【導(dǎo)讀】生產(chǎn)過(guò)程中的質(zhì)量控制絕非易事，經(jīng)常需要事后總結(jié)經(jīng)驗(yàn)教訓(xùn)。當(dāng)零件從生產(chǎn)線上下來(lái)接受檢查時(shí)，發(fā)現(xiàn)問(wèn)題可能已經(jīng)來(lái)不及了。如果等到生產(chǎn)流程的最后階段再去設(shè)法確保產(chǎn)品無(wú)瑕疵，會(huì)浪費(fèi)大量的資源、時(shí)間和金錢。
（圖源：William / stock.adobe.com；使用AI生成）
生產(chǎn)過(guò)程中的質(zhì)量控制絕非易事，經(jīng)常需要事后總結(jié)經(jīng)驗(yàn)教訓(xùn)。當(dāng)零件從生產(chǎn)線上下來(lái)接受檢查時(shí)，發(fā)現(xiàn)問(wèn)題可能已經(jīng)來(lái)不及了。如果等到生產(chǎn)流程的最后階段再去設(shè)法確保產(chǎn)品無(wú)瑕疵，會(huì)浪費(fèi)大量的資源、時(shí)間和金錢。
不過(guò)，現(xiàn)在出現(xiàn)了一種有效替代方法。
比如說(shuō)，想象一下，在焊接過(guò)程中，熱像儀密切跟蹤產(chǎn)品制造過(guò)程中的熱信號(hào)。如果產(chǎn)品焊接不當(dāng)，系統(tǒng)會(huì)立即發(fā)出警報(bào)，以便實(shí)時(shí)糾正錯(cuò)誤。隨著機(jī)器學(xué)習(xí) (ML) 等先進(jìn)技術(shù)的發(fā)展，這種顛覆性的生產(chǎn)效率已經(jīng)開(kāi)始嶄露頭角，并且成為預(yù)防性解決方案總體投資的一部分。
預(yù)防性維護(hù)的發(fā)展
如果您覺(jué)得“預(yù)防性解決方案”這個(gè)詞很耳熟，那是因?yàn)樗c另一個(gè)更熟悉的詞“預(yù)防性維護(hù)”密切相關(guān)。
數(shù)據(jù)驅(qū)動(dòng)型技術(shù)在短短幾年內(nèi)就改變了制造業(yè)，其速度令人驚嘆。數(shù)字化轉(zhuǎn)型的更新迭代，如工業(yè)4.0和工業(yè)5.0，為制造業(yè)提供了諸多好處，特別是在促進(jìn)預(yù)防性維護(hù)方面。
預(yù)防性維護(hù)是工業(yè)4.0的主要基石之一，其理論基礎(chǔ)是可以利用設(shè)備的健康數(shù)據(jù)來(lái)預(yù)防嚴(yán)重故障的發(fā)生。通過(guò)研究機(jī)器的振動(dòng)或熱信號(hào)，并將這些數(shù)據(jù)輸入機(jī)器學(xué)習(xí)模型，制造商可以預(yù)測(cè)設(shè)備何時(shí)出現(xiàn)故障，并采取措施避免發(fā)生災(zāi)難性后果。這種主動(dòng)糾錯(cuò)可以避免代價(jià)高昂的停機(jī)時(shí)間，而這一直是制造業(yè)的一大難題。
了解預(yù)防性解決方案
預(yù)防性維護(hù)是預(yù)防性解決方案的一部分。預(yù)防性維護(hù)帶來(lái)的諸多優(yōu)勢(shì)同樣適用于預(yù)防性解決方案。但兩者又存在一些根本性的區(qū)別。
預(yù)防性維護(hù)可告知制造商設(shè)備何時(shí)發(fā)生故障。預(yù)防性解決方案則是更進(jìn)一步，提出解決問(wèn)題的方法建議。所以預(yù)防性維護(hù)是回答是否以及何時(shí)的問(wèn)題，而預(yù)防性解決方案則是回答如何解決的問(wèn)題。
預(yù)防性維護(hù)的關(guān)注重點(diǎn)更明確，著眼于生產(chǎn)設(shè)備。預(yù)防性解決方案則要涉及大多數(shù)的業(yè)務(wù)運(yùn)營(yíng)環(huán)節(jié)，包括供應(yīng)鏈管理、員工排班、流程改進(jìn)以及設(shè)備健康狀況。前面提到的使用熱像儀進(jìn)行焊接操作修復(fù)，就是預(yù)防性解決方案解決流程低效的一個(gè)例子。配備實(shí)時(shí)監(jiān)控裝置的機(jī)器可以立即解決生產(chǎn)線延遲問(wèn)題，消除瓶頸，滿足每天甚至每小時(shí)的產(chǎn)量要求。
預(yù)防性解決方案不僅能發(fā)現(xiàn)生產(chǎn)設(shè)備的問(wèn)題，還能發(fā)現(xiàn)相關(guān)業(yè)務(wù)運(yùn)營(yíng)中存在的問(wèn)題，并提出解決辦法。
推動(dòng)產(chǎn)業(yè)發(fā)展的技術(shù)和基礎(chǔ)架構(gòu)
以前，生產(chǎn)過(guò)程是不透明的，但數(shù)字化轉(zhuǎn)型和數(shù)據(jù)使現(xiàn)在的生產(chǎn)運(yùn)營(yíng)更加透明。因此，發(fā)現(xiàn)和解決低效率問(wèn)題變得更加容易。
大規(guī)模開(kāi)發(fā)和部署IIoT傳感器可以說(shuō)是汽車行業(yè)最大的變革之一。當(dāng)機(jī)器有了傳感器，它們就可以“交流”，制造商則可以利用這些信息做出數(shù)據(jù)驅(qū)動(dòng)型決策。但只有IIoT是不夠的。IIoT產(chǎn)生的海量數(shù)據(jù)很容易讓制造商淹沒(méi)在過(guò)多的信息中。不過(guò)AI等技術(shù)可以幫助OEM廠商理解數(shù)據(jù)。當(dāng)數(shù)據(jù)輸入預(yù)見(jiàn)性ML模型后，可以提供預(yù)防性維護(hù)結(jié)果。
現(xiàn)在，打破制造企業(yè)各部門之間的數(shù)據(jù)孤島后，再加上讀取非結(jié)構(gòu)化數(shù)據(jù)的能力，正在通過(guò)預(yù)防性解決方案，進(jìn)一步推動(dòng)行業(yè)以數(shù)據(jù)為依據(jù)做出決策。
生產(chǎn)效率的提高已經(jīng)不是僅取決于生產(chǎn)車間的機(jī)器。生成式AI模型可以使用各種手冊(cè)、設(shè)備維護(hù)日志、電子郵件等存儲(chǔ)的專有信息進(jìn)行訓(xùn)練，并利用自然語(yǔ)言處理 (NLP) 技術(shù)為員工創(chuàng)建培訓(xùn)模塊。經(jīng)驗(yàn)不足的工人可以查詢生成式AI模型以獲取維修說(shuō)明，并在中心位置記錄日志，這樣數(shù)據(jù)就不會(huì)被鎖定和孤立。
預(yù)防性解決方案對(duì)未來(lái)的影響
制造業(yè)面臨的最大挑戰(zhàn)之一向來(lái)是相關(guān)數(shù)據(jù)的可用性?，F(xiàn)在技術(shù)已經(jīng)到位，期待預(yù)防性解決方案能夠以各種新穎獨(dú)特的方式幫助制造商。
預(yù)防性解決方案的應(yīng)用案例不勝枚舉
比如，產(chǎn)品服務(wù)化（OEM廠商租賃而非銷售設(shè)備）可以利用預(yù)防性解決方案獲得更穩(wěn)定的收入來(lái)源。制造商可以從租賃的設(shè)備中獲取數(shù)據(jù)，進(jìn)一步優(yōu)化預(yù)見(jiàn)性AI模型。
結(jié)語(yǔ)
通過(guò)預(yù)防性維護(hù)，制造商已經(jīng)減少了停機(jī)時(shí)間并節(jié)約了成本。除了根本原因分析和預(yù)防性維護(hù)，預(yù)防性解決方案在發(fā)現(xiàn)和解決機(jī)器以外的問(wèn)題方面也有著廣闊的應(yīng)用空間。那些已經(jīng)通過(guò)數(shù)字化轉(zhuǎn)型鋪平了道路的OEM廠商將率先從這種整體方法中獲益。
作者簡(jiǎn)介
Poornima Apte是一位從工程師轉(zhuǎn)型的撰稿人，其B2B專長(zhǎng)是機(jī)器人、人工智能、網(wǎng)絡(luò)安全、智能技術(shù)和數(shù)字化轉(zhuǎn)型。
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
適合汽車設(shè)計(jì)需求的精密計(jì)時(shí)裝置
使用差分來(lái)測(cè)試開(kāi)關(guān)模式電源
