自動化如何支持工廠的信息控制

強(qiáng)大的信息控制可以提高自動化水平，幫助制造商做出更好的決策

在自動化過程中注入人工智能（AI）和機(jī)器學(xué)習(xí)（ML)，以開發(fā)閉環(huán)控制，可以釋放更多價(jià)值

機(jī)器視覺還可以幫助制造商發(fā)現(xiàn)生產(chǎn)過程中的瑕疵或缺陷

工業(yè)自動化和信息化正在以飛快的速度發(fā)展。無論是協(xié)作機(jī)器人、自主移動機(jī)器人（AMR），還是高速生產(chǎn)線，全球的工廠都在需要提高效率、優(yōu)化工作流程、增加安全性和提高生產(chǎn)率。

然而，在工廠中，自動化有一個(gè)常常被忽視的好處 —— 信息。如果使用得當(dāng)，那么在產(chǎn)品生產(chǎn)過程中獲得的數(shù)據(jù)可以幫助工程師做出深思熟慮、更明智的決策。

問題是，許多工廠沒有適當(dāng)?shù)淖詣踊�或控制機(jī)制，將產(chǎn)品從步驟 A轉(zhuǎn)移到步驟 Z。這常常減少了在產(chǎn)品生命周期中收集到的信息。

更好的自動化意味著更好的流程、更多的制造信息

如果在工廠生產(chǎn)線上沒有利用自動化技術(shù)，收集到的數(shù)據(jù)只能與當(dāng)前的人工的過程相同。一步步地收集信息意味著失去了對產(chǎn)品在其過程中實(shí)時(shí)演變的可視性。生產(chǎn)團(tuán)隊(duì)幾乎很難甚至不可能理解潛在的挑戰(zhàn)或缺陷，因?yàn)樗麄冎魂P(guān)注客戶的要求。

這種遺留過程或全面質(zhì)量管理，能夠確保生產(chǎn)團(tuán)隊(duì)得到以下問題的基本答案：

在這個(gè)步驟中，你做了什么？

產(chǎn)品是如何滿足規(guī)格的？

我們遵守要求了嗎？

雖然滿足客戶的要求是優(yōu)先考慮的，但如果沒有自動化，生產(chǎn)團(tuán)隊(duì)就會錯(cuò)失可以幫助提高產(chǎn)量、減少不必要的工作、減少停機(jī)時(shí)間和浪費(fèi)的大量數(shù)據(jù)流。

制造應(yīng)用中的數(shù)據(jù)流

幫助提供生產(chǎn)線洞察的數(shù)據(jù)往往以不同的數(shù)據(jù)包、大小和形狀出現(xiàn)。收集到的第一組數(shù)據(jù)與制造階段的質(zhì)量和產(chǎn)品性能相匹配，其他超出了產(chǎn)品屬性的信息，能幫助回答以下重要問題：

制造產(chǎn)品花了多長時(shí)間？

在這個(gè)特定的項(xiàng)目上花了多少小時(shí)？

是否使用了正確的工具？

制造產(chǎn)品的正確組件和材料清單是什么？

這一層信息來自于整個(gè)控制線，有助于生產(chǎn)團(tuán)隊(duì)堅(jiān)持標(biāo)準(zhǔn)操作程序，并確保根據(jù)基于周期時(shí)間及其他領(lǐng)先標(biāo)準(zhǔn)的規(guī)范生產(chǎn)產(chǎn)品。

同時(shí)，全自動生產(chǎn)線也能使工程師獲得比人工或半自動生產(chǎn)線更多的性能反饋。這是因?yàn)樾畔⒖刂仆ㄟ^自動化的工具，傳遞產(chǎn)品生產(chǎn)過程中的數(shù)據(jù)，這些數(shù)據(jù)可以在監(jiān)視器上被捕捉并看到。例如，生產(chǎn)團(tuán)隊(duì)可以在產(chǎn)品緊固件上看到扭矩值等步驟，以確保在組裝過程中（而不是之后）滿足要求。

全自動生產(chǎn)線還可以更輕松地將關(guān)鍵信息傳遞給客戶。例如，對于醫(yī)療器械來說，自動化數(shù)據(jù)收集能夠讓生產(chǎn)團(tuán)隊(duì)以準(zhǔn)確、及時(shí)、高效的方式記錄并向客戶交付防水、測試、密封及其他關(guān)鍵因素的信息。對于汽車等其他有嚴(yán)格要求的行業(yè)同樣如此。

讓工廠生產(chǎn)線達(dá)到這樣的自動化和數(shù)據(jù)收集水平需要時(shí)間、規(guī)劃及專業(yè)知識的支持。

為自動化成功設(shè)置生產(chǎn)線

對于機(jī)器和設(shè)備的自動化控制，有兩種選擇。

第一種是可編程邏輯控制器（PLC)，可用于同步生產(chǎn)線控制，包括速度，物料進(jìn)出之間的相互作用，以及其他方面的控制。借助PLC，操作員可以坐在裝有機(jī)器視覺攝像頭的傳送帶前。當(dāng)產(chǎn)品被放置在傳送帶上時(shí)，攝像頭會看到并進(jìn)入下一個(gè)周期。盡管PLC能正確地執(zhí)行控制反饋，但在這個(gè)過程中沒有數(shù)據(jù)收集——只是被動、半自動的進(jìn)行控制。

為了充分地利用自動化和相關(guān)數(shù)據(jù)的優(yōu)勢，工廠應(yīng)該考慮將工業(yè)PCs (IPCs)與高速自動化和傳感器相結(jié)合。這些系統(tǒng)為PLC的邏輯編程提供了先進(jìn)的計(jì)算能力和信息控制。這種設(shè)置也可以由邊緣網(wǎng)關(guān)來支持，以幫助管理數(shù)據(jù)流。

獲取實(shí)時(shí)分析數(shù)據(jù)的三個(gè)步驟

企業(yè)在獲取最終實(shí)時(shí)分析數(shù)據(jù)之前需要采取的步驟包括：

更好地理解投入——產(chǎn)出機(jī)制

使用合適的傳感器來收集數(shù)據(jù)

通過低代碼/無代碼應(yīng)用啟用閉合循環(huán)控制程序

該智能系統(tǒng)有助于在整個(gè)產(chǎn)品生命周期中進(jìn)行數(shù)據(jù)收集，從而獲得諸多文章上述的優(yōu)勢。這些數(shù)據(jù)還可以被傳輸?shù)皆贫诉M(jìn)行大數(shù)據(jù)分析，或者在邊緣（也就是接近機(jī)器的位置）進(jìn)行實(shí)時(shí)處理。在此基礎(chǔ)上，通過將人工智能（AI）和機(jī)器學(xué)習(xí)（ML）注入自動化過程，以開發(fā)閉環(huán)控制，可以釋放更多的價(jià)值。

利用 AI和 ML釋放價(jià)值的五種方法

ML可以從閉環(huán)控制中獲取大量數(shù)據(jù)，并將其合成可操作的信息，以便驅(qū)動更好的流程和更明智的決策。ML幫助生產(chǎn)團(tuán)隊(duì)將信息用于控制，這些控制可以實(shí)時(shí)調(diào)整生產(chǎn)線上的參數(shù)，而無需停止生產(chǎn)。ML還可以用于識別和消除工作中的非增值方面，例如在一段時(shí)間后對產(chǎn)品的測試。

AI和 ML價(jià)值的另一個(gè)驅(qū)動因素是視覺。例如，從工業(yè) PC的閉環(huán)系統(tǒng)中獲取數(shù)據(jù)，機(jī)器可以檢測出劃痕等產(chǎn)品上的瑕疵或其他缺陷。這種異常檢測功能允許系統(tǒng)映射導(dǎo)致這些問題的熱點(diǎn)，并能夠標(biāo)記出要檢查的潛在問題區(qū)域。

然而，為了最大程度地利用這些解決方案，考慮以下問題很重要：

1. 由你來構(gòu)建 AI/ML，還是通過第三方購買？

2. 跨生產(chǎn)線的可擴(kuò)展性如何？

3. 誰來創(chuàng)建算法和教學(xué)模型？

4.是否有足夠的數(shù)據(jù)科學(xué)家來支持該項(xiàng)目？

5.是否有正確的系統(tǒng)和員工來理解和解釋數(shù)據(jù)？

當(dāng)自動化發(fā)揮其最大能力時(shí)，它可以執(zhí)行生產(chǎn)過程中的戰(zhàn)略原則。自動化是一種受控機(jī)制，它讓機(jī)器對機(jī)器（M2M）接口以正確的步驟順序驅(qū)動產(chǎn)品，從原材料到轉(zhuǎn)化后的成品。產(chǎn)品性能、質(zhì)量、周期時(shí)間的信息流和管理進(jìn)出工位的材料流也是通過自動化同步完成的。當(dāng)自動化與AI或ML相結(jié)合，便能夠帶來無限的可能。