華碩智能物聯(lián)網(wǎng) AI賦能加速實現(xiàn)智能工廠
工業(yè)4.0推動精準生產(chǎn)、快速彈性調(diào)整,加速制造業(yè)智能制造的發(fā)展。如何將一座傳統(tǒng)工廠轉型為智能工廠?從數(shù)字化邁向工業(yè)4.0的智能化,工廠需經(jīng)歷電腦化、聯(lián)結化、可視化、透明化、預測化、適性化等六大歷程,循序漸進,才能讓工廠擁有「智能大腦」。
本文引用地址:http://m.butianyuan.cn/article/202311/452546.htm六大歷程 實現(xiàn)工業(yè)4.0發(fā)展的途徑
打造智能工廠,首先是數(shù)字化,必須做到電腦化及聯(lián)結化,讓設備聯(lián)網(wǎng),通過機聯(lián)網(wǎng)、廠務系統(tǒng)及制造執(zhí)行系統(tǒng)(MES)采集設備的生產(chǎn)信息,才能完全掌握工廠設備的狀況。
接著進入工業(yè)4.0的智能化進程,以可視化、透明化呈現(xiàn)工廠設備信息,協(xié)助工廠人員了解設備的運作狀況及事件發(fā)生的原因。預測化則是以AI分析工廠設備的大數(shù)據(jù),產(chǎn)生洞察,預測未來設備的健康情形與潛在問題,事先準備。最后是適性化,結合AI、大數(shù)據(jù)及數(shù)字孿生(Digital Twin),從數(shù)據(jù)分析、數(shù)據(jù)治理到?jīng)Q策支持,達成適性化的自主式反應,實現(xiàn)「自我優(yōu)化」的終極目標。
兩大階段 發(fā)展AI智能工廠
華碩智能物聯(lián)網(wǎng)將智能工廠的六大歷程分為兩階段:第一階段智能工廠1.0:打通設備控制層與現(xiàn)場管理層,完成自動化與數(shù)據(jù)化。建立智能化的基礎建設,通過IoT機聯(lián)網(wǎng)及廠務監(jiān)控,布建設備控制層,并以剛性需求應用系統(tǒng)建構現(xiàn)場管理層,進行設備和產(chǎn)線運轉,及數(shù)據(jù)采集。第二階段智能工廠2.0:著重建構數(shù)據(jù)驅動架構與可分析能力,導入AI及預測分析,加速推動工廠智能化。具體來說,透過流程梳理,垂直整合IT與OT(營運技術)系統(tǒng),以及統(tǒng)合智能工廠流程,建構制造營運管理系統(tǒng),并建立「服務與數(shù)據(jù)平臺」,作為未來AI工廠發(fā)展數(shù)字孿生(Digital Twin)的基礎。
智能工廠系統(tǒng)架構 邁向新時代工廠
華碩秉持「崇本務實」的核心概念,成立華碩智能物聯(lián)網(wǎng),并打造AI示范工廠,整合物聯(lián)網(wǎng)和M2M(Machine to Machine),導入AI方案,推出完整的工業(yè)4.0解決方案,希望能提高工廠生產(chǎn)質量、降低成本,打造智能化、數(shù)字化和永續(xù)的新世代工廠,強化供應鏈的韌性,協(xié)助制造業(yè)加速AIoT轉型。
華碩智能物聯(lián)網(wǎng)為全新AI示范工廠設計的「智能工廠系統(tǒng)架構」,將AIoT分成四個層次,分別是設備控制層、現(xiàn)場管理層、企業(yè)營運層以及協(xié)同商務層,為了匯整工廠大數(shù)據(jù),最關鍵的突破是打通設備控制層、現(xiàn)場控制層及企業(yè)營運層,以下分別介紹前三層系統(tǒng)架構:
一、設備控制層:通過設備傳感器、PLC(可編程邏輯控制器)及Gateway(網(wǎng)關)搜集生產(chǎn)設備、廠務設備、智能倉儲、廠辦人臉辨識門禁系統(tǒng)、自動無人搬運車(AMR)、能源管理、行動辨識等信息。
二、現(xiàn)場管理層:將信息往上送至現(xiàn)場管理層,包括將生產(chǎn)設備數(shù)據(jù)匯集至機聯(lián)網(wǎng)中,而廠務設備數(shù)據(jù)則送至廠務監(jiān)控系統(tǒng)中,再由此兩個系統(tǒng)通過網(wǎng)絡將數(shù)據(jù)傳送至「中央監(jiān)控管理平臺」。
現(xiàn)場管理層還包括MES系統(tǒng)、AR眼鏡系統(tǒng)、3D設備可視化、AMR物料搬送控制系統(tǒng),還有以機器學習AI系統(tǒng)發(fā)展出的AI解決方案,例如:DIP爐前AI瑕疵檢測、包裝站AI瑕疵檢測設備、AR智能眼鏡系統(tǒng)、設備預防保養(yǎng)、智能排程減工等。
三、企業(yè)營運層:打通現(xiàn)場管理層與企業(yè)營運層,串連IT與OT系統(tǒng),建構數(shù)據(jù)與服務管理平臺,驅動數(shù)字分析能力,進而導入AI預測分析,推動全工廠的智能化。
評論