中国工程院院刊▲前沿研究丨工业机器人在智能制造中的角色( 二 ) 本文选自中国工程院院刊《Engineering

文章图片
图2.六大信息化特点（CMIDAN）+机器人
（来自于郭台铭，富士康科技集团）
（四）智能制造的基本功
传统制造业者对于工业4.0及智能制造的实用性还是有些困惑。有些人也会问到如何去展开，以及投资是否可以回收，这些疑虑都是相当自然的，也有些企业已经走在前头并积极地在制造环节导入智能技术。然而，新技术的导入是需要时间的，导入新技术时还需要把基本功准备好，也要进行内部流程改造及组织调整来促进实际效果，这些步骤可以简单地归纳为以下三点。
1.一个共同追求——再工程化流程伴随导入智能制造
商业流程的再工程化是一套商业管理的策略，始于20世纪90年代，其旨在为了强效改善客户服务及降低作业成本，而重新组织工作流程。智能制造的最终目的也同样是用智能来改善客户服务及降低成本。这就需要团队成员在共同追求的目标引导下共事。针对目标流程，利用CMIDAN进行再工程化，有效益地建立智能制造。通常再工程化的流程包括采购端、组织端、设计端与质量端来辅助制造及管理。分析与改造流程将涉及众多部门去重新思考如何再次活化组织，减少不必要的内部阻力、浪费以及弊端，选取适当的标竿项目作为推动智能制造的示范，共识共事努力达到CMIDAN技术可以带来的效益。
2.两个基本元素——有用的数据作为智能的起点、易用的分析协助迈进智能化
数据为构成智能的基本元素。精确、有时效性的数据是关键。太多不能使用的数据会造成干扰，只是显示数据不会产生价值，所以采集有效的数据是智能制造的基础之一。数据要配合清晰的逻辑分析才有意义，工业实体分析还需要对基础制程有所了解，分析工具若能方便使用，就会帮助使用者快速导出分析所要的算法。初步使用时可采用比较简易的算法，例如，统计及简单的控制演算使制造工程师获得信心，并且认识到数据及分析的潜在价值，明确了解智能化的好处。在获得足够经验后，就可以再探索和导入更复杂的人工智能分析工具。
3.三个动作——底层数据的联结化、分析产生的行动化、辅助设计的整合化
制造系统的底层控制包括机器人、计算机数控机床（computernumericalcontrol,CNC）、传感器、爪与逻辑控制装置，是主要的核心数据产出层。在工业3.0时期的工厂里，底层的许多机器已经具备通信的能力，但相较于工业4.0系统，尚未达到大量数据转换及联结的程度。在智能制造时代，数据产出及转换的能力有大幅提升。这个核心层将会使用更多传感器，如高分辨率影像（如8K影像）、力矩/扭距/惯性/触觉/震动传感，进而捕捉制程的动作细节。在数据产出的核心层，数据传输装置、数据格式与通信协议联结来配合必须要做到的分析工作。
第二个动作是从数据的分析处理后，做出及时有效的行动来产生实际的改善。如图3中，控制的行动体现在调校优化生产流程，然后可以进行预测故障来优化生产流程。智能设备使用分析而产生行动的一个例子是预测性保养，这可以减少设备潜在的故障率及增加整体稼动率。产品的趋势数据收集及分析目标是达成生产零故障率，从核心层产生出的大量数据加上强力分析再加上及时有效的实际行动来达到全面智能制造，处理大数据及进行深入计算时可能需要云端计算。

文章图片
图3.增加智能以预测变化
第三个动作是使用计算机辅助工具来整合设计。宏观的智能制造系统包含设计及制造规划。设计工具的使用，如计算机辅助设计/计算机辅助制造/产品生命周期管理（CAD/CAM/PLM）系统工具，可协助保留技术能力、降低失误及快速对工程变化进行反应。从生产中获得的数据可以协助建立信息物理系统（cyberphysicalsystem,CPS）（虚实整合系统）用来改善下一代产品的设计及制造。制造的数据也可与制造执行系统（manufacturingexecutionsystem,MES）沟通， CAD/CAM/PLM与MES系统可整体性地由计算机辅助整合实际的智能制造系统。