制造业日趋智能
- Update:2016-12-11
- [ 美] 艾伦·S·布朗，翻译：赵毅平
- 来源: 2016年第11期
内容摘要
工厂车间的信息技术让生产率的革命成为可能。但是机器、产品和人可以真正学会互相对话吗？本文阐述了当前工业制造在应用智能软件、基于云端和物联网技术的情况下，其生产制造模式的巨大改变，并提出它们面对的在数据共享、数据的集成与转换、安全性等方面的挑战；同时通过欧美一些工业企业的现实案例，进行了具体的分析。
对工业的大规模宣传，自互联网发展早期以来从未如此凶猛。这种热情的目标是将制造业与现代信息技术完全地融合。这种趋势有多种称谓，从工业4.0、数字化制造到信息物理系统，以及智慧工厂。
它们的共同之处在于应用智能软件和机器，让它们在工厂和云端自动地与对方交互（并与人交互）。在热情的支持者看来，这种新的大脑与肌肉的结合将如同引入蒸汽机、电力和自动化一样，给制造业带来革命。
除去大肆宣传，这确实指向了一些切实的、令人吃惊的改变。
在未来以数据驱动的工厂里，工程师可以即刻得到设计改变后费用情况的反馈，哪一个零件有可能失效的反馈，因此他们可以改进设计并优化生产流程。
工厂里的机器和物流设备可以自动地互相交流，来分配工厂中的工作任务，规定工作的线路，并在出现预期之外的问题时重新规划线路。基于云端的人工智能会持续地比较各个部分的工作和流程，以达到最优的效果。
也许有一天，企业家和工程师甚至创造出完全垂直的工厂，购买一段时间内对未充分利用的资产的支配权，就像从亚马逊的不同供货商那里购买产品一样便捷。
这幅图景同早期的互联网的拓荒者一样引人注目——甚至，它也许比我们想象的要更快地到来。
数字化的对等物
因为台式电脑与公司网络已经就绪，互联网得以蓬勃发展。同样地，因为一些至关重要的技术已经完备，如今数据驱动的工业生产出现了，这些技术包括网络化的机器和一系列的制造软件，比如PLM、ERP、CAD/CAM、CFD、MES、DMS、PLC 等等。
如今，这些互不相关的系统会在一些时候将一些数据汇集起来。数据不仅可以在单一的软件程序中自由流动，或多或少还会在同一个供应商的一套软件中流动。而当它们试图在不同地区的工厂里应用来自多个供应商软件的机器时，问题就出现了。
试想一下工程设计软件的这个景象：大多数的计算机辅助设计（简称CAD）程序具有专属的文件格式，并且准备好与不同供应商的计算机辅助设计系统共享信息，它们同时可以将数据输出给仿真软件，以及计算机辅助的工业生产系统。
不幸的是，共享数据远没有达到天衣无缝。在来自不同供应商的计算机辅助设计系统里分享文件的时候，工程师必须检查图像，来修复丢失、错位或割裂的部分。举例来说，工程师可能会把材料的规格作为至关重要的内容以保证有效生产不受影响。工程师也可能看不到一个设计上的改变如何影响一个零件的性能，或者不运行某个单独的软件程序对生产时间的影响。
所有这些都使得在数据驱动、即插即用的工业生产中进行计算机辅助设计的数据共享变得十分复杂，通用电气全球研究中心的制造业科学家斯蒂芬·比勒（Stephan Biller）说。他带领的通用公司的数字化制造部门以“智慧工厂”为旗号。
“我们希望可以在计算机辅助设计软件里改变一个产品，并让这些改变自动传送到模拟的产品和工厂中。这样一来，我们可以得到变更设计如何影响成本、时间与材料的即时反馈。”比勒说。
他还希望将工厂的软件与下游的供应链和上游的客户服务数据连接起来。这对通用电气来说颇为重要，这样可以保证它销售的涡流机和其他产品及服务的表现。
“当我们打开一个喷气发动机时，可以清晰地看到各个部分如何工作。也许有一些部分被过度设计，或者损耗过快。我希望能够训练技术人员，让他们把这些信息植入一个数字化的、精确的产品虚拟对等物中”。通过持续更新信息，通用电气希望通过使用数字化的对等模型来辅助改进未来的设计，并预测什么时候接受产品服务。“我们可以看到谁制造了这些零件，运行条件如何影响它们的表现，并且改进生产流程，同样的数据还可以帮助我们更好地管理我们的维修车间。”比勒说。很多这样的数据已经存在于制造业的执行系统、产品生命周期的管理软件，以及企业资源规划系统中。比勒解释了问题所在：这些系统并没有很好地被植入，这非常典型。他的目标是将这些信息整合起来，这样，可以获取现场服务反馈和在设计师、制造商、技术人员之间极少共享的其他形式的信息。
这是一个雄心勃勃的计划，以至于比勒的老板这样问他：“你怎么知道什么时候可以达到这个目标？”
比勒的回答是：“我在工厂中上线一款虚拟模型中的虚拟产品，并让它在工厂中运行，当实际的产品表现得与虚拟的预期完全一致时，我的目标就达到了。”
物联网
软件在沟通方面日趋畅通的同时，无所不在的传感器也带来了更多的数据。不仅如此，工业上的万物互联因廉价的传感器和控制器而快速行进，有一些具有分布智能，工程师可以把它们应用于铣削中心无线射频识别读写器上，来跟踪工作流程。
很多公司已经在销售这方面的系统，比如ABB、通用电气、霍尼韦尔、三菱、西门子等。它们的平台都拥有专有技术且价格不菲。
不那么昂贵的物联网传感器与控制器发出威胁，要中断这一状态，它们的共同策略是杀低价格；同时宣称其家用电子产品性能良好，可以持续使用几十年：它们构造简单、标准开放，装置即插即拔、使用便捷，以无限数据传送代替了昂贵的布线。
西门子生命周期管理（简称PLM）软件公司的阿拉斯泰尔·奥查德（Alastair Orchard）负责公司的数字化企业项目，他并不试图与趋势抗衡。
“我们不得不拥抱物联网，”他说，“我们不能试图保卫生产车间，而强迫我们的客户选择昂贵而笨拙的工作方式。我们想要维持物联网快速、简便而廉价地获取数据的能力。”
幸运的是，多年的合并、兼并经历以及全球化的过程已经教会了西门子这样的公司如何将来自不同供应商的软件与硬件编排、合并为一个系统。
但是，面对物联网使之成为可能的廉价传感器的激增，公司是否做好了准备？这些设备将引发数据的海啸，使机器更加频繁地互相对话成为可能；同时机器学习算法可以探索信息，找到运行工业设备的更优途径。但是，集成数据流给其自身也造成了挑战，王立辉（音译，LihuiWang）说。他是美国工程师机械协会（简称ASME）的成员、数字化制造领域的知名专家，在瑞典的皇家工学院任职，研究可持续工程。“我认为很多人并没有意识到将不同种类数据集成的复杂性，”王立辉说，“即便我们只谈论数字，也需要处理高容量、高速率、多样性的算法。而且很多数据是松散的、无组织的，就像演讲、照片和草图一样，是很难进行分析的。”
为了在各种不同的设备之间转换数据，德国电机驱动和控制方面的巨头博世力士乐（Bosch Rexroth）尝试应用开放标准，公司工程自动化系统方面的副总裁托马斯·比格尔（Thomas Buerger）这样表示。不幸的是，目前只存在一部分开放标准，其他的尚处在过程之中。比格尔辩解道，无论如何，安装并集成额外的传感器确实会引起大惊小怪。他指向一个纸板纸箱折叠机，它靠湿度传感器与博世力士乐控制器相连。纸板的硬度因空气的干湿程度有所不同，而纸箱折叠机可以根据纸板的硬度变化自动补偿。
当物联网成熟以后，工厂里的机器将协同工作来保证产品流，并自动适应它们所处的环境。他们也将向世界范围内其他工厂的类似机器学习——条件是可以依靠云端学习。
在云端
苏联解体后不久，德国的制造业意识到了机会的来临。为了利用较低的劳动力成本，他们开始在东欧国家建造工厂。这些公司一直相信，雇员有强烈的忠诚度，可以将他们所在工厂的设计和交易的秘密保守在工厂以内。他们不确定一旦超越边界会发生什么。
为了保证对信息的强有力控制，公司开始将信息集中在公司的数据中心。他们只给当地的工程师获知其工作需要的文件的权限，而阻断他们获取数字图书馆其他部分信息的权限。__
今天，数据驱动的制造商仍然试图牢固地掌控知识产权，但是他们也想应用集中的数据中心来辅助管理工厂车间的生产。换句话说，他们希望利用云计算来运行智慧工厂。
这样做有很多好的理由。集中的、基于云端的软件一直在更新升级，这包括最近的安全性的提高，还有在最新的信息技术设备上运行。另外，大型数据中心也是非常高效而又价格低廉的供应者。他们可以支持数据驱动的生产，而公司不用承担运行大型数据中心的费用，伊哈卜·拉根（Ihab Ragai）说。他在成为宾州州立大学贝伦德学院工程学助理教授之前，曾经在制造业工作了20 年。
另外一点好处是，公司可以将不同工厂类似设备的数据汇聚到一起。进而，它们可以利用数据分析来进行基准问题测试，或者发现可能会影响产量的模式。这样的分析可以延伸到对该领域业绩的分析。
“如果他们这样做，他们将拥有一个数据库，这个数据库能够帮助他们预测零件的生命周期，以及如果他们使设备运转得更快或在极端条件下运转，零件生命周期的变化。”拉根说。
工厂尚未完全依赖于云技术。拉根回忆起参观一个埃及压铸厂的情景，当时海底的互联网电缆断了，重新接入互联网花费了三天时间。“现在想象一下，如果那儿的压铸设备全部的图纸都来自母公司……”拉根说，他们的停工将会带来巨额的损失，除非他们拥有卫星通信。
“正如德国的公司都意识到的，云技术最重要的绊脚石是安全问题，”王立辉说，“如果工厂里的工程师对他们基于云端的控制软件没有自信，那么，他们也许会终止输出图表或下载备份文件，以防万一。这恰恰表明了信息技术经理们面对数据中心时所要避免的安全挑战：大量有价值的专有信息涌向桌面，或者超出闪存盘的存储极限。”
“寻找解决方法是可能的，”王立辉补充道，“十年之前，人们都在询问在线银行业务是不是太冒险，现在它完全被接受了。同样的技术可以应用到云技术制造中，来保护数据的保密性。”
他认为，无论如何，“公司都应该明白，不存在百分之百的安全。他们必须承担一定程度的风险。要降低风险，就要把核心软件置于工厂内部”。
可以租用的工厂
很显然，数据驱动的工业制造正在发展过程中，我们很容易看到存在的屏障，也许还会忽视它的潜力。这就是为什么博世力士乐、通用电气和西门子这样的公司要建立工厂，示范数据能起到重要作用。
举例来说，在德国古镇安贝格，一座西门子的工厂制造可编程逻辑控制器（简称PLC），可以使工业制造用的机器及制造过程自动化。安贝格这家工厂的表现令人印象深刻。它可以在24 小时之内为其6000 个客户中的任意一个定制一款可编程逻辑控制器。而本年度将在这家工厂光洁明亮的瓷砖地板上完成生产的1200 万个可编程逻辑控制器中，仅仅121 个（或者说0.001%）有可能是有瑕疵的产品。之所以能够有这样的表现，关键在于西门子如何运用数据和仿真模型来运行它的工厂设备。当一个客户从西门子下载了可编程逻辑控制器的订单，安贝格的电子化工厂就会给它分配一个唯一的产品编号，并创建一个虚拟模型来定义制造可编程逻辑控制器需要的手工与自动化工序。这一系统会将订单与其他订单相比较，看它是否可以将不同订单中类似的零件一起成组生产，来提高生产的速度。他们把生产任务安排给有时间的机器，并把自动推车组织起来、排列好，将部件从一个工作中心运往另一个。
机器把电容器、电阻器、微芯片、连接器组装到一起成为可编程逻辑控制器，每完成一步操作都要检查各个部件。在这个过程的同时，工程的操作系统把完成一系列工作的每一步需要的时间与工厂的仿真模型相比较，检查是否存在偏差，发现问题即会发出信号。
整个对话都发生在机器之间，并没有人的干涉。只有当出现问题——缺陷需要维修，或者一台机器开始偏离了允许的工作范畴时，工厂才会通知专家。
“在安贝格，每天有五千万这样的执行者与智能自动化设备之间的对话。它们在说：‘正确设置好，开始干活了。谁来完成下一个步骤？你准备好了吗？物流，把我送到那儿去。检查、复检。’这几乎是连续的对话，而且给我们提供了灵活性。”奥查德说。
未来，这些数据驱动的对话将让工厂变得适应性更强、更加自动化。就像App 和网络的联通性刺激了智能手机的创新，数据驱动的工厂也很有可能以新的方式发展演进。
比如英国巴斯大学设计工程学的副教授德克·舍费尔（DirkSchaefer）就预测，高度联通的工厂有一天会把使用机器的时间作为服务来出售。需要提高产量的公司为了满足需求或者更新某一部分设备，就有可能购买这样的服务。
最终，全球化的制造网络会出现，公司甚至个人可以在线租用一段时间的机器，就像我们在线预定汽车或者酒店房间一样，舍费尔说。那时候将不再有长期的合同、供应链或者物理上占用的空间了，“这将允许创新和带有技术成就的产品以完全不同的方式出现”。
五年前，当舍费尔在会议上提出他基于云端的设计与制造模式的想法时，工程师们颇有微词。今天，他们都在认真聆听。
毕竟，我们生活在一个单一工厂就可以支持每天五千万次数字化交流的时代。谁能预测这些对话将把我们引向何方？
