在工业4.0时代,伴随着传感器以及网络技术的演进,越来越多的生产制造环节以及产品本身都具备物联网功能,进而产生大量的物联网数据。与传统方式相比,制造企业从新的数据源收集数据,主要的数据源有:
(1)安装在生产线上的传感器数据,这些数以千计的小型传感器每隔几秒就收集温度、压力、热能、振动和噪声等数据。
(2)产品质量数据。
(3)机器性能数据及日志。
(4)在线产品定制订购网站数据,如客户定制产品数据等。
具体来说,制造企业可以通过采集、汇总、分析生产过程中产生的数据,系统自动从数据中实时侦测在生产制造过程中生产机器、流程和产品3个方面出现的异常情况,如周期性的产品下降、电压的异常变化、次品率的突然上升等。然后通过自动的机器学习算法,如分类和聚类,对这些数据进行预处理和分析。然后根据潜在的问题与驱动因素的相关性分析,找出造成问题的根源,用以预测未来可能发生的生产问题,并采取相应措施加以调整和控制(图8-23)。
图8-23 工业大数据的分析挖掘
此外,通过融合互联网上的社区网络、电子商务等其他生态圈服务,端到端地实现个体消费需求与企业生产制造的对接,能够协助制造企业打造“批量个性化定制”的生产模式,真正实现需求驱动生产的业务模式。
1.生产过程实时监控
现代化工业制造生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。这样,原有的生产设备具有了感知能力,通过实时收集的海量数据,对整个生产制造过程的方方面面进行了详细的数字化记录,涉及设备运行情况、用电情况、产品质量情况等的数据,这样可以全局掌握生产情况,通过有针对性的措施,减低生产过程中的原材料消耗、提高加工速度和产出,达到降低生产成本、提升收益的目的。
欧洲ABB公司通过大数据技术实时监控水泥窑的整个生产过程,以提升和优化产能。通过部署大量的传感器,收集有关水泥窑的进料、燃料、风机阻尼器位置等数据,系统实时根据算法模型和业务目标计算出最优的生产参数,并根据计算出来的参数结果自动发送到水泥窑的控制系统,实现对生产流程的动态调整和优化。通过这种方式,实时生产过程优化可以提升5%的产量。(www.xing528.com)
2.产品质量早期预警
由于废品或残次品需要返工导致额外成本(机器时间、材料和劳动力),在生产过程中尽可能早地发现生产缺陷,不仅可以大大降低返工成本,也可以帮助发现任何潜在的产品工艺或设计上的缺陷。由于缺陷通常是许多因素的结果,比如可能是不稳定的生产过程导致的,也可能是在供应链或分销过程中由于缺乏包装造成的,或是因为不熟练的安装操作所导致的。通过分析装配线传感器的长期历史数据或是产品生产测试过程中产生的庞大测试结果数据集,进行相关性分析,通过建立质量模型,可以发现微小的异常,找到导致产品缺陷的相关因子。在工业4.0中,通常结合使用SPC、先进过程控制(APC)来消除这些质量问题,从而为制造企业创造价值。
丰田汽车在生产过程中使用实时的数据分析来控制APC进行实时误差修正,从而减少返工和报废。这样,可以降低10%~20%的残次品质量成本。
3.预测性机器维护
在制造业,机器非计划停机每一分钟都意味着资金损失和收入损失。对于产生收入的生产设备而言,停机意味着导致重大损失以及昂贵的维修费用。在机器故障之前进行预测性维护,可以减少计划停机时间、计划外停机时间,从而产生价值。
在实际环境中,实时监控机器设备使用状况的数据,通过特征模式来预测故障的发生,从而减少非生产时间(NPT)。
通用电气公司通过远程传感器收集和报告机器的状态数据进行预测性维护,可以及时发现机器出问题的早期迹象,从而以最小的成本和维护资源,提高机器的可用性。预测性维护帮助通用电气公司减少30%~50%的机器停机时间,并将机器的平均寿命增加了20%以上。
4.产品批量定制生产
大批量定制(Mass Customization,MC)是以近似大批量生产的效率生产商品和提供服务以满足客户的个性化需求。工业4.0的实质是需求驱动的产品批量定制生产的能力。制造业企业可以实时从网上接收众多消费者的个性化定制数据,基于这些客户个性化需求,通过协同配置资源、供应链管理,综合需求、供应、产品、生产能力等方方面面的信息,进行判断、分析、处理,自行驱动后台原材料的准备以及生产设备的调整(通常是Batch size 1类的微生产过程),直至产生出符合个性化需求的定制产品等步骤。这一步可以说是工业4.0的终极目标。
在这个过程中,智能生产设备支持个性化生产的能力、如何收集产品个性化需求的数据、对这些产品数据进行判断与处理,以及产品配置数据与智能生产设备的集成,并驱动个性化生产过程,是实现产品批量定制的关键。
红领集团借助互联网搭建起消费者与制造商的直接交互平台,去除了商场、渠道等中间环节,从产品定制、设计生产到物流售后,全过程采用数据驱动。系统根据市场发送的订单自动排单、裁剪、配里料、配线、配扣、整合板型等,最终实现同一产品的不同型号、款式、面料的转换,以及流水线上不同数据、规格、元素的灵活搭配。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。