IIoT如何赋能智能工厂

January 18, 2024

Fanny Hu

发布于2024-01-18

到2022年，全球物联网 (IoT) 支出将达到1万亿美元¹，几乎是2021年市场规模的两倍。然而，令人惊讶的是，连接技术的普及并不是技术发展所致，甚至也不是基于Web的服务所推动。HFS Research发现，在受访企业中，工业制造占据了最高采用率 (85%)。

工业制造的益处家喻户晓，逐渐作为独立的功能改进被采用，例如生产率优化和增加收集的数据以改善运营洞察力。但随着制造业以更全面的视角将信息技术 (IT) 基础设施与运营技术 (OT) 相结合打造出智能工厂，制造商就可以充分利用这种“工业物联网”(IIoT) 推动其行业向前发展所带来的益处。

IIoT可以通过多种方式实现智能工厂（当然还需要克服一些挑战）。但是，在探索这些方式之前，有必要回顾一下智能工厂区别于传统工厂的一些特征。

智能工厂特征

智能工厂与传统工厂最简单的区别是它融合了数字信息和物理资产，从而扩展了制造能力。这些信息物理系统 (CPS) 将更多的传感器和自动化控制融合到制造过程中，表现出三个主要特征：资产连接性、性能/趋势可见性和操作员自主权。

集成的数字和物理工具将操作员与设备连接在了一起，让操作员可以通过监控器，获得设备状态的实时虚拟图像。通过更好地掌控流程运转情况，操作员可以更密切地监控流程，同时花更少的时间观察机器的运转，提高自动化水平。

智能工厂的另一个特征是为了掌控流程运转情况，工程师需要完成数据收集和必要的分析。此外，必须有本地或云端服务器来处理和存储大量数据，而传统基础设施不需要。

智能工厂的优势

凭借众多优势，IIoT让连接技术在工业制造中达到了85%的采用率。第一层是制造商通过在其流程中采用AI和机器学习而获得的历史收益：

更先进的库存控制 – 记录生产流程的相关信息可以实现两大优势：降低库存（高优先级关键绩效指标）和提高生产弹性/零部件可用性（即时 (JIT) 生产的一个已知缺点）。数据分析可以优化两者的平衡，同时降低供应风险。这种进步降低了订单管理和物料处理成本。
通过提高整体设备效率 (OEE) 降低生产成本 – 智能工厂利用收集的数据和AI调整生产流程，从而最大限度延长正常运营时间、识别相关模式并预测需求变化。这种方法还可以优化资产以提高生产和能源效率。
提高产品质量并减少报废 – 在生产过程中收集大量数据使操作员能够深入了解设备的工作状况。从而让他们能够发现机床磨损的趋势并预测下一个（可能的）故障点。此外，预测性维护可减少维修成本和执行维修所需的停机时间，这在考虑设备运转率和通过精益计划减少流程浪费时具有显著优势。

借助这三点明显的进步，IIoT通过促进去中心化进一步使智能工厂成为可能。由于最近的全球供应链中断，企业转向更垂直整合的模式，缩短供应商资格认证时间并获得对产品质量和组件交付的控制。随着越来越多的公司在供应链下游部署IIoT工具，将供应商的资产连接到共享网络可以使没有垂直整合的智能工厂受益。

此外，增加此功能可以提高供应商与其他公司合作的能力，让新合作伙伴无需进行耗时的质量审核或流程审查即可了解流程功能本身。在整个制造过程中增加IIoT也有助于建立行业标准，向公司保证新合作伙伴已正确采用新功能。

IIoT还可以帮助公司开辟新的业务流，例如改进的定制服务和产品—或制造即服务。无论应用如何，增加的数据收集和分析都将通过持续改进整个制造过程来提高质量。

最后，将IT与OT整合可以通过利用虚拟模拟在切割物理部件之前加快迭代更改，从而简化产品开发或流程改进/故障排除计划。

智能工厂面临的挑战

尽管支持IIoT的智能工厂具有众多优势，但企业仍面临一些必须克服的挑战。

首先是增加数据收集和数字处理工具的初始成本。如前所述，这些改进可以降低制造和供应链其他方面的成本，因此业务案例应考虑投资的总体影响，包括模块化数据收集/处理工具以及减少的库存和停机时间。

另一个挑战是将新技术与传统基础设施相结合。新建一套集成架构通常会更简单，但可能不切实际。使用IIoT工具改造工厂应考虑不可协商的因素，例如连接性、网络弹性和网络安全。随着对互联工厂的依赖程度增加，所有这些都变得更加重要。

最后，重要的是增加或缩减技能组合以正确实施各项技术，包括预测网络使用量的增加和数据处理能力。

结语

虽然企业在实施颠覆性转变时必须始终克服一些挑战，但工业制造正在通过近乎普遍采用的IIoT向工业4.0冲刺。因此，制造商可以通过更出色的连接性、可见性和自主性来实现优化的库存、更低的运营成本和更高的产品质量。此外，IIoT为实现供应链的标准化、去中心化、互联提供了契机。随着更快的产品和流程开发改进，这种最终状态为工业制造带来了激动人心的转折点。