从概念上来看,智能制造是指具有自感知、自决策、自执行等功能的先进制造过程、系统和模式的总称。因此,当我们谈论智能制造时,应该从智能制造技术和智能制造系统两个方面入手,这样便让智能制造宽泛的概念变得具体起来。

 

在与非网4月份专题——《工业智能智能》中,通过与恩智浦、瑞萨电子、Silicon Labs和Molex莫仕几家厂商的交流,让我们对“未来工厂”、中国智能制造产业有了更深层的理解。

 

实现智能制造的“必要技术”


在谈论各厂商面向不同应用领域所推出的智能系统之前,我们将目光先聚焦在智能技术上。智能制造技术是用计算机模拟、分析,对制造业智能信息收集、存储、完善、共享、继承、发展而诞生的、多学科融合的先进制造技术。

 

Molex莫仕亚太南区销售副总裁David Ho表示,如果我们以工业4.0为概念模型,那么生产各个方面都将被监控和测量,通过使用传感器阵列和机器对机器(M2M)接口(通常是一个非常高速的摄像机),再加上人机交互(HMIs)、人机界面(可以采用监视器、平视显示器和智能眼镜的形式)等方式来实现。持续的数据反馈循环将为ML/AI系统提供优化生产效率所需的数据。

 

 

Molex莫仕亚太南区销售副总裁David Ho

 

同时,企业可以通过以下方式削减成本:

•    将无功HVAC和照明系统转换为主动型HVAC和照明系统,显着节省能源
•    通过智能监控和预测性维护,延长设备使用寿命
•    部署统一的网络和无线系统,以较低的成本加快安装速度
•    采用基于网络的移动监控,帮助减少差旅和运营费用
•    实施嵌入式计算,实现设备至设备和设备到集中控制器的通信,同时分散决策权并实现近实时响应

 

在恩智浦看来,进入工业4.0时代,车间不再是一个简单的流水线生产场所,而是渐渐发展成了一个相互配合的,具备强大边缘计算、实时交互能力的庞大系统,不仅能提高产能、降低成本,还将催化大规模定制生产。要实现这样的工作模式,便需要生产系统能够融合机器学习能力、强大的视觉、工业级的实时通信以及精准的自动化控制。

 

对此,恩智浦方面着重对以下几项技术进行了说明。

 

非接触式人机交互
针对人机交互方面,要求系统具备接受非接触式指令的能力,包括高效的人脸识别、手势与动作识别等。

 

集中式工业控制网络
另外,要求系统能够在单路以太网电缆中支持多个应用,基于先进的通信协议,在复杂的工厂自动化系统中实现数据传输的无缝衔接,提高数据收发的实时性与带宽的充分利用。

 

分布式驱动控制
当下的以太网技术已经能够将可控的时延和信号抖动考虑在内,对系统进行精确的控制。对于分布式的多个设备实现电机控制。

 

时间敏感型网络(time sensitive network,TSN)
TSN是目前国际产业界正在积极推动的全新工业通信技术。这一技术允许周期性与非周期性数据在同一网络中传输。TSN的出现更好的服务时间敏感应用及系统,保证数据在准确的时间内以最小的时间抖动进行传输。

 

实际上,现在回看各厂商对实现智能制造所需技术的描述,大家都认可其融合的特性,不过也会有不同的侧重点。瑞萨电子中国工业自动化事业部高级总监徐征谈到人工智能(AI)的作用,他表示:“众所周知,工厂自动化等工业设备对实时处理能力要求极高,嵌入式人工智能(e-AI)解决方案成为绝大多数客户的首选。利用嵌入式人工智能单元使现有设备能够使用人工智能进行推理执行从而实现终端智能化,制造商们可以直接将e-AI技术集成到工厂设备中。”

 

 

瑞萨电子中国工业自动化事业部高级总监徐征

 

Silicon Labs工业物联网高级产品营销经理Mikko Niemi的回答围绕在系统集成方面。“供应链运行中,系统之间的集成是最大的需求。随着越来越多的公司希望将自己的库存降到最低,物料流动的管理变得至关重要。这就要求进行大量的系统开发工作,这些系统可用于跟踪制造中所使用的材料如何准时到达工厂,以及之后最终商品如何被运送至买方。这要求系统之间要无缝集成,并且需要供应商们能够就数据交换接口达成一致。对于这些系统之间的任何交互,网络安全都是要优先考虑的事项,经过验证的安全数据交换机制不仅在数据交换中必须要使用,在数据收集和智能设备管理过程中也必须使用。”他对此讲到。

 

Silicon Labs工业物联网高级产品营销经理Mikko Niemi

 

“未来工厂”的勾画


基于对智能制造不同的切入点,实际上基于各家方案打造出来的智能制造系统会有所区别。然而,当我们将所有这些观点进行融合之后,便能勾勒出一幅“未来工厂”的画卷。

 

为了让大家有更明确的概念,我们从恩智浦官网揭露出的“工业4.0”实现场景出发:

 

在智慧工厂场景下,超低功耗的摄像头模块实时监控着收件区域,一旦在监控区域范围内检测到了人脸,后续人脸识别、物件识别、手势识别便会被激活。在演示中,操作员离开推车,并将双手高举起来,表示工件已经顺利运达指定区域,示意系统可以开始操作。然后便是机器和系统的交互配合,识别系统进入低功耗待机状态,等候下一次的工件运送。

(完整演示请看文章《智慧工厂里的黑科技,恩智浦带你来揭秘》

 

 

 

相信看过恩智浦演示案例的人都有一个体会,在“未来工厂”中,人为参与的环节将越来越少,更过的工作将由机器和系统配合完成。

 

对于“未来工厂”, Mikko Niemi也进行了描述。“未来工厂的定义非常接近于几年前始于德国的工业4.0的定义。未来将会有越来越多的协作机器人,它们将与人合作来更灵活、更快速地制造产品。未来工厂也将拥有更高的灵活性,可以从生产一种产品转向生产另一种产品,也可以确保实现更多的大规模定制生产,从而为最终用户提供具有独特功能的产品。”他讲到,“由于智能制造系统中的数据需要和许多其它企业系统共享,因此基于云的SaaS(软件即服务)解决方案越来越多地被采用。相比预装软件模式,这些系统可以支持更频繁地安装新的软件版本。这样还可使制造商专注于自己的主营业务,而不用去培训IT员工来管理新的解决方案。软件供应商正越来越多地提供混合模型,其中软件是在云端的,但是也可以安装在制造商的私有云中以解决安全问题。”

 

中国的智能制造


对于智能制造,中国有很明确的指标:“十四五”期间,中国规模以上制造业企业智能制造能力成熟度达2级及以上的企业超过50%,重点行业、区域达3级及以上的企业分别超过20%和15%。智能制造装备和工业软件国内市场满足率分别超过70%和50%。中国将建成120个以上具有行业和区域影响力的工业互联网平台。

 

在我们的专题采访中,各厂商也谈到了他们对中国智能制造产业发展的看法。

 

谈到中国制造业现状,徐征表示:“目前中国的智能制造大体处于电气自动化+数字化的阶段,正在逐步向实现数字化+网络化阶段的转型。大而不强是中国是制造业的瓶颈。”

 

他总结出现阶段中国制造业呈现以下特点:


首先,中国制造业的细分领域众多,在智能制造转型期间,不同行业的发展速度参差不齐,实施的成本和落地的效率也各不相同。


 
其次,各个行业乃至国家仍处于不断地摸索和尝试中,目前并没有所谓的“最优路径”,所以这也要求相关领域的技术、产品设备、终端应用等要不断地迭代升级,推陈出新以满足快速、多元化的发展的需求。

 

在Mikko Niemi看来,“中国制造商正越来越多地采用智能制造技术和解决方案。这个阶段的特点是制造高端产品和生产更复杂的产品。采用智能制造技术的典型行业包括复杂电子产品装配、生产完整产品装配组件的离散制造,以及用于大型工业设备或工业车辆的高精度零件加工。”

 

他认为:“中国工厂的发展方向主要是从收集的数据中获取有价值的成果,并系统性地利用这些成果去优化现有的运行状况或推动产生未来对制造业的投资。此外,还有许多制造商尚未投资于智能制造,这可能是由于缺乏对其好处的认识或者其并非优先的投资对象,例如,更愿意投资于新的生产能力而非为现有生产线投资智能装置。”

 

看完业界的观点,其实和中国工信部的定义非常相似。中国工信部明确表示,中国属于制造业大国,但非技术大国,将继续位列全球制造业的第三梯队。

 

当然,中国在智能制造的发展上也不全然都是落后者的姿态。David Ho便在采访过程中指出了一些积极的方面。“中国很早就认识到,实现这一长期目标的关键之一是实施相比以太网更高速高效的通信手段,而以太网至今仍然是工业自动化的核心,许多制造工厂仍然采用传统的现场总线解决方案作为规范。随着5G的到来,中国具有前瞻性的通信基础设施正在引领全球竞争力的发展步伐。这在智能制造领域提供了巨大的竞争优势,因为中国已经建立了有效的5G基础架构,这为在整个中国工业基础 (包括智能工厂内部的战略整合) 上实施基于5G的应用铺平了道路。”

 

当然,他也指出,为了真正实现工业4.0和类似概念愿景的目标,中国应该掌握机器学习 (Machine Learning, ML) 和人工智能等不断发展的技术。然后,中国以及全球其他市场应当满足数据存储和数据检索的需求。我们现在讨论的是TB (terabyte) 和PB (petabyte) 范围内的大量数据,而云存储是行之有效的解决方案,但是在“边缘”或“本地”设备上处理数据却可以提供更快速,更敏捷的效率。

 

实际上,在ML/AI领域,可能不是简单地说中国向世界各地学习;我们很快可能就会在这个游戏规则上逆袭 —— 世界各地要向中国学习。

 

面向智能制造的解决方案


来自恩智浦


时间敏感网络,OPC UA发布,工业PLC
恩智浦Layerscape LS1028A工业应用处理器基于强大的多核Cortex-A72,集成以太网控制器支持TSN,带有丰富的工业接口以及可配置的加密分流引擎。另外还集成了GPU与LCD控制器满足一定人机交互的需求,可应用于智慧工厂网络管理,OPC UA客户端。

 

丰富的人机交互,机器学习
恩智浦i.MX 8M Plus应用处理器基于强大的4核Cortex-A53,集成神经网络加速单元,MIPI显示与摄像头接口,并集成了图像处理单元(ISP)用于图像处理与图像增强,能够胜任智慧工厂的动作识别,人脸识别,工厂实时监控系统等。i.MX 8M Plus应用处理器专注于机器学习和视觉、高级多媒体以及具有高可靠性的工业自动化,适用于智慧工厂的人机交互,图像识别应用。

 

来自Molex莫仕


中国工业基础上实施基于5G的应用铺平了道路。然而,5G技术对突破性天线设计提出了重大要求,天线设计需要MIMO技术以及波束形成和波束控制功能。在这个方面,Molex莫仕在天线设计领域多年积累的宝贵经验可以发挥重要的作用。

 

mmWave 5G的设计不仅需要关注天线,还需要注意天线的馈电、迹线和连接。这些连接器的额定速率必须超过10 GHz。对于每个高频5G设备而言,要从每台设备上的5G电子装置获取信号,需要特别关注端到端信号的完整性。对于信号完整性的重视,将会决定这些设备的运作性能以及如何利用超高速5G信号。Molex莫仕的产品组合和设计技能则可以完全满足这些要求。对于下一代网络的无缝部署,精心设计发送和接收5G频率信号的组件是至关重要的。


此外,大功率以太网供电 (PoE) 技术在智能制造的推进中也起到了关键性的支持作用。

 

来自瑞萨电子


瑞萨电子的微处理器和微控制器(MCU & MPU)解决方案立足于终端智能,可协助制造商满足智能工厂应用不断变化所需的实时性、安全性和连接性需求。

 

瑞萨电子RZ/T1嵌入式人工智能(e-AI)解决方案是利用嵌入式AI单元使现有的终端设备实现智能化,可应用于数据收集、存储、分析、控制等过程中。该e-AI解决方案可以直接嵌入到目前已有的工业制造装置中,在终端设备上通过e-AI预判设备是否产生异常,同时将异常预警上传至生产管理系统,这种边缘计算能力大大得减少了网络带宽与功耗,实现了终端设备的在线智能化。在客户的实际应用中,产品良率提高至99.5%以上。

 

面向数据安全问题,EtherCAT安全驱动系统解决方案和RX安全解决方案可以帮助用户解决相关问题。

 

来自Silicon Labs


为帮助企业部署数字化,Silicon Labs提供诸如Wi-SUN等无线协议解决方案,它们可以自动建立并修复传感器之间的连接。

 

在云端交互方面,Silicon Labs通过提供工具和示例代码来支持基于云的市场,这些工具和代码可支持无线芯片轻松实现无缝的云连接。Silicon Labs拥有的优势之一是开发人员可以从同一个来源获得一组完整的工具。与依赖第三方工具和集成开发环境(IDE)的供应商相比,这有效减少了潜在的兼容性问题。对企业数字化而言,底层代码具有巨大的潜力。

 

同时,Silicon Labs可以为企业提供广泛的数字化优势,当中就包括无线连接技术,其可用于通过传感器对现有机器设备进行改造或开发可优化工业资产使用的预测性维护解决方案。

 

欲查看更多“智能制造”相关内容,请点击查看 《与非智能制造主题月》