工业4.0大约十年前开始进入制造业词典。 德国建筑师称其为第四次制造业革命，即产业革命、大规模生产的发明和信息技术的发展。 前者可以把工业4.0定义为“使用信息和通信技术数字化”这一最简单的用语。 过程提高了质量，降低了成本，提高了效率”，Karen Laird在《今日塑料》年发表的特别报告中写道。 Laird解释说：“这是一个基于这种产业数字化，融合物理世界和虚拟世界的所谓网络物理系统。” “在生产环境中，这意味着将操作系统和信息技术集成在一起。 这是通过使用嵌入式系统监视和控制物理过程来实现的。 将网络上的所有这些传感器系统连接到计算系统导致了今天所谓的物品互联网(IoT )的出现，其中收集、分析和交流了大量的数据。 智能不再集中在一个地方，但整个系统分散，由机器、设备和用户访问。 ”。
初期，这个概念引起了很多炒作——工业4.0在整个k展上迅速成为流行语。 现在，特别是在北美，可能会遇到更实用的术语“智能工厂”和“智能制造”，这些工具、传感器、机器人、数字化、工业物品的互联网(IIoT )和深度数据分析，以及目标(生随心所欲，它对第一世界制造业的影响是不可避免的。
根据制造商生产力、创新联盟和德勤(Deloitte )于2019年9月发表的联合研究，85%以上的工业制造商认为智能工厂计划将成为今后5年制造业竞争力的主要推动力。 位于德国雷根斯堡的宝马工厂说明了理由。
在世界经济论坛被称为“未来工厂”的宝马工厂在2018年生产了约320，000辆汽车。 根据工业4.0启发技术(传感器、机器人、自动运输系统、数据收集和IIoT )的引进，所需时间有线新闻网络(CNN )于2020年1月23日提交的报告，引进新应用程序的比例为80%
宝马里根堡厂长Frank Bachmann对CNN记者Jenny Marc和Nell Lewis说：“智能工厂的特征是使用新技术和新思想的智能方法，可以把创新提高到新的水平。 “这家工厂有000多台连接设备、机器人和自动运输系统。 定制物品的互联网平台链接了这些工具、材料和部件。 这些材料和零件从一开始就带有激光打印标签，可以分析和跟踪信息的所有步骤。 ”。 这意味着可以警告供应管线的问题。 例如，当系统检测到奇怪的噪音时，可以通知机械工程师，立即解决问题。
输入人工智能
这标志着现在令人眼花缭乱的技术变革的步伐，在工业4.0的初期阶段(也就是不到10年)，很少提到人工智能(AI )。 目前人工智能已成为智能工厂的重要因素。
“从成型机中取出塑料零件到成品和组装好的组件离开最终装配线，可能会发生很多事情。 AI可以作为提高质量和提高产量的工具，但仅仅这样可能还不够”。 Shedletsky对PlasticsToday进行了说明。 她补充说，人工智能非常有用的是分析产品和可追溯性的数据，以识别工程和生产团队的相关信息。
Instrumental开发的制造优化系统在重要的组件实例(零件离开模具时，在下游加工等期间)中收集图像，并将数据智能转换以检测缺陷和偏移。 Shedletsky说，这些见解是基于上下文提供给工程师的，可以通过实施纠正措施进行验证来进行闭环。 她解释说：“塑料加工业者使用该技术迅速识别和理解成形缺陷的根本原因，有效地确定了供应链中的破损和缺陷的位置。” Shedletsky补充说，为每个制作的产品记录照片也很有价值。 “我看到了客户通过型腔关联故障模式，通过与客户共享数据来加速故障分析，遵守下游的质量投诉。 对于任务关键型部件(如医疗设备中使用的部件)，这种可追溯性可能很宝贵。 ”。
例如，谢德烈茨基分享了PlasticsToday和Motorola Mobility如何使用Instrumental技术确定部件缺陷的根本原因，从而节省了公司大量的资源。 在开发构筑的最初几天摩托罗拉的工程师注意到了照相机的同心度问题。 通过深入研究仪器的数据记录，他发现根本原因来自于塑料装饰品的工具。 Shedletsky说：“工程师收集了一系列图像，制作了GIF，与供应商共享，团队合作解决了根本原因。” “供应商很快就意识到了这个问题，可以在复制工具之前修复它，因此摩托罗拉的成本降低了100，000美元以上。 ”。
数据，无处不在的数据
工业软件公司Senseye的创始人兼CEO Simon KamA今年观察到了智能收集操作数据的重要制造趋势。 他最近在SmartIndustry上写道：“2020年将是大规模工业组织对从其运营环境中收集的数据进行精明化的一年。” “制造商意识到优化生产过程需要一致、有意义和可比较的数据集。 他们远离徒劳的实践，徒劳的实践包括收集所有可能的数据，在这些巨大而无组织的资源中寻找新的意义和价值来源。 他们的工作重点转移到特定的数据集，如资产状况指标，使工业组织能够提高价值。 ”。 坎帕写了。
制造商的overthink数据收集和分析表明：“许多人考虑数据收集时，我们通常默认使用大数据，但实际上数据收集和使用整体设备有效性(OEE )分析工具一样简单”。 “为什么要收集它？ 保存在哪里？ ”。
他从多个部门的多个数据库中收集同一数据点，并举出了彼此没有链接的公司的例子。 网站上运行着14个不同的数据库。 确认数据策略后，该公司发现该数据库减少到了7个，正在收集毫无价值的数据。 Rusk说，在某些情况下，他无法解释为什么首先开始收集数据。
“工作反复激增意味着宝贵的资源没有被明智地利用。 通过采用整体数据收集战略，数据库集成允许重复数据消除，从而使资源可以用于其他领域，如解决重要KPI和ROI业务案例的互联制造投资。 ”。
活动展示了各种规模的企业为实施未来工厂的技术可以采取的步骤。 展位的目的是引导参加者进行智能制造，从将数字助理功能简单地应用于手动生产，到组合新的传感器来捕获生产数据和整个运营的Industry 4.0连接。 展位的主题之一是，即使是小规模的制造商，通过实施Industry 4.0的要素也能实现真实测量的结果。
他解释说：“通过采用互联技术，最常见的改善点之一是在生产时间、工人效率、保证成本方面，基于进行根本原因分析时显示直接因果关系的实际数据的报告。” 面包干“如果做出适合其能力的明智选择，制造商可以不打破银行，但连接技术被设定在持续的发展阶段。 我们看到了意想不到的结果，就是小制造商会朝这个方向前进，如何改善与供应链顾客的关系。 ”。 “利用实际数据进行交流和改善的能力提高了可靠性，提高了供应链中的价值。 ”。
在讨论将来的工厂时，经常在洗牌中迷路是人为因素。 “智能制造不仅仅是单一的技术，不仅仅是技术。 基本上，这是总是使用智能技术的聪明人的首要考虑因素。 ”。 Maverick Technologies制造IT总监John Clemens在最近的《福布斯》 (Forbes )的文章中写道： 找聪明人可能很有挑战性。 麦肯锡顾问Enno de Boer在先前引用的CNN文章中指出：“有巨大的技能差距，需要解决的-42%的工业公司表明他们面临着具有[工业4.0]功能的劳动力不足。” 但是，即将到来的一线希望是z世代，诞生于1997年到2012年之间。
一项调查显示，从18岁到22岁的年轻人很可能接受了辅导员、老师、指导者的建议，与一般人相比，被认为是制造业可行的职业。 z代的三分之一(32 % )提议以制造业为职业选择，但千年代只有18%，总人口只有13%。 他们比其他同类机构更可能考虑在制造业工作，很难被认为是衰退的行业。 他们对技术变革很满意，技术变革已成为日常生活中不可或缺的要素，可以轻松采用适应未来工厂所需的技能。
因此，至少在一个方面，未来的工厂类似于今天的工厂。 人会继续成为你最重要的资源。
责任编辑： YYX