2023年数字化“智能工廠”規劃設計的五個趋势

admin

三年的疫情防控，對制造業向数字化轉型進级的成长過程造成為了必定的阻碍和影响，出格是在2022年，疫情對制造業的影响超越所料，幸亏國度层审時度势，按照疫情防控的現實環境，科學地做出了疫情防控的優化辦法，這就给2023的智能工場计劃扶植迎来了新但愿。笔者多年来潜心從事前進制造数字化智能工場钻研和摸索，認為数字化智能工場计劃設計中一個最根基的焦點問題是——工業互联網+数字化智能制造的本色，是操纵新一代信息技能手腕對出產诸要素資本的優化設置装备摆設。本文從笔者事情履历和钻研功效動身，连系近来（2022年度）國表里制造業成长数据，制造業新技能及其利用数据，和比年来海內制造業成长数据和中小企業成长趋向数据，與大師分享笔者對2023年纪字化智能工場计劃設計的五個趋向。

趋向一：2023年“智能工場”观點愈来愈清楚及認同度進一步扩展

“智能工場”，（smart factory）的观點由来已久，而比年来，人们對它的熟悉愈来愈清楚，乐趣激增，2023年“智能工場”观點的認同度進一步扩展。“智能工場”的向往就像一台A4纸的打印機，電脑發出打印号令，打印機就把內容打印出来。智能工場也是如许，主顾從電脑端或挪動端下一個定单，定单信息就以数字化方法轉达到智能工場的数据中間，数据中間按照主動排程體系（APS體系）把定单排程下到达車間的出產線，乃至到详细某台装备，車間就可以按照定单请求出產出主顾必要的產物，然後以物流快递的方法實現交付，把產物交到主顾的手里。早些年，如许的“智能工場”出產方法會获得猜疑乃至嗤笑，可是比年来某些行業內的活生生的“智能工場”究竟摆在你的眼前後，那就不但仅要惊叹出產力技能的成长前進，制造業從業者想得更多的是担忧本身是不是會被镌汰出局；固然，更好的設法是加快本身工場的数字化“智能工場”计劃扶植的步调。這就是说，制造業對智能工場的認同度進一步扩展。迄今為止。率先成长并實現了智能制造的行業有格力、美的的空调智能出產線，好莱客、欧派的全屋定制家具智能出產線，另有立异型電路板打样营業的嘉立創数字化智能化電路板出產線。更有，据汽車制造商展望，到 2022年末，全世界约莫四分之一的工場将成為“智能工場”，而到2025年，這一数字将急剧上升至50%，“智能工場”将在 2023年為汽車行業缔造1600亿美元的價值這些都是典范的制造業代表（数据摘自上海某智能制造钻研院2022年末陈述）。另有更多的修復霜，其他行業，業正执政着智能制造標的目的阔步迈進。

若何清楚熟悉智能工場，笔者提出了数字化“智能工場”的四個根基特性，十分清晰的刻画了智能工場的轮廓，在此也分享给大師。（1）能不克不及實現經濟效益最大化的出產营運？（2）有無顺应市場多品種小批量個性化大范围出產方法的成长趋向？（3）有無解决人類出產劳動的亏弱赋性？（4）能不克不及包管企業竞争上風和企業可延续性成长？這四個根基特性表述，已成為先辈制造数字化智能工場计劃扶植的動身點、扶植根据、扶植方针，和查驗尺度。

趋向二：2023年“智能工場”起头遭到中規或更小范围企業青睐

在前些年，智能工場的计劃扶植具备“資金密集型”显著特性，扶植一個智能工場，没有上亿元是下不来台的。這彷佛是大范围企業的遊戲，中規和或更下范围制造業企業底子玩不轉，望而生畏。國度层面不成能只為超大范围企業做智能制造成长计劃的，十分器重中規或更小范围制造業企業的智能制造成长。2023年起头，中規或更小范围企業對“智能工場”概念寂静產生了扭轉。一個不到200人的電子加工行業的老板，愿意拿出2000万元的創業堆集資金来计劃扶植智能工場，计劃扶植一條主動化智能化的出產線，能上呆板出產的工藝全数要改為呆板出產，方针要省下100個平凡工人。投資回报率ROI為不克不及跨越3年。如许的扶植计劃再也不是胡思乱想，是實打實可以實現的。我观光考查了一家位于廣州增城的電子行業變频器和逆變器的出產廠家，當我步入他的車間時，讓我十分震動，有足足40員普工在做PCB電路板的插件工種，當我感受十分不爽！要優化工藝呀，要優化工藝呀，我對陪伴我的老板说，如今這個期間，用如许的几十年前的傳統插件功课方法，怎样能晋升你的產物竞争力！我强力建议這個企業老板要把PCB出產的插件工藝，優化為SMT贴片工藝，减掉插件工人。可以這麼说，在中規或更小范围的制造業企業中，90%以上仍是采纳傳統工藝和傳統出產功课方法，若是不举行工藝優化和数字化智能化工藝革新進级，企業成长故步自封走下坡路的運氣不成防止，利用一句老话：智能制造之路，不是走不走的問題，而是若何把它走好的問題。這句话将在2023年，彷佛更合适那些中規和或更小范围制造業企業。

若何举行出產工藝的優化進级呢？笔者总结了一下六點履历，分享给大師参考：（1）優化為顺应呆板出產的工藝 ，（2）優化為顺应柔性化出產的工藝，（3）優化為顺应范围化出產的工藝，（4）優化為解除期待的工藝，（5）優化為减轻人類劳動强度的工藝，（6）優化為工業工程总體均衡的工藝。從数字化智能工場的體系架構层面来说，工藝優化不是一次性定性的，不是一挥而就，而是在数字化“智能工場”建成後一項持久性延续性的，基于出產数据驱動的智能優化進程，這是必要專業的“智能工場”计劃設計團队才能設計開辟的一項首要事情。

趋向三： 2023年将成為開启“智能工場”中精准物料辦理的元年

精准物料辦理，這是個啥子观點？這是笔者提出的，固然他不是平空提出的，是源于市場需求。做智能工場计劃設計同業应當都熟悉到，一個好的物料辦理體系，可以大大提高智能工場的整體出產效力，實現出產資本優化的目標。但是今朝物料辦理體系相對付诸如高機能的SMT装备那就算数很粗放了，物料辦理在技能上没有跟上會紧张影响装备的效力；一台紧密的数控車床，他的供料體系或许很粗放，他就會影响出產投放和排程，也會影响多品種小批量大范围出產；有些工藝上呆板人的功课精度和速率都很高，可是為其配料和排產却成為了困難，也就阐扬不出装备应有的出產效力。這是致命的瓶颈弱點！高精度的先辈智能装备彷佛成长很快，而為先辈装备專門設計的物料配料辦理體系却一向粗放着，紧张不和谐，也就达不到出產資本優化的目標和结果。這類征象在2023年起头，就會寂静的扭轉了。

若何實現物料精准辦理？笔者许工要先賣個關子，先试問大師几個問題。若是SMT装备的贴片電子元器件物料出仓記實切确到每颗芝麻巨细的贴片電阻，物料堆栈的盘料統计和出仓記實，补料和排產，缺料预警等等會發生哪些独特的结果和質的變革？若是車間中所有的主動锁螺丝機的螺丝利用切确到每個螺丝，那物料堆栈辦理體系针對螺丝的及時库存数据是否是變得十分有趣而精准，是否是能節流不少螺丝物料的統计和出仓記實，补料和排產，缺料预警等無用事情？若是咱们能把物料的現實用出料、库存料、预警料、與装备產物或部件產出的数目，及時地切确联系關系統计，是否是可以大大简化和節流物料出仓入仓線邊仓等复杂的辦理逻辑？精准物料辦理的目標是操纵数字化技能手腕，實現堆栈物料與出產現場用料的精准統计，實現物料配送精准化，归根结柢是優化了物料仓储辦理資本，削减物料挥霍，提高物料堆栈空間的单元時候利用次数，也就大大提高了物料仓储辦理效力。2023年将成為開启“智能工場”中精准物料辦理的元年。

趋向四： 2023年工業現場数据收集技能會爆炸式成长

  数字化“智能工場”要告竣出產诸要素資本的優化設置装备摆設的方针，實現產物的智能制造，技能手腕上解决“智能制造”的两個焦點問題——数据與模子。現場数据是原生的根本技能資本，是数字化“智能制造”计劃扶植的出發點，没稀有据，不消谈智能化，也谈不上阐發；没有模子，就没有科學進程，得不到准确的解答。

数學模子——用数學法子科學描写出產進程，實際出產進程的理性和科學視角。

跟着“智能工場”毗连装备的增长，制造業企業發生的数据量也正在显現爆炸式增加。那些具有先辈物联網設置的企業已發明，一條装置線天天可以天生多达70 TB的数据，而傳输如斯大量数据的需求也鞭策了5G的爆炸式增加，近乎零的延迟速率和無線毗连特色，使得5G技能為高速制造情况带来了史無前例的機動性，近来的一項展望显示，到 2030 年，制造業最少必要2200万個 5G 装备，是以，“5G”的收集搜刮量在曩昔5年內增加了1,660%（数据摘自上海某智能制造钻研院2022年末陈述）。  虽然如斯，這些数据仍是遠遠不敷的，智能制造的“智能”進程，必要更多的出產現場数据學習理財,作為支持，那就必要更先辈的工業現場数据收集装备，除5G技能，wifi6技能，出格是WiFi6 Mesh技能在工業現場数据收集范畴的利用将在2023年暴發式的成长。

数學模子历来是数學家才能摆弄的問題，数學法子是一把东西，“智能工場”面對的挑战是数据家若何與現場数据交融。“智能制造”必要的不是简略的诸如基于利用寿命的展望性保护，如许的展望性問題，如许的問題凡是平凡的步伐員便可以解决，無需数學家介入；“智能制造”必要的是基于現場及時的、動態變革的、散布遍及的数据的“展望性保护”，這就请求做“智能制造”顶层计劃設計的專家能提出更多的現場数据模子需求，把這些需求丢给数學家去解决。有很多的制造業業主，给笔者提出一样的問題，智能制造中的数字孪生利用，事實能给智能制造带来甚麼效益？谜底是数字孪生给智能制造带来的效益是周全性的，全方位的，绝對不是為了展現炫酷的花狸狐哨的圖標数据，必要做的創建基于数理統计學、進程動態阐發、AI阐發等诸多的各范畴的数學模子，這就回到本文的弁言部門的內容，数字孪生要解决的問題是實現出產诸要素資本的優化設置装备摆設，使制造企業實現經濟效益最大化的出產营運。這就是基于現場数据收集的数字孪生的價值。

笔者许工從事工業現場数据收集装备钻研開辟跨越一纪，從現實数据收集工程案例中总结了工業現場七類必要收集的数据，如今分享给大師：（1）出產计数（计量）数据收集，（2）装备能耗数据收集，（3）装备運行状况数据收集，（4）出產工藝参数数据收集，（5）產物檢测数据收集，（6）出產情况数据收集，（7）工場排放和環保数据收集。 扶植以数据+模子為焦點要素的先辈制造體系（AMS）         ----数据要與工藝交融，数据要與装备交融，数据要與出產交融，数据要與辦理交融。笔者笃信，2023年工業現場数据收集技能會爆炸式成长。

趋向五： 2023年的“智能工場”热切必要APS主動排產體系

笔者早在2015年就接触到APS主動排產體系的現場需求潤肺中藥,，那是在深圳市格瑞特公司的绕線電阻出產車間里，車間里有近300台的主動化装备，做着一样的工序——快速地绕制電阻器。現場車間主任提出的項目方针需求很明白，就是讓現場派单員随時获得300台装备中哪些装备機台的定单将近竣事了的信息，好讓派单員實時把出產排程中的工单放置到這些装备中去，讓装备無中断地運轉出產。如许的一個排產需求，逻辑清晰，目標明白，看似简略，現實實現起来，却其實不是那末轻易。如许的問題，单靠人治療咽喉腫痛, 工，是没法實現的，必需寄托计较機软件體系。遗憾的是，咱们并無解决客户的問題，這在笔者心中留下了深入的烙印，從此也就把APS主動排產問題鼓励我深刻思虑。可以這麼讲，海內尚未哪家公司能把APS主動排產體系做得很好，缘由就是尚未哪家ASP主動排產公司的ASP排產算法，是創建在扎實的根本数學理論根本之上的，都是大學里學计较機科學與技能專業的步伐員本身“想固然”實現的逻辑代码罢了。“智能工場”對付APS主動排產體系热切必要逐年提高，出格是在疫情後經濟規复期的2023年，显得加倍首要。特此外，在離散型数字化“智能制造”體系中，要實現多品種小批量大范围的出產目標，几近端赖完美的APS主動排產體系来支持，如出產家具業全屋定制“智能制造”出產車間的裁板、封邊、钻孔工藝装备出產排程，都是APS主動排產體系運作的，不但仅可以大大提高装备的操纵率，首要的是有了APS主動排產這個體系，才實現真實的全屋定制的范围智能出產方法。要解决好出產現場的APS主動排產這個問題，就要思虑息争决好以下几個問題點：（1）從現場获得的關头性及時数据够不敷多？（2）多條理多節點的出產收集有無創建科學正确的数學模子？（3）APS排產體系動態的路径優化算法有無創建在扎實的数學根本理論之上？（4）產物的出產工藝有無拆分和優化為合用APS主動排產體系的出產工藝？這個問題是實現“智能工場”主動排產問題的關头性問題，是笔者许工在解决工程項目現實問題的持久思虑進程而逐步構成的，先分享给大師参考和思虑。

源自市場需乞降工程項目標現實，许工踊跃钻研和摸索出基于現代節制理論的APS主動排產體系法子論息争决方案——《基于現代節制理論的多层级APS排產體系優化算法的設計》。它充實阐扬和操纵了许工钻研開辟的“工業現場数据收集解决方案”，包管體系中能有足够多的現場及時数据，解决了其他公司APS中缺少数据的致命弱點，解决方案還創建了多條理節點出產收集数學模子，科學而正确，APS排產體系是本解决方案的焦點，由笔者许工與項目同伴数學家李博士配合完成。這項钻研功效固然尚需更多的現實項目運行現實结果数据来@證%42O5w%明和支%8ymPX%持@，可是咱们已走出了第一步，摸索和追求到领會决APS主動排產體系的法子論和数學根本理論這個东西，也是许工“智能制造”系統和法子論的首要內容之一。笔者许工一块兒事情的另有诸多的理論根本钻研的學者專家和大學傳授，包含李博士，匡博士，肖博士等等，任何現實問題的杰出解决，都是各路“仙人”才干和功力的整合。回首本節文字的起头，若是深圳格瑞特老板朱总看到這篇文章，请您接洽我，咱们寻觅到了能解决格瑞特公司早些年提出的主動排產需求的好法子，咱们十分愿意免费供给這項辦事，好来补充多年来對格瑞特公司的遗憾！

作為一個“制造制造”法子論息争决方案的摸索者，笔者许工持久事情在制造業出產一線装备開辟、主動化出產線設計和扶植，堆集了豐硕的解决現場現實問題的履历，為全世界500强電子制造業團體公司辦事過8年之久，司职主動化工程司理。笔者许工在近30年的“智能制造”之路的實践和摸索中，已形成為了本身的理論系統和法子論——合用于中小企業的魔龍傳奇打法，数字化“智能工場”计劃設計许工八步法，获得行業的承認，也有诸多的現實案例数据支持。

2023年，是疫情後重启数字化“智能制造”航行之年，势必把中國的智能制造奇迹推向新的飞腾，长風破浪會有時，直挂云帆濟沧海。

若有营業互助及咨询需求，请接洽。

附：许纶煌在智能制造范畴的一些钻研項目或利用功效先容

1，基于数字化的出產要素資本優化設置装备摆設的產物立异型出產方法的設計；

2，先辈制造数字化“智能工場”的计劃設計理論系統和法子論；

3，合用于中小企業的先辈制造数字化“智能工場”计劃設計的“许工八步法”；

4，先辈制造数字化“智能工場”的出產工藝優化法子和工藝技能交融法子的钻研；

5，先辈制造数字化“智能工場”的多品種小批量大范围出產方法的智能装备组织和软件架構及實在現法子的钻研；

6，基于現代節制理論的多层级APS排產體系優化算法的設計；

7，合用于共性MES體系的数字化“智能工場”出產現場数据收集分類法子的钻研；

8，数字化“智能制造” 之邃密物料仓储辦理法子及其软件架構的钻研；

9，基于数据驱動建模的装备展望性保护决议计劃機制（含算法）的数學模子構建法子的钻研；

10，合用于先辈制造数字化“智能工場”中小型出產装备的開辟法子的钻研；

11，基于5G+WIFI6的工業現場的無線数据收集解决方案的設計；

12，基于数字孪生利用需求的工業現場高速数据收集架谈判高速傳感器方案的钻研；

13，基于WIFI mesh的大型WMS物料堆栈范围化電子標签解决方案的設計

14，MQTT+Redis+MySQL+Web Server的工業現場数据收集“一扫而光”解决方案物联網根本架構的設計

15，工業現場出產计数数据收集法子的钻研與設計

16，数字化智能工場通用性現場電子看板體系解决方案的設計

17，基于5G + WIFI6的工業云化PLC的钻研與探究