图片来源：A3 / ABB
工业物联网（IIoT）为未来工厂奠定了基础，这是一个智能、互联的工厂，随时准备适应行业可能带来的任何挑战。IIoT 需要一种新的思维方式、新的技术投资、信息技术（IT）和运营技术（OT）之间的合作、以及对数据的信心和对人工智能（AI）的信任，后者将聚集、分析这些数据，然后采取行动。
对汽车原始设备制造商来讲，工业4.0的应用已经有一段时间了。其它制造业，尤其是很多中小型制造商，可能需要更长的时间才能实施工业4.0。但这一天肯定会到来。由此得到的见解，将帮助工厂比以往任何时候都更快、更自信地做出决策。
从远程监控和预测性维护，到质量预测和虚拟调试，每个制造商都可以采取一些措施，以确保工厂实现面向未来的发展。利用合适的数据，从小处着手，聪明地思考。
连接性与合适的数据
“连接性和数据采集，是未来制造业的关键推动因素，”A B B 汽车、机器人和离散自动化业务全球数字和创新业务线负责人Václav Švub 说，“我们看到，越来越多的公司已经有了清晰的数字化计划。他们希望成为数据驱动型公司。两三年前，每个人都在苦苦思考这个问题，数字化对我们来说意味着什么？现在，我们正在放缓从试点和概念验证向具有实际效益的真正项目的转变。”
Švub 说，还有一段路要走，才能出现大量的自适应制造或自主生产的数据驱动型公司。目前AI 的应用，大多是孤立的，而且规模较小。预测性维护和质量预测也有应用，但它仍然是孤立的，不能在整个生产线上或整个工厂范围内运行。
“制造商必须明白，没有一刀切的解决方案，” Švub 说，“如果想要实施并从数字化中受益，这在很大程度上取决于你现在所处的位置以及你想要实现的目标。有些人想要一次性实现所有的数字化。但最好的方式，是将其分成更小的步骤，以处理更简单的任务。在转向更复杂或更大规模的项目之前，先从较小的项目开始。”
ABB 全球汽车装配集团经理Patrick Matthews 表示，对所有数据进行排序，并提取出能够做出有意义决策的特定数据，这可能是一项挑战。然而，这是必须要做的。“你必须退后一步，先确定如何处理这些数据，”他说，“如何分析？谁来分析？你能做一个算法或应用程序来分析吗？因为归根结底，我们的客户真正想要的是生产更多的零件，减少人工操作以降低成本。”
为了获取合适的数据，需要深入挖掘制造过程。Ma tthews 说，“有时候，你必须考虑从你没有想到的地方获取数据。例如，多年来，我们有一个非常复杂的车轴制造过程。当客户出现问题时，我们可以派人到工厂，只需查看过程的几个部分，就可以快速分析正在发生的事情。我们想做的是让机器自动校正。这就是我们即将要进入的阶段。”
现在，新增一个摄像头，模拟人对部件的检查，就可以解决问题，从而将其提升到另一个层面。如果单纯运行机器，只需要一些数据，但如果要想走的更远，可能就需要一个子集，甚至是不同层级的数据。关键是收集到合适的数据，理解数据，然后使用可以分析数据的应用程序。获取有价值的洞察，为客户带来有意义的变化。
面向制造业的数字化应用解决方案
一个典型的数字化应用， 是机器人3D 质量检测（3DQI）系统。该解决方案使用IIoT 连接、配置传感器的机器人和深度学习算法，可对在线和离线检测单元的制造部件进行自动质量控制。该系统使用一个3D 白光光学传感器，每次扫描数百万个点，快速记录详细的几何和表面数据，并与数字CAD 模型进行比较。全面数据分析以实时方式处理，允许对生产过程的变化进行快速反馈。数字化记录支持可追溯性，并使用户能够调整其流程，以防止故障并提高整体质量和生产率。
3D 检测系统是ABB IIoT 解决方案Ability 组合的一部分，它利用连接性、数据分析和人工智能来实现更好的决策。在疫情期间，该平台的远程连接解决方案，C成功帮助制造商维持运营活动。
ABB 的仿真和离线编程软件RobotStudio 可用于虚拟调试，并在虚拟环境中运行生产线的数字孪生。Švub说，“去年，我们改进了虚拟调试功能。集成了更多的标准协议，这样就可以通过OPC UA连接到你的设备，连接到你的PLC，包括物理设备和虚拟设备。你不仅可以将机器人的数据返回到Robot Studio，还可以将通过OPC UA运行的其它设备的数据，返回到RobotStudio（用于数据交换的跨平台、开源标准）。这意味着您能够模拟、测试和验证机器人单元或机器人生产线的全部行为。”
尤其是现在，由于疫情影响，越来越多的公司希望可以进行虚拟调试。这是一个很好的解决方案，可以远程连接，而不需要不断把工程师派到世界各地。这一趋势正在增长，客户开始信任这些技术，因此对工厂验收测试（FAT）持更加开放的态度，甚至允许部分验收在虚拟环境中进行。
采用数字孪生技术的虚拟调试解决方案，利用I I o T连接和数据分析，来仿真虚拟世界中的机器人单元，以预测和优化现实世界中流程的运行方式。这种信任，对未来的创新异常重要。对Švub 来说，为未来做好准备，意味着更好地实现数字化。“我们不仅从机器人收集数据，还从工艺过程收集数据。这将为客户带来更大价值。”
与工业数据平台提供实时生产数据的远程可视性，以识别瓶颈、预测机器故障、提高质量并构建自动化机器操作的工作流。
更加智能的传感器和面向未来的IO-Link
对于巴鲁夫美洲市场部经理Will Healy III 来说，数字化进程还不够快。“我从2012 年开始做演示，那时在讨论‘在以太网上放更多东西’。这基本上就是在呼吁实施IIoT，只是那时还没有一个正式的名字。”Healy 做了一个有趣的比较，“以人体为类比，巴鲁夫就像是感官和神经系统。我们不是大脑或肌肉的输出。我们只是在帮助从机器收集数据，帮助用户获得进行分析所需的数据。”
网络是IIoT 技术的神经系统。没有这种连接性，什么都不会发生。但是对于中小型公司来说，数字化转型可能令人望而生畏。尤其是在资金受限和整个行业人才不足的情况下。建议这类公司先考察当地的集成商和自动化分销商，请其利用已经安装的技术来实施IIoT。或者联系已安装设备的供应商。他们可能有可用的软件包。很多设备现在都有IIoT 功能，只需要打开即可。
如今市场上有许多智能的、支持IIoT 的传感器，它无需大量投资或先进的技术知识就可以实施。对于中小型公司来说，首先要做的是状态监测。这非常容易实现和理解。状态监控是对机器的一部分进行监控，以了解其不同状态。
最基本的状态监控系统会检查每个状态变量是否在阈值范围内，并在P L C 上创建一个报警，或者在超过该阈值时发送一条短信或电子邮件。“然后，就可以利用这些数据，进行预测性维护或其它类型的分析和人工智能项目。” Healy 说：“如果你已经实施了自动化，那么增加状态监控等功能的门槛就很低。如果缺乏这方面的人才，那么你就必须寻找来自第三方的‘黑盒’或云解决方案。”在选择自动化组件时，他建议应做出明智的决策。
不要选择你能买到的“最便宜、最简单的产品”，要考虑总体拥有成本。你希望在5 年或10 年后，这个设备或系统能做什么？可以购买比你当前所需求的更多一点的功能，为将来的成功做好准备。
H e a l y 说：“当你选择设备，尤其是传感器时，如果你选择智能传感器，你不仅会得到开、关量，还会得到更多关于机器的功能、过程质量、过程中发生的事情的诊断。选择智能传感器和使用I O - L i n k 等开放标准，您可以获得更多过程相关的信息。”
通用、智能、简单且支持IIoT，这就是IO - Link，一种用于连接数字传感器和执行器的工业通信网络标准。从智能气动阀到抓手，超过300 家供应商提供基于I O -L i n k 的智能技术。He a l y 强调了互操作性和IO- L i n k 等标准的重要性，它们使机器制造商更容易实施新的、经得起未来考验的技术。
通过数据分析获得切实可行的见解
如果巴鲁夫代表感官输入和神经系统，那么大脑在何处处理所有数据并理解它们呢？H e a l y 建议我们考察像MachineMetrics 这样的公司。“为了从机器上收集数据，可以安装一个‘黑盒’。然后就可以通过A I 执行所有的聚合和分析，并提供帮助你做出更好决策的报告。”在这种情况下，“黑盒”实际上是一个边缘设备，也是工业数据平台的一部分。
M a c h i n e M e t r i c s 公司的首席执行官兼联合创始人B i l l B i t h e r 说：“我们让制造商非常容易地通过连接到工厂车间网络或机器本身的边缘设备来捕获他们的设备数据。通过连接到传感器，或者从机器控制中直接提取数据，然后自动将其转换为一个通用的数据结构，这样，即使有许多不同类型的机器，但所有机器基本上传递的信息都是一样的。在那里，我们提供了分析数据的工具，从中产生有价值的见解。”对于更简单的见解，比如了解机器的容量和产量，都是MachineMetrics 工业数据平台中的现成信息。
用户也可以自己丰富数据，并可以根据当前的制造类型，进行特定的配置。该平台可以提供一个完整的流程自动化工具，允许用户构建流程以及自动化机器周边的流程。此外，还可以将这些数据传送到其它工厂系统，如生产系统和维护系统。”
这家公司拥有一个完整的数据科学团队，研究如何获取合适的数据，并展示可操作的见解，比如刀具磨损。“在金属切割机上，这些工具经常会磨损，产生报废零件，或者会断裂。我们已经能够丰富这些数据，以便客户能够理解何时需要更换工具。一旦数据实现情境化，他们就可以使用我们的平台来运行自定义分析。”他说。
MachineMetrics 在计算机数控（CNC）领域取得了成功，后来扩展到所有离散制造业。服务行业包括汽车、医疗器械、重工业和航空航天。工业数据平台以软件即服务（S a a S）的形式提供，每年订阅一次。这包括所有支持、访问客户成功团队和软件升级。I I o T 的力量意味着可以随时随地的访问。
“它是基于云的，所以只要你经过身份验证，就可以在任何地方访问这些数据。”B i t h e r 说。“在边缘完成高频计算，随后数据会被发送到一个云平台，在那里你可以从其它地方实现情境化。先进的算法让用户看到的更深入一些，比如试图模拟有经验的运行人员，他们能听出机器出了什么问题。你可以在A I 算法中模拟这一点，然后大规模部署。这就是我们所做的：让数据可以被访问，然后提供工具来模拟在这种情况下的人类的活动。”
IIoT 和AI 驱动的数据收集解决方案可随时随地提供洞察，包括利用率报告、状态监控、实时生产仪表盘和停机警报。（作者 | Tanya M.Anandan,A3）
关键概念：
■ 为了获取合适的数据，需要深入挖掘制造过程。
■ 通过基于AI 的数据分析获得切实可行的见解。
思考一下：
IIoT 和AI 驱动的数据收集解决方案可以为企业带来哪些好处？