公司如何从从智能工厂转型中学到的经验教训转向成果,以及智能工厂能力如何使流程和组织变得更好?认识价值的机会有很多:从照亮数据,将智能工厂桥接到更广泛的DSN,驱动当前流程的改进版本,分层以实现卓越运营的先进技术,从设施的四面墙扩展到更广泛的生态系统。我们探索了其中一些机会。

照亮隐藏的工厂

   与我们交谈过的有关其智能工厂转型的大多数人都指出了连通性的重要性,以及需要在广泛的系统,平台和数据结构之间连接资产和数据的需求,其中一些是从未被连接的。设施及其资产一旦连接起来,便会释放出大量信息,需要进行处理,翻译和处理。通过注入新数据,组织可以查看始终存在但以前无法观察或量化的事物。

   通过连接的资产和数据流,现在可以看到整个机构的信息。同时,处理能力的快速提高带来了新的分析功能和生成越来越深刻的洞察力的能力,这甚至在几年前还无法产生。在一个示例中,制造商通过使用由先进车间分析驱动的预测功能,使现有资本设备的生产量增加了一倍以上。有了正确的架构,这也可以为在整个DSN中使用来自智能工厂的信息铺平道路:使用跨连接的生态系统中的数据来告知实现,产品开发,计划,供应和客户服务。

在新流程中利用当前系统以实现卓越运营

   我们采访的领导人讨论了在处理各种设备,数据和系统时必须灵活的方法,并认识到连接各种系统和资产的复杂性和困难性。通过以数字方式集成其当前系统并利用数据,公司可以在精益生产和劳动力管理等领域进行改进和改进,从而探索优化运营,提高生产率和利用人才的新方法。

   增强数字精益。只要存在设施和工厂,就一直在使用方法来告知其运行方式。数十年来,诸如精益之类的方法已用于优化流程和工作流程,识别和减少浪费并实现价值最大化。但是,智能工厂转型的灵活性使组织可以改进诸如精益之类的方法,在数字环境中将其向前推进以获取以前看不见的价值。数字精益代表了精益制造与智能工厂原理的结合,并通过数字工具扩展了现有的精益生产能力,这些数字工具可提供有关操作的更准确,准确和及时的信息。结果是可以更好地监视生产和报告问题,以及其他功能。

   启用更聪明的人才管理方法。领导人谈到了考虑到用户需求的工具的重要性,与智能工厂转型所需的各种技能相匹配的多样化团队的需求,以及持续学习和获得ROI证明以保持团队投资和适应能力的重要性。智能工厂功能。但是除此之外,智能工厂本身还可以实现劳动力的智能分配。数据可以指示维护人员,机器操作员和其他人员需要在何处优化性能,以及使用基于角色的工具来集中精力处理与特定角色相关的见解。此外,工人可以与数字和物理技术合作以增强他们的能力,而技术本身可以在智能工厂中创建全新的角色。

利用AI和其他高级工具进入新的水平

   人与技术(包括IT和OT)的融合使智能工厂变得智能。诸如机器人技术之类的物理技术的应用导致了智能设施的重大转变,而物联网,云计算和边缘计算则导致了数据和信息的创建和聚合。实际上,研究表明,领导者优先于物联网,人工智能,云和分析方面的投资高于其他技术。21这些技术构成了组织的基础,这些组织不仅相互连接,而且可以利用,分析和使用数据来驱动决策。

   但是,当领导者从各种各样的来源收集信息时,他们需要一种方法来理解它,快速主动地实现价值最大化并加速实现收益。由AI驱动的高级分析功能使组织能够从其新近展示的流程中理解所有信息,并处理数据负载以及人类无法大规模处理的数据中关键的,以前未知的关联。

   AI可以以各种方式部署在整个设施中,例如,机器人能够在工业设施22中发现的不均匀或不可预测的配置类型中进行导航和学习,并且能够模仿人类的视觉和听觉以提高质量感知和资产健康预测。23它可以推动预测性维护;在整个设施中动态路由输入和其他物料;以及在控制塔内智能工厂的整个运营范围内对环境进行分析,感知和主动响应,以及其他功能。通过部署数字双胞胎和数字线程,AI还可以用于监视和优化产品或流程的性能。数字双胞胎使公司能够通过及早发现潜在问题,优化工厂产能并预测各种情况的结果来获取价值。同样,可以将AI部署在数字线程中,从而创建产品本身生命周期的数字记录。

部署AI功能可以带来巨大的价值。一些领导者报告说,通过部署AI驱动的功能,生产流程,机器利用率和生产量均实现了两位数的增长。加工圈官网