五大发展趋势凸显,洞见工业未来

   日期:2021-03-25     浏览:88    评论:0    
核心提示:2021年3月5日,数学计算软件领域的领导者MathWorks通过线上会议形式举行了主题为“工业 4。0 五大趋势:未来工厂——展望 2021,以及更远”的媒体分享会。会议中,MathWorks工业自动化和机械领域的行业经理Philipp Wallner先生详解介绍了工业4。0的发展趋势,以及在这一轮新的工业革命中,MathWorks是如何帮助从业者们应对新的机遇与挑战。

2021年3月5日,数学计算软件领域的领导者MathWorks通过线上会议形式举行了主题为“工业 4.0 五大趋势:未来工厂——展望 2021,以及更远”的媒体分享会。会议中,MathWorks工业自动化和机械领域的行业经理Philipp Wallner先生详解介绍了工业4.0的发展趋势,以及在这一轮新的工业革命中,MathWorks是如何帮助从业者们应对新的机遇与挑战。

MathWorks工业自动化和机械领域行业经理Philipp Wallner

经历了2020年全球疫情的变化,传统工业与互联网技术加速融合,这使得制造业发生了翻天覆地的变化,生产模式也逐渐从原来得大规模生产向定制化生产转型,数字化技术的应用变得比以往更加重要。基于这一背景,Philipp Wallner认为未来的工业将呈现以下五大趋势:

一、AI项目的经济性优势日益凸显,它已经被工业企业应用在实际运营场景之中,并从中获取经济性收益。

近几年来,AI技术已经在多领域的商业化应用中大放异彩,当AI与传统制造业结合时,又会释放出怎样的创造潜力?Philipp Wallner介绍说,目前能够产生经济性收益的AI项目主要是预测性维护、健康监测、生产优化等。

例如,MATLAB帮助Mondi公司开发了一个APP,应用AI技术,从而实现预测性维护和生产线的健康监测。借助于健康监测技术,Mondi公司降低了维护费用。由此可见,AI已经不仅仅是技术上的热点,它已经在实际的生产领域得到了应用,并帮助企业真真切切地得到经济收益。

为了进一步推动企业应用AI技术,MathWorks还和德国VDMA也进行了相关合作,并提供了AI应用指导书,能够指导企业将AI技术应用在更广泛的领域之中。

二、随着机器的复杂性增加,机器的验证模式正在转向数字模式,也就是利用数字孪生或者虚拟交付技术,对机器的功能在数字世界进行验证和确认。

从大规模生产到定制化生产,柔性生产的需求越来越强烈,与之对应的,软件复杂度的攀升以及生产设备的日益模块化,这就要求开展更多的前期仿真。“未来工厂的制造一定会分为两步,首先是虚拟制造,然后才是实体制造。”Philipp Wallner讲道。

对于MathWorks来说,将帮助用户通过Simulink和MATLAB两大工具,对相关功能进行仿真和测试验证。首先,利用Simulink对整个系统进行仿真构建和测试。然后,利用MATLAB的自动代码生成功能,生成面向工业领域要求的代码。其次,采用虚拟交付技术,将产品或者测试环境部署到实时运行的工业原型机上进行相关测试,这一方式有效减少了现场测试的需求,从而降低将人员或设备置于比较危险的环境之中的风险。最后,利用模型构建数字孪生体,当设备交付出去,运行的数据也可以反馈到数字孪生体之中,对设备状态进行估算,最终降低整个运维成本。

“需要注意的是仿真模型还并不能完全替代物理世界的测试。基于模型设计的目标是在设计的早期开展功能测试,以避免将一些设计上的问题代入到后面物理实体的制造环节。利用仿真技术能够实现的是显著减少后期投入在物理实体上进行测试验证的时间、资源。”Philipp Wallner补充道。

三、5G等无线互联技术,使得生产车间和办公场所进一步融合。

Philipp Wallner表示生产车间和办公场所的融合体现在两方面:

一是标准的工业协议,如 OPC UA,让所有的组件能够相互联系起来,并进行数据通信。这些自动化组建也能够连接到办公场景下,也就是从工业现场的场景连接到办公场景,实现数据交互。5G的应用则让这种连接变得更加灵活。

二是一些复杂的功能,如机器学习等,以往只有在线下高性能工作站上或办公场所才能进行,现在正在以一定的方式部署在实时工业控制器上,不间断运行。

四、机器人和自主系统促进了生产和物料搬运的自动化发展,生产车间的自动化程度越来越高。

对于这一趋势,Philipp Wallner认为AI技术能够帮助工程师们协调和优化上下游供应链,从而实现柔性制造。

传统的工业机器人主要为大规模生产服务,通常要面向每一个要操作的物体和每一个在运行时的确定动作进行编程。具备AI能力的机器人具有非常好的灵活性,可以在生产线上自主的对物体检测、抓取以及移动进行学习。

例如通过观察人类操作员的行为,自主机器人能够学习总结智能的操作模式。在搬运和检巡过程中,就能够进行智能化的决策,并自主的完成任务。这对柔性制造来说,是非常关键的一部分。

五、具备领域知识的工程师在AI技术、大数据分析技术的加持下,将拥有更多机会。

工业领域的应用场景相对复杂,传统的模式难以满足企业的数字化转型需求。只有将深厚的工业领域知识与AI、大数据分析等先进的IT技术融合,才能实现真正的价值。关于这一点,Philipp Wallner告诉与会媒体,MathWorks正在帮助更多的工程师建立这样的能力,包括提供各类培训课程等。在工具层面上,MathWorks也提供了非常丰富的和AI技术相关的APP,可以让具备领域知识的工程师更方便地使用AI技术。

除了这些工具和课程外,MathWorks也与一些组织,如VDMA,开展入门活动,把年轻的工程师和行业内的专家组织在一起,让年轻的工程师们能够快速获得有关基于模型设计、AI以及物联网等方面的一手知识和经验。

小结

与Philipp Wallner的短暂交流,我们能清晰地看到MathWorks对于未来工业趋势发展的思考以及布局。“在工业4.0以及数字化转型的大背景之下,我们可以发现以前在生产制造领域不考虑建模、仿真的企业,已经越来越多开始关注和使用MathWorks提供的工具——MATLAB和Simulink。”Philipp Wallner说道,“对于MathWorks来说,我们将致力于以先进的工具、技术和服务,助力用户做出明智的决策,并为工业客户不断学习提升专业技能提供持续的支撑。”

 
打赏
 本文转载自:网络 
所有权利归属于原作者,如文章来源标示错误或侵犯了您的权利请联系微信13520258486
更多>最近资讯中心
更多>最新资讯中心
0相关评论

推荐图文
推荐资讯中心
点击排行
最新信息
新手指南
采购商服务
供应商服务
交易安全
关注我们
手机网站:
新浪微博:
微信关注:

13520258486

周一至周五 9:00-18:00
(其他时间联系在线客服)

24小时在线客服