通往明天车间的窗户

向数字制造的转型需要技术,流程和人员的结合。

向数字制造的转型需要技术,流程和人员的结合。

未来工厂的数字化将受到诸如数字线程,机器学习,数字孪生和模拟等技术的推动。此过程的目的是实现前所未有的可见性,使所有利益相关者不仅对产品而且对构建它们的制造过程有详尽,准确和及时的了解。图片由西门子数字工业软件提供。


数字技术有望改变明天 ’的工厂,并为制造商敞开大门,以便快速发现单个机器和整个装配线中的问题。在这种新的工作环境中,工厂工程师可以轻松地使生产过程适应客户需求或供应链条件的变化,制造商可以针对成本,吞吐量或其他相关业务指标进行优化(图1)。

如果您认为采用新技术将推动这些变化,那么您只说对了一半。更深入地了解明天将发挥作用的力量’车间的地面显示出平行力,该平行力将在确定制造的形式和功能时起同等重要的作用。这一元素构成了一场文化革命,它有望在制造商查看生产过程和开发业务模型的方式上进行全面改变。

“将企业从手动工作场所转变为数字工作场所的过程将需要跨人员,流程和技术的变化,”资深副总裁兼首席技术官Colin Parris说 GE数字. “它将需要发展到一种数据文化,在这种文化中,数据规范及其作为标准实践被集成到所有业务流程中的过程将被员工接受并不断得到改进。” 

明天的数据’s Factory

数字化和数据文化将如何转化为制造运营?为了回答这个问题,请考虑将塑造明天车间的关键因素。

例如,技术人员会看到数字化过程将不同的要素组合在一起,从而为管理人员,员工和供应链合作伙伴创建了丰富,直观和有见地的用户体验。 

这就要求制造商从众多的传感器,业务系统和虚拟现实平台中提取数据,以对正在制造的产品以及生产过程中使用的资产和过程进行完整的描绘(图2)。这将要求工程师将集成提高到一个新的水平。

例如,过渡到更大的数据集成将要求生产设施更紧密地交织业务和运营数据。 

“数字工厂将连接IT和OT(运营技术)以进行制造管理,”首席设计师乔纳森·斯科特(Jonathan Scott)说 刀叶. “IT—来自前台的技术和数据—将定义制造过程的标称运行参数。考虑一下计算机辅助的加工模型。另一方面,旧约—在加工中心进行控制并在车间进行监控—会识别并纠正异常操作,并在需要干预时告知人类。”

数字线程系统提供有关工业零件和系统的准确,最新的详细信息以及相关的上下文信息,记录如何生产,维护和报废。  图片由Razorleaf Corp.提供 单击此处查看大图。

为了从数据中获取价值,制造工程师将不得不创建端到端的基础架构来处理前所未有的数据量。这意味着增强他们捕获,标记,存储,挖掘和分析数据的能力。

汇总制造数据

实施这些更改的第一步是数字线程部署。这项技术可帮助制造商从各种来源(包括客户和其他第三方来源)获取更多数据。这将使工厂经理可以更准确地预测当前和将来的需求。 

此外,数字线程有望使所有利益相关者都可以访问更丰富的数据池,这将有助于他们更好地了解其资产的当前状态,例如哪些机器处于启动状态,哪些机器处于关闭状态。制造商还将使用该数据来确定未来应采取哪些行动以实现期望的业务成果。

为了使这些功能成为可能,数字线程承诺提供足够的数据,以为制造商提供了解其当前运行状态所需的基础。这应该为工厂经理提供优化流程以更好地满足市场需求的方法。

纺出更好的线

请记住,数字线程技术不是静态的。这些系统的开发人员正在不断完善技术,以期扩大其处理车间大数据所带来的挑战的能力。

一种这样的改进利用了机器学习(ML)的功能。此增强功能旨在使工程师能够快速捕获仅最有用的数据,从而能够获得更多的可见性。

例如,使用ML,OT将越来越多地学习如何通过减少人为干预来纠正异常情况。“我们走得越远,OT就会变得越先进,它就可以通过减少人工干预来纠正异常情况,而在通过共享模型(而不是转换后的参数)进行通信时,从IT那里学习的越多,” says Scott.

在同一过程中,数字线程提高了ML系统的性能。当人工智能(AI)平台在模拟数据上进行训练时,可以关联辅助数据流以挖掘ML可以识别的细微差别。

“今天的工程师可能正在通过模拟结果寻找故障模式,但是ML可能会在分析相同数据时注意到材料使用或能耗的趋势,” says Scott. “线程技术对此至关重要,因为线程技术提供了训练ML算法所需的丰富数据集,并提供了扩展自动化所需的上下文和连接。”

例如,通过连接需求(例如,负载约束),设计解决方案(例如,公差几何模型),制造计划(例如,附加模拟)和产品性能模拟,可以对已制造的状态产品进行预测性能。如果闭环自动仿真可以识别出所制造的虚拟产品中的故障,则这些数据工具可以缩短周期时间并消除报废。 

物理世界观

使用数字线程框架提供的数据,数字孪生为工程师和工厂经理提供了在车间发现的物理对象和操作的概念。数字化概念或模型会定期进行修改,并使用新数据进行升级。

这些模型凸显了数字孪生的主要优势之一:它充当物理域和数字域之间的近实时桥梁,充当创建完整,最新数字的所有数据的载体复制品。

工厂经理和工程师可以使用数字孪生模型来模拟设备性能和制造过程,以预测和优化生产质量和效率,然后再进行大量投资来建立工厂,装配线和制造工作单元。在生产和后期生产阶段捕获性能时,工程师可以使用反馈与设计和工程部门生成持续的改进循环。 

当数字孪生从制造操作中获得反馈时,它们使制造商能够根据反馈采取行动,将预测的性能与实际性能进行比较,并基于此见解调整设备设计或制造过程。工程师可以在设备制造或装配线部署很久之前就提前创建虚拟模型。

“制造商可以利用数字孪生技术来分析实时性能,优化运营或完善对其资产的控制,”的工业自动化和机械行业经理Philipp Wallner说 MathWorks. “该技术可以帮助产品开发团队获取实物资产’的历史记录,以帮助了解其行为,改进维护策略并帮助制定决策。”

所有这些功能可减轻系统风险,减少事故并避免计划外停机。

无痛测试和验证

您可以’在谈论数字线程和数字孪生时,也无需考虑仿真,因为线程和孪生系统为制造商提供了以新方式利用仿真的机会,为增强业务和运营流程创造了新机会。

例如,数字双胞胎使工程师能够模拟场景并“gaming”测试新的商业模式。  

“Twins可用于为涉及近岸和产品组合可变性的新业务策略建模,仿真和优化资产,”DELMIA副总裁Eric Green说: 达索系统èmes. “收益影响工厂的每个类别的损益,从加快产量和收入到降低成本,工人安全和可持续性改善。”

有了这些功能,制造商可以使用双仿真来确定系统的弱点或将来可以利用的优势。 

“通过这些模拟,您可以规划前进的道路,并随着使用当前实际数据改进双胞胎,您的模拟也将得到改善,” says GE数字’s Parris.

在运营机会方面,制造商可以使用仿真来对模块化机电组件,设备和整个生产线进行虚拟调试。这使工程师可以应对不断增长的软件复杂性,这使得物理机的设计和测试更加复杂。这使制造商可以在建立实际生产之前根据仿真来验证是否满足其要求。

“在芬兰的美卓(Metso)等公司已经在使用其设备模型测试其控制软件,然后再将其部署到机器的工业控制器上,” says Wallner.

数据问题

寻求数字化运营的制造商面临的两个最大挑战是数据的异构性以及在尝试配置和管理数据时。即使管理和减少了数据异质性,制造商仍将必须能够配置和管理数据集。作为临时解决方案,可互换性规则确实为减少浪费提供了制造捷径,但是随着未来几年数字双胞胎采用率的增长,这些规则将无法很好地老化。

“仅仅知道某个零件的最新版本是不够的,” says Scott. “例如,必须要知道要模拟使用零件修订版7的部件的第三个版本,并且要模拟部件’的性能相对于2015年5月为客户X定义的要求的性能。这种类型的配置管理将需要不遵守规则和系统的规则’今天不存在,但今天将建立’的产品数据管理和产品生命周期管理系统。”

文化变革的挑战

由于培养数据文化对于工厂数字化的成功至关重要,因此制造商必须接受最模糊的因素:人性。

借助制造操作的反馈,双胞胎使制造商能够将预测性能与实际性能进行比较,并基于此见解调整设备设计或制造过程。 图片由西门子数字工业软件提供。

问题是如何最好地创建一种文化,以维持以数据为中心的方法,并推动数据旅程和业务转型的持续改进。

“转型总是很困难,并且很容易提供不转型的理由—它会花太多钱,花太长时间,会带走工作,” says Parris. “总是这种情况,因为担心会出现一些新的或未经业界验证的东西。使用精益流程可以提高文化接受度,因为精益具有广泛的接受度,可以作为一种思维方式和一种可以带来运营和财务价值的工具。” 

也就是说,人类对变革的抵制可能是创建以数据为中心的文化的最大挑战,因此,这也是工厂数字化面临的最大障碍之一。 

寻找更好的可见性

作为未来工厂数字化的关键要素,数字线程和数字孪生技术有望在产品设计和生产中发挥重要作用。数字线程的目的是从工厂车间和供应链中捕获高价值数据。这为制造商使用数字孪生平台评估资产的当前状态,跟踪零件,设备和系统在其整个生命周期中的发展以及优化其性能和设计提供了方便(图3)。

如果制造商将制造/生产和设计数据与现场数据相关联,则他们可以开始看到具有产品弱点的模式。 

“特定条件和特定环境可能会对零件造成当前和将来的重大损坏,” says Parris. “这使工程师可以直接洞悉针对那些条件和环境对该零件的可能重新设计。它还可以为制造商提供有关选择材料或制造工艺以制造坚固零件的见识。”

数字孪生还可以用于创建实际使用中的植物或系统的模拟器。这样一来,制造商便可以在这对双胞胎上运行各种方案,以确定可以在特定成本点或用例方案下制造的最佳产品。 

为了确保在数字化工厂中培养的能见度能够提供最佳价值,制造商必须开发连通的能见度,这要归功于使用全面的数字双胞胎。 

“制造商需要一种能够在多学科团队之间有效共享信息的解决方案,从而可以避免错误并做出更明智的决策来生产高质量的产品,”工业机械行业解决方案总监Frans Adamowicz表示: 西门子数字工业软件.

更多DassaultSystèmes报道

达索系统公司简介

更多GE数字覆盖

更多MathWorks报道

更多Siemens Digital Industries软件报道

赞助内容
数字孪生继续激增软件和数字产业
从古老的毕达哥拉斯杯到超现代的火箭发射器,所有与Simcenter以及本期《工程创新》都一并出版。
西门子更新Parasolid
融合建模范例成为Parasolid技术的核心。
赞助内容
用Simcenter设计更好的明天
全面的数字孪生是数字化转型的关键推动力。
赞助内容
模拟和测试在数字孪生策略中的作用
西门子公司的S. Ravi Shankar解释了全面的数字孪生技术,以及Simcenter如何改善性能工程。
与西门子一起发展添加剂解决方案合作伙伴
公司表示,技术合作伙伴关系有助于为大规模生产提供优化和自动化的增材制造平台。
西门子关闭视音频开发领域
SCAPTOR将数据收集组件添加到Simcenter产品组合中,从而加速了自动驾驶汽车的开发。
西门子数字工业软件公司简介

分享这篇文章

订阅我们的免费杂志, 免费的电子邮件通讯或两者兼而有之!

加入超过90,000名工程专业人员的行列,他们将在新闻发布后立即获得最新的工程新闻。


关于作者

汤姆·凯文(Tom Kevan)的头像
汤姆·凯文

汤姆·凯文(Tom Kevan)是一名自由撰稿人/编辑,专门从事工程和通信技术。通过联系他 (必须启用JavaScript才能查看此电子邮件地址)。.

关注DE
#24509