当前位置:首页 > 物联网 > 机器主宰工厂这件事,远比你想的近 > 正文

机器主宰工厂这件事,远比你想的近

导读:作者:钱德勒胡在充满金属气息的流水线上,十几个机械手整齐的跳舞,火花四射——最典型的现代汽车生产画面,经常被电视作为高科技的代表播放。以奥迪在德国的Nike Sulm集团工厂为

作者:钱德勒胡

AI人工智能网

在充满金属气息的流水线上,十几个机械手整齐的跳舞,火花四射——最典型的现代汽车生产画面,经常被电视作为高科技的代表播放。

以奥迪在德国的Nike Sulm集团工厂为例,工业机器人有2500多台,其中900台专门负责点焊作业,每天共处理1000多辆商用车。每辆车大约有5000个焊点,这些焊点的总数高达500万个。

这么多机器怎么保证点焊质量?

与上下飞舞的机器人焊接场景不同,检查过程似乎很“蠢”:每天一辆车送到18个工程师手里,用超声波检测一点一点检查焊接质量。

如此鲜明的对比恰恰反映了制造业传统与未来的“分割线”。

全球汽车公司头疼的问题就这样解决了

奥迪之所以一千选一,并不代表人们对机加工有完全的信任,而是检验成本太高。一辆车需要18个专家,所以1000辆车需要18000个专家。

面对裸图,人们只能选择投入更多的前期建设,维持整个加工过程的稳定,这也是为什么工厂往往会有价格昂贵(几百万、几千万)的恒温恒湿抗冲击的加工环境。

另一方面,特别是对于大量的点焊等加工项目,机器并没有大家想象的那么可靠。假设点焊的错误率只有十万分之一,但是一辆车5000个加工点的情况下,错误的概率还是在5%左右。

实际数据也能说明问题。根据市场监管总局今年3月公布的数据,2019年中国因车身质量问题召回33万辆乘用车。这个数字似乎只是全年2000多万辆乘用车总销量的一小部分,但足以证明,传统汽车制造业经过数百年的不断演变,仍然存在明显的“天花板”。

汽车制造技术和能力止步于“天花板”,加上大环境因素的影响,整个汽车制造业面临诸多挑战。去年底,美国福耀玻璃厂采访的网飞纪录片《美国工厂》在中国互联网上走红,引起广泛讨论。

抛开最热门的中美文化和企业管理体系话题不谈,它实际上显示了全球汽车制造业目前面临的一部分困难——制造人工成本不再像以前那样容易下降,机器人技术并不适合所有场景,它也带来了除了生产力之外的新挑战。

当初奥迪面临的问题很典型。好在奥迪在一个“神秘伙伴”的帮助下很快找到了解决办法:在加工过程中引入新的测量值,通过机器学习和训练算法形成一套新的质量判断标准,边加工边做质量检验。

这个解决方案听起来很简单,但是内部有很多创新。以新增数据为例:工业机器人是智能的,以前的质量监控数据往往来自于此,比如点焊过程中位置是否准确,机器人是否在运动等等。

相应地,实际完成焊接动作的焊枪是非数字化的。第一次改造的重点是给这些焊枪增加控制器,并把它们连接到网络上。

除了焊枪,该解决方案还引入了诸如焊缝配置、焊接金属类型、电极健康状态等数据。最后利用人工智能找到了保证焊接质量的规律。

焊枪采集的数据和焊接后的人工检测数据输入计算机,通过机器学习训练算法的预测能力,提高其精度。

仅就此解决方案而言,所需的功能并不小且复杂:

首先,加工设备焊枪的改造需要在终端部署一定的计算能力和网络通信能力;

其次,在一条生产线上,几个机器人一起工作时,各自的数据采集,边计算,最后总结结果的能力;

最后是整体运维统筹能力。所有机器人的数据都要经过边缘计算和处理后收集在一起。数据采集的仪表盘可以帮助奥迪员工直观的查看数据,系统在检测到焊缝缺陷或潜在的配置变化时会提醒技术人员,从而最大限度的减少或消除缺陷。

帮助奥迪完成如此巨大挑战的合作伙伴,要么是另一家公司,要么是全球半导体巨头英特尔。内卡苏姆工厂的机器人升级是由英特尔和奥迪合作进行的概念验证测试。

虽然只是实验,但是效果还是很明显的。奥迪生产规划自动化数字化负责人迈克尔H?Ffner明确表示,通过这次测试,生产线上的人工成本降低了30%至50%。

更重要的是,这个测试的内容可以作为基础技术,推广到汽车生产的其他环节,如铆接、涂胶、喷漆等。

横向扩张主要有两个基础。一、英特尔工业互联网的硬件基础。各种工业解决方案都运行在英特尔的X86处理器上。英特尔X86处理器从边缘到云计算的广泛布局使其工业互联网解决方案极具可扩展性。

另一方面,由于英特尔早期对工业互联网的投资,奥迪解决方案中使用了英特尔的“工业边缘洞察(以下简称IEI)”软件。这个软件本身专注于行业内的各种场景。通过结合英特尔自身灵活的硬件基础,帮助客户更快地完成数据采集、存储和分析,降低工业互联网的门槛。

解决方案拓扑图

以焊接任务为例,英特尔还与国内公司新杰电气合作开发了一款完全由3D机器视觉实现的焊接解决方案,可以完成很多以往非智能解决方案无法完成且必须依靠人力的焊接任务。

制造业接下来应该是什么样子?

制造业作为决定人类生活水平的前提,发展注定没有终点,只有更远的距离。在这个不断前进的过程中,关键是找到未来的核心趋势。

七八十年代,日本疯狂地将各种机器人技术引入以机械、电子、汽车为代表的制造业。今天,虽然日本的机器人数量继续下降,但仍然稳稳地占据世界第二的位置。与之对应的是日本对制造业发展的判断:

首先,机器人在完成复杂的制造任务方面具有固有的优势;

第二,日本是世界上人口老龄化最严重,孩子最少的国家,机器人可以极大的解决劳动力问题。

问题是,从目前的趋势来看,未来制造业的核心是什么?

传统的以机械化为主导的制造业发展已经日臻完善,基本的数字化手段已经开始走向更加先进和系统化的数字化阶段。然而,传统刚性自动化手段的应用场景总是有限的,预计将大规模应用通过向计算机馈送数据来编程的机器学习。结合几点,可以总结为一句通俗易懂的话——机器注定要在更多的制造场景和领域超越人工。

去年,富士康与数十亿欧元的智库和腾讯云联合发布白皮书,其中提到了中国制造业的转型升级。其中最重要的是建立卓越制造系统。

具体内容包括精细化管理与决策、动态需求与资源规划管理、柔性生产、整个价值链的可追溯性等。这些小点需要强大的数字能力支持,比如动态需求和资源规划管理,需要构建统一的数据治理体系。比如一直以工业4.0为代表的柔性制造,需要多机协同的工业互联网架构。

在这个过程中,英特尔的角色是与自己的合作伙伴一起,将其占主导地位的软件和硬件,甚至更高层次的生态推广到更多的工业实际应用中。


推荐阅读:

      机器主宰工厂这件事,远比你想的近

最新动态