快捷搜索:

局部窥视工业4.0:原材料优化与工业大数据_2

  工业4.0是当下很多制造类企业热衷给自己贴上的一个标签。这个概念在去年中国制造2025国家战略提出后,更一度成为资本市场追逐的宠儿。

  但上海信传信息技术有限公司(下称信传)的CEO李尧认为,就目前中国制造业现状谈工业4.0的发展,意义不大大部分企业连3.0都没做到,谈何4.0?

  过去工业3.0自动化发生在车间、机器设备、生产线以及车间管理上。而工业4.0最大的特征,就是自动化不光要发生在制造现场车间,而是研发、供应链管理、质量管控等所有流程的高度自动化,实现端到端全流程的智能化。

  对于制造企业来说,工业4.0的基础是具备3.0自动化的数据积累,从而使自动化信息化向智能化升级,实现更进一步的生产经营优化。李尧站在大部分企业的角度考虑问题,处于工业自动化初期的企业要实现工业4.0,局限较大,机械设备、生产线等的升级也需要时间与资金。

  所以他们先绕开了企业的硬伤,在传统制造业的生产周期中选择了两个点进行的突破原材料优化与工业大数据。

  信传是工业4.0的技术服务公司,致力于帮助传统制造业降本增效。

  传统制造业输入端:原材料的成本优化

  工业企业的产品制造成本中,直接材料费用所占的比例及对最终产品价格的影响相当大。但材料成本控制的难度较大,而且因为涉及的部门、环节较多,变得更为复杂。

  目前企业面临的痛点:

  如何在满足生产要求的同时,实现原材料成本最低? 如何选择性价比最高的原材料进行采购

  对此,信传一方面为企业建立全流程全成本模型,设定边界约束条件,利用全局最优算法寻找全成本最低的原材料配比组合;另一方面则计算单项原材料成本,指导采购。

  产品开发前期,李尧与团队针对行业输入端进行了多次背景梳理与实地调研,以求结合实际情况得出最适合的算法。

  经过合作铁厂的验证,该技术产品可实现经济效益约四千万元/年。而传统制造业普遍涉及原材料混合配比使用,此方案还可以拓展应用到炼化行业原油,纺织行业棉花,橡胶行业,造纸行业等。

  传统制造业输出端:大数据优化输出指标

  李尧告诉鸡窝投行,目前制造企业对输出指标的预测和优化普遍依靠人为经验或者理论指导,很难符合实际情况,造成巨大浪费。

  这时候就需要利用大数据分析,特别是机器学习技术,对输出指标进行分析、预测和指导优化。经推算,某大型国有炼化企业,大数据分析优化苯乙烯收率可实现经济效益约3千万元/年。

  李尧认为大数据分析是工业4.0的关键工具,在石油、钢铁、电力等行业有着巨大的应用潜能。

  广义的工业大数据包括在工业企业里所有的数据,有企业生产领域的数据,特别是生产系统、机器设备上的数据,也有企业内部经营系统的数据,比如管理系统里的订单信息、库存信息等等。

  从数据类型的角度来看,由工业机器产生的数据还是蛮有特色的。商业大数据和消费互联网大数据,因为主要和人打交道,其实人的行为具有偶然性,只能用统计分析的方法,这个人和另一个人在统计上有行为的相似性,像A买了小米,B也买了小米;那A买了Kindle,B也很有可能会买Kindle,所以我们给他做一个推荐。这是纯粹基于数据的分析方法。

  相反,由各种工业机器产生的数据,因为已经有自然的原理,比如说:化工领域会有化学反应的原理,风力发电会有空气动力学原理,所以工业大数据的分析应用会有比较明确的方向。

  这对于信传这样的外包技术服务商来说,也是一个绝好的切入口。要让数据产生价值,就要针对企业的具体业务,选取合适的数据,建立合适的模型,开发算法,最后解决实际问题。

  但这里还涉及一个企业开放的问题。李尧说。真正的智能制造必然牵涉企业的整个生命周期的全流程打通,数据开放、技术产品融合但现阶段离这一系列的配合作战还很远。

  企业目前更多地是考虑投资回报率、时间成本等问题,所以我们先从这两个点开始,帮助他们降本增效。

您可能还会对下面的文章感兴趣: