自工業(yè)革命以來，原材料和能源一直是每種制成品的基礎(chǔ)。在工業(yè)4.0中，數(shù)據(jù)變得比以往任何時候都更加重要，不僅可以降低運(yùn)營成本，提高效率，還可以減少產(chǎn)品的每一部分，并從原材料和能源中獲取利潤。

幾十年前，工廠利用監(jiān)控和數(shù)據(jù)采集（SCADA）以及可編程邏輯控制器（PLC）等技術(shù)開創(chuàng)了物聯(lián)網(wǎng)（IoT）的先河。這些傳統(tǒng)的物聯(lián)網(wǎng)應(yīng)用主要是關(guān)于控制機(jī)器人和其他設(shè)備，監(jiān)控生產(chǎn)以及識別諸如過熱泵等問題，這些都是有價值的。

工業(yè)4.0建立在該基礎(chǔ)之上，以實(shí)現(xiàn)更深入，更深入的業(yè)務(wù)洞察。例如，即時制造的趨勢意味著供應(yīng)商面臨著比以往更大的壓力，以最大限度地減少停機(jī)時間并最大限度地提高產(chǎn)量。新一代“更智能”的傳感器和儀器，如高溫計(jì)，不僅可以測量處理中的產(chǎn)品，還可以測量其自身的其他關(guān)鍵參數(shù)，并確保它們在理想范圍內(nèi)。這些數(shù)據(jù)有助于保持產(chǎn)品在班次，生產(chǎn)線和工廠之間的一致性。

如果溫度趨勢過高或過低，這也表明生產(chǎn)過程中的上游可能出現(xiàn)問題。在失敗的早期階段，溫度變化可能是如此微妙，以至于員工不會注意到。同樣的情況是機(jī)械臂由于軸承失效而逐漸減速 - 僅僅尚未達(dá)到其生產(chǎn)率受損的程度。如果使用正確，集成傳感器提供的數(shù)據(jù)可以在發(fā)生之前開始檢測到此故障。

這些見解使制造商能夠調(diào)整生產(chǎn)并仍能滿足最后期限。例如，如果產(chǎn)品溫度變化仍然在范圍內(nèi)，制造商現(xiàn)在可以在生產(chǎn)到達(dá)需要維護(hù)的點(diǎn)時將生產(chǎn)轉(zhuǎn)移到另一條生產(chǎn)線。如果有足夠的預(yù)先警告，制造商也可以在周末安排停機(jī)時間。

這些數(shù)據(jù)還可以在更換設(shè)備時提供見解。例如，Cisco Kinetic等工具可以提取和分析數(shù)據(jù)，以便制造商了解哪些品牌和型號的設(shè)備和組件具有更高或更低的故障率和維護(hù)成本。現(xiàn)在，它知道要購買哪些以及要避免哪些。因此，它可以更嚴(yán)格地控制維護(hù)等運(yùn)營費(fèi)用。

更多的物聯(lián)網(wǎng)傳感器可以提供更多的見解和更多的好處。以產(chǎn)品溫度趨勢超出范圍為例。設(shè)備和未完成產(chǎn)品上的上游傳感器提供了額外的數(shù)據(jù)，工業(yè)機(jī)械師可以使用這些數(shù)據(jù)快速查明問題。每小時，他們不必花費(fèi)追蹤問題是他們可以用來修理它的一小時。每個機(jī)械師的工作效率越高，每個工廠需要的人員就越少。所有這些節(jié)省都流向了底線。

浪費(fèi)不可

物聯(lián)網(wǎng)數(shù)據(jù)還有助于制造商實(shí)現(xiàn)其能效，污染和產(chǎn)品產(chǎn)量的目標(biāo)。就新建工廠而言，能效目標(biāo)通常包括獲得LEED認(rèn)證。

原材料通常受到嚴(yán)格管制，包括基于使用量的昂貴許可證。以歐洲領(lǐng)先的用于生產(chǎn)光纖電纜的先進(jìn)原材料制造商為例，其生產(chǎn)需要具有潛在危險的材料。它們的生產(chǎn)受到可安全存放在現(xiàn)場的前體材料數(shù)量的限制。隨著產(chǎn)品需求的增加，最大允許前體材料成為限制因素; 他們增加產(chǎn)量的唯一選擇是提高過程本身的效率。這需要深入學(xué)習(xí)和洞察他們的過程，以了解如何獲得這種改進(jìn)。

物聯(lián)網(wǎng)數(shù)據(jù)使該公司能夠從其現(xiàn)有的天然氣分配中擰出更多米的電纜。它開始使用高溫計(jì)來密切監(jiān)測和控制溫度，這是衡量其過程有效性和效率的關(guān)鍵指標(biāo)。這些見解使公司能夠以最大化產(chǎn)品質(zhì)量和產(chǎn)量的方式優(yōu)化其工藝，從而減少其前體材料的使用，以實(shí)現(xiàn)相同的產(chǎn)量和產(chǎn)品質(zhì)量。

這些和其他工業(yè)4.0應(yīng)用程序的商業(yè)利益是制造商投資物聯(lián)網(wǎng)的主要原因，但它們不是唯一的原因。數(shù)字化轉(zhuǎn)型計(jì)劃的成本迅速下降是變革的另一個推動因素。不僅基于云的數(shù)據(jù)存儲和計(jì)算的成本降低，而且同時，可用于分析，理解和將這些數(shù)據(jù)轉(zhuǎn)換為可操作信息的工具也在增加?，F(xiàn)成的解決方案，如Microsoft BI，非常適合分析大量收集的數(shù)據(jù)，而且不需要少量的博士學(xué)位。數(shù)據(jù)科學(xué)家運(yùn)行。存儲和分析數(shù)TB數(shù)據(jù)的成本從數(shù)千美元急劇下降到5美元。曾經(jīng)無望的理想現(xiàn)在是實(shí)用和負(fù)擔(dān)得起的。

但這與說數(shù)字轉(zhuǎn)型就像購買軟件和傳感器一樣簡單就不一樣了。制造商通常尋求專家指導(dǎo)，以確定在何處部署物聯(lián)網(wǎng)設(shè)備，連接傳統(tǒng)工廠設(shè)備，以及選擇正確的網(wǎng)絡(luò)技術(shù)，以便安全可靠地將所有內(nèi)容編織在一起。

如何處理所有數(shù)據(jù)

許多制造商還希望了解如何理解物聯(lián)網(wǎng)提供的大量數(shù)據(jù)，例如確定哪些數(shù)據(jù)值得立即發(fā)出警報以及哪些數(shù)據(jù)可以存儲以供分析。垂直市場經(jīng)驗(yàn)特別有用，因?yàn)槔?，物?lián)網(wǎng)合作伙伴可以建議生產(chǎn)過程的特定部分進(jìn)行監(jiān)控，跟蹤哪些指標(biāo)以及數(shù)據(jù)趨勢指示的內(nèi)容。今天的制造過程非常復(fù)雜，很難快速，輕松地理解操作所有設(shè)備的復(fù)雜性，在許多情況下，可以從供應(yīng)商自身獲得專業(yè)知識。關(guān)鍵供應(yīng)商已經(jīng)多年了解其獨(dú)特的產(chǎn)品，可以幫助定義關(guān)鍵參數(shù)，以確保在給定應(yīng)用中實(shí)現(xiàn)最佳性能。

另一個例子是測量泵的油粘度，以確定何時需要更換，而不是簡單地依賴供應(yīng)商推薦但過于頻繁的維護(hù)計(jì)劃。當(dāng)粘度，振動和其他屬性表明需要維護(hù)時，機(jī)器學(xué)習(xí)可以通過教授人工智能發(fā)揮作用。AI和ML也是幾年前太不成熟和昂貴的技術(shù)的例子。

與幾乎所有其他類型的業(yè)務(wù)一樣，制造商將數(shù)字化轉(zhuǎn)型視為最大化效率，生產(chǎn)力，盈利能力和競爭力的必要過程。物聯(lián)網(wǎng)，人工智能和機(jī)器學(xué)習(xí)為這些數(shù)字化轉(zhuǎn)型奠定了基礎(chǔ)。

轉(zhuǎn)型之路

最后，我想結(jié)束這篇文章，談?wù)勁c數(shù)字轉(zhuǎn)換相關(guān)的演化步驟。第一步是確認(rèn)某些事情已經(jīng)失敗（例如傳感器不能正常運(yùn)行。第二步是能夠理解為什么這個傳感器/過程失敗。這些是物聯(lián)網(wǎng)轉(zhuǎn)型和未來工廠中最簡單的步驟。今天許多公司都處于這個水平。

第三步變得更具預(yù)測性：這意味著能夠在失敗之前確定某些事情何時失敗，并盡可能多地花費(fèi)前置時間。生產(chǎn)者至少不希望因失敗而影響/損壞他們的最終產(chǎn)品或設(shè)備。但更好的是，他們希望提前通知安排必要的計(jì)劃維護(hù)（如上所述）。

這一演變中最后也是最具變革性的一步是從預(yù)測性轉(zhuǎn)變?yōu)橐?guī)范性，這意味著您可以在數(shù)據(jù)中看到某些事情即將失敗，但生產(chǎn)者能夠調(diào)整和調(diào)整流程，以便準(zhǔn)確控制何時停機(jī)可能會招致 這需要對流程有重要的了解和洞察力，通常通過匯總大量數(shù)據(jù)并精確了解哪些參數(shù)會影響流程。在這個階段，所有樂器和傳感器都開始充當(dāng)交響樂。

最后一步也是一個重要的轉(zhuǎn)變點(diǎn)，當(dāng)擁有如此多信息和了解其流程的公司可以開始更精確地調(diào)整和控制其流程，以實(shí)現(xiàn)所需的產(chǎn)品均勻性，質(zhì)量，制造成本和吞吐量。這種學(xué)習(xí)可以部署在一個站點(diǎn)上，但在整個企業(yè)的多個站點(diǎn)上更有效。公司很難在不同的制造地點(diǎn)實(shí)現(xiàn)相同的產(chǎn)品一致性，這很容易受到設(shè)施，地理位置，個人和供應(yīng)的影響。這種物聯(lián)網(wǎng)革命可以協(xié)調(diào)這些全球運(yùn)營，推動整個組織的產(chǎn)品和制造同步和改進(jìn)。

來源：愛碼農(nóng)