想搭工业互联网的快车-先除掉这几个“拦路虎”.docVIP

想搭工业互联网的快车?先除掉这几个“拦路虎” 　　要实施工业互联网，应该从哪里入手？如何拥抱这个必然发生的未来？ 中国论文网 /8/view-7165256.htm 　　我觉得大家大可不必焦虑，在我看来真正的工业互联网还没有真正开始，所有一切都在从各个角度进行一些探索和准备，每一个企业可以找到自身的切入点进行尝试。在这个过程当中，有几个关键方向倒是需要密切把握和关注的。 　　首先，我们需要问自己，工业互联网和我们的现有产品之间是什么关系？如果工业互联网要大行其道的话，每一个产品必须和嵌入式的芯片整合在一起，产品的整体，乃至产品的各个细分的模块，都应该可以被标识、被追踪、被管理，而且是全生命周期的整体性管理。在这个基础上才能建立起完全新型的产品设计库和数据库，我们才能进入工业互联网的全流程管理环节。 　　德国人将智能工厂和智能生产作为他们未来工业智能化的关键所在。在智能工厂里他们特别关注围绕产品的设计、生产的设计、工程的设计，以及最终产品的制造，这一过程实际上是融合了产品智能化，设计虚拟化和生产自动化的全过程。 　　在我们完成了第一步产品的智能化嵌入，以及身份识别之后，我们才有可能进入真正的虚拟化设计环节。 　　所谓虚拟化设计就是用尽量多的软件来完成原有的产品设计、样品制造、性能测试，乃至各种模拟和仿真。在这一方面传统的自动化软件、仿真软件可以发挥巨大的作用，他们只要和我们新的工业互联网理念整合在一起就够了。但是真正意义上的产品数据管理（Product Data Management，PDM）和产品生命周期管理（Product Lifecycle Management，PLM），需要企业在管理上和设计流程上进行很大的改变，而这一方面当今的很多中国企业其实并没有准备好。 　　虚拟化设计环节完成之后就可以进入自动化的制造环节，在这一环节德国人给出了一个非常有意思的概念叫做“自己生产自己”。其实当所有的零部件被赋予标签，在设计环节赋予了它准确的产品身份和出厂场景的设定之后，生产线和被生产的产品之间的对话就是自然发生的事情了。这时机器人的介入，包括生产机器人、运输机器人，还有智能库存的管理就变得顺理成章。这种高度自动化的生产将使生产效率和生产的柔性化得到极大的提高。 　　丰田公司在汽车行业早已实现了生产的高度柔性化。今天以德国和日本汽车业为代表的汽车行业，可以说是智能生产领域的先驱，他们对智能机器人和自动化设备的使用是非常领先的。更进一步，德国人正在探索更新的智能化工厂。 　　西门子在他们位于德国安贝格的西门子电子制造工厂（EWA），尝试使用我们谈到的智能化生产的各种要素，来颠覆式地重塑他们的生产工艺和流程。因为生产的高度智能化、自动化，还有产品的模块化、标准化以及标签化，可以使得产品制造过程达到高度的柔性，其生产流程可以伴随着不计其数的组合和错综复杂的供应链变化进行持续的优化，而效率又可以获得很大提升。 　　这一家工厂在生产面积没有变化的情况下，产能却在采用新的智能化设备之后提升了8倍，产品质量更是比25年前提高了40余倍。EWA的产品质量合格率高达99.9988%。他们每年能生产出约1200万件西门子的PLC产品，几乎平均每秒就能生产出一件产品。当智能工厂和智能生产进入这样高度的自动化和柔性化之后，所产生的巨大信息和数据，反过来又能够不断地作为优化制造和设计的基础数据源，这时大数据分析自然就派上了用场。同时，累计的历史数据、维修数据、各种材料数据，又可以构建出更大的虚拟的产品库。 　　在这一方面，美国的GE公司在航空发动机的生产和维修方面也在进行着积极的探索。对航空发动机的在线监控和故障诊断，是确保每一台航空发动机这一飞机心脏安全运行的至为重要的技术。但是如果将发动机从生产到维修的所有数据全部整合在一起，进行一种全生命周期的模拟的话，所带来的数据分析质量和对故障的预测程度就远非在线实时监控所能比拟了，也就是说我们可以用软件构建一个完全虚拟意义上的发动机模型，而这个发动机是我们所拥有的实时监控数据和历史上的生产数据、维修数据、材料数据乃至天气等数据的集合，这个虚拟发动机集合了如此众多的数据信息，它对故障的预测和预防性维护水平将是单纯的在线数据监测所无法比拟的，而这个模型在大数据技术和高效的建模技术出现之前是不可想象的。 　　这一切将为积累大量技术的生产型企业进行高质量的产品质量维护、故障监测、故障预维护，以及产生新的服务项目奠定坚实的基础。同时，在系统层面上，可以对原有系统的效率进行更大范围的优化。因为系统的复杂度按照网络效应的计算，远远大于单台设备，或者若干机组的组合，对系统的重新建模分析，找到系统优化点，这一工作已非人力可以介入。大规模的建模和大数据分析必然会发挥更为关键的作用。这在计算资源高度分布发达，芯片