物联网构建智能化工厂
更新时间：2020-05-06 14:27:00•点击：4663 • 物联网
构建智能工厂，需要结合数据分析，推动生产流程自动化，形成全面的客户订单拉动协作型生产。实现数字化供应网络的转型，制造企业需具备多方面的能力:推动企业运作的众多运营系统间横向整合的能力;互联制造系统间垂直整合的能力;以及整个价值链端到端、全面整合的能力。采用并实施智能工厂解决方案看起来十分复杂，甚至难以实现。然而，在技术领域迅猛发展和未来趋势快速演变的环境下，制造企业要想保持市场竞争力或颠覆市场竞争格局，向弹性更强、适应性更强的生产系统转变几乎势在必行。制造企业须从大处着眼，充分考虑各种可能，从小处着手进行流程方式的可控调整，并迅速推广扩大运营，逐步达成智能工厂的建设愿景，实现效益提升。
建设智能工厂需考虑一下的几方面：
1、流程与管理
智能工厂最重要的特征之一是其自优化、自适应以及生产过程自动化的能力。该特征能够从根本上改变传统流程和管理模式。自主系统能够在没有人工参与的情况下制定并实施许多决策，并在诸多情况下将制定决策的责任从人工转移到了机器，或者说仅由少数人制定决策。智能工厂的互联范围也将有可能扩展到工厂以外，工厂与供应商、客户以及其他工厂的关联度将进一步增强。该等类型的协作也可能会引发新的流程和管理模式问题。随着对工厂更加深入和全面的了解，以及生产和供应网络的扩大，制造企业也可能面临各种不同的新问题。企业可能需要考虑和重新设计决策制定流程，以适应新的转变。
2、数据与算法
要实现智能工厂的有效运作，制造企业应当采用适当的方式持续创建和收集数据流，管理和储存产生的大量信息，并通过多种较为复杂的方式分析数据，且基于数据采取相应行动。智能工厂内部数据可以多种形式存在，且用途广泛，例如与环境状况相关的离散信息，包括湿度、温度或污染物。要建立更加成熟的智能工厂，所收集的数据集可能会随着时间的推移涉及越来越多的流程。例如，如果要对某一次实践结果加以利用，就需要收集和分析一组数据集。而如果要对更多的实践结果加以利用或从某一次实践操作上升至整个行业，就需要收集和分析更多不同的数据集和数据类型(结构化相对非结构化)，还需考虑数据分析和存储，以及数据管理能力。
数据也代表数字孪生，这是高度成熟的智能工厂结构具备的特征。数字孪生通过数字化形式， 以较高的水平呈现某对象或流程过去及当前的行为。数字孪生需针对生产、环境和产品情况持续开展实际的数据测量。基于强大的处理能力，数字孪生可从产品或系统情况中获取重要信息，反映现实世界中设计与流程的变化。
3、技术
智能工厂的有效运作有赖于各类资产的相互关联和中央控制系统的集中控制。工厂资产即工厂设备，如原料处理系统、工具、泵、阀门等。制造执行系统或数字化供应网络堆栈均属中央控制系统。数字化供应网络堆栈是一个多层次集成枢纽，是全面获取智能工厂和广泛的数字化供应网络数据的唯一入口。该系统通过收集和综合信息，为决策制定提供支持。
但各企业也需考虑其他技术，包括交易和企业资源规划系统、物联网以及分析平台，同时也应当考虑边缘加工和云存储等需求。这就需要企业运用工业4.0时代所特有的各类数字化和物理技术--包括分析技术、增材制造、机器人技术、高性能计算、人工智能、认知技术、高级材料以及增强现实--将不同资产和设备关联起来，对数据加以处理，实现经营活动的数字化。
4、人员
智能工厂并不一定都会成为“黑灯工厂”，人员仍将是工厂运营的关键。但智能工厂可能会在运营以及信息技术/运营技术组织架构方面发生重大变化，导致人员职位出现变动，从而适应新的流程和功能。正如前文所说，一些职位由于可能被机器人(物理和逻辑)、流程自动化以及人工智能取代，因此已没有存在的必要。而其他一些职位的功能可能会因虚拟/增强现实以及数据可视化等新技术的加持而得以增强。
人员和流程管理变革离不开灵活、适当的变革管理方案。组织变革管理将对采用智能工厂解决方案发挥重要作用。员工能够保持积极的工作状态，相信自己能够通过所在职位创造更大价值;工厂能够采取创新的招聘方式，并且重视跨部门职位，这都是打造成功智能工厂的必备条件。
最后
在工业物联网的驱动下，同样的能耗和时长，机器可以完成的工作会更加丰富，效率也会得到极大提升。智能工厂还远未达到“终极形态”，而是一个不断演变的解决方案--一个不断挖掘灵活性、互联性和透明度等众多特性的解决方案。
在探索发展之路中，我们需要回到发展的本源，不断满足新的追求。建立新生态，让现有生态圈能够互相依存互相制约，实现最有效的利用。
建设智能工厂需考虑一下的几方面：
1、流程与管理
智能工厂最重要的特征之一是其自优化、自适应以及生产过程自动化的能力。该特征能够从根本上改变传统流程和管理模式。自主系统能够在没有人工参与的情况下制定并实施许多决策，并在诸多情况下将制定决策的责任从人工转移到了机器，或者说仅由少数人制定决策。智能工厂的互联范围也将有可能扩展到工厂以外，工厂与供应商、客户以及其他工厂的关联度将进一步增强。该等类型的协作也可能会引发新的流程和管理模式问题。随着对工厂更加深入和全面的了解，以及生产和供应网络的扩大，制造企业也可能面临各种不同的新问题。企业可能需要考虑和重新设计决策制定流程，以适应新的转变。
2、数据与算法
要实现智能工厂的有效运作，制造企业应当采用适当的方式持续创建和收集数据流，管理和储存产生的大量信息，并通过多种较为复杂的方式分析数据，且基于数据采取相应行动。智能工厂内部数据可以多种形式存在，且用途广泛，例如与环境状况相关的离散信息，包括湿度、温度或污染物。要建立更加成熟的智能工厂，所收集的数据集可能会随着时间的推移涉及越来越多的流程。例如，如果要对某一次实践结果加以利用，就需要收集和分析一组数据集。而如果要对更多的实践结果加以利用或从某一次实践操作上升至整个行业，就需要收集和分析更多不同的数据集和数据类型(结构化相对非结构化)，还需考虑数据分析和存储，以及数据管理能力。
数据也代表数字孪生，这是高度成熟的智能工厂结构具备的特征。数字孪生通过数字化形式， 以较高的水平呈现某对象或流程过去及当前的行为。数字孪生需针对生产、环境和产品情况持续开展实际的数据测量。基于强大的处理能力，数字孪生可从产品或系统情况中获取重要信息，反映现实世界中设计与流程的变化。
3、技术
智能工厂的有效运作有赖于各类资产的相互关联和中央控制系统的集中控制。工厂资产即工厂设备，如原料处理系统、工具、泵、阀门等。制造执行系统或数字化供应网络堆栈均属中央控制系统。数字化供应网络堆栈是一个多层次集成枢纽，是全面获取智能工厂和广泛的数字化供应网络数据的唯一入口。该系统通过收集和综合信息，为决策制定提供支持。
但各企业也需考虑其他技术，包括交易和企业资源规划系统、物联网以及分析平台，同时也应当考虑边缘加工和云存储等需求。这就需要企业运用工业4.0时代所特有的各类数字化和物理技术--包括分析技术、增材制造、机器人技术、高性能计算、人工智能、认知技术、高级材料以及增强现实--将不同资产和设备关联起来，对数据加以处理，实现经营活动的数字化。
4、人员
智能工厂并不一定都会成为“黑灯工厂”，人员仍将是工厂运营的关键。但智能工厂可能会在运营以及信息技术/运营技术组织架构方面发生重大变化，导致人员职位出现变动，从而适应新的流程和功能。正如前文所说，一些职位由于可能被机器人(物理和逻辑)、流程自动化以及人工智能取代，因此已没有存在的必要。而其他一些职位的功能可能会因虚拟/增强现实以及数据可视化等新技术的加持而得以增强。
人员和流程管理变革离不开灵活、适当的变革管理方案。组织变革管理将对采用智能工厂解决方案发挥重要作用。员工能够保持积极的工作状态，相信自己能够通过所在职位创造更大价值;工厂能够采取创新的招聘方式，并且重视跨部门职位，这都是打造成功智能工厂的必备条件。
最后
在工业物联网的驱动下，同样的能耗和时长，机器可以完成的工作会更加丰富，效率也会得到极大提升。智能工厂还远未达到“终极形态”，而是一个不断演变的解决方案--一个不断挖掘灵活性、互联性和透明度等众多特性的解决方案。
在探索发展之路中，我们需要回到发展的本源，不断满足新的追求。建立新生态，让现有生态圈能够互相依存互相制约，实现最有效的利用。
推荐阅读
-
云计算的应用
2020-07-10 16:07:56•8179 次
-
正改变着零售业的物联网创新
2020-07-08 11:13:26•8204 次
-
5G通信加持下的物联网的发展
2020-05-30 16:59:13•8924 次
-
大数据、数据中心、云计算概述
2020-05-20 17:00:09•8921 次
