工业4.0:智能汽车工厂开始到来

作者:Ryan Gehm 文章来源:SAEInternational 发布时间:2016-11-22
分享到
汽车系统与整车生产工厂开始越来越多地借助智能系统、大数据及先进分析技术,以此提高质量、安全和效率。


采埃孚公司弗里德里希斯哈芬工厂在TraXon变速器的生产中应用了“以人为本”的工业4.0的概念。工人可通过一款集成用户界面,利用软件一步步指导装配过程。

2016年10月,佛吉亚公司(Faurecia)在美国印第安纳州哥伦布市新建设的“数据驱动型”制造工厂完美阐释了工业物联网(IIoT)的定义与目标:工业物联网指一个可以收集海量信息的智能环境,允许自动化设备与人类进行无缝交互,并最终将所有“脏活累活”交给机器人完成。据了解,佛吉亚公司的新工厂耗资6400万美元建设,占地37160平方米,未来将雇用大约450名员工,生产一款适用于商用车型的全新高级排放控制产品。

佛吉亚公司将任命一名员工专门负责现场的运算工作,从工厂每天产生的数万亿字节中挖掘有用信息,提前预测需求和问题的出现。佛吉亚排放控制技术北美公司(Faurecia Emissions Control Technologies North America)总裁Dave DeGraaf表示,这个岗位的设置说明了当下制造业的面貌正在发生改变,未来的制造业将更加清洁、采用更多高级技术且具有前瞻性的特点,而且将吸引更多来自不同领域的人才。

佛吉亚哥伦布工厂经理Mike Galarno表示,“这座工厂标志着我们已经进入工业4.0时代,也就是说我们将开始把互联性、自动化、数据处理和硬件设计融合起来,推动制造业的发展。” 这座工厂采用了大量先进技术,其中包括利用具有自主学习功能的自动智能设备(AIV)将组件运输至装配线。


目前,麦格纳数据工厂的当务之急是将大数据转化为“智能数据”,从而为公司的决策提供意见和不同视角。

麦格纳国际(Magna International)业务发展、公司工程与研发副总裁Ian Simmons表示,作为一家汽车供应商,麦格纳(Magna)已经开发了多款ADAS系统,而这些技术中有很多均可以推广至制造业中。

“比如车辆中的雷达、多传感器及传感器融合,未来这些智能汽车技术很可能将现身于制造行业之中。”Simmons告诉《汽车工程》,“甚至还将学习如何利用不同的传感器和生物识别技术与人类进行互动。”

云通信是汽车与工厂之间的另一个共通之处:“从产品层面来说,云通信的容量问题已经成为汽车行业必须面对的挑战。”Simmons表示,“如果制造业也开始使用云来传输海量数据,从而进行分析,那我们就必须考虑一个问题:现有容量足够处理这种级别的数据量吗?”

按照Plex Systems产品营销总监Stu Johnson的说法,各种趋势的确总是变来变去,但制造业的转型并非仅是一种趋势。

“这里的差异在于连通性的级别不同。”Johnson认为,“传感器会向云发送相关设备数据,而后凭借移动性和可穿戴设备连接个人,并最终在理想状态下连通整个供应链。对于这种规模的数据处理需求,云的确是唯一一种可行的可扩展模型,下一次工业革命已经到来。”


麦格纳的智能工厂概念中包括一款手套。当人们带上这款手套挑选组件时,手套上的颜色可以向工人示意这个选择是否正确。

大数据,预测性分析

有一个流行的说法,“如果你不能量化,你就没法提高。”通过收集数据并将工厂连上云端,理论上来讲,各家公司将拥有更多途径在预防性维修、物流配置、库存管理和材料处理方面实现优化。

麦格纳公司的Simmons表示,这其中的关键是将大数据转化为“智能数据”,从而为公司的决策提供意见和不同视角。“你拥有的数据越多,你可以量化的东西就越多,因此零部件与流程的质量提升空间也越大,而且你还能实现端到端的透明化流程。”

他补充道,问题是当下我们80%的数据均不是结构化数据,因此根本无法使用。

“大数据:这可能是下一次工业革命诞生的地方,”Simmons表示,“由于老旧机器过多,这些设备完全无法提供数据,因此公司很难获得并真正理解有助于决策的数据。”不过,随着技术的不断发展与成本的不断下降,传感器将在大数据的推进过程中扮演关键角色。

他指出,“我们可能会给一些老旧设备装配传感器,从而获得我们想要的数据。”

Plex Systems的Johnson表示,另一方面来说,所有这些海量数据的收集还将带来大数据和数据分析方面的挑战。云计算就是我们的答案。

Johnson说道,“把这部分巨大的数据流送至云端,而后在分析平台上寻找类似有关机床磨损或机械振动等问题的预测性分析工具,而后将分析结果传回设备从而做出更有利于保证生产质量的决策,这很多情况下,这就是自动决策的过程。举个简单的例子,如果SPC(统计过程控制)表显示即将出现超差,则会直接关闭一部设备或一条生产线。这就是现在我们取得的进展。”

AAM美桥公司高级研发与电气化系统副总裁Nigel Francis表示,除了收集数据,而且还要以具有前瞻性的方式利用数据,这才是包括AAM在内等多家制造公司的目标。“我们拥有大量数据,(但)却在以一种被动的方式利用这些数据。”

他说,AAM正在积极朝着预测性分析的方向前进。“现阶段来说,我们已经通过了试验阶段,但尚未进入规模化阶段。”Francis指出,“事实上说,我们现在的目标是基本实现‘由大数据驱动’的自适应性加工,从而保证可靠性、可重复性和高质量。”

专家认为,各家公司需要各自进行价值分析,首先确定自身是否具备足够数据进行真正有意义的测量,其次确定自身是否可以将这些数据兑现为价值,也就是说真正实现流程、吞吐量和效率方面的优化。

Simmons表示,“大数据并不是万能解药,不可能每家工厂的所有问题都能解决。”


通用电气的智能工厂演示了“数字线程”是如何为加速操作流程提供端到端的互联支持。

网络安全恐慌

尽管认真的分析与谨慎的态度是有必要的,但通用电气数字部门(GE Digital)制造业主管Paul Boris也同时强调数字工厂的建设必须“快、小、轻”,这让一些本身已经有点紧张的制造商可能变得“更加紧张”。

在最近举行的一场会议上,“我们必须接受一个现实,那就是对技术的精益应用将推动操作循环的持续优化。”Boris向在场的汽车专业人士表示,当新事物出现时,厂商必须愿意“快速部署、加以应用、推动流程、获得收益,然后让整个过程‘转起来’,也许我们会成功,也许也会失败,但无论如何我们必须动起来。”

Boris举了一个消费产品制造领域的例子,尽管iPhone6绝对没有任何问题,但人人都想要刚刚上市的iPhone7。

通用电气一直在实践自己的理念。公司的FastWorks项目采用了软件开发的流程,来进行新产品的开发,从而实现快速交付和快速学习。事实上,这个项目可以回答一个很尖锐问题:“我们怎样才能搞大动作,从而带来实实在在的工艺优化,但同时又不要把动作搞得太大,以防搞出事情丢了饭碗?”Boris的发言让在场观众笑了起来。

另一个让制造商不是紧张一点点的问题是网络安全。随着互联和自动技术的不断发展,无论是制造,还是汽车行业,网络安全已经成为一个至关重要的问题,与会专家也都同意这一点。

“说到网络安全对汽车的影响,实际大家已经非常关注了。”Simmons表示,“但现在想象一下,你的制造工厂拥有价值数百万美元的昂贵设备,然后突然一下子你就被‘黑’了,要知道这可能引起一些安全问题,甚至让这些设备全部报废。因此,我们必须参照汽车行业的做法,关注‘未来工厂’的网络安全, 并引入相关网络安全标准。”

丰田北美汽车公司(Toyota Motor North America)制造、研发、商业系统与信息系统部门信息官Trever White表示,丰田有一支大型团队专门致力于处理车辆的网络安全问题。现在,制造业也开始培养相关专业力量,关注工厂里的网络安全。

“我们有一支专门负责网络安全的团队,而且我们(工厂中的)物联网项目也会专门从安全团队抽调人手与我们一起工作。”White表示,“我们已经针对物联网创建了新的网络和新的安全架构,现在我们的工厂中还有很多等待开发的数据,这是以前我们无法做到的。”


在佛吉亚公司位于美国印第安纳州哥伦布市的新数字工厂中,一款物料搬运机器人可以更快速、更平稳地搬运装配材料。

进入Cobot时代

如今,由于生产设施的互联性和自动性均在不断提升,工人应当在自动化生产中扮演的角色非常关键,甚至比过去非自动化时期更加重要。专家表示,无论机器有多么智能,工厂的生产永远离不开人类的参与。

“没有任何机器可以替代人类在生产线上的位置。”麦格纳的Simmons表示,未来,机器人将成为劳动力的有力补充,而且也将更加“便于使用”。

在佛吉亚的哥伦布南新工厂中,Cobot(协助机器人)可以支持人类工人的工作,已经成为当地生产中一个不可或缺的组成部分。“人类将一直在生产中扮演重要角色。”DeGraaf表示,“最终,类似AIV和Cobot这样的高级技术将有助于员工提高工作效率、减轻身体负担,并在工作和生活中取得平衡。”

人类和机器人之间的接口界面非常关键。“我们的生产制造必须具备敏捷、灵活、轻柔和智能的特点。如果你展望未来,智能机器人与人类一起出现在工作场合‘肩并肩’工作的情况很有可能出现,甚至可以说非常有可能出现。”AAM的Francis表示,“这会提出一种完全不同的思维过程。我们已经在进行安排,也希望能够尽快在我们的工厂实现这一点。”

此外,目前一些方面还在进行相关研究,从而允许机器人感知人类的存在,从而避免事故的发生。

AR增强现实技术可以用于提高质量并为决策提供依据,无论是可穿戴、视觉还是听觉传感器系统均属于增强现实技术。举个例子,沃尔沃一直在尝试将微软的HoloLens全息技术应用于公司制造领域的培训或困难问题解决中。从本质上来说,微软HoloLens就是一种独立的全息计算机。

“但一些挑战仍然存在,”Simmons表示,“比如,成本、相关培训以及如何让工人适应人接接口等。”

GE通用电气正在尝试通过“智能”照明系统,便利工厂内的通信。“设备上的LED能够以独特的频率进行通信,如果一位操作员手里拿着iPad,那我就可以很快定位这个操作员的位置,误差不会超过10厘米。”Boris表示,“Clearpath AGV能够真正听懂指令,从工厂中的各个单位设备收集数据信息。”


采埃孚公司弗里德里希斯哈芬工厂采用了全网络化的生产、加工、诊断和测试,公司搭配RFID芯片的8速自动变速器就是在这里生产的。

丰田的方式

我们出现了一个问题,那就是你怎样才能在不中断生产的情况下部署新技术?

“我们的生产进度非常紧张,一直是精确到以分钟为单位,工厂中的所有设施均在100%的全力生产,因此在工厂中部署新技术是一件非常具有挑战性的事情,”丰田的White表示,北美丰田在应用最新技术时,通常更偏向于选择新的工厂或新的生产线。

White解释说,“如果说要在已经投产的工厂中部署新技术,那我们会首先进行大量尝试,而且会采用‘并行实施’的方法,也就是说我们的同事可以选择采用最新的iPhone或iPad应用程序,但也可以继续采用传统的方式,直到他们完全接受了新技术。”

丰田公司大约从3年前开始进行‘先进IT进制造(Advanced IT for Manufacturing)’项目,从而实现旗下传统制造设施的现代化建设。White表示,“我们在工厂中看到了巨大的数字机遇,然后开始积极采取行动。”

采埃孚(ZF)也会选择在建设新生产线或新工厂时采用最新技术。“但更有趣的是,在棕地项目环境中引进新技术的潜力更加巨大,”采埃孚集团CIO Jürgen Sturm博士表示,“因为这其中的成本并不高。比如传感技术的引进,我们也很早就开始应用Raspberry Pi等技术。”

收藏
赞一下
0