现代工业的多次变革，是世界格局变化和社会进步背后的重要驱动力。伴随着工业技术和信息技术的进步，工业4.0时代对智慧工厂的愿景终将照进现实。
下文中，我们将和大家分享我们对智慧工厂的一些认知，希望能让大家更好理解工业4.0时代的创新和挑战。
作者 | 辛若豪 晨山资本投资经理
从1.0 到 4.0，工业的前世今生
2011年的汉诺威工业博览会上，德国率先提出了工业4.0的概念，就此拉开了下一代工业升级的大幕。如何利用机器人、大数据、人工智能等先进技术，带动工业升级，成了各国关注的焦点。
在工业4.0的愿景中里，包含了我们对未来工厂的众多期待：能预先检测故障，主动维修的机器；无需工人操作，在高危环境中完成任务的重型机械；能识别物料、自主协作的机器人……这些有望在未来，成为智慧工厂中的现实。
工业4.0到底是什么？智慧工厂和工业4.0的关系是怎样的？如果想要看懂这些概念，我们首先需要理解此前的几次工业革命对行业带来了怎样的变化。
回顾历史，工业历经了三次重大的变革：
❶ 机械化：以蒸汽机发明为代表，机械逐步取代人力劳动。工厂也逐渐取代了传统的手工作坊，成为新的制造模式。
❷ 电气化：发电机和内燃机的出现，推动工业进入电气时代。流水线系统的发明，让大规模生产模式开始普及，使得汽车、冰箱等产品走进普通人的生活中。
❸ 数字化：电子技术和IT技术的发展浪潮下，催生了RTU、PLC等现代工业设备。使得工业流程更加自动化、数字化。
工业4.0的目标是，将前两次工业革命中发展完善的“工业系统”和第三次工业革命中出现的“信息系统”融合，通过数据驱动的方式，推动工业效率和产能的进一步提升。
智慧工厂的多层架构
近年来，“智慧工厂”和“工业互联网”等概念受到了更广泛的关注。工业4.0中描述的众多应用，包括预测性维护、柔性生产、全球协同设计等等，也逐渐的传播开来。
为了更好的理解这些工业应用的潜在商业价值和实施难度，我们需要首先对工厂的环境和架构有更清晰的认识。从工业互联网的角度来分析，工厂可以简单分为以下几个层次：
▲ 来源：工业互联网白皮书 （2017）
边缘层
边缘层是整套工业互联网架构中，最接近工厂现场的层面。边缘层代表的是位于生产现场的物理层，这其中包括了数控机床、机器人等制造设备；传感器、可编程控制器（PLC）等感知和工控设备；以及物料、人员等生产过程中不可或缺的元素。
边缘层的众多设备，是工业数据的源头。在理想情况下，设备和传感器收集到的海量实时数据，可以帮助企业实现生产工艺、物流、故障维修等多方面的提升。
但在现实中，中国大多数工厂的数字化水平十分有限。工厂的老旧设备并不具备全面的数据采集能力，也缺乏支持数据互联互通的通信模组。这对需要数据驱动的众多应用，带来了较大的挑战。
如何通过加装传感器和物联网通信模组的手段，对现有工厂进行改造，是工业互联网发展中的重要环节。
网络层
在工厂环境中，众多设备之间的互通互联往往是通过有线（工厂以太网）和无线（LoRA、NB-IOT、4G / 5G等）手段实现的。
工厂中的各种应用场景，对数据传输的速度、时延和可靠度等方面提出了不同需求；比如工业AR (高带宽，低时延）和机器控制（高可靠性、低时延）等等。为了满足这些多元化的通信需求，工厂需要结合多种通信手段。
▲ 来源：5G Americas
上面所描述的数据互通互联，更多是对于OT网络的升级改造。智慧工厂应用的实施，更需要打通工厂OT和IT网络间的间隔，实现工厂中调度 - 生产 - 维修等多环节的整体调控。
平台层 & 应用层
工业互联网平台 （PaaS）是智慧工厂的核心。PaaS 平台集成了工厂设备连接、计算资源调度等诸多功能。为搭建众多工业APP的开发提供了有效的支撑。
在工业互联网的平台上，垂直行业企业可以将自己对制造流程、工业机理的深入理解，总结开发成模块化的应用，以服务不同细分行业的独特需求（刀具管理、产品缺陷检测、能耗管理等）。工业应用的开发者可以通过知识 & 技术输出的方式，即拓宽了自身盈利的模式，也间接推动了行业升级的步伐。
工业互联网平台能够创造的潜在价值是不容忽视的。但我们更需要意识到，对工厂自动化 & 数字化改造，是实现众多先进工业应用的基本条件。这对中小型工厂主来说，或许不是具吸引力的建议。改造所需的前期投入和难以量化的潜在回报，难以说服众多工厂进行大刀阔斧的改革。这对工业互联网体系在行业中的推广，带来了一定的挑战。
下文里，我们将简单介绍智慧工厂中几个应用场景，希望能帮助大家对智慧工厂带来的潜在价值有更清晰的认知。
设备维护对工业的重要性
在实际工业环境中，设备故障的发生远比我们想像的更加难以预料。
在现代的工业体系中，生产线上的设备紧密协作。单个设备的突发故障，可能会导致整条生产线暂停运行。产线停机带来的经济损失是巨大的。
以汽车行业为例，停产的每分钟的经济损失即可达到上万美金。同时，设备故障带来的潜在安全隐患，也是工厂关注的重点。
因此，对工业设备的有效维护，是保证工厂稳定运行的基础 。传统的维修方式，主要包括在设备故障之后进行的被动型维修，以及固定周期的预防性维修。
被动型维护，代表只有在设备出现故障后才会维护。这个模式的优势是实现了设备寿命的大化；但同时，设备故障前的准确度极大降低。设备故障的不确定性，也会导致工厂长期处于“救火”状态，变相增加了维护成本。
预防性维护是指对设备进行周期性的检查和保养。预防性维护能够有效的降低突发故障的几率，但也提高了设备维护的成本。这对低利润高成本的传统工业来说，会带来较大负担。
预测性维护的概念其实很容易理解：如果工厂能够有效的预测出设备将在何时出现故障，就可以提前安排对设备的检修和替换，有效减少故障带来的损失。
▲ 上图清晰的展示三种不同维护模式的区别
数据驱动，防患于未然
预测性维护的概念本身，早在上世纪90年代已被提出。由于当时传感技术和计算能力的局限，无法被广泛的应用到工业场景中。在传感设备种类逐渐丰富、通信和计算能力日渐成熟的当今，预测性维护的实用价值正逐渐被更多的行业所接受。
预测性维护的核心，是构建一套可以有效判断设备运行状况的数据模型，对不同种类的故障进行有效的预判。在构建预测模型的过程中，需要大量真实数据的支持。这包括传感设备采集的实际运行数据以及故障案例的历史数据。
我们需要意识到，工业设备历经了数十年的打磨迭代，设备损坏的概率远低于设备正常的概率。如果预测性维护的模型无法准确预测故障，产生了大量无效的警告消息，反而会对工厂增加额外的维护负担。
预测性维护的实施，对工厂的数据采集、互联互通有较高的要求。针对收集的多种传感数据进行分析、建模，也是传统工业所欠缺的技能。这也是未来工业升级需要克服的挑战。
预测性维护——说起来容易，做起来难
▲ 来源：NASA
预测性维护在行业中的应用
预测性维护的概念并非纸上谈兵。垂直领域的龙头企业们，已经将预测性维护应用到了实际运营中。
航空行业是预测性维护最早获得实际应用的行业之一。作为现代工业制造的重要成就之一，飞机的制造流程极为复杂，需要对上百万个零件完成组装调试。因此，对飞机的合理检修，也需要具有专业的维修服务供应商提供服务。
新一代的飞机上，配备了大量数字化设备，能够采集在飞行过程中产生的大量设备信息。如何充分利用新一代飞机所产生的大量数据，让这些数据带来更高的运营效率，是航空公司和航空运维公司关注的重要课题。
飞机制造商（OEM）在飞机维护领域占据着领先优势。他们对于飞机各组件的工作原理和潜在出现故障的原因，有着先天的优势。
以波音为例，公司的Airplane Health Management （AHM）系统目前已为全球超过2000架飞机提供服务。通过在飞机上部署的大量传感设备，波音可以实时检测飞机出现的故障和潜在隐患，帮助航空公司预先安排检修和零部件更换等事项。通过数字化的手段，波音将飞机的平均运营时长提高了35%，为航空公司带来了效率和营收上的提升。作为能源行业的巨头之一，雪佛龙(Chevron)也在预测性维护上做出了积极地尝试。
2017年，公司宣布与微软和传感器制造商艾默生展开合作，通过数字化的手段帮助自身实现数字化的改造。公司预计在2024年前，实现对公司在100多个国家的工厂的数字化改造。
其中的典型应用，就是对工厂中换热器的预测性维护。雪佛龙在全球的工厂中拥有超过5000个换热器，是石油生产过程中的重要设备之一。
▲ 在雪佛龙的换热器上，部署了大量可交互的传感器，帮助公司实现对设备的实时监控和预测性维护 来源：Microsoft Azure 2018
在雪佛龙工厂内的换热器上，仅装有两个温度传感器，可以对冷却剂和原油的温度进行测量，但难以对换热器的使用实现全周期的监控。通过在设备上加装额外的传感设备，工厂实现了这一目标。依靠大量设备数据的支持，雪佛龙的维修团队可以更好的监控设备工作状态，并有效判断设备是否需要替换和维护。
新时代的新制造
在传统制造业中，我们所熟知的流水线体系属于刚性生产。通过对生产设备和制造流程的高度标准化，流水线系统可以在保持质量的同时，实现对单一产品的大批量生产。
伴随着经济的发展，市场已经逐渐从卖方市场转向由消费者主导。消费者对于产品定制化的要求更加多样化。按需生产，这对传统的大批量生产模式带来了挑战。
柔性生产，与刚性生产相对应，是为了满足定制化需求而产生的新型制造模式。其中的柔性可以体现在制造场景中的不同方面，其中包括：
❶ 加工柔性化：根据多元化的产品要求，灵活的采用不同的制造工艺和手段进行加工。
❷ 物料柔性化：和现场生产设备协同，根据不同的制造需求，提前安排原材料的调配和运送。
❸ 排产柔性化: 在物理层面的协同之外，柔性生产的生产执行系统（MES）需要整合大量订单信息，制定最合适的生产方案，实现制造资源的最优分配。
柔性生产对离散型制造业带来的变革
产品同质化，竞争激烈是众多离散型工业面临的普遍挑战。以服装和家电行业为例，消费者是否买单，是决定一款产品成败的关键。在传统的大规模制造模式下，厂家依靠大量市场调研和历史经验来主导产品的开发设计。希望最终生产出来的产品，能够符合当前消费者的喜好。
这种模式的弊端显而易见：企业在承担了大量前期调研、开发成本之外，还需要面临对市场判断错误带来的产品滞销等风险。这对众多制造企业的盈利和可持续发展能力带来了阻碍。
通过柔性生产，制造企业可以对用户的定制化需求实现即时的反馈，促使传统的大规模制造模式转向消费者参与其中的C2M模式。
在中国的家电企业中，海尔已经在众多工厂中实现了柔性生产。用户可以通过海尔的官网，对自己想要订购的冰箱、空调进行定制化。海尔的柔性制造平台，将会根据用户的需求，合理安排工厂内的物料配送以及组装工作，确保定制产品能在合理的时间内完成组装。
服装业对柔性生产的需求同样紧迫。伴随着人力成本的上涨，厂商的大批量订单已经逐渐转移到了成本更低的东南亚市场。只有实现柔性的生产模式，服装厂商才能更好地抓住剩余的“多种类小批量”的订单市场。这意味着，传统的服装制造商要对自身的采购、生产和物流等环节进行深度的改造。
通过柔性生产，制造厂商可以对用户的需求有更清晰的认知，按需生产用户想要的定制化产品。这样创新的模式有效节省了前期研发成本，也减少了存货积压的潜在风险。
我们距离智慧工厂还有多远？
智慧工厂的发展，需要建立在工厂实现信息化、自动化的基础上。只有在工厂内数据互通和对设备的精准控制后，才有可能将智慧工厂的应用付诸实施。
中国传统工业规模庞大。但整体信息化、自动化水平仍落后于德美等制造业强国。多数企业仍处于从工业2.0-3.0转型的阶段，距离智慧工厂的要求仍有较大的差距。
伴随着5G、物联网技术的成熟，中国工业有望完成对现有的工厂网络改造，实现厂内数据的互联互通。此外，自动化设备和工控系统的普及，也会加强工厂对生产制造流程的控制维度和精度。
我们期待在不久的将来，共同迎接智慧工厂的来临。
【凡本网注明来源非中国IDC圈的作品，均转载自其它媒体，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。】
热门专题
