智能工厂的四个阶段 - 概述

智能工厂不是一夜之间就能建成的。成为 "智能 "的过程分几个阶段进行，如下文所述。

第一阶段：透明的工厂

• 标准化开始生效，并导致用例的发展，其中一些已经实施。
• 数据和流程可以使用系统和分析（商业智能工具和流程挖掘）进行回顾性展示。
• 关键绩效指标（KPI）的定义是为了量化组织的绩效（价值创造、订单到现金、运营）。
• 第一个自动化解决方案或网络物理系统是在试点项目中建立的。
• 从外围过程开始收集数据（例如，建筑技术或价值和物流链的上游阶段）。
  

第三阶段：预测性工厂

• 标准化程度和数据提供的速度达到了使干预和控制过程成为可能的水平。
• 有了明确定义的数据集，信息可以被有效地使用，近乎实时地使用，并且在其他系统上没有数据中断。
• 通过使用算法，数据评估不再仅仅是人类解释的问题。数据控制仍然是在工厂工作的人的责任。
• 物理和信息过程的整合和自动化程度越来越高。这已经超出了广泛但坚定定义的子领域。
• 有可能将过程和外围过程（如建筑技术和供应链）的数据串联起来，并对这些信息进行评估。
  

第三阶段：预测性工厂

• 数据的可用性和严格性达到了一个水平，可以将大量的数据集进行组合、联网和分析。
• 人工智能（AI）和模拟的使用支持了人类的决策过程，这样就可以根据建议的解决方案来采取行动。这些建议是基于人们指定的规则，系统优化是在与人和由人的反馈循环中进行的
• 这种干预和决策是相对于流程和与流程相关的控制系统进行的，从而导致具体的行动。这可能包括从调度订单和能力平衡到系统控制和物理相互连接系统的控制。
• 在这个阶段，测量点的数量达到一个新的规模。随着广泛的参数被处理，可以进行模拟的场景。大数据分析可用于识别人类尚未注意到的模式。在这些模式的基础上，可以对工艺参数进行优化，以便将产品的效率和质量提高到一个显著的水平。
  

第四阶段：智能工厂

• 与预测性工厂类似，数据和活动被实时分析和评估。然而，大部分的决策权不再掌握在人类手中。虽然员工的干预在任何时候都是可能的，但只有在特殊情况下才是强制性的和必要的。
• 系统和控制回路使用与预测性工厂相同的算法独立优化自己，并在规定的活动范围内做出独立的决定。
• 人类的行动和决策得到数字助理或机器人的支持，它们建议采取措施以实现最佳的效率和质量。
• 在这个阶段，在许多领域，员工在工作地点方面可以享有高度的灵活性。价值流控制价值是自主的，干预和决策可以在远程进行。