制造业的数字化转型正在顺利进行，但具体而言，这对工厂工程师意味着什么，还不得而知。对于许多公司而言，目前尚不清楚如何最好地实施新的数字技术以及如何确定哪些实施合作伙伴将是最可靠和最有经验的。然而，有两件事是清楚的：如果公司希望在未来保持竞争力，数字化至关重要的，而自动化则起着关键作用。
目标不再仅仅是实现物理产品的自动化，还包括完全自动化的数据。这需要从手动、人工生成的信息工作流程转变为更加实时的流程。数字化转型涉及数字化、网络、流程分析和深度信息自动化。
虽然这并不容易，但数字化转型有可能为从机器制造商、到工厂车间、到最终客户等制造的各个方面，获得以前无法获得的收益。有三个潜在领域可以帮助制造企业解锁全数字化转型，其中许多领域已经触手可及。
1.可视化：互联工厂和数据集成
如今，许多工厂的信息流仍然是手动或半手动的。机器运营人员或工程师从纸质文件或移动设备上收集数据。例如准备生产机器所需的时间，从状态A转变到状态B，或将部件X转移到部件Z。然后将该信息加载到可以评估数据的计算机程序。
这个过程比我们20年前的情况要好很多，但仍然需要大量的时间和精力，并且在这一过程中存在着人为错误等无可否认的风险，无论是偶然的还是有意的。我们如何从过去的模拟、线性模型中获益，并将其转变为未来基于平台的数字模型？物联网（IoT）和覆盖全厂的连接等工具，有助于实现企业的数字化转型。
使用智能的联网部件，意味着数据可以直接来自机器，完全消除人为错误，实现更快的信息流和商业智能（见图1）。它还使运营人员和工程师不必手动收集数据并亲自将其输入到现有过程软件中。相反，他们可以专注于其它核心工作。
图1：使用智能的网络部件可以直接从机器中获取数据，消除人为错误，实现更快的信息流和商业智能。 本文图片来源：Lenze
通过互连和集成的数据流，可以将信息从不同的工艺步骤，或从不同的部件（例如电机或变速箱）或整个生产线（可能包含来自不同制造商的组件和机器）集中到一起。然后，这些数据可用于创建现有生产过程的完整表示，跨越不同机器、工厂甚至生产现场。
2.预测：生产建模和高级分析
捕获和理解机器、机器生产线或现场的现有行为，是构建更高级分析的基础，可提供对零件、机器和系统趋势的可视性。这些趋势包括预测模型，以减少或消除意外停机或不可预见的问题（见图2）。
图2：捕获和理解机器、机器生产线或现场的现有行为，是构建更高级分析的基础。 这提供了对零件、机器和系统趋势的可视性。
系统需要捕获的是复杂的非线性发展或预测问题的趋势，而不是简单地捕获线性值以帮助可视化任何时刻发生的事情。然后可以设置报警系统，以便在关键限值（例如不允许的质量因素、过载）发生之前干预生产过程。
高级分析通常将工厂级数据与其它数据流（如业务管理信息或天气数据）相结合，以考虑可能影响生产的外部因素。环境温度、湿度、原材料差异或班次管理等因素可以轻松添加到数字流程中。
需要在公司内部进行新的协调，包括改变工作环境和创建协作劳动力，才能实现物联网的全部潜力。它还要求原始设备制造商（OEM）、供应商、数据科学家和工程师协同工作，帮助制造企业进一步提升生产效率。
3.自我调节：数据驱动的制造和持续的改进
在预测的基础上再进一步，就是完全的自动化，系统基于预测模型自我调整而无需人工干预。这样的系统依赖于创新和超高效的方法，例如统计过程控制，通过调整迄今为止繁重的手动调节的各个方面来实时优化生产。例如，可以在没有任何人为参与的情况下完成改变设定值或甚至整个机器的过程顺序。
此外，通过云计算快速获取大量关键信息的能力，将改变行业内每个人的工作方式，从供应商到最终用户。分析的机器和系统越多，可用于识别系统或机器甚至特定行业的那些可能产生最大影响的集体数据就越多。
在可预见的未来，我们可以看到计算机生成的趋势和预测可以直接传送到OEM厂商，因此可以实时改进机器，从而在机器最佳运行的基础上实现稳定、高速的生产过程。
由数据驱动的制造业是未来的趋势。如果企业愿意自动化信息数据流，正如它们实现生产、打印或包装生产线的自动化，将有助企业实现全面的数字化转型及其所有优势。（作者：Daniel Repp）