数字化价值的探索

数字化的价值和意义在于如何应对VUCA的制造业变化。它是要将复杂与不确定、模糊与易变,通过数字化技术转化为“稳定、确定、可控、灵活”的状态下。
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                              
 - 文章信息 - 

本文作者宋华振,贝加莱工业自动化(中国)有限公司技术传播经理,本文由公众号「说东道西」原创首发。

著名影星茱莉亚.罗伯茨也是个麻将爱好者,她谈到她所理解的麻将要义在于 “通过随机抓牌,在混乱中创造秩序”。这句话让我觉得同时这也是数字化的要义—在混乱中创造秩序。

 

 

人们将我们生活的时代称为“乌卡时代(VUCA)”——volatility(易变性),uncertainty(不确定性),complexity(复杂性),ambiguity(模糊性)它最显著的特征就是“复杂性的大幅提升”。这种复杂性的提升,通常会带来指数级的努力。并且,这种复杂性的演变时间粒度变得越来越小。

 

而复杂性带来的较为直观的影响力包括以下几个方面:

01产品材料及其工艺的复杂性;

02生产流程的复杂性组合,尤其在离散制造业中那些长流程如光伏、锂电、半导体等;

03需要监测的参数维度越来越多-以获得对过程的“可观测性”进而获得可控性;

图1-VUCA背景下的复杂性提升

 

如图1所示,复杂性对于制造过程的挑战表现在几个方面:

01在生产中的变更,重组时的配置、工艺参数的组合复杂性,如果传统的制造模式,这里就会需要大量的调整,而通常调整中又会造成较多的“开机浪费”。

02个性化产品带来的TTM-个性化产品就使得生产过程中,更多的时间被消耗在“参数配置”、“机械调整”,越频繁的更换,这会造成交付能力下降。因为,一天的工作时间里,机器真正有效的工作时间可能并不多。

03在长流程产线集成时系统沟通与协调的复杂性:产品的变更并非仅仅是某个单元的工装夹具,参数的变更。而是整个生产流程上各个工序的设备要实现统一的协调,以及在制造线体前后端的物流、成本核算、能源供应等的变更,以保持这个一致性。

制造数字化的价值分析

数字化的价值和意义在于如何应对VUCA的制造业变化-它是要将复杂与不确定、模糊与易变,通过数字化技术转化为“稳定、确定、可控、灵活”的状态下。

因此,数字化的价值至少包括了以下几个方面:

01

软件定义制造-数字化让制造更灵活

 

数字化的意义是其灵活性,像传统上的机器,它如果要更换产品,往往需要大量的机械调整,例如装订一本书,当我们要去装订一本新书的时候,它就需要把开本宽度、开本高度、涂胶的位置、压力等进行机械的调校。当它改为数字化的伺服系统来进行调校时,它仅需设置参数,系统会自动去完成这些工作。传统上,这个要花费1.5个小时,而现在只需要2秒钟完成—这样就在变化的生产中,提高了机器的换型时间。

 

图2-电子凸轮裁切

以在自动化中最为普遍的裁切动作来说,它广泛在纸盒成型、标签印刷、包装、板材金属加工、纸张处理(如切为A4的复印纸)、瓦楞纸裁切等。传统采用机械方式,需要根据产品规格更换机械刀辊,而采用了伺服系统的电子凸轮裁切后,这个可以自行根据长度设定,伺服电机会自行运行电子凸轮实现精准裁切。这里就使得规格的变化由软件来定义。

 

另一个场景,则是在组装产线中,目前大量开始使用磁悬浮输送技术。就是为了让原本无法被软件控制的机械输送,改变为电磁控制的动子—而它可以使得这个生产系统可以实现被软件定义。进而实现变化,以应对灵活性的需求。

 

图3-传统机械输送机构

 

在图中,机械输送的链块、皮带,或分度盘的方式,被广泛使用。对于单一产品而言,它的问题在于机械磨损对品质的一致性带来的潜在影响,但是,即使不考虑产品的变化,它仍然是效率较低的,因为,每个工站的节拍不一样的时候,这就会使得系统只能按照最慢的工站节拍来运行。如果考虑了产品的变化,每个工站的节拍又发生了变化,而且,为了机械的对位(例如保持中心点的匹配),机械可能需要较大的调整。这使得在产品变化时,或者甚至需要产线重组时,就会遇到较大的机械重新安装调校问题。

 

图4-多维度运动控制

 

但是,采用了磁悬浮输送技术后,加工产品被输送时,其位置、间距、速度、加速度等都可以被软件定义。它是由机电对象结合设计的输送技术,因此,它本身可以被实现多个轨道混合作业,以及调度算法来实现智能调度—简化的机械也让它更容易被重组。

 

如图4,其实,实现软件定义的运动控制,不仅包括伺服电机、直线电机、磁悬浮,也包括机器人的大量集成—它也通过自己的参数配置,将组件配置到空间的所需位置。这些都是让制造实现“软件定义”。

 

只有这样,才能让复杂的变化,能够被简单的处理—通过快速的软件配置,自动的参数生成,以及网络分发给线体上的工艺设备。并能够实现组合产品的混线调度,以高效的方式实现多样化的产品生产。

 

02

协作-让效率更高

 

其实,流程工业,像石油炼化、冶金、制药等流程工业它的连续性使得先天需要更好的自动化控制。离散制造业,在过去就一直是真的处于“离散”状态,设备按照某个布局从一个单元到另一个单元。因此,如果能够将这些生产也像流程一样具有连续性,那么就会让生产效率更高。因此,第一步就是用传送带把他们形成连续的产线,配合机器人,但后来发现,这些机械的产线也无法被有效的组织,人们又开发了柔性输送系统,其实质就是将生产过程数字化,将原有的机械哑巴系统,转为可被采集、传输,可被软件编程的数字化制造系统。

 

机械上的协作包括对机器人、柔性输送技术的引入。而在软件层面,则是通信的集成,通讯往往代表了物理意义的连接,而通信则代表了软件意义的连接。因此,数字化的通信,它也是一个协作问题,通过信息建模,模块化的机电系统将被状态机驱动来实现协作。这也是工业通信系统的协作意义。

 

图5-工业通信的意义在于协作

如图5,通信规约的目的在于通过信息建模,让系统在工程变更时,实现快速的调整。参数可以统一的解析下发。在设备间,可以实现基于状态的“逻辑编排”,以让生产系统快速进入新的产品生产制造中。

 

解决复杂问题的策略其实就是“化繁为简”,每个独立的生产模块就像一个高内聚的软件模块,通过低耦合来实现“快速重组”。而在通信如PackML、SEMI里,它通过状态来协作的机制,就是将复杂的协作转化为“逻辑”的编排。

 

03

知识发现与复用

 

人类的知识与经验形成都是依赖长时间的投入形成的—知识与经验的不同在于,知识是可以被数学公式描述的,而经验则是无法被描述的隐藏于工程师、技师大脑中的。因此,知识要复用,就得软件化,而经验要复用,则需要通过数据驱动建模的挖掘—这就是AI的数学意义。

 

图6-知识与经验转化为软件复用

 

如图6,所示,工业软件的目的就在于将“知识”和“经验”分别通过物理建模、数据驱动建模来实现封装。然后,这些知识可以被复用,使得生产系统可以基于这些模块进行软件层面的重组。

 

软件,是保持知识承袭的关键方式,通过将知识“数字化”,它就可以被灵活的集成,快速的迁徙,在不同平台间实现复用。这同样是为了应对复杂性的制造过程—模块化的机器,更在于软件的模块化配置。并且,降低知识的复用成本。

 

04

持续的成本降低

 

数字化设计、数字化运营都能挖掘潜在的浪费,获得改善及提高成本效率。数字化能够帮我们降低成本,这是因为,在我们习以为常的生产系统里,隐藏着巨大的浪费,而从精益生产的视角,这种浪费是无处不在的,因此,需要大量的成本削减的方案。

 

1).降低物理测试验证的成本

2).降低运营效率的问题

3).持续浪费改善

 

05

资源共享

 

包括数字世界的代码、算法资源,网络资源(开放的)、知识资源(例如生成式AI的openAI)。数字资源比一个面包更容易共享,因为一个面包它会坏掉,而数字资源则可以被轻松的保持和复制。

数字资源还更容易被处理,这就像胶卷能够洗出照片,但胶卷里的照片并不如数字的照片那么容易被Photoshop等软件来处理。

 

图7-生成式AI可以分享更广泛的资源用于工程开发

因此,数字化的信息,更容易被长期的存储和分享。

数字化使得“共享”经济成为了可能性-对于制造业而言,同样可以分享来自于IT世界的资源,无论是网络还是算法资源。都可以被应用于远程诊断与维护(通过无所不在的云服务)--它带来的好处就是无需专用的自建LAN来实现。通过IT世界的算法,例如开源代码,就降低了在代码开发中的工作量,尤其是像现在的生成式AI在编程中的使用。

 

06

更聪明的系统

 

在制造系统中,最初,是由人的大脑实现生产的控制。后来被具有既定程序的控制器所替代,这个控制器的好处在于它设定了潜在的可能性,用程序实现了“If-Then”的语句来判断各种场景,然后调用既有的处理单元。因此,在过去的大规模标准化生产中,它都是一个既有规则下的生产过程。

 

但是,随着产品品种的变化、材料及其工艺的变化,人已经无法进行所有的规则制定,或者现有的知识也不足以定义各种变化的参数。那么,人们需要这个系统它具有“学习”能力,自己去进化出更好的生产自适应参数,进化出更好的识别与判断能力。以代替人的经验性判断具有的强大的不确定性,以及随着人的变化的不一致性。

 

图8-AI在制造业的8大场景

 

图8列出AI在制造业的所谓“八大场景”—其实,我们可以看到,它都是为了让系统更为聪明。视觉的缺陷分析、设备故障、智能分拣—这些都是通过学习来让机器能够适应变化。

 

拿智能分拣为例,在过去,通常需要在产线前段配合机械机构来对产品进行队列的梳理,比如瓶子有理瓶、金属件有机械的方式让其保持一致的朝向,凡此种种,在单一产品生产倒还好。但是,当产品种类多了,这个机械的调整就会复杂,机器人在视觉的指引下,对不同形状的产品,进行识别,并确认抓取的中心点或重心,这种可以通过学习,以达到对任意的产品进行分拣—这就是一个“聪明”的产线。不需要复杂的机械,以及人去不断的示教过程。

 

因此,智能系统它的未来是要让机器自我实现迭代,以获得不依赖于人的输入的进化能力。

 

07

更快的响应能力需求

 

数字系统能够提供更快的响应,在于几个方面的原因:

01信息的交互速度:通过更快的信息传递,使得问题可以被快速的汇集,进而快速分析和判断。这个时间粒度的变小,使得响应能力得到提高。

02处理能力:如果进行一个任务的编排,那么对于人来说,可以计算,但通过数字化系统就可以快速的实现这种编排的计算,与重新规划。

03更快的迭代速度:持续改善,对于数字系统来说,是极快的。因为,在数字系统里的迭代,它是可以下一个就改善的。

这是实时网络所需要解决的问题-数字化的底层当然是网络通信的支撑,无论是设备内、设备间、产线与生产管理、云端系统,都需要一个更快时间粒度的网络来支撑。

 

图9-高速实时通信网络支撑数字化

如图9所示,基于TSN网络及OPC UA可以实现整个生产制造系统的高动态响应能力。总之,数字化的意义,在制造业而言,是意义重大——为了在复杂变化的环境中,让企业获得一种应对变化的能力。灵活、高效、聪明。

THE END