞机提供服务。通过在飞机上部署的大量传感设备,波音可以实时检测飞机出现的故障和潜在隐患,帮助航空公司预先安排检修和零部件更换等事项。通过数字化的手段,波音将飞机的平均运营时长提高了35%,为航空公司带来了效率和营收上的提升。

▲ 机场人员对飞机进行维护

作为能源行业的巨头之一,雪佛龙(Chevron)也在预测性维护上做出了积极地尝试。

2017年,公司宣布与微软和传感器制造商艾默生展开合作,通过数字化的手段帮助自身实现数字化的改造。公司预计在2024年前,实现对公司在100多个国家的工厂的数字化改造。

其中的典型应用,就是对工厂中换热器的预测性维护。雪佛龙在全球的工厂中拥有超过5000个换热器,是石油生产过程中的重要设备之一。

▲ 在雪佛龙的换热器上,部署了大量可交互的传感器,帮助公司实现对设备的实时监控和预测性维护 来源:Microsoft Azure 2018

在雪佛龙工厂内的换热器上,仅装有两个温度传感器,可以对冷却剂和原油的温度进行测量,但难以对换热器的使用实现全周期的监控。通过在设备上加装额外的传感设备,工厂实现了这一目标。依靠大量设备数据的支持,雪佛龙的维修团队可以更好的监控设备工作状态,并有效判断设备是否需要替换和维护。

 

 

新时代的新制造

在传统制造业中,我们所熟知的流水线体系属于刚性生产。通过对生产设备和制造流程的高度标准化,流水线系统可以在保持质量的同时,实现对单一产品的大批量生产。

伴随着经济的发展,市场已经逐渐从卖方市场转向由消费者主导。消费者对于产品定制化的要求更加多样化。按需生产,这对传统的大批量生产模式带来了挑战。

柔性生产,与刚性生产相对应,是为了满足定制化需求而产生的新型制造模式。其中的柔性可以体现在制造场景中的不同方面,其中包括:

❶ 加工柔性化:根据多元化的产品要求,灵活的采用不同的制造工艺和手段进行加工。

❷ 物料柔性化:和现场生产设备协同,根据不同的制造需求,提前安排原材料的调配和运送。

❸ 排产柔性化: 在物理层面的协同之外,柔性生产的生产执行系统(MES)需要整合大量订单信息,制定最合适的生产方案,实现制造资源的最优分配。

 

柔性生产对离散型制造业带来的变革

产品同质化,竞争激烈是众多离散型工业面临的普遍挑战。以服装和家电行业为例,消费者是否买单,是决定一款产品成败的关键。在传统的大规模制造模式下,厂家依靠大量市场调研和历史经验来主导产品的开发设计。希望最终生产出来的产品,能够符合当前消费者的喜好。

这种模式的弊端显而易见:企业在承担了大量前期调研、开发成本之外,还需要面临对市场判断错误带来的产品滞销等风险。这对众多制造企业的盈利和可持续发展能力带来了阻碍。

通过柔性生产,制造企业可以对用户的定制化需求实现即时的反馈,促使传统的大规模制造模式转向消费者参与其中的C2M模式。

在中国的家电企业中,海尔已经在众多工厂中实现了柔性生产。用户可以通过海尔的官网,对自己想要订购的冰箱、空调进行定制化。海尔的柔性制造平台,将会根据用户的需求,合理安排工厂内的物料配送以及组装工作,确保定制产品能在合理的时间内完成组装。

服装业对柔性生产的需求同样紧迫。伴随着人力成本的上涨,厂商的大批量订单已经逐渐转移到了成本更低的东南亚市场。只有实现柔性的生产模式,服装厂商才能更好地抓住剩余的“多种类小批量”的订单市场。这意味着,传统的服装制造商要对自身的采购、生产和物流等环节进行深度的改造。

通过柔性生产,制造厂商可以对用户的需求有更清晰的认知,按需生产用户想要的定制化产品。这样创新的模式有效节省了前期研发成本,也减少了存货积压的潜在风险。

我们距离智慧工厂还有多远?

智慧工厂的发展,需要建立在工厂实现信息化、自动化的基础上。只有在工厂内数据互通和对设备的精准控制后,才有可能将智慧工厂的应用付诸实施。

中国传统工业规模庞大。但整体信息化、自动化水平仍落后于德美等制造业强国。多数企业仍处于从工业2.0-3.0转型的阶段,距离智慧工厂的要求仍有较大的差距。

伴随着5G、物联网技术的成熟,中国工业有望完成对现有的工厂网络改造,实现厂内数据的互联互通。此外,自动化设备和工控系统的普及,也会加强工厂对生产制造流程的控制维度和精度。

我们期待在不久的将来,共同迎接智慧工厂的来临。

%d 博主赞过: