到目前为止,我们都听过这样的炒作:工业物联网(IIoT)将从根本上改变制造业,并提供丰富的利益,包括提高效率、更高质量和更灵敏的供应链。

但是,就像任何自动化项目一样,获得这些好处不是偶然的。这需要深思熟虑的计划以及硬件和软件的正确组合。

博世力士乐(Bosch Rexroth Corp.)工业4.0负责人罗德尼•鲁斯克(Rodney Rusk)表示,企业启动工业物联网项目的方式有三种:从上到下、从下到上或中间的某个地方。

“自上而下的方式通常由首席数字官或首席技术官驱动。”鲁斯克说。“管理层有一个清晰的愿景,连接工厂作为一个组织的核心战略。他们会评估公司目前的状况,然后制定未来5年的计划。”

自底向上方法通常源于特定的生产问题。拉斯克解释说:“它始于一个制造工程师,一个维修技术员,甚至一个试图解决问题的流水线工人。”“也许这是质量或正常运行时间的问题。因此,他们实现了工业物联网解决方案。如果可行,也许他们可以将其应用到公司的其他部门。”

中间方法通常从IT部门开始。拉斯克表示:“IT部门正在审视公司的软件堆栈,并试图简化它。”“他们正试图找到使事物互操作的方法,并减少正在运行的系统数量。”

软件供应商eFlex Systems总裁丹•麦基尔南(Dan McKiernan)注意到,几乎没有制造商有足够的资金来一头扎进工业4.0。大多数人都是先浸入水中。

他说:“工业4.0或智能工厂的第一步是摆脱纸质工作指示,并强制执行你的组装流程。”然后,它转向了防错误和捕获数据。简单的步骤。也许是像让操作员扫描零件箱上的条形码这样简单的事情,而你过去想当然地认为正确的零件会进入正确的产品。或者,也许它对紧固过程有更大的控制,而以前它只是一个开环过程。从我们的经验来看,令人惊讶的是,即使在今天,我们在装配线上看到的控制仍然很少。”

一旦组装人员掌握了数字工作指令、防错误和数据收集,他们就可以采取下一步,更好地集成他们的“软件堆栈”。这是由硬件和软件组成的字母汤——plc、SCADA、MES和ERP系统——管理着现代装配厂。

“制造商可以使用我们的产品,但当他们准备好,如果他们需要它,我们可以把他们所有的方式到他们的ERP系统的后端,”McKiernan说。

“通常,每一层都代表不同的供应商和不同的技能,”他继续说。“因此,整合它们可能令人生畏。我们的软件覆盖了整个范围,从ERP的底层到装配工具。”

无论工业4.0是自上而下还是自下而上的,这两种方法都不如另一种好。归根结底,最重要的是企业文化。卢思科承认:“很大程度上取决于组织的数字成熟度。”“但是,对公司来说,拥有一种精干、敏捷的文化也很重要,这种文化从高管层到一线员工都能接受。”当一个组织产生相当多的持续改进项目时,这些通常会导致更大的解决方案。创建数字工厂没有什么灵丹妙药;这是一系列敏捷冲刺。你检验理论,从最好的解决方案中学习。”

卢思科对这一点有第一手的了解。在过去的5年里,他一直帮助博世集团在工业4.0测试设施中应用工业物联网技术。他承认:“通过反复试验,我们学到了很多东西。“现在,我们正在与我们的制造客户分享这些知识。”

常见问题

为工业物联网装备装配线、多工位自动化装配系统或整个工厂可能是一项挑战,特别是如果某些设备较旧。这就是博世力士乐在南卡罗来纳州安德森装配工厂时遇到的情况。

拉斯克回忆说:“一些线路从1992年就开始运行了,其他线路直到2018年才开始安装。”“这些设备运行着不同的控制系统和不同的网络。有些机器是以太网;其他人都是现场总线。最初,我们认为我们所要做的就是安装一个软件层,让所有东西一起工作,并将所有数据输入一个数据库。但这并不一定奏效。”

博世学到的另一个教训是,当试图连接多个工厂时,保持一致是非常重要的。“德国的一家机构朝一个方向发展;美国的一家机构也被另一家机构带走了;在墨西哥的一个设施又有了一个,”腊斯克说。“现在,我们有三个解决方案,但没有一个能解决我们认为会解决的问题。这些植物无法互相帮助,因为它们的系统在说不同的语言。”

另一个问题是在设备层面。“因为这些年来我们有这么多的线路——有些是内部建造的,有些是集成商建造的——我们没有考虑到它们的数字能力。相反,我们专注于网络标准,如以太网或Profibus。然而,我们意识到许多技术供应商在以太网解决方案上都有自己的小“花样”。许多公司没有一个可以即插即用的通用以太网解决方案,而是用独特的方式与他们的技术进行交互。我们的工程师肩负着了解每一种设备特性的重担。

“今天,我们有了一个不同的方法。当我们看到将进入我们生产线的技术时,我们会问:协议真的是开放的吗?它是可伸缩的吗?它灵活吗?它们能与其他技术通婚吗?制造商是不是把我们逼到了专利的死角?”

事实上,这就是博世力士乐自动化和运动控制产品系列背后的理念,也是该公司开放核心工程编程软件背后的思想。

Festo Corp.负责电气自动化的产品经理弗兰克·拉丁美洲建议制造商在开始收集数据之前,考虑一下他们希望了解生产线的哪些信息。他说:“你要做的第一件事就是弄清楚你想实现什么目标。”“工业物联网最常见的三个目标是能源效率、预防性维护和机器优化。”

艾默生流体和运动控制公司全球技术副总裁恩里科·德·卡洛里斯(Enrico De Carolis)对此表示赞同。

“如今每个人都在关注数据,”他说。“问题是,数据不一定是有用的信息。你需要理解机器的运行过程,以便与数据建立关联。如果你只是在生成大量数据,并希望有人能够对其进行分析,并提出一些出色的见解,那么你需要重新思考这一点。”

有明确的信息目标将确保工程师收集正确的数据并以正确的方式进行分析。这也将降低成本。

德卡洛里斯说:“许多人认为工业物联网与物联网类似,所有东西都连接在一起。”“然而,在工业环境中,这将是非常困难和昂贵的。”

工程师还需要考虑未来的需求。在工业4.0时代做资本设备决策时,鲁斯克建议制造商不要只问“这条生产线将做什么?”而应该问:“这条线如何才能融入我的整个生态系统?”

他指出:“你不希望总是重复发明轮子。”

最重要的是,在实现工业4.0的飞跃时,制造商不应该害怕失败。卢思科说:“你不可能百分之百地正确。

工业物联网和自动化组件

随着工业物联网日益普及,自动化组件供应商正在推出新产品,使性能数据的收集和分析变得更容易。

例如,Festo的CPX运动终端将机械、电子和软件结合在一起,形成了一个“网络物理系统”。气动功能不再自动连接到机械硬件,而是可以通过应用程序分配。因此,只需一种阀门类型就可以处理各种气动运动和功能。

这种终端使使用相同的硬件来实现多种功能成为可能。有了匹配的运动应用程序,工程师们只需按下一个按钮就可以改变功能。应用程序可用于换向阀功能;比例换向阀功能;比例压力调节;基于模型的比例压力控制;泄漏诊断;送、排风流量控制;高负载可选择压力级别。软停止应用程序是一种自适应算法的时间优化定位无振动。 Another app allows presetting of travel time, enabling the pneumatic system to learn and adapt for consistent advancing and retracting.

该终端可以连接到工业4.0的主机环境,也可以通过物联网网关连接到云。

“我们已经通过我们的物联网网关为一些组件预先配置了仪表盘,”拉丁说。“例如,我们的节能模块显示空气消耗、供应流量和压力供应值的数据。它还将使数据在一段时间内具有趋势,因此您可以寻找异常情况。您可以设置阈值,以便在机器运行超出规格时得到警告。它还可以跟踪泄漏数据并提供基本的维护数据。这就需要猜测了。”

艾默生流体和运动控制为工程师提供不同级别的控制。如ASCO G3平台等产品扩展了气动现场总线的智能,可在设备级本地执行各种工业物联网数据分析。G3让工程师能够收集有关智能气动装置的相关和有用信息,而不考虑工厂的基础设施,并且无需更改PLC程序。诊断和预后信息发生在设备级别。这项技术也是面向未来的。随着工厂基础设施的成熟,设备信息将继续发挥作用。

另一个选择是一种被称为智能气动监视器的设备。De Carolis说:“它与歧管相连,因为它有更强的计算能力,它可以收集和分析更多的信息,比如温度、压力和流量,然后发送到云端。”“但是要记住,你必须增加额外的传感器来收集额外的数据,这就增加了成本。”

在不久的将来,人工智能和机器学习将为工程师提供预测性维护信息,这样设备就可以在故障发生前进行维修或更换。

“我们现在正在做测试,以确定我们是否有能力在某些气动部件失效前一到两周预测它,”拉丁说。“如今,你只需在多次循环后更换一个组件。通过工业物联网,人工智能可以确定一个部件何时会失效。这台机器甚至可以自己订购零部件。该部件只会出现在装载码头上,并附有何时何地安装的说明。”

软件的进步

正如工业物联网将需要新型自动化组件一样,它也将需要新型软件。McKiernan解释说:“要实现工业物联网,需要做很多事情,这样所有这些不同系统之间的即插即用互联就很容易。”“今天,你不需要做很多工作来让数据从一层流到它上面的任何一层。这种标准化为更广泛的硬件提供了更多的功能。”

新的发布-订阅消息协议(如MQTT(消息队列遥测传输))和基于流的软件开发工具(如Node-Red)使集成制造硬件和软件以及向生产线发送数据变得更加容易。

McKiernan说:“在采用技术提高质量和效率方面一直滞后的制造商现在可以以以前无法做到的方式利用这些技术,因为成本太高。”

他继续说:“制造商将如何利用他们从生产线上收集到的所有数据,这是既定的。”“获取数据就是个问题。现在,只需支付最低的费用,你就可以订阅云分析服务,而这些服务在五年前甚至是不可用的,比如IBM Watson和微软Azure。”