《迎接工业4.0:智能制造的7大关键趋势》

  • 来源专题:北京市经济和信息化委员会监测服务平台
  • 编译者: zhangmin
  • 发布时间:2018-07-05
  • 当前,通用物联网设备正在改变工业管理与运营,用于特定行业的物联网设备也在变得更加强大。

    同时,物联网通过与自动化技术、人工智能和云计算的组合用用,真正实现了传统工业向智能制造的转变。

    在这一转变过程中,数字孪生、人机交互、预测性维护、网络安全、弹性变化、自动化和边缘计算正在成为智能制造的七个关键趋势。

    这些趋势也将极大地改变制造业中机器与机器、人与机器、人与人、预测与操作、管理与运营之间的关系,推动工业4.0时代的到来。

    1.数字孪生的“接管”

    数字孪生(Digital Twin)是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。

    数字孪生提供了与工业部门中使用的物理组件相对应的虚拟对象。例如,制造汽车的机器人手臂可以使用数字孪生进行监控,数字孪生收集有关机械手臂操作的数据,并提供有关需要定期维护或更换的组件的信息。

    数字孪生可以使预测性维护更加容易,并提供有价值的可视化功能以提高效率。虽然有很多方法可以收集和管理物联网信息,但数字孪生提供了一种更为直观而强大的方法。

    2.创新的人机界面

    计算机屏幕,甚至是更原始的显示器仍然在工业领域占主导地位,但这种情况正在改变。

    在查看设备组件时,增强现实应用可以提供更有价值的反馈,并为员工提供有关制造设备的物联网衍生信息,使公司能够更好地进行管理与维护;虚拟现实也可以使用更传统的技术为工作人员提供强大的可视化功能。

    VR和AR通常针对特定任务量身定制,随着头戴设备和智能眼镜的普及与价格下降,这些技术将更受欢迎,特别是在工业环境中。

    3.更好的预测性维护

    多年来,预测性维护在工业环境中一直扮演着日益重要的角色,物联网组件的持续增长也提供了比以前更多的信息。

    结合机器学习和其他人工智能工具,现代工业软件比过去凭借个人经验判断确定何时需要更换设备部件更加有效。

    与其他技术不同,预测性维护的好处很容易计算。作为一种工业物联网技术,预测性维护一定会成为未来工业管理人员的优秀助手。

    4.网络安全投资愈发重要

    在早期阶段,物联网在执行任务的过程中时常会出现杂乱无章的情况。同时,对于许多公司而言,安全设备并不被视为重中之重。

    现在这种情况正在改变,那些即将或已经投资物联网的公司正在越来越多地采取措施确保新的投资免受网络攻击。

    这种改变的部分原因是因为现在的网络攻击越来越猖獗,越来越有利可图,而安全防范较低的工业设备尤其诱人。

    制造业公司面临的挑战之一就是确保他们使用正确的安全条例并确保所有操作的合规性,因为没有一步到位的解决方案可以100%保护设备免受攻击者的“入侵”。

    5.更灵活的转变

    由于工业设备停机成本很高,因此,通常情况下,企业会尽可能避免硬件和软件的升级与改造,因此,工业企业的变革有时候会非常缓慢。

    然而,全面提升效率将迫使企业采取更加灵活的方式进行运营。物联网与人工智能分析有时会导致令人惊讶的结果,因为人工智能对于发现那些人类可能永远不会探索的相关领域非常重要。

    实体工业的长期转变将会找到更快速适应信息化的方法,而且这一举措在未来几年中将继续增加。

    6.更高效的自动化技术

    自动化一直是工业的核心,数字技术正在扩展这一趋势。企业现在可以依靠低成本设备来补充更广泛的制造组件,而不是投资昂贵的重型设备。

    随着自动化系统继续证明其价值,企业将会投入更多资金,并看到显著的效率提升和更低的劳动力成本。

    然而,工人招聘仍将保持强劲,因为即使是高度自动化的系统也需要人们监控进度,并寻找最大限度提高效率的方法。

    7.更及时的边缘计算

    物联网组件收集的大量数据可能令人咋舌,而物联网应用程序中的瓶颈之一就是确保系统能够实时监控必要的信息。

    因此,物联网运营的一个强大组件将依赖于边缘计算设备,这些设备可在数据被发送到更集中的服务器之前收集、处理并分析数据。

    虽然服务器或场外云解决方案的投资将继续增加,但边缘设备将在未来得到重大投资,并缓解当今工业环境中常见的一些处理压力。

  • 原文来源:http://gyxxh.tj.gov.cn/ggdt/64710.htm
相关报告
  • 《洞见 | 半导体产业未来的八大关键趋势》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:胡思思
    • 发布时间:2025-03-24
    • 【趋势1】让机器「思考」得更精确 近年来,机器学习、深度学习与人工智能(AI)技术快速发展。 过去的重点多集中在训练 AI 服务所依赖的模型,如今发展方向正从训练转向推理。 推论更类似于思考与推理,指的是将已训练的模型应用于数据,以导出预测与结论。 相较于专注于「学习」的技术,适用于「思考」的芯片将逐渐成为主流,进而提升 AI 推论的准确性。 此外,神经处理器(NPU)将比GPU更受重视,特别是在贴近数据来源的应用中。 光子集成电路(PIC)的技术发展将提升数据传输的速度与容量,进而推动超高速人工神经网络与类神经运算的发展。 针对计算机视觉应用,卷积神经网络(CNN)将大幅提升机器对影像与视觉信息的解析与理解能力。 【趋势2】AI 持续朝向边缘发展 AI 芯片技术的持续创新,特别是神经处理器(NPU)的发展,将进一步提升连网装置与传感器的智能化能力,推动边缘 AI 的应用,使 AI 功能能够直接内建于网络边缘的装置中。 将智能分析能力整合至装置与传感器内,能使 AI 更贴近数据来源,降低延迟,同时提升数据安全性与隐私保护。 此外,在边缘进行AI运算可减少设备向数据中心传输的数据量,降低服务器的运算负担。 使用TinyML等轻量AI模型的NPU也比数据中心内的GPU更具能源效率。 当我们考量连网装置与传感器的数量与类型时,不难看出边缘 AI 在各个产业与消费市场的广大应用潜力。 这一领域的创新将加速发展,使各种设备具备更强的智能化能力。 【趋势3】硅技术的新方向 如何以更高效的方式提升半导体效能将成为优先课题。 碳化硅(SiC)就是一个典型例子,其在功率电子领域的表现与优势已广为人知,并在车用、能源与工业应用领域展现出巨大潜力。 然而,SiC 半导体的制造过程充满挑战。 未来的技术创新将透过制程的垂直整合—从设计到测试更紧密协作—来提升良率与产品品质。 硅光子技术也逐渐成为因应当前与未来运算挑战的理想解决方案。 透过光子(而非电子)来传输信息,硅光子技术能提升数据传输效率,并大幅降低延迟,相较于传统电子半导体更具优势。 因此,它特别适用于 AI 数据中心内部的高速连接,但其应用潜力远不止于此。 【趋势4】传统芯片技术推动量子运算发展 量子运算的概念已被讨论多年,过去或许更像是科幻情节,而非实际可行的技术应用。 然而,量子运算所带来的运算能力提升幅度极大,显示出需要全新的运算技术架构。 但事实上,只需进行相对较小的调整,现有的半导体制造技术便能应用于量子计算机,这将带来变革性的影响。 采用成熟的FD-SOI半导体制程技术,将加速量子运算迈向实际应用。 尽管量子运算并非适用于所有运算任务,但我们将看到各个产业领域积极探索其潜在应用,从金融服务、制药研发到资安防护与气候模型仿真等,都可能成为量子技术发挥影响力的关键场域。 【趋势5】生物传感技术从运动爱好者拓展至日常健康管理 数以百万计的运动爱好者已经通过穿戴式装置监测生理指标,以追踪运动状态并提升体能。 随着生物传感器的进步—涵盖更多类型的生理指标、更小型化的设计、更低成本以及更高的能源效率——这些技术将被整合至更多元的装置与材料中。 当监测内容、信息共享对象及时机能够适当控管时,人们将更愿意接受持续性的健康指标监测。 生物传感器的应用将不再局限于个人或专业运动领域,而将进一步拓展至更广泛的医疗服务。 结合边缘 AI,医疗建议与诊断将能在需要时实时提供,且许多情况下无需亲自前往诊所或医院。 主动健康管理—着重预防而非治疗—将变得前所未有的可行,并有望大幅减轻全球医疗体系的负担。 【趋势6】电动车重回正轨,比以往更智能更安全 尽管在部分市场,电动车(EV)的销售有所下滑,且整体销售成长率低于预期,但从全球来看,电动车的销量仍持续增加。 撇开销售数据不谈,电动车技术的创新仍在加速发展。 半导体、传感器与软件在提升车辆体验与行车安全的影响将持续扩大,这已是不争的事实。 消费者对电动车的采用将受到更高效的电池与电源管理技术的推动,同时,各国与各地区的充电基础建设也将变得更加普及且高效。 随着越来越多消费者积极投入再生能源转型,电动车将成为最容易实践且影响深远的选择之一。 【趋势7】万物皆可数字双生 数字双生技术能为机械、建筑乃至整座城市建立数字模型,通过虚拟建模来测试预定的改良方案,并加速实体环境的优化进程。 要打造数字双生,关键在于精确的实体数据流,通常由物联网(IoT)与支持边缘 AI 的传感器提供。 感测技术的创新将使几乎所有实体对象都能够拥有数字双生,通过数据分析获得的关键信息,推动设计、监测与流程优化。 从温度、压力到空气质量与声音,各类传感器都将发挥重要作用。 我们将能为自己的住家建立数字双生,运用其来优化能源使用,并作为提升智能家居自动化的基础。 交通系统、医院、机场、工厂、运动场馆等,各种设施都将拥有数字双生。 【趋势8】无限延伸,超越极限 我们正处于前所未有的太空卫星部署时代。 目前地球轨道上约有9,000颗卫星,但预计在本世纪末将增至60,000颗。 这股成长趋势主要来自低地球轨道(LEO)「巨型卫星星座」的发展,这些卫星群正在打造全球性的低延迟、高效能通讯网络。 放眼地球轨道之外,许多国家正积极推动太空探索计划。 在未来几年内,人类极有可能再次踏上月球。 其中一项重要目标是寻找并分析珍稀矿物,这些资源或将开启新一轮科技创新时代。 从近年的发展来看,未来一年乃至更长时间内,科技领域将迎来令人惊艳的突破,技术演进的速度也将持续加快。 文中提及的趋势有些可能成真,有些或许仍是乐观预测,但可以确定的是,还有许多尚未浮现的创新即将到来。
  • 《工业4.0智能制造的三个特质与三大挑战》

    • 来源专题:北京市经济和信息化委员会监测服务平台
    • 编译者:zhangmin
    • 发布时间:2018-11-08
    • 迎接工业4.0智能制造的挑战 工业4.0是一种透过物联网(IoT)、大数据(Big Data)等数字化科技,整合顾客与供应链伙伴,能够调适顾客需求、节约资源,达成大量个别订制生产的智能制造。德国于2010年提出《高科技策略2020》,2011年德国科技院(ACATECH)启用工业4.0名称,在2011汉诺威工业展一举成名。 工业4.0在德国政府国家政策带动下,已经成为继美国制造回流之后,全球最受注目的制造议题。工业4.0被认为是相对于蒸汽机、电力、计算机普及的第四次工业革命。在这个德国政府定义的工业发展历史中,英国、美国、日本被列为前三阶段的代表,德国在工业4.0的当仁不让与营销得宜,凝聚了强大的群策群力效果,在声势上大幅领先美国2011年提倡的先进制造伙伴计划(AMP),更带动各工业国的危机意识。 本文从洞察工业4.0的本质出发,检视它在制造产业顾客价值的创造过程,所造成的影响。 智能制造不尽是光鲜亮丽 首先,我们认为德国政府将以日本为代表的工业3.0,与计算机化画上等号,是让工业4.0遭到误解的重要原因。固然在1980年代日本电子电机产业曾经领先全球,其竞争力却不在计算机或电子零组件,而在受到汽车产业影响的日本生产模式。因此,严格说工业3.0的TPS超过计算机化与信息化。 2018年1月底,日本制造系统厂商NEC的智能制造资深专家金子典雅,在欢迎我们到访的报告提出了几个重要观点。 ▲“制造企业要先做好结合本身生产流程与供货商流程基础, 活用IT才能事半功倍!” ▲“协助顾客企业厘清物联网导入目的,比任何事情都要重要!” ▲“物联网结合云端,看起来是很酷或很炫的流行或趋势,但落实到制造现场仍然显得非常朴实,需要实事求是!” 同行的伙伴包括本书的四位作者都一致认为,这是我们听过最实在的智能制造报告。事实上,智能制造一点都不新。RFID、条形码就是物联网,资料探勘(Data Mining)宛如大数据。日本在工业3.0领先既不是信息工具,也不是以MRP为代表的演算功能,而是最基础、以顾客为导向的标准化与流程化。因此,如果认为导入IT工具或投资智慧工厂就可以获利,是典型将手段当目的,推动意义将大打折扣。 因此,对于经营者最关心的议题:“政府积极提倡,工业4.0的投资真的能够回收吗?”作者的回答相当明确:“这是没有答案的问题,因为工业4.0代表一种数字化科技,一种手段。” 我们认为,以价值创造为目的,工业4.0在本质上是精实系统的延伸,是一种精实智能制造。在精实系统基础上,能否从顾客价值观点出发,秉持开放精神发展出Solution Business,则是迎接工业4.0智能制造的最大挑战。 顾客价值创造:MAKINO vs. FANUC 源自丰田生产体系的精实系统,主张“为后制程制造”与“平准化生产”,在本质上具备顾客价值、精实流程,以及产出稳定而能够预测等特质。这些特质正是工业4.0追求的目标。丰田汽车坚持:(1)先合理流程再进行计算机化、(2)动脑筋与用心「改善」、(3)结合供货商一起学习。而这三大坚持,也正是支配智能制造是否成功的软实力。 相对而言,坚持现场主义的精实系统,却有可能忽略ICT技术的新型智慧能力。换句话说,ICT技术影响制造日新月异、传感器的廉价与普及,让物联网提供具科学依据之优异课题与问题解决水平。让精实系统进一步强调顾客价值与源自传感器的数据取得与分析的价值创造结合,形成彻底消除浪费、具备个别订制精神的精实智能制造,可能是工业4.0最重要的贡献。 我们最近考察日本工具机大厂MAKINO(牧野铣床),与高木幸久本部长、飨场达明本部长有非常深入的交流。我们发现MAKINO正结合市场机会迈向历史高峰,制造现场第一线的精实系统与物联网应用,展现了两者间的相辅相成。我们观察到的特质包括: 1、重视并坚持核心技术(如主轴)的内制、精进、验证与传承; 2、重视技术系统整合能力,整合方法以人员技术达成为主、软件工具应用为辅; 3、机连机的软件开发以最务实的OEE(综合设备效率)为指针、不谈大数据等抽象项目; 4、相同概念也用在现场组装进度、人员潜力发挥、配套供料与供货商管理; 5、物联网与AI不仅不会取代人力,经过工作内容的务实分析与区隔,甚至可活用家庭主妇等社会剩余人力,缓和少子化与高龄化冲击,以及因应旺季发展的弹性需求。 位于富士山山麓的发那科(FANUC)则提供了迥异的思维。发那科宛如一个王国,拥有39栋厂房或研究大楼,我们由小针专务导览了其中的6栋。坚持质量与保证服务堪称两大特质,因此人力也几乎都投在开发技术与营业服务,其他部门都倾全力、不设限的活用机器人等自动化设备。我们参观的机械加工、机器人组装与伺服马达组装,正是上述理念的实践典范;在结合工业机器人与NC控制器推广上,则非常智慧。因此,小针专务说,发那科的制造思想迥异于丰田,他们没有推动TPS。在物联网方面发那科则秉持开放观点,致力于自己擅长的控制、技术与机连机部份,无意参与云端或大数据。 MAKINO的多样少量、订制等产品特质,与发那科锁定了机器人与NC控制器等可量产的制造设备核心或延伸单体,尽管型态迥异,高顾客价值带动高获利,却有异曲同工之妙。 价值创造型智能制造的三个特质 发那科毕竟是特例,Panasonic的近期主张也非常具有代表性:高质量大量制造的思想已经阻碍日本制造企业的创新,从顾客价值出发的订制、多样少量产品趋势,才是创新主流。产品数字化结合物联网(IoT)日渐普及,智慧社会已经出现。然而,我们检视支持智能社会需求产品的制造现场本身,物联网的价值创造应用,具备三个特质: 第一,物联网代表IT技术应用已经从1985年以MRP为代表的演算能力、经过2000年以ERP为代表的跨越企业籓篱,进入无远弗届。物联网有能力实时掌握企业内外的变化,区别个别企业的核心能力与公共财的经营资源,才能回避网络风险、享受开放创新环境。 第二,将前项取得的数据或结果,达到控制系统状态并追求优化。此处的优化代表一种解决问题的流程,从顾客价值观点,也可以说是一种制造服务化或解决顾客困扰的软件流程。 第三,提出解决方案。对系统而言,代表一种能因应状况变化,自律地调整达成目标的过程。如自动驾驶、自动排除故障、软件自动升级等。在实体系统或组织间关系则包括可靠度或信任关系等层级的解决机制。 开放创新为加州柏克莱大学伽斯柏(Henry Chesbrough)教授所提出,主张企业打破封闭的研发界线,广泛与外界共享创新的素材和能量,达到共享知识、共创市场目标。我们比较20年前势均力敌的日本半导体企业(如日本真空、佳能)与荷兰的ASML,如今已经相差五倍以上,开放创新堪称主因。最近发那科主导的Field System,丰田汽车的自动驾驶发展,纷纷提倡公开专利或开放联网等,改采开放创新策略,其来有自。 在下一章,我们将提出智能制造基本型的3S(sensor、software、solution)架构,即包括实体体系与网宇系统的应用架构。正如同我们将顾客价值区分为可以客观衡量的功能型价值与反映顾客使用流程的方案型价值一样,精实智能制造的水平,一部份可以用工具或指标来客观衡量,其他部份只能由顾客主观认定,亦即经实际使用或体验结果来认定。 实践智能制造的三个挑战 德国相关研究陆续指出,中小企业是实践工业4.0的最大瓶颈,日本中小企业也有相关发现。中小企业在能力与人才上受到限制,固然是重要原因,整个产业界能否连手同步迎接精实智能制造3个观念变革的挑战,才是最大关键。 第一,坚持后制程就是顾客,关注对最终顾客的贡献。从观察后制程实际作业流程或对最终顾客的贡献,提出解决方案,追求双赢。包括资材管理、零组件加工、机器组装、产品出货、顾客服务,全面落实才能发挥智能制造效果。 第二,坚持服务主导逻辑。顾客价值不在产品性能,而是来自顾客的使用价值或感知过程。重视顾客价值的服务主导逻辑,是从销售产品迈向提供解决方案的Solution Business的精神指标。 第三,共创开放平台与信任机制。物联网时代信息无远弗届,开放才能进行3S价值创造,才能把饼做大、做精。信任才能从信息共享迈向价值共享,共同防止信息外流与黑客攻击。