重塑制造业的五大数字化应用
作者：Michael Taylor，NIST MEP 机械工程师与项目经理。
制造业数字化应用不只日益被接受，更成为预期标配。但对中小制造商，转型过程可能令人望而却步。初始投入与员工培训成本足以让流程止步于起跑线。
但「走向数字化」起步不必令人不知所措。在适当指导与教育下，所有制造商均可分阶段、按个别工作环境最适方式实施数字化制造概念。以下是我们推荐的五大切入数字化应用：
1. 数字化绩效管理
自 2010 年以来，数字化业务占比从 4% 增至近 12%，趋势将持续。寻找整合分析业务与 IT 指标的方式，是优化这一增长型企业体验的关键。数字化绩效管理应运而生。
通过数字化绩效管理获取实时、跨部门洞察，是提升业务决策有效性、增加营收与客户忠诚度的简捷路径。用统一衡量指标与通用语言，简化信息促进与传播，提升生产力。使用数字化仪表盘将机台运行数据、产出等生产信息汇聚一处，是启动数字化绩效管理平台的简单方式。具体形式随产线而异。
2. 预测性维护
制造业从业者深知持续预防性维护的必要。保持所有设备最佳状态是避免停机、提升生产力的关键。但数字化制造引入新概念：预测性维护。
预测性维护与预防性维护相似，但有一项特定差异：不由时间或例行读数等变量触发，而是预判未来产品何时可能失效。基于实际设备状况(常通过安装监测设备/软件采集数据确定)而非设备年龄或服务建议，目标是让运维提前看到设备当前状态，从而排期服务、防止关键设备故障。
成功预测性维护计划三大核心组件：
- 采集适合您机械的正确数据用于分析，随需求而异。
- 准确构建问题分析框架。
- 初始与持续评估必须准确，以预测维护时机。
3. 良率、能耗与吞吐率优化
良率、能耗与吞吐率优化本质是持续审视数据以计算最佳最高效流程。实施该计划一站式覆盖：提升效率、增加良率、降低整体能耗，快速交付 ROI。从何入手？
第一，利用现有数据。例如：考察生产单个单元应耗时多久。获取该信息后，寻找可信赖的专家顾问，协助选型能开发监控个别算法的合适软件。最后，监控软件提供的信息，启动初步试点项目提升效率。
4. 自动化与机器人
实施自动化——尤其是机器人——听起来令人生畏，但真相是它在制造业日益普及。除降低运营成本，该数字化应用还提升产出、改善生产质量、增强工人安全。
切换至更自动化环境前，两大关键因素须考量：
- 员工培训—— 即使自动化与机器人执行生产，员工仍需懂操作维护设备。可能需对现有员工培训，或招聘持有所需认证与经验的人员。
- 前期投资—— 长期看自动化降本。但通常有前期投入。实施自动化决策常需规划预算。虽部分创新者提供硬件租赁/租赁方案等有趣替代方案。
自动化初期项目推荐：短周期机台看护、低速物料搬运 (<40 ppm)、简单重复一致的应用场景。
5. 数字化质量管理
实施数字化质量管理体系收益多多。同数字化绩效管理一样，它将您当前分析的关键绩效指标 (KPI) 置入数字化应用。通过标准化质量决策减少人为干预、从而降低人为错误可能性，质量管理将体验更高效率、成本降低、追溯与缓解错误的能力改善。
决定从人工转向数字化质量管理时，几项最佳实践值得考量：
- 升级方法论： 诱惑沿用旧质量管理方式。但要真正最大化投资回报，别只是数字化现有方法论；要定义它们。借此机会审视测量内容与期望结果的相关性。或探索数字化平台可追踪的额外指标。发挥所有能力最大效用。
- 采用最佳实践： 审视数字化质量管理成果时，确保任何潜在生产变更使用易配置方案，且基于最佳实践。数字化平台可能比以往更快提供更详细信息，但不替代多年工业知识与经验。
- 员工认同与采纳： 所有新技术实施，用户采纳都关键。数字化质量管理中更是双重关键。实施前获取团队成员认同，是成功关键。
希望拆解这些数字化应用实施路径能为您带来清晰认知。若有兴趣深入或有疑问，联系 IMEC 专家团队。
阅读原文。
自动化控制系统