制造企业在工业3。

0时代就试图解决生产定制的问题。

然而,生产定制往往意味着更高的成本、更多的时间。

趋利避害下,大规模流水线成为当时主流的选择。

大规模定制(Masscustomization)在20世纪90年代被提出,然而还是以传统大规模流水线生产模式的改良版本存在,只是在产品组装、行销的最后阶段给予客户一些次要功能的选择权,例如戴尔的网络个人化直销模式。

直到工业4。

0的到来,以低廉成本进行定制生产的技术才逐步成熟。

具体来说,这包含两方面的技术:一是让“物”更聪明强大的技术,二是让“物”“物”互联、自主决策的技术。

首先,工业4。

0时代的技术使得“物”能够承担更加灵活、复杂和精准的生产任务,甚至自我学习、演进。

工业3。

0已经在自动化、智能设备上达到一定高度,然而工业4。

0在机器人发展方面让制造业有了更多想象空间。

机器人可以互联互通,与人类一起工作,甚至从自己的工作、人类的工作中学习新技能。

以德国库卡(KUKA)公司生产的工业机器人为例,可负荷3公斤到1300公斤的货品,工作范围从635毫米到3900毫米不等,承担物料搬运、加工、堆垛、点焊和弧焊等多种功能。

库卡最新的工业4。

0智能型工业作业助手LBRiiwa可以直接协作人类工作,还具备自动运行系统,可以不依靠地面标记、感应线圈或磁铁等在工厂内自动来去,运载货物和零件。

工业4。

0时代,机器人可以辅助人工作,甚至替代人工作。

它们可以承担高危作业,提升劳动效率,并解决日益上升的人力成本问题。

这也是当初德国提出工业4。

0的一个重要动因,即是希望通过更加自动化、智能化的生产解决适龄劳动力不足的问题。

除了机器人,智能生产所需要的传感器、数控机床、智能仓库、智能物流等相应技术的逐步成熟也为工业4。

0的发展提供了技术基础。

第二,工业4。

0时代物联网信息共享、自主决策的技术使得生产更灵活、更柔性,可以快速响应复杂、个性化的市场需求。

如果说互联网让智慧人之间得以更便捷地交流,那么物联网的重点则是把死物智能化,使其能够自动抓取相关信息,实时与他人/他物对话,并有判断、决策的能力。

如果说工业3。

0的自动化是人与机器的对话,工业4。

0则是机器与机器的对话。

信息物理系统(Cyber-physicalSystem,简称CPS),换言之一个高效的工业互联网网络是工业4。

0技术基础的核心。

CPS将物理世界转换为数字世界,形成了物理系统对应的虚拟系统(digitaltwin),再通过IoT(Internetofthings,简称IoT,物联网)技术数字化管理生产,提升机器与机器之间的互联性、减少人为参与,从而实现制造的“智能化”。

CPS(虚拟现实系统)中工业设备嵌入的大量传感器充当机器接受外部信息的感觉器官,采集生产流程的所有数据并运用虚拟系统的高级运算能力进行分析、运算和决策,形成可自律操作的、自组织的智能生产系统。

如果说机器人、数控机床等设备是工业4。

0的躯干和肌肉,那么CPS和相关技术就是工业4。

0的大脑。

CPS系统网络化的信息分布形式是关键。

以前,制造型企业内的生产流程均由一个“中央”控制,信息和指令自上而下,通过各类生产管理系统下达给生产车间。

然而CPS系统里,信息并不需要经过某个统一的、自上而下的渠道进行分发,而是呈网络化分布,共享给生产过程中的每一个参与方,使得每个参与方都可以获得足够信息以做出最优决策。

这其中也包括机器。

借助物联网和人工智能的相应技术,机器不仅可以掌握信息和知识,还可以自主决策、自主出发动作。

在CPS系统里,机器们会说话、会思考,而且彼此间形成了一个智慧的“社交网络”,协作完成各种高复杂度的生产任务。

当一个订单进入工厂,机器不用等待上面的指令就已获得相应信息,了解什么时候该做什么,并自动开始生产。

机器还可以根据实时数据、订单信息来安排产线,增加、减少或改变生产流程。

例如,根据实时的大数据挖掘分析,系统可以主动给用户推送消息提醒设备维护保养,某个工位可以自动联系供应商增加物料等。

这就像曾经叫车须拨打电话给一个呼叫中心,而如今人人都可以通过滴滴出行类似的APP获取自己身边的用车信息并自主进行叫车和乘车。

机器实施通信、自主决策的技术也意味着工业4。

0能够以低成本实现3。

0时代无法实现的个性化定制生产。

在过去,流水线带来了大规模的成本降低,然而一旦遇到生产故障,则会面临整条流水线停产、以及处理残次品等带来的高昂成本。

然而,通过CPS机器之间的实时通信,某个环节出现问题不会对其他生产环节产生重大影响,生产流程可以不受太大干扰地进行,同时对产品的实时智能控制也使得次品率大大降低。

在工业4。

0之前,生产流程中产生的数据是大量浪费的,鲜少得到利用。

而现在,工业设备产生的海量数据可以“变废为宝”,借由大数据、云计算进行分析、归纳,用于预测未来的机器行为、潜在故障和生产问题。

北京博华科技自主研发的健康监测云平台正是基于传感器采集的大量设备数据、过往故障和维修案例,利用大数据、机器学习等技术来研发出智能诊断和维修决策模型,为石油石化等行业客户提供故障预警、故障报警和维修决策等服务,其报警准确度可达94%以上。

高度精密的机器人(自动化技术)和CPS(信息化技术)即构成了智能制造的两方面核心技术,这和我国制造业提出的“两化融合”的思路不谋而合。

什么样的企业适用工业4。