公司如何從從智能工廠轉型中學到的經驗教訓轉向成果,以及智能工廠能力如何使流程和組織變得更好?認識價值的機會有很多:從照亮數據,將智能工廠橋接到更廣泛的DSN,驅動當前流程的改進版本,分層以實現卓越運營的先進技術,從設施的四面墻擴展到更廣泛的生態系統。我們探索了其中一些機會。

照亮隱藏的工廠

   與我們交談過的有關其智能工廠轉型的大多數人都指出了連通性的重要性,以及需要在廣泛的系統,平臺和數據結構之間連接資產和數據的需求,其中一些是從未被連接的。設施及其資產一旦連接起來,便會釋放出大量信息,需要進行處理,翻譯和處理。通過注入新數據,組織可以查看始終存在但以前無法觀察或量化的事物。

   通過連接的資產和數據流,現在可以看到整個機構的信息。同時,處理能力的快速提高帶來了新的分析功能和生成越來越深刻的洞察力的能力,這甚至在幾年前還無法產生。在一個示例中,制造商通過使用由先進車間分析驅動的預測功能,使現有資本設備的生產量增加了一倍以上。有了正確的架構,這也可以為在整個DSN中使用來自智能工廠的信息鋪平道路:使用跨連接的生態系統中的數據來告知實現,產品開發,計劃,供應和客戶服務。

在新流程中利用當前系統以實現卓越運營

   我們采訪的領導人討論了在處理各種設備,數據和系統時必須靈活的方法,并認識到連接各種系統和資產的復雜性和困難性。通過以數字方式集成其當前系統并利用數據,公司可以在精益生產和勞動力管理等領域進行改進和改進,從而探索優化運營,提高生產率和利用人才的新方法。

   增強數字精益。只要存在設施和工廠,就一直在使用方法來告知其運行方式。數十年來,諸如精益之類的方法已用于優化流程和工作流程,識別和減少浪費并實現價值最大化。但是,智能工廠轉型的靈活性使組織可以改進諸如精益之類的方法,在數字環境中將其向前推進以獲取以前看不見的價值。數字精益代表了精益制造與智能工廠原理的結合,并通過數字工具擴展了現有的精益生產能力,這些數字工具可提供有關操作的更準確,準確和及時的信息。結果是可以更好地監視生產和報告問題,以及其他功能。

   啟用更聰明的人才管理方法。領導人談到了考慮到用戶需求的工具的重要性,與智能工廠轉型所需的各種技能相匹配的多樣化團隊的需求,以及持續學習和獲得ROI證明以保持團隊投資和適應能力的重要性。智能工廠功能。但是除此之外,智能工廠本身還可以實現勞動力的智能分配。數據可以指示維護人員,機器操作員和其他人員需要在何處優化性能,以及使用基于角色的工具來集中精力處理與特定角色相關的見解。此外,工人可以與數字和物理技術合作以增強他們的能力,而技術本身可以在智能工廠中創建全新的角色。

利用AI和其他高級工具進入新的水平

   人與技術(包括IT和OT)的融合使智能工廠變得智能。諸如機器人技術之類的物理技術的應用導致了智能設施的重大轉變,而物聯網,云計算和邊緣計算則導致了數據和信息的創建和聚合。實際上,研究表明,領導者優先于物聯網,人工智能,云和分析方面的投資高于其他技術。21這些技術構成了組織的基礎,這些組織不僅相互連接,而且可以利用,分析和使用數據來驅動決策。

   但是,當領導者從各種各樣的來源收集信息時,他們需要一種方法來理解它,快速主動地實現價值最大化并加速實現收益。由AI驅動的高級分析功能使組織能夠從其新近展示的流程中理解所有信息,并處理數據負載以及人類無法大規模處理的數據中關鍵的,以前未知的關聯。

   AI可以以各種方式部署在整個設施中,例如,機器人能夠在工業設施22中發現的不均勻或不可預測的配置類型中進行導航和學習,并且能夠模仿人類的視覺和聽覺以提高質量感知和資產健康預測。23它可以推動預測性維護;在整個設施中動態路由輸入和其他物料;以及在控制塔內智能工廠的整個運營范圍內對環境進行分析,感知和主動響應,以及其他功能。通過部署數字雙胞胎和數字線程,AI還可以用于監視和優化產品或流程的性能。數字雙胞胎使公司能夠通過及早發現潛在問題,優化工廠產能并預測各種情況的結果來獲取價值。同樣,可以將AI部署在數字線程中,從而創建產品本身生命周期的數字記錄。

部署AI功能可以帶來巨大的價值。一些領導者報告說,通過部署AI驅動的功能,生產流程,機器利用率和生產量均實現了兩位數的增長。加工圈官網