• 官方微信

    CA800二维码微平台 大视野

  • 工控头条

    CA800二维码工控头条App

当前位置:自动化网>自动化新闻>产业分析>制造业迈向工业4.0 预测性维护日显重要

制造业迈向工业4.0 预测性维护日显重要

发布时间:2018-10-16 来源:陈明阳/电子时报 类型:产业分析 人浏览
关键字:

人工智能 工业4.0 机器学习

导  读:

制造业在进行数字转型(digital transformation)、迈向工业4.0(Industry 4.0)时须善用数据分析(data analytics)、人工智能(AI)、机器学习(machine learning)等新兴技术并整合长期制造策略,以扩大生产现场、客户体验、服务模式的商业利益,而预测性(predictive)维护将日益重要。

  制造业在进行数字转型(digital transformation)、迈向工业4.0(Industry 4.0)时须善用数据分析(data analytics)、人工智能(AI)、机器学习(machine learning)等新兴技术并整合长期制造策略,以扩大生产现场、客户体验、服务模式的商业利益,而预测性(predictive)维护将日益重要。
  
  根据Global Manufacturing报导,在其近期出版的「制造2020」(Manufacturing 2020)报告中,制造业指出运用工业物联网(Industrial IoT,IIoT)改善工厂连网的长期效益包括生产成本降低、弹性增加、产量提升,而资产维护的转型对于达成这些目标至为关键。ERP与咨询服务供货商Columbus UK认为预测性维护正改变制造与企业维持竞争力所需专注的技术。
  
  工业4.0,人工智能,机器学习
  欲达成工业4.0目标,维护作业也须善用数字技术转型预测性模式。Domino Printing Sciences
  
  IIoT有效运用生产现场设备内建的传感器所收集并储存于云端系统的巨量实时(real-time)湿度、温度、震动等数据进行分析,可据以提供关于制程与次制程前所未有的全新深刻见解,包括辨识设备状态、监测效率、侦测零件故障等,将大幅转变制造业维护作业的排程与预测方式。
  
  制造业欲领先竞争者还必须洞烛机先,数据分析结合机器学习有助于改善资产的可用性、寿命等,包括预测下一个生产瓶颈可能发生的位置,以及如何以成本效益最高的方式为无法掌握的故障安排维护等,让企业得以降低成本、改善作业效率、进行数据驱动的决策。
  
  采取反应性(reactive)维护,则当设备因故障而意外脱机,对生产力的影响已不可逆,且会引发整个生产链的连锁效应。数据是数字转型的命脉,随着采用IIoT的制造业日益增多,运用AI与机器学习辅助资料分析,可从生产现场收集的大数据中过滤出异常信息,寻找潜藏的模式以提升设备可靠度预测的准确性,进一步驱动维护作业转型为全面的预测性模式。
  
  制造业依据精确的预测信息可在设备故障前调整维护时程,预先辨识与解决潜在问题,避免处理紧急状况或过度维护(over-maintenance)所衍生的额外费用,并可提升设备正常运作时间与生产质量。先进数据分析也可辨识与管理新部署的全数字化解决方案的效益及对现行业务程序的影响,协助前瞻企业对抗未来的数字破坏与冲击。
  
  从Domino Printing Sciences更新企业系统以提供更多由数据驱动的商业智能的案例可看出,强化数据分析能力对跨多业务程序的益处显而易见。Domino Printing Sciences运用先进数据分析处理制程中收集的实际数据,并透过自动测试设备排除人类主观评估缺陷与驱动产量提升,还在制程中的各个阶段为产品建立防呆机制,避免到最后阶段补救令损失加剧。

免责声明:本文仅代表作者个人观点,与中国自动化网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容!

相关新闻
人工智能 工业4.0 机器学习
  • 远方来朋,共话“魏”来

    每年九月,一个无遮无拦的季节,正是雄鹰高飞,寻觅收获的时候。魏德米勒,佛山机器人学院,工业4.0,

  • 李培根:工业互联网时代 融合与超越非常关键

    2019世界工业互联网产业大会上,中国工程院院士、中国机械工程学会理事长李培根在主旨发言中表示,“工业4.0”与第四次工业革命的关键在于信息系统、数字世界与物理世界的深度融合。

  • 79支国际队伍竞逐“智联高手”桂冠 第六届“台达杯”高校自动化设计大赛决赛拉开帷幕

    7月24日,备受瞩目的“发现智联高手”——第六届“台达杯”高校自动化设计大赛决赛在台达吴江生产研发基地拉开帷幕,众多高校选手汇聚一堂,上演终极对决。工业4.0,

  • 全球26家“灯塔工厂”,6家位于中国。 “灯塔工厂”如何运作?现在一起感受下

    世界经济论坛宣布其“全球灯塔工厂”再添10位新成员,其中1家位于中国,即为上汽大通南京工厂。这意味着上汽大通打造的全球首家全新C2B定制工厂——位于江宁高新区的南京C2B工厂在世界范围的权威评选中获得肯定。上汽大通也因此成为继宝马之后又一家获此殊荣的汽车企业,更成为全球首家入选工业4.0“灯塔工厂”名单的中国

  • 上汽大通南京工厂入选最新一批工业4.0“灯塔工厂”

    在最新一批工业4.0“灯塔工厂”名单中,上汽大通南京C2B工厂榜上有名,成为全球范围内唯一一家入选的中国企业。

  • 蓄盛势,御未来!AMTS 2019实耐固创先推出智能焊钳概念和产品

    作为汽车行业焊装领域的领军企业,实耐固以全新品牌形象盛装出席2019上海国际汽车制造技术与装备及材料展览会(AMTS 2019),并重磅推出了基于工业4.0理念全新设计开发的智能焊钳及SCADA监控系统。实耐固副总经理乐君浩先生、研发总监任征博士出席了发布会,与行业媒体记者们分享了实耐固的最新进展和研发成果。

  • MES系统硬件架构

    MES系统 硬件架构都有哪些内容?随着工业4.0的到来成为制造业关注的系统开发重点,在现代工厂制造中,MES系统能够通过智能化管理监控生产流程,提供高效的制造过程,为企业创造更多的便捷。很多企业,比如说流程企业对于MES系统的硬件架构要求也很高

  • 聚焦智能制造趋势 中美德日智能制造大比拼

    中国对智能制造热情最高、应用相关技术设备最积极,美德仍是智能制造的全球领军者,日本对智能制造最为冷淡,日本制造对人的信任远胜于对设备、数据和系统的信任。2013年4月,德国首提“工业4.0”战略。2019年2月5日,德国正式发布《国家工业战略2030》,明确提出在某些领域德国需要拥有国家及欧洲范围的旗舰企业。

  • AWS云端协调10万台机器人运作

    亚马逊云端服务(AWS)机器人和自主服务部门总经理Roger BargaBarga表示,亚马逊物流中心拥有10万台自动机器人,对边缘设备进行编程难度很高,促使AWS打造了AWS RoboMaker,这是可与机器人作业系统(ROS)、机器学习、监控和追踪协同工作的可靠工具。

  • 扩展人工智能和机器学习领域 英特尔拟重回GPU市场

    英特尔计划在2020年发布一款代号为ArcticSound的独显,而这将是他们第三次进军相关市场的尝试。除了游戏市场,英特尔同时希望能够利用现有的CPU优势以帮助扩展人工智能和机器学习领域。

  • 机器学习工业领域应用 优质数据成首要关注

    机器学习算法逐渐潜入我们日常生活,但是工业应用却面临不少瓶颈,不如消费应用那么普及,Inductive Automation的Kathy Applebaum指出,综观目前工业采用机器学习技术的情况,以预测性维护(PM)为大宗,其次是品管、需求预测和机器人训练。

  • 高通两位技术大拿谈AI部署:下个战场是高能效硬件

    AI英雄第78期对话高通高管,一位是高通技术副总裁、阿姆斯特丹大学机器学习首席教授Max Welling(韦灵思),一位是高通企业研发人工智能项目负责人侯纪磊,十问十答详解了高通如何通过硬件、软件和算法的来加速终端侧人工智能成为现实。

  • 智慧革命浪潮下 嵌入式运算赋予机器灵魂

    人工智能和物联网技术正在推动全球产业向智能化转变,计算机视觉、语音识别、机器学习等算法可以大幅提升工作效率,从而实现智慧城市、无人驾驶、远程医疗、智能制造等场景。

  • 人脸识别率已达95%识别率 智能家居产业链再升级

    飞搜科技公司是一个以科技创新,自主研发,把机器学习,尤其是深度学习的研究成果应用到人脸识别、图像识别、视频内容识别等领域的高科技公司。飞搜的实时人脸识别算法,在世界公开测试基准数据集Labeled Faces in the Wild(LFW)上准确性高于99.0%,超过Facebook于2014年6月份在同样人脸数据集上测试后公布的97.35%的准确

  • 谷歌AI可预测心脏病 FacebookAI自动锁定有自杀倾向用户

    谷歌的野心似乎还在继续扩大,该公司在机器学习的助攻之下,正将目光瞄准了心血管疾病。……随着技术的不断发展,对于Facebook来说必然存在一种工程学方案来应对自杀行为。大约1年以前,Facebook增加了新技术,据Facebook称,这个新系统标记的涉及自杀想法的帖子数量已经提升了20倍……

  • Google Flights:谷歌将用人工智能预测航班延误

    Google Flights现在不仅仅是直接从航空公司获取信息,它还会利用历史数据和机器学习算法来预测还未被标记出延误的航班,从而帮助旅客做出应对策略,以减少损失。谷歌方面表示,在对延误预测有80%的自信之前,暂时不会在软件上进行标示。这款软件也会提供出航班延误的原因,是因为天气还是前序航班迟到。

猜您喜欢

更多精彩信息看点 请扫描以下二维码