智能制造管理 课件 第七章 智能制造管理实施路径与对策

第七章智能制造管理实施路径与对策1建立智能制造的建模及仿真平台2建立工业数据收集与管理系统3进行企业层级整合4开发智能制造的教育和培训体系第一节建立智能制造的建模及仿真平台建立智能制造的建模及仿真平台1.为虚拟工厂企业创建社区建模和仿真平台现状：①制造工厂的软件和定制化工具开发成本高；②缺少可以跨行业使用的平台和相关软件；③缺少适合中小企业使用的智能制造工具。行动方案：第一步，找出各行业中亟待解决的问题，定义出每一个问题的权重和困难程度。第二步，在多个行业中将开发出的具有开源、适应性强、能解决某些问题、即插即用的软件进行试验，同时通过一些试点项目来验证提出模型的适应性和可扩展性。第三步，结合可视化和更高级的算法，进行平台的改进。实施目标：搭建适用于制造工厂环境的建模、仿真及计算平台；开发出可在不同行业和进程使用的智能化模块；开发出具有通用数据库和编程语言的可交互软件；建立行业内认可的体系结构标准和数据交换标准；在平台中应用现代可视化技术；将企业运营与制造过程两方面的关键绩效指标同时考虑；将工厂的运营效率提升10%，安全事故等突发事件减少25%。降低智能制造模型应用成本，五年内降低80%～90%。建立智能制造的建模及仿真平台2.开发下一代制造决策的软件工具箱和计算架构现状：①在制定决策过程中具有高度不确定性和复杂性；②现有模型的可扩展性不高、自我反馈调节能力差；③相对较低的数据质量；④相对较高的软件开发成本。行动方案：第一步，对当前各行业智能制造相关软件和工具进行盘点。第二步，通过定义平台的运作框架，开发下一代的软件工具，并且构建全球的大数据库。第三步，将建立好的模型在不同的工厂进行试点实行，建立共享学习的基础。实施目标：建立具有多层参数的标准化工艺流程图；开发简化模型搭建工具；开发在高度不确定环境下智能决策工具；构建具有智能分析、预测、决策等功能的高级工具箱；构建学习和自适应模型；将生产成本降低30%，生产周期缩短40%；在例如生产率、设备使用效率、浪费、事故率、风险等多方面都有相对的改善和提高。建立智能制造的建模及仿真平台3.将人的因素和决策集成到工厂优化软件和用户界面中现状：①现有模型中未考虑人的行为的不确定性；②缺少不需要高技能水平就可操作的相关软件；③学习与自适应软件框架的复杂性高；④相对较高的软件开发成本。行动方案：第一步，将人的决策与行动与自动化工具进行整合，评估如何进行人机交互。第二步，继续将以人为中心和可量化的人的因素纳入软件系统的开发过程中。第三步，将工厂内知识性员工的自适应反馈纳入到现有模型中，并且开展行业内更高级软件的试点示范活动。实施目标：开发出将人的因素考虑其中的学习与自适应软件；在制造层面施行更及时（实时化）、更严格的决策制定过程；能够直观地看到决策制定中的积极影响和消极影响；具有对所有关键绩效指标建模的能力；开发出直观的控制和人机交互界面；在关键绩效指标的表现上有可衡量的提升；提高员工的生产率，降低员工的流动率。建立智能制造的建模及仿真平台4.将资源决策工具应用于不同行业以及不同发展水平企业中现状：①难以收集和解释相关的资源数据；②缺少用于优化系统的相关资源数据。行动方案：第一步，开发可供工厂工人使用的基于数据的工具，这些工具中应该包含不需进一步解释的直观的数据。第二步，将这种基于数据的工具加入到技术和实践的战略发展部署中，以实现资源的节约。第三步，开发先进有效的数据维护方法，建立推广方案来覆盖到不同规模的不同行业中。实施目标：开发出可供操作员使用的决策工具，该工具具有解释工厂的相关资源数据和做出有效选择的功能；可以根据不同的生产流程、产品、资源来对资源选择进行比较；从资源的角度整合工厂的所有功能；减少25%的资源使用，并使这种新型资源决策工具应用到75%以上的制造企业中；使能够做出高效决策的工程师人才数量显著增加。第二节建立工业数据收集与管理系统建立工业数据收集与管理系统1.建立针对所有制造型企业的一致的高效的数据方法现状：①工程人员在数据收集、处理和使用上效率低；②对于为制造企业工艺流程原型开发可扩展方法所需的数据、软件和接口缺乏共识。行动方案：第一步，定义一致的数据方法（包括数据协议和接口、通信标准）和价值命题的要求。第二步，开发新的数据方法、协议、标准，并对数据方法的知识产权开发相对应的授权策略，以及开展相应的竞赛来使得技术商业化。第三步，对新开发的数据方法进行公测，并且通过工具集、对供应商或用户的激励及其他方法促进数据方法与产品的整合。实施目标：在企业的商业模型中嵌入基本的数据质量管理系统；开发出一致的数据方法和数据通信标准；构建出一个能够解释所需数据的知识库；开发元数据（包括数据历史）来支持面向对象的虚拟企业；构建支持可调数据和学习软件系统的架构；大幅度减少浪费在数据收集、处理和使用上的时间，实现数据上的零时间浪费，达到预期生产力要求。建立工业数据收集与管理系统2.开发出针对所有制造企业的稳健的数据收集框架现状：①现有知识捕获系统效率低下，问题解决能力不足；②知识获取和传输具有一定复杂性；③传感器成本高；④缺乏针对制造系统的实时高效的传感器。行动方案：第一步，开发用于大规模和低成本数据获取的增强型传感器。第二步，根据企业现状开发出一套教学工具，以及一套合适的方法使企业向知识型企业转变，确定支持流程模型简化的最佳数据规范。第三步，在不同的行业中进行数据试验，设计一套广泛部署数据体系的方法。开发数据信息管理的相关课程，并且积极从事企业员工的培训工作。实施目标：开发适应于许多不同的环境的快速便宜的传感器；开发虚拟的低成本可实时获取数据的传感器；开发的数据收集构架能够维护数据的真实性，具有主动实时的信息检索能力以及简化的信息技术用户界面，能够进行有效的数据分类；开发可作为信息管理工具的软件系统（具有带时间标记的数据检索能力）；开发的信息获取和管理系统将支持70％的工业过程；提高解决问题的速度。第三节进行企业层级整合进行企业层级整合1.共享生产报告以优化供应链现状：①数据的所有者和可转移性界定困难；②对知识产权的保护力度有待提升；③参与成本高；④缺乏针对供应商参与的激励。行动方案：第一步，开发报告所用的通用语言，并创建支持该语言的数据架构。第二步，基于供应链中不同企业的不同角色，构建监控面板。第三步，定义清楚供应链网络中不同企业的角色以及其报告能力，跟踪产品的资源使用足迹并要求成员根据产品型号来进行绩效报告。实施目标：创建的评级系统可以使供应链中企业清楚地认识到其核心企业的竞争力和绩效；将供应商可公开的流程及产品数据构建一个可以内部访问的数据库；可为不同型号的产品分别提供绩效数据；监控面板上产生的结果可以使企业对比行业内先进水平做差异分析；构建出通用的数据架构和语言；开发出服务水平协议可使供应商提高其的透明度；参与服务水平协议和响应机制的供应商百分比很高。进行企业层级整合2.开发开放的平台软件和硬件现状：①当前数据系统缺乏标准化；②对知识产权的保护力度有待提升；③缺乏可适用于不同行业的不同数据需求的平台。行动方案：第一步，建立通用的语义库，包括通用的语言和词汇。第二步，开发第一版的报告系统（包括体系结构、子语言等），并进行相关概念研究来验证该系统的可用性，进行软件的升级和完善来验证该系统的可扩展性。第三步，制定相关的推广和激励措施，来鼓励该平台的使用。通过相关的官方组织来促进平台标准化的推进工作。实施目标：搭建出简单、可扩展、安全、可靠、成本低的基础设施；建立跨供应链和原始设备制造商的通用语言和词汇；开发有效的体系结构和子语言等；建立能够保护知识产权的数据共享系统；全面降低运营成本（运营和维护成本，劳动力成本，运输成本，资源成本等）；在产品准交率上有大幅度提升；60%以上的中小企业都参与到供应链整合中。进行企业层级整合3.整合产品和制造过程模型现状：①开发跨设备和产品计算平台的通用接口较为复杂；②对知识产权的保护力度有待提升；③缺乏有效集成虚拟和实时数据的工具。行动方案：第一步，开发用于适用于该行业的连接产品和过程模型的标准和工具，并且结合高性能计算设施和建模专业中心来推进共享服务。第二步，开发为现有模型获取知识产权的能力，识别导致重复业务决策的模型，并为此类模型构建业务案例。开发用于模型创建、验证和重复使用的开源方法（例如，建立模型原型验证中心）。第三步，创建已验证模型的资源存储库，并将此类标准方法公开发布。实施目标：完成虚拟和实时模型的集成；能够将模型用作控制系统；实现不基于反馈机制的模型调整；具有低成本且可应用到所有工厂中的能力；产品和工艺流程间达到闭环链；在模型集成方面有足够多的商业投资案例；显著缩短企业对市场的反应时间；在产品质量方面达到一个可量化的提升；能够在行业范围内实施以及验证其可追溯性的能力。第四节开发智能制造的教育和培训体系开发智能制造的教育和培训体系3.整合产品和制造过程模型现状：①在高等教育界与业界需求间没有有效连接；②缺乏训练有素的工人，以确保新的智能制造技术、建模环境和模块的快速与成功的实施、验收和维护；③缺乏操作反馈以改进智能制造平台。行动方案：第一步，全面考虑相关部署元素（包括模块开发人员、用户、安装和维护等方面）来开发实习和培训项目，加强与高等教育界在智能制造相关课程方面的合作并在教学方法中纳入行业经验和要求。第二步，在开发新技术的同