
News & Announcements
工业4.0和智能工厂:
通过活动网实现制造业产业的数码创新的方法

Daesoo Han 2020年12月8日 报道资料

人工智能(AI)正在改变制造业及其流程, 为智能工厂的发展铺平道路。
“ 智能工厂是一个灵活的系统, 可以在更广泛的网络中自我优化性能, 实时或接近实时地自我适应和学习新的条件, 并自动运行整个生产流程。”
智能工厂需要基于人工智能的系统, 利用实时数据进行学习、优化和预测, 最终目标是极大化整体设备效率(OEE)。
有几种方法可以在制造工厂和生产运营中极大化OEE, 但收集实时工业Thins(IloT)数据对于工业4.0和智能工厂的新前沿至关重要。
互联的数字化制造平台智能工厂: Signe-S 和活动网
产量数据科学与工程(DSEY)开发了一款智能工厂软件, 并与Solace合作创建了一个名为“活动网”的实时数据网络。Signe-S框架包括用于机器学习(Signe-S ML)、虚拟计量(Signe-S VM)和高级过程控制(Signe-S APC)的组件,它们协同工作以极大化工厂的OEE。

该活动驱动系统的益处包括:
-
无需编码的机器学习应用
-
实时过程预测和控制
-
自学机器学习算法
-
快速建模
-
多方面的结果
活动网提供了将数据(以活动的形式)从物联网设备或应用程序动态分发到其他需要信息来执行其功能的制造系统和应用程序的方法, 无论这些数据部署在何处(内部部署、云中等)。
通过活动驱动架构, 智能工厂可以实现自动化, 分析多条生产线和全球位置之间的低效率, 并预测由于机械故障、供应链问题或物流延迟而导致的停机时间。通过Signe-S和活动网, 相关活动可以实时通信到流程和设备, 从而实现基于人工智能的决策和机器学习。

这个数字制造平台利用实时连接来创建一个灵活、自适应和智能的智能工厂。
无需编码的智能工厂机器学习
智能工厂超越了自动化: 实时适应和学习并优化生产流程—通常在全球范围内。机器学习使智能工厂能够吸收、解释并适应连接设备的实时数据。大数据分析和机器学习建模既耗时又昂贵。DSEY的Signe - S ML产品消除了数据分析的反复试验, 并通过单击鼠标而不是复杂的编码实现机器学习。它内置了自动机器学习功能, 已经针对生产现场的特点(预处理、数据分析和工程算法)进行了优化。
实时流程性能预测
通过使用数学模式, 可以加强质量控制, 在不进行物理测量的情况下预测产品质量漂移。在降低OEE的生产中, 质量控制是一个很大的组成部分, 因为产品缺陷可能会导致停机。虚拟计量是智能工厂可以预测变化和确保100%控制质量活动的方法。虚拟计量系统面临的挑战是精确的预测算法。
DSEY的Signe-S VM是一种基于自学的虚拟测量解决方案, 它基于人工智能机器学习模式进行预测, 同时监测自己的实时准确性和处理维护任务(然后与人工智能"重新学习")。Signe-S VM针对生产现场进行了优化, 以解决由于产品/流程变化和现场噪声问题造成的频繁建模问题, 这是现有虚拟测量系统的主要弱点。
当与故障检测和分类(FDC)结合使用时, Signe-S VM改进了运行到运行控制(R2R), 并通过减少错误判定进一步降低了制造成本。

使用DSEY虚拟计量解决方案的智能工厂可以获得以下益处:
-
未来测量的实时预测和辨别
-
处理变化的自动传感器
-
基于人工智能的测量抽样建议, 以极大化生产力
-
准确解决传统FDC的先天性问题
-
显着增强的R2R应用
-
用于质量分析的丰富测量数据
智能工厂先进流程控制的进化
先进流程控制(APC)并不新鲜, 但APC系统的可靠性和智能化正在显著提高。为了使基于模式的APC软件有用, 必须准确地表示流程动态和操作。流程管理的作用是影响OEE的另一个关键因素, Signe-S APC配备了先进的控制算法, 可以进行参数估计, 并实时提供最优的流程条件。智能工厂先进流程控制的进化
现有R2R系统的总拥有成本可以通过Signe-S APC的自学能力和自动进化来降低,
而无需在流程更改时手动修改程序或进行软件维护。由于Signe-S APC智能演进,
可以在不断变化的流程中实现无缝和准确的流程控制活动, 显着降低质量成本、
流程工程和 R2R 维护。


随着技术能力的不断发展和人工智能的进步, 智能工厂正成为制造商加快生产、降低成本的可行选择。数字技术, 如活动网和基于人工智能的设备, 如Signe-S, 为希望实现流程现代化并利用智能系统有效消除人工干预的制造商提供了强大的功能。
调整IT和OT系统使制造商有可能消除低效率, 并做出企业范围的决策, 而不是工厂级别的决策。能够访问实时数据的系统、
流程和应用程序对智能工厂的质量管理、运营成本和可持续性至关重要, 这些都是驱动OEE的因素。
实现一个实时检测、预测、适应和控制流程质量的智能数字化制造平台, 是智能工厂领导者如何发展其业务并从竞争中脱颖而出的关键。
参考:
-
Rick Burke, Adam Mussomeli, Stephen Laaper, Martin Hartigan, Brenna Sniderman. “The smart factory.” Deloitte Insights. https://www2.deloitte.com/us/en/insights/focus/industry-4-0/smart-factory-connected-manufacturing.html# Accessed 1 December 2020.
-
Shiama Tilouche, Samuel Bassetto, Vahid Parvoti Nia. “Classification Algorithms for Virtual Metrology” http://www.mgi.polymtl.ca/Samuel.Bassetto/papers/ICMIT2014.pdf
Accessed 1 December 2020
关于作者

韩大洙是DSEY株式会社CSO。全球人工智能融合中心总监兼韩国ICT融合组织副会长