简介

在数字化转型时代，制造业正在经历闪电般的变化。 全球各地的公司都在争先恐后地实施创新技术，转变制造流程并建立数字工厂——新一代工业机械和软件基础设施，可大幅提高效率，使公司能够以更少的资源、时间和人力生产高度定制的产品 努力。 如今，大多数制造公司都意识到集成智能制造解决方案对于在现代经济中保持竞争力的重要性。 今天我们想详细谈谈数字化工厂，描述智能制造所需的最重要的技术，以及帮助您成功实施数字化工厂的方法、解决方案和策略。

什么是数字化工厂？
数字工厂是一个通用术语，指用于自动化制造流程以及物理工业设施各个组件之间信息交换的一组组织模型和技术。 为此目的还使用了其他几个术语。 “智能工厂”是最常见的一种。 其他还有“U-工厂”（无处不在的工厂）、物联网工厂、实时工厂和未来的智能工厂。 一个组织内可能有许多数字工厂，复制工业运营的不同方面。 数字工厂没有单一的技术或标准。 典型的数字化工厂是一个生态系统，将各种工具、技术、流程和数字系统相互集成。 数字化工厂利用了许多常见技术和解决方案，这些技术和解决方案经常作为数字化转型和工业 4.0概念的一部分被提及。 它们包括 IIoT（工业物联网）设备、大数据、机器、机器人、其他类型的互联设备，以及跨企业网络各层的软件解决方案。 智能工厂与数字化转型的概念有着千丝万缕的联系，因为两者都是指实施和维护彼此一致并通过单个指挥中心进行集中管理的数字解决方案集成系统。

它是如何工作的？
任何数字工厂的目的都是尽可能简化、自动化和优化所有运营流程。 当然，所有数字流程都是由从传感器、机器到软件应用程序等各种网络组件收集的数据流驱动的。 数字工厂内的数据处理侧重于产品生命周期的各个方面，从产品设计和工程到创新装配线和优化增值流程。

技术
作为数字化转型概念一部分的多种技术被应用，以实现在智能工厂内使用来自人员、机器人、物联网解决方案和软件系统的数据。 以下是在现代数字工厂中发挥最关键作用的一些技术。

大数据
从智能工厂内的各种来源收集的大量信息通常被称为大数据。 它主要是时间序列数据，可以而且应该用于业务分析、工业流程的自动跟踪和其他目的。
人工智能 (AI) 和机器学习 (ML)
人工智能和机器学习是数字化转型和智能工厂的另一个基本技术概念。 它们使组织能够实现无数操作和日常工作流程的自动化，而这些操作和日常工作流程在传统工业设施中是手动的。
工业物联网 (IIoT)
物联网 (IoT) 描述了嵌入传感器、软件和其他自动化技术的不同类型的计算设备，这些设备允许它们相互连接并与外部系统交换数据。 IIoT 是指物联网在工业自动化解决方案中的扩展使用：传感器、机器、机器人设备和其他仪器通过工业通信协议连接在一起并与内部和外部软件自动化系统交换数据的生态系统。
预测分析
使用 AI 和 ML 模型分析从智能工厂内的 IIoT 系统收集的时间序列数据，以预测机械维护需求、优化资源使用、改进劳动力占用规划以及以整体简化工业设施运营为中心的其他目的。
云计算
云计算可以快速检索、存储和访问从数字工厂网络的不同组件收集的时间序列数据，这是推动数字化转型企业流程的一项更为关键的技术。

建设数字化工厂的理由
显然，将老式工业设施和制造流程转变为全面的数字工厂将为任何组织带来多种好处和优势。 让我们通过最基本和最关键的内容来了解今天建立数字工厂的原因。
提高所有流程的效率并加快产品交付速度
当然，所有工作流程和业务运营层效率的提高是实施数字工厂的最大好处之一。 它可以消除或最大程度地减少所有低效的手动流程，减少资源的使用（原材料和零件等物理资源以及时间）并提高产品交付的速度。 数字工厂还有助于消除导致供应链中断和制造流程减慢的多种错误和低效率。
数据驱动的设备维护和劳动力合作
工人、机器、软件系统和操作流程的其他组件之间的实时数据交换是数字工厂的另一个方面，它具有多种优势和优势。 从各种物联网设备、机器、机器人和其他类型的工业解决方案检索的时间序列数据可用于对该设备进行更具成本效益和平衡的数据驱动维护。 在数字工厂中，人类员工之间的合作也变得更加高效和透明。 从事不同运营流程的工人和业务经理能够更有效地相互沟通，针对制造瓶颈和挑战提出解决方案。
推动创新和以人为本
数字化工厂的建立必然会带来创新的推动。 由于多个日常流程的自动化，组织能够将人才重新引导到更具创造性的工作，这些工作需要知识， 并且更具吸引力和成就感（从而提高员工的幸福水平）。 以人为本是工业 4.0 概念的基本要素之一。 它提升了人才的作用及其对运营整体成功的重要性。 这种方法有时也被称为“以社会为中心”，因为它将人类的基本需求和利益置于生产过程的核心，并促进工业自动化技术适应行业工人的需求。 工业 5.0 认识到不仅要实现高生产力，还要创造安全和包容性的工作环境，将人类健康和福祉放在首位。
更有效的业务管理、规划和分析
随着来自传感器、机器、员工和软件的实时数据流成为数字工厂概念的重要组成部分，智能工厂组件的实施可以显着提高所有运营层面的业务管理效率。 流程。 持续、及时的时间序列数据流的可用性使得生成包含业务分析、预测和规划的自动报告成为可能。
产品质量和高度定制的新水平
数字化工厂也与客户产品的超定制和超个性化概念密不可分，这也是工业 4.0 愿景的一部分。 它专注于提供更好的客户体验，作为通过互连机器和软件实现高性能的补充。 对于消费者来说，这带来了超定制和超个性化，这是企业为客户提供更好的选择和产品定制选项的能力，同时借助机器人、自动化和其他创新技术仍然降低生产成本。

成功的解决方案和策略
建设数字化工厂的优势和好处或多或少是表面上的。 它们都是数字化转型的副产品。 当数字工厂的不同组件得到正确实施并相互互连时，它们可以产生大量且非常可衡量的业务绩效提升。 当然，并不是每个数字工厂实施项目最终都能提供所有这些业务优势。 当在实践中实现数字工厂概念时，组织通常面临各种挑战和瓶颈。 我们来谈谈部署数字化工厂过程中最常见的挑战。

拥有周密计划和全面的战略
尽管看起来微不足道，但在没有全面规划和考虑组织 IT 基础设施和业务运营各层的适当策略的情况下开始实施数字化工厂项目，是此类项目最终失败的最常见原因之一。 数字化工厂实施策略应包括以下内容：
详细分析 IT 基础设施和业务流程的所有风险；
明确阐述项目目标；
利益相关者协调一致；
实施方法；
最佳实践和类似案例研究；
进度审查和评估指南；
项目团队的组织和管理。

雇用合格且经验丰富的人才
数字化工厂及其相关技术仍然是一个相当新的概念，并且明显缺乏具备足够知识和经验的合格IT人才来实施数字化工厂战略以及在项目完成后进行运营 。 Gartner 最近对制造业领导者的一项调查显示，57% 的人认为他们的组织缺乏技术工人来支持智能制造数字化计划。 专家们说，为了实现数字工厂概念，仅仅实施和互连技术组件是不够的，我们很难与专家争论。 IT 员工和工厂工人必须与技术一起发展，使他们的工作与机器和软件解决方案同步。

领导承诺和管理层支持
数据显示，在实现数字化工厂的优势并支持其实施理念方面，大多数企业领导者和高层管理人员都表示支持。 普华永道（PWC）此次对德国 200 家组织进行的另一项调查显示，91% 的工业企业已经在投资数字化工厂。 大多数受访者 (85%) 表示，他们的工厂广泛使用数字技术， 一些元素已经联网 (44%)，或者正在工厂内使用数字技术作为独立解决方案 (41%)。 只有 6% 的受访者表示他们的工厂已经“完全数字化”。尽管高层管理人员给予了很高程度的支持， 但业务领导层对数字化转型和智能工厂实施的所有需求、要求和挑战的理解程度还有很多不足之处。

集成业务技术堆栈的不同组件和层
业务技术堆栈的各个部分以及外部系统和应用程序之间的全面集成是数字化工厂的关键要求。 普华永道 2020 年调查的德国工业公司高层管理人员中有 29% 表示，他们已经实施了连接组件、机器、生产管理、运输车辆、工人和制成品的网络技术。 另外 60% 的受访者表示他们打算在 2022 年底之前实现这一目标。 让我们简要回顾一下互联数字工厂的主要技术堆栈要素。 我们将在本文的以下部分之一中更详细地讨论它们:
制造执行系统（MES）
RFID 跟踪芯片
SCADA（监控和数据采集）系统
ERP（企业资源规划）系统
工厂、产品和生产资产的数字孪生
AI（人工智能）和 ML（机器学习）解决方案
机器人和cobots（协作机器人）
IIoT（工业物联网）
连接数据平台

实施时间序列数据收集和分析
能够有效地收集和分析工业时间序列数据是数字工厂的另一个重要组成部分。 为了能够利用从历史数据库、SCADA 和 IIoT 设备等工业自动化系统收集的多种数据，组织需要实现一个连接到多个数据源和外部组件的平台。

数字化工厂创建的5个阶段
实施数字工厂的过程通常分为五个基本阶段：规划、设计、验证、建设和运营:
1. 规划
正确的规划对于数字化工厂实施项目的成功至关重要。 在规划阶段，组织应专注于创建其所有运营的完整数字图像，其中包括物流和所有生产工作流程。 为了执行这个过程，数字工厂项目规划团队应该从组织内可以生成数据的所有来源收集尽可能多的数据，包括软件系统、机器和带有集成传感器的各种硬件设备、物联网设备等。 以数字形式重建操作工作流程还需要收集有关每台设备和工作站的位置、人员、材料和机械的移动以及所有设备和软件解决方案的最佳配置的信息。 利用所有这些数据，需要创建对所有组织运营的模拟，该模拟可以用作数字孪生解决方案，以规划将新的智能工厂组件正确引入业务流程，而不会中断工作流程或在其中一层中导致错误 生产环境。 由于需要收集和组织来自多个来源的大量数据，您需要一个功能强大且易于使用的数据分析解决方案。
2.设计
当创建组织的数字孪生并在模拟中重新创建所有操作流程时，负责实施智能工厂项目的团队可以继续以数字形式设计其执行。 对所有工作流程和设备位置进行数字模拟，工程师可以将智能工厂所需的系统添加到其中，测试潜在错误和安装问题的变化。 创建适当的数字工厂设计可以帮助组织避免可能中断实际业务流程并造成难以克服的运营挑战的错误。
3. 验证
当智能工厂的数字投影创建完毕并且设计部分完成后，项目股东就该审查结果了。 需要进行验证来检查数字工厂设计的可行性，以避免代价高昂的错误，例如我们有关数字化转型的文章中描述的错误。 在此阶段，实施项目的组织的领导和管理层需要密切关注，花时间评估数字设计，在大多数情况下，数字设计是由受雇将智能工厂解决方案集成到现有生产流程中的第三方承包商创建的。
4. 建设
当数字工厂计划得到股东的验证后，您终于可以开始实际建设它了。 当然，建设数字化工厂的过程必须合理组织、分阶段、协调。 通常，这是通过所谓的 BIM（建筑信息模型）来完成的，BIM 是在建筑项目整个生命周期中创建和管理信息的过程。 BIM 流程通常在 Autodesk 等专业平台上进行，允许项目的各个股东（包括承包商、建筑师、工程师和其他专家）监控项目进度并进行协作。
5、运营
当智能工厂建设完成，软硬件各层系统全部部署完毕并互联后，即可进入运营阶段。 最初创建的组织的数字孪生也将在日常运营中发挥至关重要的作用。 它可用于集中管理和监控所有生产流程、优化工作流程并在安全环境中测试新工具。 作为数字工厂的一部分，来自整个组织的人员、程序和机器的信息应该被自动收集、存储在安全的空间中并进行分析，并且可以通过基于云的解决方案轻松访问。

数字工厂包含大量各种系统、工具和技术。以下简要介绍在数字工厂运营中发挥最重要作用的技术组件。

MES（制造执行系统）
MES（制造执行系统）是用于管理、跟踪和记录所有制造流程的软件解决方案。 MES 作为 ERP（企业资源规划系统）和流程控制系统之间的集中层，允许各种角色的人员访问制造运营数据并协作优化所有流程的生产力和效率。 以下是MES解决方案的核心功能：
制造过程的调度；
追踪原材料和其他资源；
生产单位调度；
收集和存储与制造工艺和材料相关的数据；
文件的管理和分发；
产品质量管理；
制造设备的预测性维护；
劳动管理；
跟踪和控制制造过程；
生产相关数据分析和自动报告。

M2M（机器对机器）技术
M2M（机器对机器）通信是推动新一代智能工厂的核心技术解决方案之一。
M2M 是各种技术的总称，可实现数字工厂网络中不同设备之间的自动通信和数据交换。 建立M2M通信的方法有多种，包括集成连接到设备和软件系统的传感器和仪表，以及通过通信协议连接到基础设施的工业仪器。 数字工厂环境中的现代 M2M 通信通常是通过实施在所有硬件和软件层以及人类用户之间传输数据的网络系统来建立的。 “制造业产生的数据量是其他行业的两倍，这使其成为新数字化流程的主要候选者，可以大大缩短上市时间，并显着降低运营和维护成本。 IDC 看到公司在制造中使用技术的方式发生了重大变化，并且有能力消除运营技术（工厂和其他制造设备）、信息技术（软件、硬件、网络）和消费者或个人技术（智能手机、平板电脑）之间的孤岛 ）。 新兴的 M2M 和移动技术是这一变革的重要组成部分。”IDC 制造洞察实践总监 Kim Knickle 说道。 以下是M2M解决方案的几种常见应用：
机械和其他工业资产跟踪软件；
供应链管理解决方案；
机械的预测性维护；
库存管理;
自动计费和电子支付。

数字孪生
数字孪生是实时物理对象、结构、过程或系统的虚拟副本/表示。 最常见的是，数字孪生由来自传感器的数据流驱动，这些传感器从模拟系统的主要功能组件收集信息。 数据由软件系统处理并应用于数字孪生。 数字孪生用于运行仿真、对工具和设备进行虚拟集成、监控工业机器的性能、研究潜在问题的流程、分析设备的磨损和维护要求等。
工业自动化环境中使用了多种类型的数字孪生。 四种最常见的数字孪生类型是：
资产孪生；
系统孪生；
组件/零件孪生；
处理孪生。

数字骨干网
数字骨干是一个术语，用于描述分布在数字工厂所有基础设施中的各种通信网络和解决方案，从而实现所有系统之间实时高效的数据交换。 通常，数字骨干网的实施是智能工厂建设项目中的下一个逻辑步骤，紧随制造执行系统和企业资源规划（ERP）系统的部署之后。 数字主干网构成了所有连接设备、软件解决方案和员工之间的通信层。 以下是智能工厂中数字骨干层的一些最重要的功能和能力：
WIP（在制品）管理；
供应链跟踪和管理；
生成实时进度报告；
绩效分析；
先进过程控制（APC）；
故障检测和分类（FDC）；
自动化设备设置和配置。

ERP系统
ERP（企业资源规划）系统是组织使用的软件，作为管理所有运营和业务活动的集中解决方案，从会计、人力资源和项目管理到采购、风险管理、物流和供应链。 ERP 解决方案可以包含数十个、有时数百个应用程序，负责业务运营的不同方面，所有应用程序均可集中访问并实时运行。 通常，属于 ERP 系统一部分的各种应用程序按通用功能区域划分，并分组在特定模块中。
以下是最常用的 ERP 模块：
客户关系管理（CRM）；
供应商关系管理（SRM）；
会计管理；
财务管理;
人力资源（HR）；
项目管理;
制造工艺；
订单处理;
数据服务;
学习资料管理。

配方管理系统
配方管理系统是一个软件解决方案，旨在存储和集中管理生产配方及所有相关流程。 在制造中，配方是关于操作工业机器和执行生产过程的各个方面的一组书面说明，包括制造步骤、如何组合原材料和成分的注释以及允许最终产品成为可能的其他元素。 产生的。 配方管理系统通常与制造执行系统和 ERP 集成。 有时，配方管理系统被开发为 MES 的模块。 以下是配方管理系统最常见的功能：
配方储存；
配方修改；
控制配方修改；
配方访问用户权限管理；
配方参数化；
生成生产记录所需的数据。

自动物料搬运系统 (AMHS)
自动物料搬运系统 (AMHS)，有时也称为自动物料运输系统 (AMTS) 或自动运输系统 (ATS)，是硬件解决方案，旨在实现制造基础设施不同组件（包括电梯、 输送机、机器、自动驾驶车辆等 AMHS 通常与 MES 集成，使用 MES 提供的信息来协调物料的移动。 AMHS 通过光学字符识别 (OCR)、传感器、射频识别 (RFID)、条形码等多种技术来识别材料的种类和类型。 以下是自动化物料搬运系统最常见的功能：
检测材料或成分的种类；
建立物料交付的最佳路线；
确保将材料/成分输送到适当的工具；
将材料放置在传送带和其他制造工具上或从传送带和其他制造工具上移除材料。

AR
增强现实 (AR) 是一种能够实现数字对象或信息与现实世界之间交互、将数字模拟投影到现实世界背景的技术。 在数字化工厂中，AR应用可以有多种应用，包括真实工业环境中设备定位的虚拟规划、AR辅助装配线、物流、物料运输和存储、机器和机器人的控制等。 以下是 AR 在数字工厂环境中最常见的用途：
员工培训;
记录数字化工作指令；
制造环境测试；
最终产品的质量保证和测试；
将手动流程添加到自动化工作流程中。

数字化工厂核心运营和流程
除了构成数字工厂核心的系统和工具之外，上述技术解决方案还支持多种重要的操作和流程。 让我们来看看一些最关键的。

3D打印
3D 打印在工业自动化环境中也称为增材制造，是一种通过分层沉积材料来基于三维数字模型生产物理对象的过程。 为了实现顺利的 3D 打印过程，数字工厂需要将软件、硬件和材料处理系统结合起来协同工作。 通过 3D 打印，数字工厂可以快速制造产品组件、原型、用于测试的物体副本以及顺利生产过程所需的各种工具。 塑料是当今工业环境中最常用的 3D 打印材料，但如果可用的 3D 打印设备支持，也可以使用其他材料，例如金属、玻璃、水泥等。 3D 打印的类型和方法多种多样。 以下是一些最常见的：
立体光刻（SLA）；
熔丝制造（FFF）；
选择性激光烧结（SLS）；
熔融沉积成型（FDM）；
直接金属激光烧结（DMLS）；
电子束熔炼（EBM）；
数字光处理（DLP）；
多射流融合 (MJF)。

先进制造智能
先进制造智能是使用从各种硬件和软件组件以及员工收集的大量数据来优化生产流程、获取新知识和技能、识别生产问题及其原因、提高所有关键绩效的过程 指标等 先进的制造智能是通过无缝收集和聚合数字工厂系统内各种来源的数据来实现的，这些来源包括 MES 系统、传感器、物料搬运和跟踪系统、设备日志和其他组件。 以下是建立流畅的先进制造智能流程的最大好处：
基于实时数据分析的自动决策；
识别制造工艺和产品质量中的问题；
数字化工厂流程的集中可见性；
根据实时收集的数据自动报告；
提高数字工厂运营和制造流程不同层面的透明度。

WIP管理
WIP（在制品）管理是旨在建立有效的材料流动和优化生产流程的战略和举措的组合。 WIP 管理需要集成所有业务运营和工作流程，包括库存管理、供应链、采购、分销和其他流程。 在数字化工厂内实施顺畅的 WIP 管理所需的系统组件包括制造执行系统、ERP 和作为底层支持收集所有 WIP 相关数据、分析和报告的数字主干网。 正确建立 WIP 管理流程可以带来多种业务优势，例如：
消除生产错误；
自动化数据收集和分析；
提高生产过程的质量；
数据驱动的制造过程控制；
消除手动重复工作流程；
所有制造流程的端到端可见性。

数据采集
跨工业机械和软件系统各层的数据检索、收集和存储是实现数字工厂顺利运营的另一个关键过程。 在现代智能工厂环境中，数据以数字格式从设备传感器、制造执行系统、统计过程控制 (SPC) 系统、机器人解决方案、高级过程控制 (APC) 解决方案、ERP 系统和其他设备收集， 构成数字工厂生态系统的软件工具。 以下是通常作为数字工厂运营的一部分收集的数据的一些示例：
设备利用率；
产品质量;
按时交付产品；
周期;
装配线吞吐量；
装备配方；
生产良率；
制造周期时间。

报告和分析
基于从数字工厂系统各个组件收集的数据的自动分析和报告为优化制造流程、检测生产问题、开发解决方案、跟踪生产效率以及所有关键绩效指标的实时可见性提供了基础 。 以下是通常作为数字工厂运营的一部分提供的分析报告的一些示例：
设备效率报告；
完成的运营报告；
周期时间报告；
整体设备效率（OEE）报告；
当前设备状态报告；
根本原因分析;
周期时间偏差分析；
生产设备预测性维护分析；
动态预测瓶颈和生产问题。

数字化工厂环境中的人才
尽管新技术的实施在数字工厂项目中扮演着第一小提琴的角色，但建立所谓的数字劳动力对于获得工业创新的好处并利用它们来实现可衡量的业务成果至关重要。 大多数实施数字工厂项目的企业领导者意识到，招聘、留住和培训员工的方法也需要改变。 普华永道对德国企业进行的一项调查显示，超过一半的受访者 (56%) 预计工厂劳动力规模将因数字化而增加或保持不变。 一半的受访者表示，他们相信数字技术将帮助老年工人继续工作更长时间。 与此同时，81%的公司预计，数字化带来的最大的人力挑战将是寻找具备足够资格的员工。 在数字化工厂环境中，具有适当资格的求职者的工作机会和机会数量预计将会增加。 普华永道调查中 89% 的受访者希望聘用具备充分利用数字化所需资格的新员工。