网站开发及设计演讲海报,免费做网站app下载,风云办公ppt模板网站,wordpress手机端显示pc端制造业数字化转型该怎么做#xff1f;下面通过 1.6W 字干货内容#xff0c;全面讲透制造业数字化转型。
#xff08;为防后续找不到#xff0c;建议大家先点赞收藏~#xff09;
引言#xff1a;
1、发达国家制造业回流力度加大#xff0c;中国制造业战略地位提升。
…制造业数字化转型该怎么做下面通过 1.6W 字干货内容全面讲透制造业数字化转型。
为防后续找不到建议大家先点赞收藏~
引言
1、发达国家制造业回流力度加大中国制造业战略地位提升。
随着全球制造业生产从西向东转移许多发达国家经济体经历了一段衰退期。美国制造业在20世纪50年代达到巅峰约占经济总量的28%但此后逐步下降至略高于10%1991年至2022年期间制造业在德国经济所占比重也从25%降至19%。然而在过去的几年间新的制造业时代开始形成以德、美、日、法为代表的发达国家纷纷加大制造业回流力度积极部署制造业自动化、智能化升级以求提振制造业在国民经济中的战略地位。
对于中国而言制造业发展水平不仅关乎国家地位对于加快发展现代产业体系、巩固壮大实体经济根基并在建设工业强国的同时构建高质量发展新格局更具有重要的战略意义。历经数十年的高速发展中国制造业已经建立了独立完善的产业体系中国制造业规模排名世界第一2022年中国制造业增加值占GDP比重达27.7%。
注数据来源于工信部
2、数字化技术全面重塑制造业生产体系并为产业链上各环节带来发展新机
中国制造业体量庞大一些产业内的先进企业正积极探索从自动化、信息化向数字化、智能化发展但是多数企业对于前沿技术的融合落地应用还处于初级阶段 我国制造业距离完成真正的数字化转型还有很长距离。
随着制造业数字化进程的加速人工智能、工业互联网等底层技术正全面重塑制造业生产体系推动新的生产要素、研发范式和商业模式的建立。这个变革过程不仅是对原有制造体系的颠覆而且会影响制造业的所有细分行业和产业链价值链的每个环节为众多领域以更高效率稳住发展动力提供了新的可能。
本报告从“研发设计”、“供应链”、“制造生产”及“营销及售后服务”四个部分阐述工业互联网、人工智能等底层数字技术对制造业各环节的支持与赋能并在此基础上对中国制造业数字化转型趋势做出展望。我们相信本报告所展现的产业洞察将为业界带来新的启示帮助众多制造业创新企业更好地把握数字化转型的要点及路径。 一、制造业数字化转型底层技术支持
1、人工智能
从技术突破到应用拓展AI技术正加速在制造业中的渗透。
以深度学习、计算机视觉等为代表的AI技术正加速向制造业渗透领先的AI能力能成为我国制造业在全球竞争力的重要体现。
1深度学习。曾经制造业的数据分析方法以经典统计学和计算机科学为基础能够处理的数据量和计算速度都较为有限。引入深度学习等机器学习方法后制造业企业能够对海量数据进行高效处理分析并使其产生业务价值。深度学习技术能够将工业数据转化为具备价值的数据资产随着各类算法的逐渐完善深度学习技术逐渐成为衡量制造业数字化转型进程的核心技术之一。
2计算机视觉。计算机视觉是以深度学习为基础的、研究机器如何获取、处理、分析和理解数字图像的技术。对比人眼计算机视觉具有识别精度高、速度快、效率高、环境适应性好、方便信息集成等优点目前这类技术已广泛应用于电器制造、汽车、纺织等制造业领域。未来随着人力成本的不断上升和传感器、电子元器件等工业硬件成本的逐渐下降机器视觉在制造业中的渗透率将逐步提高。
技术体系支撑下的工业互联网是工业制造业实现全面数字化转型的关键基础设施。
工业互联网是新一代信息技术与工业制造业深度融合的产物通过对人、机、物、系统的全面链接构建起覆盖工业制造业全产业链的全新制造和服务体系是工业制造业数字化转型的关键综合信息基础设施。
5G、区块链、边缘计算、数字孪生、低代码等技术将在更广泛的生产制造场景中实现落地应用
以5G、区块链、边缘计算、数字孪生、低代码等技术为代表的新兴数字技术对支撑工业互联网体系架构中的网络、平台和安全的建设以及实现数据优化闭环具有重要作用。
15G技术。制造业领域中的人、机、物系统的全面链接离不开具有海量连接、低时延的网络连接技术。5G作为最新一代的蜂窝移动技术具备海量连接、高可靠、低时延等优势利用5G无线技术、网络切片技术以及其他与网络技术融合的5G时间敏感网络、5G云等技术可有效解决不同工业场景的多样性需求。当前5G赋能工业互联网已经取得了一定的研究及应用成果。在生产制造场景下5G能够支持AGV等移动机器设备的部署并在网络架构融合的基础上支持部分设备的远程控制。
2区块链。企业在部署工业互联网过程中隐私数据需要上云因此需要区块链技术解决工业互联网平台中的互信协作及数据安全、数据控制权等问题。通过区块链的加密算法、访问控制、隐私保护、入侵检测等技术可以实现企业内部各个环节的数据共享、网络加密及访问权限控制等功能。目前区块链技术在产品质量管理及生产过程追溯等环节已经落地应用未来随着“区块链工业互联网”融合研究以及各项标准制度的发展与完善区块链技术将在工业互联网中持续发挥更大的作用。
3边缘计算。一些需要高效计算能力的生产控制场景不支持将数据传输到云端后再进行计算并且由于生产现场设备之间通信标准的不统一和总线连接的异构需要将计算资源部署在生产现场附近以满足这部分业务的高效实时需求。边缘计算技术与工业互联网的融合能够将工业场景中的计算以及存储分散到工业互联网边缘来降低云端计算和存储的压力解决云计算模式存在的实时性差、运维成本高、数据安全风险等问题。未来边缘计算技术的数据安全能力及其协同性、可靠性将进一步提升边缘计算将成为制造业数字化转型的强大驱动力。
4数字孪生。数字孪生为工业互联网智能化部署提供了强大驱动力。数字孪生是物理世界在数字世界的建模映射起源于新兴信息技术与不同领域技术的融合其技术基础包括物联网、大数据、机理模型建模、人工智能及云边协同计算等技术。这些数字技术的融合赋予数字孪生系统数据采集、建模分析、高效计算和判断决策等功能未来数字孪生与工业互联网的融合将持续完善工业互联网的功能架构帮助企业实现全方位数据优化闭环。
5低代码。低代码是一种低代码编写量、可视化的应用开发与数据分析方式相对于传统需要编写许多行代码的“纯代码”方式低代码可以减少代码编写量或不使用代码编写进行应用的开发、数据的拉选及分析。在低代码模式下专业开发人员或业务人员可以通过图形化的用户界面以拖拉拽组件、模块的方式轻松连接数据源进行应用开发与数据分析并自动同步到移动端同时也可以结合编写少量代码的方式进行功能的扩展 轻松为工业企业实现针对生产、经营管理、运维等全方位的建模、执行和分析。
近年来工业数字化软件逐渐向低代码化发展从而能够在短时间内赋能工业企业完成数字平台的落地解决数据孤岛、业务孤岛、OT与IT融合等问题降低数字化转型的资金及时间成本使得企业能更加专注于业务的持续创新提升企业的敏捷性与自主性。
目前国内低代码平台在制造业领域做得还不错的优秀厂商有织信Informat、葡萄城等。 二、研发设计
1、产品设计洞察
大数据、AI、物联网等数字技术助力企业贴近需求端加快研发效率的同时缩短研发周期
工业设计是制造业的第一步也是产品的起点与核心包含需求洞察、产品研发、仿真优化等环节。工业设计与创新能力息息相关设计越活跃其市场竞争能力越强制造业水平越高。数字技术的成熟推动企业可在设计环节根据用户需求在大数据、人工智能、虚拟现实等支撑技术的作用下对海量信息进行分析实现高效设计的同时对产品进行仿真进而快速产出符合用户需求的产品设计。
在需求洞察环节过去主要依赖研发人员研发思路、手段、创意均受到限制这导致家电、汽车、服装等制造业细分产业的产品同质化严重各品牌难以通过差异性产品抢占市场份额行业竞争激烈。此外消费者需求愈加碎片化、多元化仅依靠传统产品设计思路已难以适应市场变化。精准挖掘并高效响应市场需求已成为决定企业市场份额螺旋上升的关键。因此制造业积极探索需求洞察环节的数字化借助大数据、人工智能、物联网等数字技术抓取并分析需求指导新产品的设计与改进缩短研发周期的同时提升研发效率。
1人工智能大数据。大数据技术可基于用户访问、交易等海量数据对需求端进行全方位深度挖掘分析以数据驱动构建用户、产品画像的同时及时捕捉用户需求从而为新品设计提供思路提高研发效率。此外随着深度学习和知识图谱等技术的成熟大数据分析能力和效率增强可深度挖掘数据价值提升数据洞察能力。美的即通过瓴羊旗下的数据银行产品洞察消费趋势准确了解消费者喜好及目前使用痛点明确“清洗方便”是急需提升的产品特点从而进军免洗破壁机市场研发出更复合年轻消费者对厨房空间和生活方式期待的产品。
2物联网。物联网可打通消费端与设计端远程从IoT设备获取设备数据评估产品运行状态收集消费者使用反馈帮助产品进行迭代设计。
2、研发类工业软件
研发类工业软件辅助设计工作但面临要求高、数据孤岛等问题。
研发设计类工业软件融合多学科利用计算机计算和图文处理能力以可视化方式在设计阶段即可规划产品整个生命周期帮助设计人员完成产品设计和工程绘图等多项工作提高设计环节效率的同时大大简化了设计人员的重复工作降低误差概率管控研发质量。
传统工业研发软件基于单机或局域网本地部署对使用环境配置、数据版本一致性、数据安全性有较高要求各环节的独立也导致团队合作较为割裂。此外目前各个研发软件差异较大各软件间数据一致性、时效性不同且存在难以流通、数据孤岛问题对企业的研发工作造成困难。AI与云计算等数字技术和软件一体化有望解决以上问题提升设计效率和结果的同时降低软件使用成本。
AI、一体化、云计算帮助研发类工业软件实现研发质量与效率的双提升
1一体化。研发类软件一体化指将设计各环节、各类软件功能聚合标准化并共享设计数据有望实现多方协同设计缩短开发时间。例如中望软件提出all-in-one CAx战略逐步向CAx一体化软件平台发展从二维CAD软件逐步向三维CAD、CAM、CAE拓展并协同发展PDM、PLM软件能力。再比如【织信低代码】提出企业级低代码的概念逐步向信息一体化软件研发平台发展可以覆盖企业各类业务场景需求将传统信息化软件OA、CRM、ERP、SRM、WMS、MES、PLM等软件进行一站式管理。并拥有足够高的能力边界支撑这些系统快速开发的底层框架。
2人工智能。AI技术有望引领研发工业软件交互模式、设计模式变革已在芯片、制药等领域应用。具体而言工程师通过自然语言下达指令设定材料和工艺要求AI自动生成多种设计方案提高设计效率的同时提前预设到各类影响因素提升设计效果。在芯片制作领域Cadence推出智能芯片设计工具OptimalityAI驱动取代传统设计、测试和调整循环的交互流程帮助工程师自动优化设计生产效率提升近10倍部分设计上操作速度提升百倍。
3) 云化。一方面基于Web或云端部署的研发软件可将用户产生的数据存储在云端服务器上方便其随时掌握知识产权、产品生产制造等核心数据的同时云架构软件将各个环节整合使设计师随时随地可协作工作提高工作效率。另一方面企业无需再配置本地图形工作站和专业运维团队减少其软件使用成本。以钉钉为例基于云服务等技术钉钉帮助企业实现生产数据上云并可以通过低代码开发的方式帮助制造业企业以较小的成本实现研发工作的协同。
3、工艺仿真
工艺仿真与数字技术的融合有望解决行业门槛高、效率低、局部优化等问题。
工艺仿真利用产品三维数字样机对产品装配过程进行统一建模在计算机上实现对零部件、装置(整机)、生产线和工厂工作、运行状态的模拟和仿真从而在研发阶段通过虚拟调试对产品性能与功能进行预测分析并模拟真实生产制造工作状态和表现情况确保设计方案及工艺的准确性协助设计人员及早发现制作工艺、工艺布局中潜在问题减少物理实验次数加速设计迭代并降低试错成本。
目前传统的工艺仿真技术面临着单领域、单学科仿真仅能优化局部、使用门槛高、仿真效率低、仿真结果置信度不高等问题。在多物理场耦合、云计算、人工智能等技术赋能下一方面工艺仿真的结果准确度和计算速度有望提升另一方面降低仿真技术使用门槛最终实现研发环节的降本增效。
多物理场耦合、云仿真和SaaS化、人工智能成为工艺仿真技术未来发展新机遇。
1多物理场耦合。工艺仿真需在多物理场耦合的情况下对真实物理世界建模还原应用过程复杂多样且各个参数相互影响。因此多单一学科中进行多次往返计算的工艺仿真无法满足精确性要求将底层求解公式融合的多物理场耦合仿真、多学科结合仿真成为未来发展方向。例如COMSOL推出集成化仿真平台COMSOL Multiphysics可灵活组合电磁、结构力学、声学等领域多个附加专业模块提供丰富的多物理场仿真解决方案帮助客户精确分析、预测真实场景下的设备、工艺和流程提升仿真结果准确度。
2云仿真和SaaS化。工艺仿真为确定最优设计参数提高仿真效果涉及大量计算对算力要求较高。云仿真和SaaS化可解决算力问题为工艺仿真提供多端访问让客户可直接在云平台进行数据分析灵活运用计算资源提升计算速度的同时大幅降低客户使用门槛和采购、维护成本。例如阿里云可为工艺仿真厂家提供上云服务。作为仿真业务底层基础设施阿里云实现云上高性能计算的性能无损。同时阿里云高性能计算平台E-HPC可自动管理计算资源优化运维成本改善用户体验解决访问潮汐问题。此外用Serverless工作流编排函数计算可同时拉起数百个CPU实例进行三维渲染效率提升近百倍。
3人工智能。AI与工艺仿真的融合可优化代码生成能力的同时使用AI自动寻找仿真参数、增强仿真提升仿真速度和准确性。目前Ansys等龙头企业已开始使用AI优化工艺仿真技术。一方面Ansys使用AI/ML方法自动查找仿真参数另一方面利用增强仿真通过数据驱动方法或基于物理的方法训练神经网络将仿真速度提高100倍的同时优化仿真效果。 三、供应链
1、智能仓储与物流配送
智能仓储物流系统将硬件与软件有机结合为企业实现仓储物流环节的降本增效
智能仓储物流系统通常是指通过信息化、物联网和机电一体化等技术共同实现的智慧仓储物流解决方案。这套方案能够将物料出入库、存储、分拣、输送等过程实现自动化、信息化和智能化。从构成来看智能仓储物流配送系统可分为硬件装备和软件系统两部分。
制造业企业传统仓储与物流配送存在仓储空间利用率低、人力成本高、物料盘点及出入库流程手续繁琐、仓储信息透明度低、信息更新不及时、物料减配差错率高、人工安全风险等诸多痛点。随着软硬件两端的数字技术不断更新越来越多的制造业企业在智能仓储物流系统的加持下实现了仓储与物流环节的降本增效。
1工业移动机器人。在仓库物料移动配送过程中各类工业机器人的协同工作能够在保障物料完好性的同时提升物料出入库的整体效率以安踏晋江仓为例其智能仓储物流项目上线后在各类机器人协同帮助下全仓实现入库产能1,000箱/小时整体出库产能20万件/天出库效率为20,000件/小时是传统人工效率的2倍以上。
注数据资料来源于东北证券研究所
以机器人为代表的硬件和以智能算法为基础的软件双轮驱动助力制造业仓储物流智能升级
随着计算机视觉、激光传感器和机器学习等技术的成熟分拣、搬运及堆码垛机器人可应用于更多精细复杂的场景满足更多制造业企业的应用需求。
此外云计算技术也在帮助工业机器人企业探索商业模式新方向。在阿里云协助下极智嘉的机器人调度部署逐渐从本地化向云化发展。通过计算巢平台极智嘉能够将其物流机器人软件交付部署自动化、服务在线化并在云上实现统一的运维与软件更新。这种云化发展不仅能够获得高性价比的算力资源也能保障业务的持续稳定运行。
2智能算法。在人力参与的工作环节中即使是最为琐碎的工作内容也需要工作人员的决策才能继续推进而人力做出决策需要消耗一定时间。一个物流环节作业量越大需要进行决策的问题就越多且问题之间的关联也越复杂。在此情况下单靠人力在短时间内很难给到最优决策。当前智能仓储物流系统中的智能决策算法正不断更新通过与自动分拣技术、射频识别和语音识别等技术的结合帮助制造业企业物料的收、存、发、配全过程任务逐步走向自触发与自执行在降低用人成本的同时提升物料周转效率。例如纬创资通建立的PCBA智能仓储配送系统能够通过智能决策算法将物料管理用人从6人缩减至3人PCBA平均库存周转天数从3天缩短至1.5天。
2、供应链协同
人工智能技术串联供应链各环节数据实现供应链高效协同
供应链是整合公司与供应商、分销商实现原材料采购、生产、销售、物流等全过程协同的组织形态。对于制造业而言智慧供应链体系可降低企业经营成本和交易成本有效提高各环节协同效率。
现阶段在流通环节长且多、贸易商格局分散的大背景下我国制造业供应链存在体系建设不足的问题导致企业运作成本高、流通效率较低。此外供应链数字化程度较低这表现为信息孤岛、数据分割、数字化基础设施薄弱、上下游企业联动不足等问题频发。人工智能、区块链、物联网等数字技术有效串联、整合、分析各方业务数据推动供应链高效协同且更加透明、智慧实现供应链的降本增效。
1人工智能。嵌入人工智能技术的供应链可根据经济周期、地缘政治、天气、经营情况等内外部数据和供应链策略预测可能发生的问题、新需求等情况并自动设计、决策、执行相应解决方案帮助企业降低供应链管理难度实现各环节数据高效协同和企业的降本增效。例如阿里云基于数据中台帮助某头部乳业品牌拉通采购、生产、计划、物流、销售各部门数据设计并形成内外部的全链路分析场景通过全局数据洞察打造供需端到端协同并通过人工智能算法帮助该企业在实际订单和未来需求的基础上综合库存、运力、需求、运输时间等因素给出基地仓到总仓和总仓间调拨计划和排单计划。库存调拨和排单算法的应用将该企业的人工效率提升了20%以上。
区块链和物联网技术打通产业链上下游并保证数据安全性实现供应链管理的降本增效
2区块链。区块链去中心化、不可篡改、公开透明等特点帮助供应链上下游企业提供互相信任基础保证区块链上数据的安全性和保密性简化各企业操作流程的同时使信息更加透明化强化上下游协同提高供应链运营效率。例如厦门国贸的“国贸云链”智慧供应链平台利用区块链技术对数据进行加密保证供应链透明安全。
35G物联网。5G与物联网等技术的应用使制造业全产业链可打破限制进行更广泛地连接打通信息孤岛并推动数据、资源要素在产业链上下游高效共享实现全局资源协同。企业可基于数据贯通多级供应商体系构建供应链协同平台连接供应商采购、产品库存、销售等上下游环节通过集成优化实现供应链可视化管理和资源调控降本增效。如新宝电器与阿里云合作构建供应链协同平台将35家核心供应商接入平台及时同步订单计划变动、生产安排调整等信息系统整体运作效率提升10%的同时实现供应链的透明化可控。此外产业链协同平台也帮助供应商实现降本增效再反哺新宝物资采购质量、成本、效率的提升实现双赢。 四、制造生产
1、高级排产
生产排程软件整合各类生产信息资源快速生成排产计划
排产即生产排程是指将生产任务分配至生产资源的过程。在考虑订单、人效、物料和设备等情况的前提下如何平衡所有资源负荷并优化生产任务的生产顺序是制造业企业排产环节的首要目标。
目前大部分制造业企业已经在排产过程中普及了APS等生产排程软件的应用但这些传统排产软件仍面临一定局限性。例如针对下游客户越来越高的定制化需求传统软件难以快速给到合理的换线计划和生产安排或是在发生设备故障、原材料短缺和自然灾害等突发事件时传统排产软件的计算速度无法及时响应重排应急需求。
随着人工智能及模块集成等技术的不断迭代排产软件将基于生产一线繁杂多变的信息和资源状况更快速地实现作业计划的高级排程在提升生产效率、降低使用门槛等方面取得进步。
人工智能和模块集成等技术帮助制造业企业实现更高效率的排产调度
1人工智能。由于排程约束信息的复杂性目前绝大部分APS系统都采用规则或启发式算法。这类算法优势是能快速得到一个可行的排程结果但是无法保证最优解也无法量化排程结果。与人工智能动态调整算法融合后APS系统的算法引擎能够实现优化有高度智能的生产计划调度功能可以在多任务且存在诸多约束条件的复杂生产流程中最大化地利用企业的资源条件找到最佳的调度排程结果。此外在面临重排需求时人工智能优化后的APS系统能够针对新的需求进行约束条件的动态调整快速给出新的排产方案。以阿里云开发的工业生产调度优化解决方案为例该方案通过配置高度智能的算法引擎帮助制造业企业精细化工序与设备的生产计划精简计划人员需求提升主计划排产速度和效率。
2模块集成。APS作为生产排程系统需要调用销售、采购、仓储、车间等诸多数据信息因此在排产功能上与MES和ERP系统存在一定重叠。目前的趋势是APS、MES与ERP等系统的一体化企业希望在同一系统中实现功能模块的集成形成生产计划和生产数据的闭环管理。
2、设备管理
5G等通讯技术改善工业设备远程控制中数据延时和控制精度不足等痛点
工业设备是制造业企业执行生产的物质技术基础企业设备管理水平与其生产任务是否能按期完成密切相关。设备管理手段大致可以分为设备使用和设备维护两类。其中设备使用包括工业控制系统、工业设备远程控制和设备调试/调参等设备维护则主要是指日常巡检、预测性维护等。
智能工业装备控制平台解决传统工控系统工具成本高、协同性不足等痛点
1工业设备远程控制。制造业行业的生产现场环境通常较为恶劣、复杂员工面对恶劣工作环境生产效率较低并常伴随生产安全隐患。智能机器人等工业设备的远程控制能够大幅提升工作效率、降低生产安全风险。目前大多制造业企业的工业装备远程控制存在数据延时和控制精度不足等问题5G等通讯技术的落地应用极大改善了这类问题。5G低时延、高带宽的特性使其能够快速传输工业现场数据基于现场总线/TSN实现现场数据实时上传和控制指令即时传递能够满足生产现场的控制精度要求。例如华辰智通通用型工业互联网平台可以通过其5G边缘计算网关实施对工业设备进行接入并在采集生产数据的同时对生产设备进行远程控制。
2智能工业控制平台。传统工业控制系统需要企业额外购买或自研授权软件工具成本较高并且多套功能性系统的叠加提升了其整体复杂度协同性不足。基于这种情况越来越多的企业开始探索实时上云、软件定义、集成协同的智能工控平台。
以阿里云智能融合控制平台为例该新型工控平台内置包含AI和传统工控技术在内的各类组件能够针对工业设备实现系统试验、工业分析、实时控制、离线训练建模、性能监测等多种功能。阿里云智能融合工控平台凭借其云端的低代码开发和服务基于SaaS化方式为客户提供持续性的便捷服务。目前该新型工控平台已经广泛应用于钢铁、水泥、固废和汽车等工业领域。值得一提的是阿里云智能融合工控平台是AI和传统工控技术的结合代表着新科学工具的发展和新科研范式的构建契合了人工智能技术AI forScience的发展趋势能够长久、持续地为制造业产业赋能。
数字孪生技术是设备预测性维护的基础通过数字建模实现工业设备实时管理
3设备可视化与预测性维护。工业生产设备造价高昂且一旦出现故障造成产线停工会使企业面临重大损失但常规的人工点检、日常巡检和定期维护成本较高并且难以及时发现故障隐患和细微的设备寿命衰减。因此制造业企业需要在生产设备可视化的基础上开展设备预测性维护实现设备状态实时监控、实时进行运行效率和性能状况综合分析并作出故障诊断和故障预警。
数字孪生技术能够通过数字建模实现工业设备运行状态的可视化、实时分析与故障预测设备健康预测模型能够实现实时分析设备状态从而在设备出现故障异常时自动报警。以阿里云为某固废企业提供的设备预测性维护服务应用为例阿里云故障算法能够将设备状态数据、故障维修记录和设备阈值规则等信息输入至故障算法模型通过该算法模型完成设备异常状态检测和趋势预测最终输出设备具体故障极大提升了设备检修效率并降低了设备故障率。
3、质量管理
作为产品生产生命线质量管理面临效率低、准确度差、数据无法收集应用等问题
对于制造业而言提升质量是推动产业链向中高端转变加速行业高质量发展的重要手段之一因此质量管理成为工业企业产品生产的生命线。质量管理指运用科学理论和专业技术对产品质量、性能等方面进行检测以保证产品符合标准并满足消费者需求。
传统质量监测主要依赖人工以专业人员进行质检为主检测效率低且易出现误判导致不合格产品流入市场对消费者和企业造成损失的同时影响企业形象。此外传统质量管理仅局限于检测产品质量无法收集并应用质量数据实现产品全流程质量追溯。人工智能、区块链等数字技术的应用为越来越多工业企业提供高效质量管理与追踪能力提高良品率的同时为产品迭代提供支持。
1人工智能。随着深度学习、机器学习、强化学习等技术的成熟人工智能相关技术已可以覆盖产品质检、根原因分析、质量提升等质量管理全流程工业企业质量管理能力得到提升的同时实现生产效率的提速。
人工智能和区块链技术分别从提高检测效率和数据管理两方面提高企业质量管理能力
在质检环节基于深度学习的视觉检测技术让机器拥有人的视觉功能并支持2D/3D成像方式提供缺陷检测、分类、定位、分割提取等检测功能。其非接触、高精度、高速度等特点降低人工质检成本的同时提高检测准确率。在根因分析环节机器学习技术帮助客户在出现质量缺陷时收集、建模分析数据从数十个、甚至数百个分析维度找出问题根源降低产品质量诊断时间。在产品优化环节强化学习技术在模型预测控制中进行滚动寻优提高企业质量改进效率。以阿里云智能制造AI中台解决方案为例其工业视觉AI产品可管理、标注、训练数据提高检测效率与准确度。
2区块链。工业企业通过数字化手段收集并记录各环节质量信息再通过条码和区块链技术打通质量数据与产品实物间的联系实现产品全生命周期质量管控、追溯和改善并为后续产品优化提供数据支持加速产品迭代。例如歌尔股份建立的质量管理系统通过其内置的条码和区块链技术可对生产流程、供应链质量等问题追踪分析产品良率提升10%。
注数据资料来源于中国信息通信研究院
4、能源管理与环保监测
智能采集装置可实时收集能源消耗与污染排放等数据为后续管理提供数据基础
作为中国最重要的能源消耗和二氧化碳排放行业制造业除依靠节能技术降低能耗外能源管理与环保监测也可提高企业能源利用效率并对制造可能产生的环境影响进行分析和评估降低企业能耗的同时构建绿色节能体系是实现双碳战略目标的重要手段。
当前我国能源管理与环保监测存在数据采集方式落后、运维监管粗放、安全隐患大等问题传统制造业转型需求迫切。随着人工智能、大数据、5G、工业互联网等新技术加速渗透技术创新引发软硬件发生变革一方面检测、采集设备加快智能化转型另一方面智能分析系统被越来越多企业使用推动制造业实现资源效率和社会效益双提高。
1智能监测、采集装置。随着窄带物联网、视听感知、数据处理技术的不断成熟智能电表、智能传感器等能源采集装置加速崛起制造业可实时采集生产全过程多能源介质的消耗数据和各种污染物排放数据为后续分析管理提供坚实的数据基础。具体而言智能电表除了可完成传统电表数据采集、计量等工作外还满足负荷监测、远程控制、智能交互、信息储存、处理等需求智能传感器具有编程自动化能力可实现高精度信息收集且成本较低。以安科瑞为例推出电力监控仪表、电能管理仪表、电气安全仪表等智能电力仪表帮助用户跟踪用电设备或线路运行状况。
智能分析系统在能源优化、安全预警、污染优化和碳资产管理四方面助力制造业绿色发展
2智能分析系统。基于实时收集的数据智能分析系统可在能源效率优化、安全监控预警、污染优化和碳资产管理四方面帮助企业实现节能环保并高效处理应急能源事件。在能源效率优化方面通过构建能耗分析模型可视化展示能源使用情况分析能源最佳效率点并制定相关计划进而优化能耗实现节能降本。在应急响应方面智能分析系统利用危险源采集的数据进行分析可自动识别并判断危险情况的发生并根据预设解决方案自动调度应急资源高效处置安全事故降低危险造成的损失。
在污染监测及优化方面根据采集的污染数据对污染物进行溯源分析并建立环保模型实时监控并优化污染排放情况。在碳资产管理方面智能分析管理系统可收集并计算生产各环节碳资产数据进而管控并优化碳交易全过程提高碳资产计算效率。如阿里云推出碳管理及能耗优化产品——能耗宝依托大数据及人工智能技术帮助制造企业核算并监管碳排放量并制定降碳方案的同时提供智慧能源管理和优化服务推动企业绿色发展。 五、营销及售后服务
1、智能营销
从人群挖掘到效果评估数字技术可优化营销全链路提升营销效率
营销指让消费者了解并购买产品的过程。在价格愈发透明且互联网渠道日益成熟的大背景下贸易展览会、直销、口碑营销等形式为主的传统营销模式效率较低、成本较高限制企业销售发展。部分企业已开始向线上营销转移但由于缺少准确的营销策略且营销模式、内容同质化严重营销转化率不高。人工智能、大数据等数字技术的应用赋能营销全流程提升营销效率。
人工智能大数据。利用数据分析能力和AI技术企业可实现从人群挖掘、营销渠道、预算分配、智能监播到效果评估的营销全链路生命周期优化提高企业营销效率。在人群挖掘环节企业通过丰富的社交媒体渠道利用知识图谱、机器学习、大数据等技术将复杂的消费行为转化为可理解的数据进而全面了解消费者心理并构建消费者360度全景画像再精准输出人群策略优化营销策略并针对不同人群匹配适宜的渠道及营销内容。
此外机器学习、大数据等技术的成熟让营销效果监控成为现实企业可从数据物理属性、网络属性、行为属性等多方面进行效果跟踪有效避免数据造假行为的发生明确营销策略效果并及时进行策略调整提高营销效率。其中消费品尤其重视营销环节以阿里云工业大脑产品为例该产品功能之一便是利用人工智能和大数据技术帮助制造业企业实现智能营销不仅能够为企业评估品牌形象而且可以提供从宏观产业洞察到微观潜客挖掘的多层次分析。
2、销售预测
智能预测模型的不断迭代提升预测精准度和效率
有效预判销售情况对于生产安排、原材料采购、资源利用、库存安排等环节至关重要可帮助企业动态、准确定制各环节计划减少库存挤压的同时避免资源浪费提升供应链效率。传统的销售预测主要基于人工经验和历史数据存在数据质量不佳、覆盖面不全、个人偏见和时间成本等局限性导致销量预测常存在误差。近年来在算法技术的加持下销售预测变得更加精准为供应链优化打下坚实基础。
预测算法。随着机器学习、深度学习技术的提高销售预测模型的算法不断迭代预测难度降低精准度持续提升目前常用机器学习模型、深度时序模型和时空图网络模型等算法。机器学习模型可从历史数据中找到销量和各类影响因素的相对稳定关系并推演至预测期预测效率较高深度时序模型减少人工参与度通用性、准确性较高时空图网络模型考虑到时间和空间维度的关联关系适用于关联替代性商品销量预测。
例如服装制造行业对销量预测要求较高精准的销量预测可优化库存管理进而可减少存货滞压和畅销款缺货等现象发生提高企业效益的同时提升用户体验。此外汽车制造业具有较强周期性通过各类预测模型对当季销量进行预测可对生产资源进行高效利用实现降本增效。
3、售后服务
工业互联网的应用和数据分析能力的提升推动售后服务向预测性转变并支持远程运维
随着制造业发展渐趋成熟售后服务不再仅仅是销售的附属、用户的基本保障已成为企业差异化竞争点创造出更大的后市场价值。传统的产品设备故障发现主要依靠人工日常巡检或使用难以在出现潜在问题时进行提前预判问题日积月累常导致设备停机此外在出现故障后一般售后需派遣维修人员到现场查看设备情况存在配件不齐一次难以维修好的情况维修效率较低。面对高效运维的需求利用工业互联网、数据分析等数字技术售后服务向在线化、预测性转型帮助客户实现降本增效。
1工业互联网。工业互联网的数据采集和分析能力帮助制造业企业实现产品监控和智能报警用户和企业均可自主、提前发现设备故障并支持在线诊断和远程维修降低运维成本的同时减少故障停机风险。此外5G高速率的特点提高了数据汇总速度缩短了用户收到警报的时间方便其及早进行维修。如积成电子借助工业互联网解决方案售后派工效率提升33%。
注数据资料来源于浪潮
2数据分析。云计算、人工智能等技术推动数据分析计算能力大幅提高实现产品故障预测性分析帮助工业企业提前进行预防性维修减少故障损失。例如现代斗山通过瓴羊Quick BI产品对部品故障及维保费用等进行趋势分析进而优化维保政策及库存管理的同时Quick BI的即席分析功能可以将任意多张报表同时进行对比分析问题解决效率显著提升。 六、总结与展望
1、产业总结
制造业数字化转型升级的核心价值在于降低生产成本、提升产业效率和创新商业模式
工业互联网、人工智能等新兴数字技术从每个生产节点切入赋能制造业数字化转型。对于制造业企业而言实现数字化转型升级的核心价值在于降低生产成本、提升产业效率和创新商业模式。
1降低生产成本。基于生产现场数据的收集处理和生产设备的智能应用帮助企业实现更精准的供应链及财务管理减少物料浪费、降低产品不合格率、降低劳动力需求及人工成本。
2提升产业效率。通过大幅优化生产过程、改良生产工艺等手段提升设备利用率和生产执行精度缩短生产周期提升产业链整体效率。
3创新商业模式。通过智能网络协同制造、产品远程运维、智能销售预测等多种新型生产方式帮助企业创新商业模式增加收入来源。
未来随着各类新兴数字技术的发展与进步制造业将在集成协同平台、人机交互、共享制造和大模型应用等方向持续探索创新最终实现制造产业产品、生产、销售及服务、管理全方位、全流程的智能化。
2、趋势展望
数字化转型背景下制造业将持续探索设计制造协同集成平台对于制造业而言设计制造创新的关键要素在于集成、协作和灵活性。未来通过数字技术集成各类功能模块搭建协同集成平台制造业企业将能够实现订单需求、产品研发、产品设计和制造进度的有效同步。
1需求同步收到客户订单后根据订单需求进行智能计算在系统平台上通过知识管理技术的协同优化使设计和生产动态无缝衔接提升设计制造环节的灵活性
2研发设计同步利用工业设计的跨学科属性将参数智能计算、产品变形设计、工艺变形设计、虚拟样机设计、多领域优化设计及智能过程控制等通过PDM系统集成接口整合缩短设计周期
3制造进度同步集成协作平台可根据产品特性与制造原料情况实时同步产品制造进度提升产品质量与生产效率。
目前已有服务方案供应商能够搭建这类集成平台如Braincube通过自有的数字孪生和AI技术为企业客户提供设计制造智能解决方案但这类企业的配套技术仍局限于分析建模在网络环境等方面有待进一步探索提升。
AR与多模态人机交互技术的结合将使制造业人机交互协作更加个性化
在制造业远程运维等场景中人机交互协作早已实现较高的普及度但随着AR、人工智能、机器视觉等新技术的迅猛发展和交互环境的变化未来的人机交互模式将越来越多精准地识别眼动、手势、语音等多模态生理信号这类多模态交互模式将使智能工厂人机协作变得更加智能化、个性化。
人机交互是利用机器协助人提升工作效率因此其核心仍是以人为本如何提升交互模式的智能程度并赋予交互系统最大限度的个性化体验是人机交互的长远目标。AR与多模态人机交互技术的结合为实现新型人机交互模式提供了创新技术路径若将AR作为连接人与机器的媒介实现人机的多模态交互并融合数据分析等智能技术便可开发出AR环境下的个性化人机协作装配意图识别方法。该方法能够以单个用户为中心采集多维度、强相关的数据构建出基于用户行为习惯的多模态特征融合模型并对AR环境中的各类物理行为进行识别最终实现面向不同用户的个性化意图识别提升人机协作过程中的个性化体验和整体协作效率。
以AR智能眼镜软件平台effiar为例其与软通动力联合推出的远程协作及视讯服务解决方案已在福特汽车等制造业企业落地应用。未来随着采集分析等技术的迭代优化这类多模态人机交互技术将在更多制造场景实现应用。
云服务技术将帮助同行业制造业企业在云端实现更高效率的共享制造
制造业各类中小型企业数量庞大由于成本限制这些中小型企业的数字化进程推进较为迟缓难以应对市场的灵活需求。未来在云服务技术支持下同一垂直行业的制造业中小型企业工厂将能够集合上云实现以订单驱动的产业链上下游资源整合推动制造业产业范式革新与产业整体的数字化升级。
在云工厂模式下客户能够通过统一的入口下单收到订单需求后垂直行业的云工厂平台可对订单进行拆解和分发根据垂直行业内所有工厂的产能、资源情况智能调度并整合产业链上下游的供应链、物流等资源供所有工厂共同使用由此形成更高效率、更高稳定性的共享制造。
目前国内已有云服务企业提出类似概念如阿里云在2022云栖峰会发布的数字工厂解决方案基于其云AI的开放式物联网智能控制优化系统提供强大的建模、仿真、优化、控制基础能力支持多工厂、多车间的统一建模。该技术可应用在智能控制、过程优化、数据建模和交互式分析等场景中适配新能源、大型机械、离散和流程制造等多个工业领域。
大模型与工业机器人结合将提升制造业人机协作效率
大模型代表人工智能落地模式的变革通用大模型产品能够打破技能壁垒为制造业企业创新增长带来更多发展机遇。随着以ChatGPT为代表的预训练大模型走入大众视野。制造业也在持续探索大模型是否能在更多细分场景中带来生产力的广泛提升。其中大模型与工业机器人的结合备受业界瞩目。
目前工业机器人的难点多数集中于复杂精密指令的执行。以机器手为例能够在接收并理解指令后精确地抓取物品并将其放置到指定位置便意味着对其语言理解系统和控制系统的极高要求。对操作者而言大模型的介入能够将操作者的语言命令直接转化为机器代码大幅提升交互效率。例如阿里云工程师正在实验将千问大模型接入工业机器人在钉钉对话框输入一句人类语言即可远程指挥机器人工作。对于开发者而言大模型能够帮助开发者完善合适的运动规划算法通过算法将机器手的所有关节进行耦合进而将采集到的高维数据降维成低维规划并联合关节运动完成指令最终实现灵巧作业。
未来结合了大模型的工业机器人将在智能巡检、远程作业、仓储物流等场景不断发挥实效一方面深入应用场景在丰富数据储备的同时针对不同机器人持续开发模型库另一方面不断与机器人芯片和硬件终端进行适配融合形成软硬协同的效果。 以上就是本次分享的全部内容来源36氪研究院。
