Skip to main content

人工智能

工厂车间工业运营转型

工业运营

有许多富有吸引力的新技术 — 从边缘计算到数字孪生 — 可以在工厂车间实施,它们有助于更快、更安全、更可持续地完成工业流程。但是,实现这些优势的同时也伴随着挑战,如消除 IT/OT 鸿沟以及搭配使用高级技术与传统基础设施。

工业制造解决方案提供商西门子公司工厂自动化首席执行官 Rainer Brehm 将讨论这些工业趋势和转型。他将介绍标准化、自主 AI 和各种用例,包含西门子自身的情况。自 1999 年以来,他一直在西门子公司工作,亲眼见证了该领域的演变及其未来可能的发展方向。

在 2023 年及以后,预计工业领域会出现哪些趋势呢?

我们看到的趋势正将数字世界(即模拟模块、数字孪生)与现实世界结合起来。基本上,您可以提前模拟一切,然后予以实施。现在您建立了一个反馈回路。您将从运营中获取实时数据,并将其反馈回数字孪生,然后即可进行进一步优化。利用数据至关重要,因为在车间,AI 还不十分受重视,但随着有越来越多的数据可用,它就会迅速普及。

我们还将了解软件定义控制或软件定义自动化。当前,一切都与硬件捆绑在一起,但它们会逐渐脱钩,提高虚拟化程度。

最后但同样重要的是,特别是在车间,这些更为复杂的技术的用户仍然是操作机器的人员。这些人员并非 IT 专家,但他们仍然需要能够操作和维护那些生产线、那些机器、那些基础设施工厂。因此,我们的主题是以人为中心的自动化:我们如何尽可能轻松地实现这种自动化?

要实现这些工业 4.0 目标,会遇到哪些挑战?

我想将会有许多技术。但它们无法进行扩展的原因,是由于 OT 与 IT 人员缺乏了解沟通。我在我们组织内部就遇到了这种情况,在这里,我更多是一名 OT 人员。在谈到连接时,我想到的是与现实世界、设备、传感器、驱动器等建立连接。而 IT 人员在提到连接时,他们想到的是与数据库、云、数据湖建立连接。我们在自己的公司遇到的情况,我们的客户也同样遇到过。IT 部门与 OT 人员之间仍存在差距,后者定义如何实现自动化,如何设置设备、生产线,如何进行全面维护并加以优化。

那么,您如何弥合这种差距呢?这可能涉及条款,但也有可能,例如,与如何对 OT 布局进行编程有关。我们引入了一个名为 SIMATIC AX(自动化 Xpansion)扩展的新型编程环境。它称为“扩展”,是因为它提高了 IT 人员了解 OT 领域的便利性。

这种布局也具有极高的多样性。许多机器的规格各不相同,因为它们来自不同供应商。由于没有可遵循的标准,因此无法真正进行扩展。您需要那方面的标准。这甚至也适用于新机器、绿地产品,但更适用于棕地产品。通常,工厂至少会运营 10 年,多数运营 20 或 30 年。如果是能源或化学领域,它可能会运营 40 年。

边缘和 AI 的出现如何增加工厂自动化的复杂程度?

在车间讨论边缘计算时,需要满足更多要求。如果要实现实时化,可能是微秒级的抖动。想象一个非常快速的流程,那在一微秒内,就可以执行许多操作。如果响应不够快,您可能会对机器提出质疑,或者可能会得到不同的结果。因此,实时这个主题非常重要。

其次,如果您希望在车间部署 AI 工作负载,并且希望它非常快速地做出响应,那么,由于速度非常快,该 AI 工作负载必须在靠近机器的位置进行推理。另一方面,您希望 AI 经常与真实流程进行交互。基本上,您会干预该流程,因此,您需要那种“靠近”的资源分配,靠近机器或生产线。您还需要从流程中获取数据,并将其馈送给 AI。

下面举例进行说明。在我们位于汉堡的工厂,我们每天生成约 10 TB 的数据。您不希望将那 10 TB 数据传送到云端;您希望将其存放在来源位置。那种做法可能与传统的 IT 布局有所不同。但是,我们不仅需要添加实时功能,还需要提高安全性。

这有点像自动驾驶,其中确保安全也是一个非常重要的方面。想象一下,在汽车制造业设计自动驾驶时,如果有儿童跑到街上,您不希望由云来定义您是否停车。您希望直接在车内尽可能快速地做出响应。这对机器来说也同样如此。如果要向下进行按压,但有人将手指放在机器上,就应该立即停止。因此,您需要具有那种快速响应能力。

但为什么不提前规划呢?1999 年,我开始在西门子工作时,当时自动执行的基本上都是重复度非常高的任务。那是进行大规模生产时的理想选择,因为大规模生产包含许多重复性任务。或者,您会自动执行某些可预测的操作。基本上,您只能自动完成那些已知的工作。

但是,现在可以利用 AI 来优化流程,我们还是不能在自动化程度更高的工厂应用 AI 吗?我们该如何使用 AI,以便机器、机器人可以自行决定要做些什么?那意味着 AI 不仅可以优化流程,优化并增强工程设计,而且可以真正操作机器人、机器和生产线。那种 AI 应用确实非常令人激动,因为它开辟了自动化的新领域。

哪些西门子用例演示了这些解决方案的实际应用?

下面从我们自己的工厂开始讲起;我们对客户应用的解决方案,我们也在这里自己应用了该解决方案。IT/OT 利用 AI 的用例,这里再次以我们汉堡的工厂为例。PCB 生产线的吞吐量非常高,在电路板上装配组件的流程也较为复杂。过去,我们通常在最后对 PCB 进行 X 光检查,并且那方面始终存在瓶颈。因此,通过利用 AI,现在我们能够预测每个 PCB 是否拥有高品质,每台机器出现质量问题的几率极低,我们不再将 PCB 送到 X 光机;它绕开了 X 光机,直接进入最后装配阶段。

另一个示例是在基础设施中实现隧道自动化。如果在阿尔卑斯山或洛基山脉驾车穿过隧道,那么,这些隧道很可能是由我们的 PLC 自动操作并控制。如今,我们正越来越多地应用 AI 来检测那些隧道中出现的紧急情况 — 是否出现交通堵塞,是否出现火灾。如果需要快速响应,您如何撤离隧道呢?您如何打开或关闭通风孔或路灯?

再次回到工厂 — 在开箱时,我们会实时进行灵活抓取。AI 会告诉机器人要抓取的内容,而不必就需要选取的项目对机器人进行训练或编程。我们会训练机器人的以下技能:选取。基本上,机器人可以选取任何所需的项目 — 只要抓爪可以抓住。因此,利用那种抓取技能,我们可以开始自动执行某些未知或无法预测的操作。

我的最后一个用例当前尚未成为现实,但它是我的投资方向:未来您是否可以自动进行维修?例如,维修汽车电池。也许,今后您可以将车开到车间;电池被取出,其中存在缺陷,系统会自动检测问题所在,并可以自动维修电池组。那也是自动执行未知操作的情况,因为每块电池都是一个独特个体。您可以自动利用 AI 吗?我非常感兴趣的一些用例未来会发挥重要的作用。

请向大家介绍一下贵方建立的伙伴关系的价值,例如与英特尔的合作关系。

我们与英特尔的合作关系可能已经超过 40 年。但就我所知,我们于 2012 年开始实施技术加速器计划 (TAP),以启用低延迟功能 — 特别针对那些我们需要在数微秒内处理的工作负载。因此,那次合作的成果非常显著,并帮助我们在自己的控制器中使用了英特尔芯片。

当前,我们正与英特尔共同处理供应链危机。因此,也要感谢英特尔 — 我想,虽然我们无法满足客户的所有需求,但我们会尽量满足他们的需求。

机器视觉应用程序是一种会占用大量计算能力的工作负载。为此,我们利用第四代英特尔® 至强® 可扩展处理器,推出了一个新的产品组合。我们期待在 2023 年中期在市场中发布该系列产品。因此,我们非常高兴能够推出那个新产品组合,它正好能够满足车间当前的需求。

您最后还有什么想法?

首先,我坚信,如果不实现自动化、电气化和数字化,就不会有可持续的未来。因此,我们与英特尔的合作,实际上会对我们的未来做出重大贡献。其次,我认为,随着我们能够自动处理无法预测、个体化的工作负载,自动化领域将会进一步扩展。第三,我们需要使用户能够尽可能轻松地掌握该技术,以便 OT 人员能够处理这项复杂的技术。

相关内容

欲了解有关工厂自动化的更多信息,请观看与西门子一起实现工厂自动化。有关西门子的最新创新,请在 Twitter @SiemensLinkedIn 上对其进行关注。

 

本文由文案编辑 Erin Noble 编辑。

作者简介

Christina Cardoza is an Editorial Director for insight.tech. Previously, she was the News Editor of the software development magazine SD Times and IT operations online publication ITOps Times. She received her bachelor’s degree in journalism from Stony Brook University, and has been writing about software development and technology throughout her entire career.

Profile Photo of Christina Cardoza