工厂车间工业运营转型

March 7, 2023

Christina Cardoza

工业运营

有许多富有吸引力的新技术 — 从边缘计算到数字孪生 — 可以在工厂车间实施，它们有助于更快、更安全、更可持续地完成工业流程。但是，实现这些优势的同时也伴随着挑战，如消除 IT/OT 鸿沟以及搭配使用高级技术与传统基础设施。

工业制造解决方案提供商西门子公司工厂自动化首席执行官 Rainer Brehm 将讨论这些工业趋势和转型。他将介绍标准化、自主 AI 和各种用例，包含西门子自身的情况。自 1999 年以来，他一直在西门子公司工作，亲眼见证了该领域的演变及其未来可能的发展方向。

在 2023 年及以后，预计工业领域会出现哪些趋势呢？

我们看到的趋势正将数字世界（即模拟模块、数字孪生）与现实世界结合起来。基本上，您可以提前模拟一切，然后予以实施。现在您建立了一个反馈回路。您将从运营中获取实时数据，并将其反馈回数字孪生，然后即可进行进一步优化。利用数据至关重要，因为在车间，AI 还不十分受重视，但随着有越来越多的数据可用，它就会迅速普及。

我们还将了解软件定义控制或软件定义自动化。当前，一切都与硬件捆绑在一起，但它们会逐渐脱钩，提高虚拟化程度。

最后但同样重要的是，特别是在车间，这些更为复杂的技术的用户仍然是操作机器的人员。这些人员并非 IT 专家，但他们仍然需要能够操作和维护那些生产线、那些机器、那些基础设施工厂。因此，我们的主题是以人为中心的自动化：我们如何尽可能轻松地实现这种自动化？

要实现这些工业 4.0 目标，会遇到哪些挑战？

我想将会有许多技术。但它们无法进行扩展的原因，是由于 OT 与 IT 人员缺乏了解沟通。我在我们组织内部就遇到了这种情况，在这里，我更多是一名 OT 人员。在谈到连接时，我想到的是与现实世界、设备、传感器、驱动器等建立连接。而 IT 人员在提到连接时，他们想到的是与数据库、云、数据湖建立连接。我们在自己的公司遇到的情况，我们的客户也同样遇到过。IT 部门与 OT 人员之间仍存在差距，后者定义如何实现自动化，如何设置设备、生产线，如何进行全面维护并加以优化。

那么，您如何弥合这种差距呢？这可能涉及条款，但也有可能，例如，与如何对 OT 布局进行编程有关。我们引入了一个名为 SIMATIC AX（自动化 Xpansion）扩展的新型编程环境。它称为“扩展”，是因为它提高了 IT 人员了解 OT 领域的便利性。

这种布局也具有极高的多样性。许多机器的规格各不相同，因为它们来自不同供应商。由于没有可遵循的标准，因此无法真正进行扩展。您需要那方面的标准。这甚至也适用于新机器、绿地产品，但更适用于棕地产品。通常，工厂至少会运营 10 年，多数运营 20 或 30 年。如果是能源或化学领域，它可能会运营 40 年。

边缘和 AI 的出现如何增加工厂自动化的复杂程度？

在车间讨论边缘计算时，需要满足更多要求。如果要实现实时化，可能是微秒级的抖动。想象一个非常快速的流程，那在一微秒内，就可以执行许多操作。如果响应不够快，您可能会对机器提出质疑，或者可能会得到不同的结果。因此，实时这个主题非常重要。

其次，如果您希望在车间部署 AI 工作负载，并且希望它非常快速地做出响应，那么，由于速度非常快，该 AI 工作负载必须在靠近机器的位置进行推理。另一方面，您希望 AI 经常与真实流程进行交互。基本上，您会干预该流程，因此，您需要那种“靠近”的资源分配，靠近机器或生产线。您还需要从流程中获取数据，并将其馈送给 AI。

下面举例进行说明。在我们位于汉堡的工厂，我们每天生成约 10 TB 的数据。您不希望将那 10 TB 数据传送到云端；您希望将其存放在来源位置。那种做法可能与传统的 IT 布局有所不同。但是，我们不仅需要添加实时功能，还需要提高安全性。

这有点像自动驾驶，其中确保安全也是一个非常重要的方面。想象一下，在汽车制造业设计自动驾驶时，如果有儿童跑到街上，您不希望由云来定义您是否停车。您希望直接在车内尽可能快速地做出响应。这对机器来说也同样如此。如果要向下进行按压，但有人将手指放在机器上，就应该立即停止。因此，您需要具有那种快速响应能力。

但为什么不提前规划呢？1999 年，我开始在西门子工作时，当时自动执行的基本上都是重复度非常高的任务。那是进行大规模生产时的理想选择，因为大规模生产包含许多重复性任务。或者，您会自动执行某些可预测的操作。基本上，您只能自动完成那些已知的工作。

但是，现在可以利用 AI 来优化流程，我们还是不能在自动化程度更高的工厂应用 AI 吗？我们该如何使用 AI，以便机器、机器人可以自行决定要做些什么？那意味着 AI 不仅可以优化流程，优化并增强工程设计，而且可以真正操作机器人、机器和生产线。那种 AI 应用确实非常令人激动，因为它开辟了自动化的新领域。

哪些西门子用例演示了这些解决方案的实际应用？

下面从我们自己的工厂开始讲起；我们对客户应用的解决方案，我们也在这里自己应用了该解决方案。IT/OT 利用 AI 的用例，这里再次以我们汉堡的工厂为例。PCB 生产线的吞吐量非常高，在电路板上装配组件的流程也较为复杂。过去，我们通常在最后对 PCB 进行 X 光检查，并且那方面始终存在瓶颈。因此，通过利用 AI，现在我们能够预测每个 PCB 是否拥有高品质，每台机器出现质量问题的几率极低，我们不再将 PCB 送到 X 光机；它绕开了 X 光机，直接进入最后装配阶段。

另一个示例是在基础设施中实现隧道自动化。如果在阿尔卑斯山或洛基山脉驾车穿过隧道，那么，这些隧道很可能是由我们的 PLC 自动操作并控制。如今，我们正越来越多地应用 AI 来检测那些隧道中出现的紧急情况 — 是否出现交通堵塞，是否出现火灾。如果需要快速响应，您如何撤离隧道呢？您如何打开或关闭通风孔或路灯？

再次回到工厂 — 在开箱时，我们会实时进行灵活抓取。AI 会告诉机器人要抓取的内容，而不必就需要选取的项目对机器人进行训练或编程。我们会训练机器人的以下技能：选取。基本上，机器人可以选取任何所需的项目 — 只要抓爪可以抓住。因此，利用那种抓取技能，我们可以开始自动执行某些未知或无法预测的操作。

我的最后一个用例当前尚未成为现实，但它是我的投资方向：未来您是否可以自动进行维修？例如，维修汽车电池。也许，今后您可以将车开到车间；电池被取出，其中存在缺陷，系统会自动检测问题所在，并可以自动维修电池组。那也是自动执行未知操作的情况，因为每块电池都是一个独特个体。您可以自动利用 AI 吗？我非常感兴趣的一些用例未来会发挥重要的作用。

请向大家介绍一下贵方建立的伙伴关系的价值，例如与英特尔的合作关系。

我们与英特尔的合作关系可能已经超过 40 年。但就我所知，我们于 2012 年开始实施技术加速器计划 (TAP)，以启用低延迟功能 — 特别针对那些我们需要在数微秒内处理的工作负载。因此，那次合作的成果非常显著，并帮助我们在自己的控制器中使用了英特尔芯片。

当前，我们正与英特尔共同处理供应链危机。因此，也要感谢英特尔 — 我想，虽然我们无法满足客户的所有需求，但我们会尽量满足他们的需求。

机器视觉应用程序是一种会占用大量计算能力的工作负载。为此，我们利用第四代英特尔^® 至强^® 可扩展处理器，推出了一个新的产品组合。我们期待在 2023 年中期在市场中发布该系列产品。因此，我们非常高兴能够推出那个新产品组合，它正好能够满足车间当前的需求。

您最后还有什么想法？

首先，我坚信，如果不实现自动化、电气化和数字化，就不会有可持续的未来。因此，我们与英特尔的合作，实际上会对我们的未来做出重大贡献。其次，我认为，随着我们能够自动处理无法预测、个体化的工作负载，自动化领域将会进一步扩展。第三，我们需要使用户能够尽可能轻松地掌握该技术，以便 OT 人员能够处理这项复杂的技术。