首页 产业智能 正文

回复

智能制造发展重点与趋势-决策

产业智能 浏览:61 回复:0 收藏

wangamin  2024-11-11 09:05

智能制造发展了这么多年,一直挂在嘴边的中国制造2025一转眼也马上到了时间了,可以预见到会有新的词汇或者方向在引领。


但纵观只能制造这么多年的发展,基础的信息化数字化仍然是多年发展的重点的,或者是企业实际实践的重点,这些工作其实主要来说还是偏重于效率,我们所提的数据驱动之类的,其实都在这个范畴内做文章。当这些基础都不完善的情况下,一个很明显的趋势就是要为企业的生产进行决策。


决策的内涵,一言以蔽之,就是企业运行效能的经验与知识的物化沉淀。原先都是依靠人来进行的,比如有经验的管理人员,或者一些大国工匠等等高技能人才。但随着技术的发展,从人的智能走向机器的智能,将始终是后续发展的趋势与重点。也就是说,我们所建设的数字化系统不仅仅仅是一个工具或者说高效的事后记录器,而是要带有一定的思考功能,不管是分析构思判断推理决策,而是能够具有综合作出预判性态势分析以及推理决策这方面的能力。


就制造范围而言,决策其实主要在两个方面,一个是工艺,一个是管理,这两个方面的内涵其实都非常多,换句话说,可做的事情其实也是非常多的。


工艺方面,其实跟之前提到的边缘计算结合在一起,主要来说是面向装备或者装置的智能化运行进行的,相当于增加了一个大脑一样。比如企业里面经常用到的自适应加工系统(这个笔者也有一套产品,正在推广,有机会再给大家介绍),或者说具有动态过程调控能力的这种系统。想要实现动态过程调控,那必然要具有状态获取基础之上的建模与推理分析,这其实就是智能制造或者CPS的核心。我们传统开展的加工过程建模与仿真分析,其实都在这个范畴内,只是有的是在线有的是离线而已。只是说传统而言,我们可能比较偏重于机理,尤其是在学术领域,但是随着大数据和人工智能技术的发展,数据模型也得到了发挥和实践。


管理方面,比如大家耳熟能详的高级计划排产就是进行资源配置的,笔者也是从事这个领域的,现在面对企业提出了大量的决策方面的能力要求。比如质量方面,利用大数据模型的方式,可以将传统依靠经验的性能预测、问题诊断以及参数优化等方面进行优化其本质,其实都是智能的决策。


不管下一阶段提出什么样的新的词汇,从来没有革命性的技术在产生(就算是增材制造,那很久以前的堆焊其实也就是这个道理,当然了,也有人认为增材制造其实是一种受控而已,见仁见智吧),有的也都是量变到质变的过程引进,在这个过程当中,可能为了表达方便能够涵盖特定的特点或者说内涵,而提出来了一些概念而已。


智能制造,其实本质上来说还是就企业智力性的经验与知识方面来进行渗透,说不好听的,其实也是在替代更为高级一些的工作岗位,这个不需要避讳,事实应该就是这个样子的。传统的机器换人,其实其内涵本来就有替代人的智力活动的意思,只是我们实践过程当中偏重于自动化,取代了一些较为低级的操作岗位。但后续的发展一定不是这个样子。


我们前几年所提的数字孪生其实是智能制造或者说CPS理念的另外一种表达而已,仍然是一个框,就如同智能制造一样,其实具有极其广阔的包容内容的(有时候想想,如果一个人说自己是搞数字孪生的,其实感觉跟没说也差不了多少)。数字孪生最核心的其实还在于它的人身体所具有的推理分析的能力,其实这就是决策。


决策的内容有很多,决策的方法也是有很多的,决策的载体也是有很多,决策的方式也是多种多样的。但可以预见到的下一步的结趋势有两个:决策将从传统的离线到在线(这是我们现阶段所达到的状态)进一步走向共生或融合,决策也将从传统的集中式决策走向分布式决策(其实德国工业4:0一直宣传的分布式增强网络的核心就是这个意思,包括他们提出的administrator shell这种操作方式也是为这个做准备的,但很可惜我们在这方面的差距还是挺巨大的,可能德国也未必就实现吧,但这个必然是下一步的发展趋势,这也是当前人工智能发展并且能够和制造相融合的一个极其可行之路)。


不管提什么样的理念或者概念,制造企业的运行效能其实始终也离不开质量、成本、交期、服务、柔性等一些永恒的内涵。智能制造发展同样也将最终聚焦或者围绕到决策这个方面呢。


来源:微信号  智能制造随笔

作者:王爱民

该作品已获作者授权,未经许可,禁止任何个人及第三方转载。




我知道了