江苏龙网

  1. 首页 > 资讯 > 科技 > >

|挑战智能制造 要从“看不到的转型”下手

北京联盟_原题是：挑战智能制造 要从“看不到的转型”下手
作者：中原大学机械工程系教授钟文仁
|挑战智能制造 要从“看不到的转型”下手
智能制造经过多年来的讨论和演进 ， 目标已相当明确并且也是一可达到的愿景 ， 道理容易理解 ， 导入AI ， 然后做出超过人类的成果 ， 但是用在智能制造的时候 ， 好像缺少什么 。AI要能成功 ， 有三个主要的部分：算法、算力以及数据 。前两者只要有足够的资本便容易取得 ， 但数据这块却特别麻烦 。
麻烦之处在于 ， 本身搜集即是一个问题 ， 以及对数据不了解 。以现在的技术来说 ， 语言和影像可以转换成数据 ， 但是机台种类繁多 ， 产生的特性和要求也都还不了解 ， 又要怎么去分析？
转型要从数据下手
工厂要先数字化(数字转型) ， 搜集好数据、了解数据 ， 才真的有机会往智能制造走 。
只搜集营运数据是不够的 ， 设备、技术的数据 ， 都应该要完整搜集 。市场上其实已有很多供应商提供解决方案 ， 但是有很大一部分做的是“看得到的数字转型” 。例如 ， 哪台机器有没有在加工、有没有料、有无亮灯等的提示 。但真正需要的 ， 应该是所谓“看不到的数字转型” ， 也就是机台里面的加工质量、效率、稳定性等 ， 而非单纯检视有加工与没加工就好 。
当然 ， 掌控稼动率很好 ， 但如果哪天稼动率低 ， 业者却不知道究竟事出何因 。所以未来是关键 ， 搜集能掌握未来的资料 ， 透过分析去知道原因 ， 未来这些事就能在掌控之中 。
别把数字转型当项目在执行
工厂流程的环节不只一两个 ， 但无论如何总要先透过数据分析 ， 了解之后才能优化 。目前业界普遍的做法是将最复杂最有价值的几个问题丢出来 ， 先成立项目组 ， 以项目方式处理 。
但这样的作法会让企业内部产生责任推托 ， 如果不是项目组的人员 ， 那数字转型就跟之无关 。事实上一间工厂要能真正进化 ， 迈向工业4.0 ， 将会有几百个甚至上千个问题需要解决 ， 也就是所谓的“长尾”问题 ， 而这些问题的总价值很可能还超越最贵的那几题 ， 那怎么办？
企业需要一套核心数据分析全流程架构来解决长尾问题 。过去在软件开发的领域 ， 企业盛行一套DevOps的开发维运架构 ， 为的是能系统化和规模化去应付频繁的部署需求 。
面对数字化过程中对数据分析效率要求的提升 ， 国际上现在也效法DevOps架构发起了AnalyticOps的概念 ， 用一套系统化的平台建构一个可规模化的数据分析流程 ， 以提升企业内部各环节数字化的效率 。
举例来说 ， 如讯能集思所推出的产品理论架构 ， 即跟AnalyticOps相似 ， 推出的智能决策平台JarviX以OT(营运技术)端的需求切入 ， 透过AI增强分析的技术来降低工具的使用门槛 ， 让OT端能够自主完成数据分析全流程 ， 减低企业为了数据分析付出的庞大跨部门沟通成本 ， 对比以往需要IT和DT人员搭配组成的项目团队去做分析 ， 现在OT的人员就能直接做数据分析 ， 大规模的提升分析流程各环节的效率 。
学习的机制会是最大挑战
要做更好的产品 ， 当然可以透过提升机台的精度或者稳定度 ， 但是如何用 ， 就是数据分析的意义 ， 透过分析能够加值 ， 超越大家所使用的极限 ， 并且从数据看到未来 ， 真正解决问题或者持续优化流程 。
传统老师傅将这些机台使用方法储存在脑袋里 ， 转变为直觉反应 ， 当然不排除老师傅也有做一些统计分析 ， 但是主要还是依靠经验 ， 这些事比较偏向“个人的修为” 。事实上现在整个世界 ， 透过软硬件技术的革新 ， 是可以更精准的 。
【|挑战智能制造 要从“看不到的转型”下手】


推荐阅读


上一篇：虚拟现实|体验5G技术 感受科技魅力

下一篇：水哥爱搞机|A14有两幅面孔：iPad满血、iPhone12阉割？