工廠的信息流和控制可以提高自動化水平，幫助制造商做出更好的決策

　　作者：偉創(chuàng)力智能制造工程團隊副總裁MURAD KURWA

　　文章要點

　　強大的信息控制可以提高自動化水平，幫助制造商做出更好的決策

　　在自動化過程中注入人工智能（AI）和機器學(xué)習(xí)（ML)，以開發(fā)閉環(huán)控制，可以釋放更多價值

　　機器視覺還可以幫助制造商發(fā)現(xiàn)生產(chǎn)過程中的瑕疵或缺陷

　　工業(yè)自動化和信息化正在以飛快的速度發(fā)展。無論是協(xié)作機器人、自主移動機器人（AMR），還是高速生產(chǎn)線，全球的工廠都在需要提高效率、優(yōu)化工作流程、增加安全性和提高生產(chǎn)率。

　　然而，在工廠中，自動化有一個常常被忽視的好處 —— 信息。如果使用得當，那么在產(chǎn)品生產(chǎn)過程中獲得的數(shù)據(jù)可以幫助工程師做出深思熟慮、更明智的決策。

　　問題是，許多工廠沒有適當?shù)淖詣踊蚩刂茩C制，將產(chǎn)品從步驟 A轉(zhuǎn)移到步驟 Z。這常常減少了在產(chǎn)品生命周期中收集到的信息。

　　更好的自動化意味著更好的流程、更多的制造信息

　　如果在工廠生產(chǎn)線上沒有利用自動化技術(shù)，收集到的數(shù)據(jù)只能與當前的人工的過程相同。一步步地收集信息意味著失去了對產(chǎn)品在其過程中實時演變的可視性。生產(chǎn)團隊幾乎很難甚至不可能理解潛在的挑戰(zhàn)或缺陷，因為他們只關(guān)注客戶的要求。

　　這種遺留過程或全面質(zhì)量管理，能夠確保生產(chǎn)團隊得到以下問題的基本答案：

　　在這個步驟中，你做了什么？

　　產(chǎn)品是如何滿足規(guī)格的？

　　我們遵守要求了嗎？

　　雖然滿足客戶的要求是優(yōu)先考慮的，但如果沒有自動化，生產(chǎn)團隊就會錯失可以幫助提高產(chǎn)量、減少不必要的工作、減少停機時間和浪費的大量數(shù)據(jù)流。

　　制造應(yīng)用中的數(shù)據(jù)流

　　幫助提供生產(chǎn)線洞察的數(shù)據(jù)往往以不同的數(shù)據(jù)包、大小和形狀出現(xiàn)。收集到的第一組數(shù)據(jù)與制造階段的質(zhì)量和產(chǎn)品性能相匹配，其他超出了產(chǎn)品屬性的信息，能幫助回答以下重要問題：

　　制造產(chǎn)品花了多長時間？

　　在這個特定的項目上花了多少小時？

　　是否使用了正確的工具？

　　制造產(chǎn)品的正確組件和材料清單是什么？

　　這一層信息來自于整個控制線，有助于生產(chǎn)團隊堅持標準操作程序，并確保根據(jù)基于周期時間及其他領(lǐng)先標準的規(guī)范生產(chǎn)產(chǎn)品。

　　同時，全自動生產(chǎn)線也能使工程師獲得比人工或半自動生產(chǎn)線更多的性能反饋。這是因為信息控制通過自動化的工具，傳遞產(chǎn)品生產(chǎn)過程中的數(shù)據(jù)，這些數(shù)據(jù)可以在監(jiān)視器上被捕捉并看到。例如，生產(chǎn)團隊可以在產(chǎn)品緊固件上看到扭矩值等步驟，以確保在組裝過程中（而不是之后）滿足要求。

　　全自動生產(chǎn)線還可以更輕松地將關(guān)鍵信息傳遞給客戶。例如，對于醫(yī)療器械來說，自動化數(shù)據(jù)收集能夠讓生產(chǎn)團隊以準確、及時、高效的方式記錄并向客戶交付防水、測試、密封及其他關(guān)鍵因素的信息。對于汽車等其他有嚴格要求的行業(yè)同樣如此。

　　讓工廠生產(chǎn)線達到這樣的自動化和數(shù)據(jù)收集水平需要時間、規(guī)劃及專業(yè)知識的支持。

　　為自動化成功設(shè)置生產(chǎn)線

　　對于機器和設(shè)備的自動化控制，有兩種選擇。

　　第一種是可編程邏輯控制器（PLC)，可用于同步生產(chǎn)線控制，包括速度，物料進出之間的相互作用，以及其他方面的控制。借助PLC，操作員可以坐在裝有機器視覺攝像頭的傳送帶前。當產(chǎn)品被放置在傳送帶上時，攝像頭會看到并進入下一個周期。盡管PLC能正確地執(zhí)行控制反饋，但在這個過程中沒有數(shù)據(jù)收集——只是被動、半自動的進行控制。

　　為了充分地利用自動化和相關(guān)數(shù)據(jù)的優(yōu)勢，工廠應(yīng)該考慮將工業(yè)PCs (IPCs)與高速自動化和傳感器相結(jié)合。這些系統(tǒng)為PLC的邏輯編程提供了先進的計算能力和信息控制。這種設(shè)置也可以由邊緣網(wǎng)關(guān)來支持，以幫助管理數(shù)據(jù)流。

　　獲取實時分析數(shù)據(jù)的三個步驟

　　企業(yè)在獲取最終實時分析數(shù)據(jù)之前需要采取的步驟包括：

　　更好地理解投入——產(chǎn)出機制

　　使用合適的傳感器來收集數(shù)據(jù)

　　通過低代碼/無代碼應(yīng)用啟用閉合循環(huán)控制程序

　　該智能系統(tǒng)有助于在整個產(chǎn)品生命周期中進行數(shù)據(jù)收集，從而獲得諸多文章上述的優(yōu)勢。這些數(shù)據(jù)還可以被傳輸?shù)皆贫诉M行大數(shù)據(jù)分析，或者在邊緣（也就是接近機器的位置）進行實時處理。在此基礎(chǔ)上，通過將人工智能（AI）和機器學(xué)習(xí)（ML）注入自動化過程，以開發(fā)閉環(huán)控制，可以釋放更多的價值。

　　利用 AI和 ML釋放價值的五種方法

　　ML可以從閉環(huán)控制中獲取大量數(shù)據(jù)，并將其合成可操作的信息，以便驅(qū)動更好的流程和更明智的決策。ML幫助生產(chǎn)團隊將信息用于控制，這些控制可以實時調(diào)整生產(chǎn)線上的參數(shù)，而無需停止生產(chǎn)。ML還可以用于識別和消除工作中的非增值方面，例如在一段時間后對產(chǎn)品的測試。

　　AI和 ML價值的另一個驅(qū)動因素是視覺。例如，從工業(yè) PC的閉環(huán)系統(tǒng)中獲取數(shù)據(jù)，機器可以檢測出劃痕等產(chǎn)品上的瑕疵或其他缺陷。這種異常檢測功能允許系統(tǒng)映射導(dǎo)致這些問題的熱點，并能夠標記出要檢查的潛在問題區(qū)域。

　　然而，為了最大程度地利用這些解決方案，考慮以下問題很重要：

　　1. 由你來構(gòu)建 AI/ML，還是通過第三方購買？

　　2. 跨生產(chǎn)線的可擴展性如何？

　　3. 誰來創(chuàng)建算法和教學(xué)模型？

　　4.是否有足夠的數(shù)據(jù)科學(xué)家來支持該項目？

　　5.是否有正確的系統(tǒng)和員工來理解和解釋數(shù)據(jù)？

　　當自動化發(fā)揮其最大能力時，它可以執(zhí)行生產(chǎn)過程中的戰(zhàn)略原則。自動化是一種受控機制，它讓機器對機器（M2M）接口以正確的步驟順序驅(qū)動產(chǎn)品，從原材料到轉(zhuǎn)化后的成品。產(chǎn)品性能、質(zhì)量、周期時間的信息流和管理進出工位的材料流也是通過自動化同步完成的。當自動化與AI或ML相結(jié)合，便能夠帶來無限的可能。