工業(yè)4.0將徹底顛覆制造業(yè)。目前，制造業(yè)已經(jīng)面臨激烈競(jìng)爭(zhēng)，勝負(fù)之分取決于創(chuàng)新能力，適者生存在這里得到完美詮釋。IDC預(yù)測(cè)，到 2018年，20強(qiáng)制造企業(yè)（及任何其他行業(yè)的企業(yè)）將有 1/3會(huì)被數(shù)字變革顛覆。

成功將會(huì)眷顧那些能夠最快速應(yīng)對(duì)消費(fèi)者需求變化和市場(chǎng)突變的企業(yè)。對(duì)于現(xiàn)有車間系統(tǒng)缺乏必要敏捷性的很多企業(yè)而言，這是壞消息。而其他勇于接受挑戰(zhàn)的企業(yè)則將數(shù)字化視為難得的機(jī)遇，認(rèn)為強(qiáng)者能夠在這個(gè)前所未有的時(shí)代抓住一切機(jī)會(huì)。投資于工業(yè)4.0或物聯(lián)網(wǎng)對(duì)于扭轉(zhuǎn)死板的制造模式、改善客戶關(guān)系及創(chuàng)造新收入至關(guān)重要。

投資于數(shù)字技術(shù)對(duì)于創(chuàng)建響應(yīng)迅捷的需求驅(qū)動(dòng)型制造模式至關(guān)重要

互聯(lián)制造的第一個(gè)要點(diǎn)是使用物聯(lián)網(wǎng)（IoT）將 “黑暗數(shù)據(jù)”（未使用的運(yùn)營數(shù)據(jù)）關(guān)聯(lián)至可將其轉(zhuǎn)化為有用信息的 IT系統(tǒng)。在掌握這些數(shù)據(jù)后，制造商可使用高級(jí)分析和機(jī)器學(xué)習(xí)技術(shù)從數(shù)據(jù)中發(fā)掘重要洞察，并用于提升運(yùn)營效率、生產(chǎn)力和敏捷性。

資產(chǎn)互聯(lián)可以給工廠車間帶來眾多改變，預(yù)測(cè)性維護(hù)便是其中之一。預(yù)測(cè)性維護(hù)根據(jù)真實(shí)數(shù)據(jù)分析設(shè)備狀況，而不是單純依據(jù)平均或預(yù)期生命周期統(tǒng)計(jì)數(shù)據(jù)確定是否需要維護(hù)，因而比傳統(tǒng)的預(yù)測(cè)技術(shù)更加有效，可以提升設(shè)備性能，最大限度減少意外停機(jī)，并降低運(yùn)營成本。

制造消費(fèi)或商用設(shè)備的 OEM發(fā)現(xiàn)，深化客戶關(guān)系和提升客戶忠誠度需要了解資產(chǎn)狀況。消費(fèi)者接觸到這種基于狀況信息的維護(hù)概念也是最先通過汽車業(yè)。簡(jiǎn)言之，如果您沒有想好如何通過提升可靠性取悅客戶，您可能已經(jīng)落后于競(jìng)爭(zhēng)對(duì)手。

在充滿挑戰(zhàn)的領(lǐng)域?qū)崿F(xiàn)成功

日益提高的客戶期望為全球制造商帶來了大量新的收入來源，同時(shí)也帶來了挑戰(zhàn)。在一些勞動(dòng)力較為廉價(jià)的國家和地區(qū)，工資水平正在快速提高。麥肯錫咨詢公司指出，資源價(jià)格的波動(dòng)性、高技能人才短缺以及日益加劇的供應(yīng)鏈和監(jiān)管風(fēng)險(xiǎn)，使得如今的不確定性遠(yuǎn)遠(yuǎn)超出了經(jīng)濟(jì)大衰退之前。

此外，制造業(yè)的競(jìng)爭(zhēng)非常激烈，其中一部分競(jìng)爭(zhēng)壓力來自亞洲地區(qū)，當(dāng)然亞洲地區(qū)內(nèi)部的競(jìng)爭(zhēng)也異常激烈。KPMG工業(yè)制造全球部門主席兼航天與防務(wù)負(fù)責(zé)人 DougGates表示：“期待來自亞洲的競(jìng)爭(zhēng)壓力會(huì)有所緩解的人恐怕一定會(huì)感到失望”。制造商必須全力尋找新的增長點(diǎn)以保持競(jìng)爭(zhēng)力。

為實(shí)現(xiàn)這些目標(biāo)，制造商需要對(duì)現(xiàn)有的業(yè)務(wù)運(yùn)營進(jìn)行大刀闊斧的改革。他們目前的工廠車間系統(tǒng)往往是有數(shù)十年歷史的專有系統(tǒng)，缺乏靈活性，而且運(yùn)營成本很高。這些設(shè)備還都是批量生產(chǎn)時(shí)期的產(chǎn)物，已經(jīng)難以快速應(yīng)對(duì)消費(fèi)者需求以及不可預(yù)知的突然中斷。在創(chuàng)建響應(yīng)迅捷的需求驅(qū)動(dòng)型業(yè)務(wù)模式的過程中，數(shù)字技術(shù)方面的投資將發(fā)揮關(guān)鍵作用。

邁向敏捷制造

制造業(yè)數(shù)字化的最新階段（即工業(yè) 4.0）正在為制造商創(chuàng)造價(jià)值帶來全新方式。麥肯錫表示，這一階段由四方面的顛覆性發(fā)展所推動(dòng)：數(shù)據(jù)量激增、分析功能的興起、全新人機(jī)交互模式的出現(xiàn)以及將數(shù)字指令傳輸至物理世界的進(jìn)步（如3D打?。?。

物聯(lián)網(wǎng)等技術(shù)的興起可幫助制造商從激增的數(shù)據(jù)中發(fā)掘巨大價(jià)值。在半導(dǎo)體行業(yè)，互聯(lián)制造經(jīng)過了多年發(fā)展；目前，其他行業(yè)的領(lǐng)先企業(yè)正開始在車間部署互聯(lián)制造。毫無疑問，其他從業(yè)者將會(huì)跟隨他們的腳步。

互聯(lián)制造旨在利用物聯(lián)網(wǎng)將傳感器、機(jī)器、電腦和人類連接起來，以高效監(jiān)控、采集、處理和分析數(shù)據(jù)。制造商可從數(shù)據(jù)中獲取重要洞察，從而提升運(yùn)營效率和生產(chǎn)力，并改善靈活性和敏捷性。他們無需為生成數(shù)據(jù)投入巨資購買新設(shè)備，因?yàn)樵诙鄶?shù)情況下，數(shù)據(jù)已經(jīng)存在。關(guān)鍵在于如何有效利用數(shù)據(jù)。

由于多數(shù)現(xiàn)有設(shè)備在物聯(lián)網(wǎng)出現(xiàn)之前就已部署完成，因此不具備內(nèi)置連接功能，給制造商訪問數(shù)據(jù)造成了困難。實(shí)施更敏捷的制造模式的第一步是將車間的系統(tǒng)連接起來。由于沒有通用的通信標(biāo)準(zhǔn)支持傳統(tǒng)設(shè)備與物聯(lián)網(wǎng)進(jìn)行互操作，企業(yè)轉(zhuǎn)向工業(yè)4.0的初步工作似乎舉步維艱。然而，情況正在快速改善，OpenConnectivity Foundation*（OCF）、Open Process AutomationForum*（OPAF）、Industrial Internet Consortium*（IIC）等組織和英特爾等生態(tài)系統(tǒng)廠商正在加快制定開放的物聯(lián)網(wǎng)標(biāo)準(zhǔn)。在開放平臺(tái)上將傳統(tǒng)設(shè)備與中間件連接的生態(tài)系統(tǒng)解決方案已經(jīng)上市，而且未來可按需更新以支持新協(xié)議。

在系統(tǒng)建立連接之后，制造商的下一步工作就是應(yīng)用高級(jí)分析發(fā)掘數(shù)據(jù)的巨大價(jià)值。這里還有一個(gè)挑戰(zhàn)。多數(shù)現(xiàn)有設(shè)備可生成海量數(shù)據(jù)，但由于數(shù)量過多，這些數(shù)據(jù)無法發(fā)回?cái)?shù)據(jù)中心進(jìn)行快速分析，為此需要在靠近數(shù)據(jù)流來源的終端實(shí)施高性能計(jì)算，以提取最重要的信息。

基于英特爾架構(gòu)的物聯(lián)網(wǎng)平臺(tái)旨在連接尚未連接的系統(tǒng)，以安全收集、交換、存儲(chǔ)和分析數(shù)十億個(gè)設(shè)備、傳感器和數(shù)據(jù)庫中的數(shù)據(jù)。

然而，在進(jìn)行物聯(lián)網(wǎng)投資之前，最好先明確目標(biāo)。第一項(xiàng)工作就是要確定哪些數(shù)據(jù)最值得采集，并評(píng)估將用于訪問數(shù)據(jù)的分析結(jié)構(gòu)的效用。英特爾集團(tuán)制造和工業(yè)垂直銷售總監(jiān)Mary Bunzel表示：“多數(shù)企業(yè)明確了使用設(shè)備數(shù)據(jù)流改善機(jī)器學(xué)習(xí)和人工智能模式的目標(biāo)，而且知道轉(zhuǎn)型的前提是使用基礎(chǔ)平臺(tái)采集和分析數(shù)據(jù)。每個(gè)實(shí)施過程都會(huì)暴露基礎(chǔ)設(shè)施的不足，只有克服這些不足才可開展下一階段的工作。幸運(yùn)的是，在與處于不同階段的客戶的合作過程中，我們了解了相關(guān)困難，并能夠使用技術(shù)工具清除障礙，并在后續(xù)的客戶合作中為客戶提供支持。將您的企業(yè)改造為未來工廠需要持續(xù)改進(jìn)?！?/p>

預(yù)測(cè)性維護(hù)

互聯(lián)制造可以為工廠車間帶來眾多改變，預(yù)測(cè)性維護(hù)只是其中之一。傳統(tǒng)的維護(hù)方法是在故障發(fā)生前通過檢驗(yàn)和判斷的方式檢測(cè)和糾正可能導(dǎo)致故障的問題，而檢驗(yàn)手段本身就不夠完善。定期的預(yù)防性維護(hù)則并不以檢驗(yàn)結(jié)果為依據(jù)，幾乎都需要停止機(jī)器或生產(chǎn)線的運(yùn)行，不但會(huì)產(chǎn)生額外成本，還會(huì)損失生產(chǎn)時(shí)間，甚至有可能引發(fā)其他故障。

相比而言，預(yù)測(cè)性維護(hù)并不遵循設(shè)定的時(shí)間表，而是通過分析數(shù)據(jù)幫助確定設(shè)備狀況，以預(yù)測(cè)何時(shí)應(yīng)該進(jìn)行維護(hù)，能夠監(jiān)控互聯(lián)資產(chǎn)的性能，以了解其與故障的關(guān)聯(lián)性。在終端分析或霧計(jì)算策略中，算法會(huì)部署在流數(shù)據(jù)采集點(diǎn)、網(wǎng)關(guān)、云端或它們之間的任何位置，以評(píng)估需要及不需要哪些數(shù)據(jù)。這些工具有助于發(fā)送準(zhǔn)確的狀況數(shù)據(jù)，從而幫助預(yù)測(cè)故障。預(yù)測(cè)性維護(hù)可提高設(shè)備可靠性，減少計(jì)劃外維護(hù)和停機(jī)。因而，預(yù)測(cè)性維護(hù)可降低運(yùn)營成本，大幅提升運(yùn)營效率。

ARC Advisory Group 對(duì)常見故障模式的研究發(fā)現(xiàn)，82% 的故障類型是隨機(jī)發(fā)生的，僅 18%可通過傳統(tǒng)維護(hù)方法預(yù)測(cè)和預(yù)防，而技術(shù)人員獲取并用于防止故障的設(shè)備數(shù)據(jù)流僅為 23%。終端的物聯(lián)網(wǎng)和計(jì)算功能正在幫助制造商改變這一狀況。

英特爾集團(tuán)解決方案架構(gòu)師總監(jiān) Ted Connell表示：“多數(shù)人面臨的挑戰(zhàn)在于如何有效進(jìn)行分析和將原始數(shù)據(jù)轉(zhuǎn)化為洞察。解決該挑戰(zhàn)的一個(gè)方法是應(yīng)用機(jī)器學(xué)習(xí)技術(shù)”。通過數(shù)字雙胞胎（物理資產(chǎn)的電腦化配套資產(chǎn)）對(duì)生產(chǎn)線性能建模的現(xiàn)代技術(shù)，為根據(jù)最佳性能預(yù)測(cè)生產(chǎn)線性能提供了基準(zhǔn)。作為人工智能的一種形式，機(jī)器學(xué)習(xí)可實(shí)現(xiàn)分析模型構(gòu)建的自動(dòng)化，幫助電腦反復(fù)從數(shù)據(jù)中進(jìn)行學(xué)習(xí)并改善算法。

通過數(shù)字雙胞胎學(xué)到 “正?！边\(yùn)行參數(shù)并對(duì)其建模后，來自生產(chǎn)線采集點(diǎn)的數(shù)據(jù)流和變化速度可用于發(fā)現(xiàn)可能導(dǎo)致故障的異常情況。多數(shù)制造商擁有專業(yè)知識(shí)豐富的員工，他們對(duì)于設(shè)備知之甚深，是工廠可以仰仗的“智囊”。當(dāng)這些員工退休后，機(jī)器學(xué)習(xí)和人工智能工具將幫助新員工彌合知識(shí)差距。

對(duì)資產(chǎn)健康狀況更深入的了解意味著員工和工廠更加安全，停機(jī)的減少有助于在性能方面超越競(jìng)爭(zhēng)對(duì)手，見圖。

傳感器數(shù)據(jù)結(jié)合高級(jí)分析和機(jī)器學(xué)習(xí)可提升資產(chǎn)健康狀況的可視性

已經(jīng)使用預(yù)測(cè)性維護(hù)的制造商獲得了巨大的投資回報(bào)。一家全球最大的汽車制造商發(fā)現(xiàn)了新的數(shù)據(jù)模式，相關(guān)模式可幫助他們更深入了解影響氣缸蓋生產(chǎn)質(zhì)量的關(guān)鍵因素。借助這一信息，該制造商將氣缸蓋生產(chǎn)線的生產(chǎn)力提高了25%，將實(shí)現(xiàn)目標(biāo)生產(chǎn)水平所需的增產(chǎn)時(shí)間減少了 50%，并通過近實(shí)時(shí)的數(shù)據(jù)分析加快了生產(chǎn)調(diào)整速度。

概括而言，AberdeenGroup的研究表明，采用全面預(yù)測(cè)性維護(hù)計(jì)劃的制造商平均可實(shí)現(xiàn)25%的資產(chǎn)收益率，而實(shí)施傳統(tǒng)低效維護(hù)實(shí)踐的企業(yè)僅能實(shí)現(xiàn) 10%的收益率。美國能源部和聯(lián)邦能源管理計(jì)劃的數(shù)據(jù)顯示，將運(yùn)行到故障（run-to-failure）的系統(tǒng)升級(jí)為預(yù)防性維護(hù)計(jì)劃可節(jié)省 12-18%的維護(hù)成本，而最終實(shí)施預(yù)測(cè)方法可再節(jié)省 8-12%的預(yù)算。

預(yù)測(cè)性維護(hù)尤其適用于分散布局的工廠和遠(yuǎn)程工廠，因?yàn)榭梢怨?jié)省派遣技術(shù)人員前往現(xiàn)場(chǎng)執(zhí)行手動(dòng)檢查和維修的時(shí)間和成本。

為發(fā)掘物聯(lián)網(wǎng)的最大效益，制造商必須將強(qiáng)大的計(jì)算技術(shù)和盡可能多的分析功能用于網(wǎng)絡(luò)終端。這有助于他們過渡至更敏捷的制造模式，從而提升運(yùn)營效率和生產(chǎn)力?；ヂ?lián)制造可以為工廠車間帶來巨大效益，預(yù)測(cè)性維護(hù)只是其中之一。

下一步，我們需要將互聯(lián)制造擴(kuò)展至整個(gè)供應(yīng)鏈。此外，為實(shí)現(xiàn)真正卓越的制造效率，最終要采用自主軟件定義機(jī)器（SDM），以實(shí)現(xiàn)真正敏捷的按需工廠即服務(wù)（FaaS）制造模式。通過將軟件層從機(jī)器硬件中分離出來，機(jī)器的“大腦”和 “身體”得以分開運(yùn)行。如此，機(jī)器的大腦可在云中運(yùn)行，幫助制造商延長機(jī)器的生命周期，避免其很快就被淘汰。