西門子安貝格電子制造工廠（EWA）是一個怎樣的存在？

在這里，每天要完成350次生產切換，產品組合包含約1200種不同產品，每年要生產1700萬個Simatic組件。為實現不斷優化以保證工廠穩定運行，EWA需要評估并使用5000萬條過程與產品數據。此外，工廠還應用了人工智能和工業邊緣計算等突破性技術及云解決方案，助力實現高度靈活且非常高效可靠的生產程序。

在西門子安貝格電子制造工廠（EWA），“工業4.0”已在許多領域成為現實。

工業邊緣計算與人工智能助力產能增加

Jochen B nig博士是西門子安貝格電子制造工廠戰略數字化部門的負責人。他表示：“利用邊緣計算，數據可以在它產生的地點，即在工廠里或機器上，被立即處理。”舉例來說，在EWA，這項技術已被應用于為分布式I/O組件生產印刷電路板（PCB）的生產線上。

在過去，生產并未被充分優化，而這既不是因為工廠可用性，也不是由于過程質量。瓶頸存在于PCB生產的最后階段，即X光檢測環節。

只有指甲蓋大小的電路板中包含有與功能相關的帶有各種連接銷的總線連接器。在一項非集成測試中，相關人員要對這些連接銷的焊接接頭進行X光檢測，以查看它們是否能正確地工作。那么，應該花費大約50萬歐元再購買一臺X光機嗎？

另一種方法則是利用人工智能技術。來自傳感器的數據經由全集成自動化（TIA）環境被傳輸至云端。TIA環境包含一個控制器和一臺邊緣設備。專家對基于人工智能和過程參數的算法進行訓練。該算法可以學習過程數據是如何反映焊接接頭質量的，并可以對在工廠中的邊緣應用里運行的一個模型進行控制。

在PCB的生產過程中，一種由人工智能控制的模型能夠提供可靠信息，用來判斷相應PCB存在缺陷的可能性。

B nig解釋說：“該模型可以預測PCB上的焊接接頭是否存在故障。換言之，它可以判斷是否需要對PCB進行最后階段的檢測。借助閉環分析，這些數據可以立即反饋到生產中。”

早期預警系統與預測性維護

閉環分析和工業邊緣技術也被應用在銑削中。由于銑削時產生的粉末，為Simatic產品分割PCB的銑床主軸并不會永遠都正常運行。但是，起初人們并不清楚問題的根源在哪里。就像在自動X光檢測技術中的應用一樣，西門子的專家可以利用邊緣計算和人工智能技術來實現預測性維護。

西門子團隊分離出了與非計劃性停機存在明顯關聯的兩組參數：銑床主軸的轉速以及驅動所需電流。這些數據被輸入一臺邊緣設備。在這臺設備中，一種已經預先被訓練好的算法可以識別出過程數據中存在的異常與停機時間之間的相互關系，并將其反饋至生產過程。

來自西門子工業業務不同部門的專家攜手合作，共同推動EWA的數字化轉型。

Performance Insight應用程序讓使用者可以在基于云的開放式物聯網操作系統MindSphere上查詢結果。現在，工廠運營人員可以提前12到36小時收到對可能出現的系統故障的提醒并據此采取相應措施。

但是，數據與異常情況等信息并非簡單地存儲在MindSphere中。為了讓獲得的結果越來越準確，算法必須被更好地訓練。EWA的物聯網專家Florian Meierhofer解釋說：“這正是在MindSphere中正在發生的事情。EWA中持續穩定且端到端的數字化環境保證了自動化、工業邊緣設備以及云計算之間必要的無縫交互。”

數字化雙胞胎與概念驗證（PoC）

在數字化雙胞胎的幫助下，Simatic控制器組件可以在目標周期內被生產完成，而這個周期是八秒鐘。起初，仿真結果顯示周期為11秒。它同時也指出周期時長之所以為11秒是因為為生產線規劃的機器在實際生產中并未實現優化運行。

西門子專家在生產的數字化雙胞胎中用更合適的組件替換了這些機器部件。在接下來的模擬中，目標周期被無縫實現，從而完成了概念驗證。

EWA借助定制化的安全解決方案來最大程度地降低網絡基礎設施遭受網絡攻擊的風險。

總結一下，在EWA，硬件與軟件解決方案、工業通訊、網絡安全與服務以最優化的方式相互協調。借助持續穩定、端到端的橫向與縱向集成，生產工序實現了無縫銜接。這使EWA成為西門子數字化企業解決方案的典范。這套解決方案將助力西門子與合作伙伴共同邁向數字化轉型的未來。