当前位置:MFC金属板材成形网 > 正文

关于“智能制造”的若干点思考

2019-07-09 09:13:51 来源:
收藏
导读: 2018 年底英国经济学人智库(Economist Intelligence Unit) 发布了 企业高层的IoT观点,相对于2013年的调查,有三点重要发现: ⑴IoT虽然影响深远,导入速度远低于预期。 ⑵到目前为止影响十分有限,将来的冲击仍然不容小觑。 ⑶阻碍导入的两大要因:基础投资成本过高、资金安全与客户隐私疑虑。经济学人智库的宏观数据,与《面对未来的智造者:工业4.0的困惑与下一波制造业再兴》刚好相互呼应。我们积极提倡“先求精实,再求智慧化”主轴的同时,乐意继续分享智能制造的第一线观察与研究心得。

2018 年底英国经济学人智库(Economist Intelligence Unit) 发布了 企业高层的IoT观点,相对于2013年的调查,有三点重要发现:

IoT虽然影响深远,导入速度远低于预期。

⑵到目前为止影响十分有限,将来的冲击仍然不容小觑。

⑶阻碍导入的两大要因:基础投资成本过高、资金安全与客户隐私疑虑。经济学人智库的宏观数据,与《面对未来的智造者:工业4.0的困惑与下一波制造业再兴》刚好相互呼应。我们积极提倡“先求精实,再求智慧化”主轴的同时,乐意继续分享智能制造的第一线观察与研究心得。


SIYI协易机械智能制造系统

IoT导入速度远低于预期

事实非常明显,20132014年汉诺威工业展所吹起的工业4.0热潮,确实已经告一段落。国内外智能制造现场曾经交错着的主观期待,包括强调活用AI与云端、无人智慧工厂等现象,已经不复存在。究竟一流的制造企业如何看待智能制造?如果说智能制造拥有渐进的实践模式,全球一流的制造现场 目前的具体做法与思维,可能反映出务实导入的第一步。

最近两年采访了小松(Komatsu)、岛野(Shimano)、发那科 (Fanuc)ALPS、大金(Daikin)的日本工厂以及部分欧美分公司,实地检视全球一流制造企业实体智能工厂的最新动向。

基于部分企业的守密约定,考虑撰写此文的目的与效果,所以尝试用代号表达实际看到的生动现场。

A公司分公司的厂长说,想将营销中已经广被活用的AI放在现场取得的数据进行分析,不是对现场过于外行,就是对AI充满幻想,不会达到创造价值的目标。他说,受到电商或网络平台 领导企业的不良影响,阻碍智能制造的实践;现场的价值创造非常朴素、因果关系通常不会那么跳跃。

他介绍“智慧机械加工生产线”,是以既有的加工经验与知识作为基础的智能制造。过去锻造材料是直接进入加工生产线,因为材料的微妙差异,使加工时间不稳定、精度要求过度仰赖技术人员。而锻造材料的智慧机械加工,包括:人工量测、自动对照与加工设定、加工执行的三个步骤。


智能制造 3S 机制

换句话说,这条改善后的生产线是先测量锻造素材的微妙差异,决定加工差异,提升人机加工效率;即采用一种事前纳入技术人员精度形成经验的智能模式。数据显示,这条智能生产线人均产值提升了10%。更重要的是,这些数据提升了产品质量的追踪能力(Traceability),也就是对于从顾客使用 反馈到加工与素材的问题实现可追踪与解决能力,发挥了重要的作用。

观察这个生产线,不仅呈现了《面对未来的智造者》书中所提倡的智能制造3S机制。也就是理清目的,从目的与逻辑进行系统建构。因此,系统能够从数据取得( 量测,Sensor) 开始,经由逻辑解析与运算(Software),再实践对策 (Solution),达到价值创造的成果。访客询问:“为何不将量测工作自动化?”

厂长回答:“现场实体流程的改善,不是以做得到为目的。只要达到QDC改善效果,都会陆续实现。”

B公司分公司则用主动型(Proactive)与因应型 (Reactive)分类他们的现场数据收集,分别代表例行的资料收集与出现问题时的资料收集。主动型系统性数据的可视化就是现场监 控,不仅是循序稳定达成目标的关键,也是进行改善的分析基础,关键在于丰富性与实用性。而因应型数据收集是在 出现异常时启动,除能够立即通知外,回馈的速度与质量堪称关键。分公司总经理用三年间的案例说明两项心得。第一,数据要设法直接取得,初期曾采用手写,因为作业员会自动简化,让问题无法正确呈现。第二,不急功近利,解决问题崇尚目的清晰、逐次导入。

相对而言,C公司日本厂的资料收集更为古典。我们看到工程师在现场反复摄影一台冲床的作业。解说人员对我们说,这是新机种的零组件试作,工程师在确认作业过程与产出是否符合生产技术部门的制程设计;这项工作将支配未来量产的顺畅程度。他说,在多样少量的趋势中,这个试作确认需要一次到位,如果量产才发现问题进行改善,虽然能够做为未来参考,但这一批产品的获利机会将非常低。一次作好作对的重要性,已今非昔比。

关键在于动脑筋与用心

访客询问:“为何不导入结合研发与现场的数字双胞胎(Digitaltwin)?”经理回答:“现场试作检讨属于前负荷 (Front Loading)开发模式的一环,关键在于动脑筋与用心,解决开发试作前段的问题;数字双胞胎应该也能够做到,只是从成本观点,实用性还偏低。”

C公司虽被誉为全球智能制造先驱,经理却说能够自动收集、自动分析的现场案例仍然不多,因为各地的客户要求不同,定制的设计、试作与生产才具备顾客价值。同时,他们对顾客现场使用中的产品数据收集经验虽然丰富,对于结合研发数字化与现场制造数据收集的数字双胞胎,兴趣缺缺。

C公司美国厂除了表达类似观点外,更进一步强调,现地现物现实的日本现场主义精神,是实体系统智能制造发展的原点。导入智能制造虽是长期趋势,不会有跳跃式的进展或突然的意外收获。

D公司最近15年间以直接学习丰田汽车的精益变革著称,相信没有一流的日本工厂,就没有一流的世界工厂。从投料到装完箱的厂内LT68小时一路降到4小时。最近第三度参观这家日本工厂,发现制造现多了三个展示区:第一个是2003年开始推动精实变革时的照片,包括堆栈达8层的仓储料架,以及生产线边达48hWIP;第二个是KRAKURI( 无动力自动化 );第三个则失败案例展示。

生产技术课长提及下一步的挑战是导入IoT,正计划利用淡季停一条线试行。这些展示就是唤醒同仁,消除浪费、动脑筋与用心、防止再发等改善精神,远比导入IoT重要。如果IoT能够帮助大家进一步达成这个目的,何乐而不为?譬如他们强调采用低成本自动化,亦即透过动脑筋与用心的KRAKURI与部份自动化,更能弹性因应市场变动与 寻求精进。他邀请我继续观察与一起研讨。

调适顾客需求才能产生差异价值

E公司在高度自动化方面让人刮目相看,理由非常简单,因为他们不仅内制率100%,生产的是各种设备都需要用到的共同模块。换句话说,制程之前与制程产出都在可控制与预测范围。即使如此,仍然强调AI或云端对他们没有意义,他们的发展是一步一脚印,从实体的精益改善出发。

事实很明显,E公司的自动化水平,与谷歌购并的Google Robotics研发物流仓库无人化相去不远,投入与产出都是可控制、可预测,对于一般制造企业没有启发。

观察这5家企业的9个海内外工厂显示,扣除E公司的量产型模块,定制化愈来愈重要,满足顾客需求才能产生差异价值。麻烦、复杂、需要用心,以及被要求定制与差异化的高阶制造,会有更高的附加价值。对于大多数的先进国制造企业而言,顾客价值来自满足顾 客需求或解决顾客痛点的差异化。这正是确保利润与可持续经营的动力,可能也是IoT导入速度远低于预期的根本原因。

相关阅读: 知识类文章

分享到:

声明: 本网站为冲压和钣金业内信息集合和展示平台,欢迎不同的声音和观点,为行业人士提供参考,文章并不代表MFC的观点。书面刊用本站及MFC《金属板材成形》的原创文章,必须获得MFC的书面授权;电子平台转载,则必须注明作者和出处,对于盗版、冒名和不注明出处等行为以及由此产生的负面后果,MFC保留追究的权利。

我来说两句(共0条评论,0人参与)注册 登录 |

  • 最新评论
    暂无评论

品牌展厅365天全天候线上展厅

推荐专题

 

微信公众号

冲压钣金门户

扫描或搜索关注