德勤-智能制造新工具：自动持续优化
发布时间: 2022年08月31日
标签:
智能制造进入关键“窗口期”，并呈现出自动化、数字化、规模化、生态化、绿色化的发展趋势。当数字技术和数字治理成为制造企业管理未来工厂、理解数据、并保持竞争力的必要工具时，自动持续优化概念应运而生。自动持续优化不仅可以减少人力、能耗和设备运维成本，也更新了商业价值的定义与框架，本文将深度探讨自动持续优化在制造业的解决方案。
订阅免费获取完整版报告~
智能制造进入关键 “窗口期”
早在疫情爆发之前，制造商就已经开始采用各类技术向智能制造转型，但毫无疑问，这一趋势受疫情影响大幅加速。后疫情时代意味着未来很长一段时间内，人力、资源、货物流通仍然受限，促使许多制造商加快自动化和智能化部署。许多业内人士认为，疫情将工业自动化进程提前了5年甚至10年。
另一方面，作为工业4.0核心的智能制造经历从初期理念普及、试点示范阶段进入当前深化应用、全面推广的关键“窗口期”。伴随着工业互联网、5G、大数据、人工智能等技术与先进制造技术的深度融合，智能制造呈现出自动化、数字化、集成化、生态化的发展趋势。同时智能制造发展也面临供应链震荡、劳动力短缺挑战，以及过去涉及未深的柔性生产、工艺优化、ESG合规等业务难题。
图.工业4.0成熟度模型及智能制造对应阶段
图.制造企业面临的挑战
自动持续优化解决方案
制造业的优化通常是指在制造业环境中的特定标准下，从多种可能性中找到最佳替代方案，从而实现以更少的资源和浪费，达到更快更好的产出。
制造企业对“优化”并不陌生，并一直孜孜不倦地寻求优化产品开发、生产工艺和供应链的方法。传统的优化通常包含大型的一次性咨询活动，可能会邀请专家团队来分析企业产品开发和制造流程，并推荐改进机会清单。如今，工厂数字化转型部署范围扩大，数据分析工具快速进步，允许制造企业开展持续地、自主地优化，优化的范围也不仅局限于单一流程，而是扩大到整个工厂、 甚至跨越复杂的供应链。
报告提出的制造业的自动持续优化在原有的优化概念基础上，更强调基于数据分析洞察找到最佳替代方案，借助数字孪生、深度学习、智能化设备等实现精准执行，其核心为更高效、无人为干预、持续的优化的能力。它为制造企业实现多目标优化提供技术解决方案：自动持续优化有助于精准洞察市场和客户需求，识别各制造环节参数关联性并找到最佳工艺参数，灵活生产排程，预测和预防供应中断和库存失衡等，解决制造业产品设计开发、生产制造和供应链管理中痛点，进而体现为成本、效率、质量、供应链、ESG治理和品牌的优化。
图.自动持续优化为工业4.0解决方案之一
图.自动持续优化商业价值体现
自动持续优化应用案例
毫无疑问制造业一直都在努力优化自身设备管理、生产流程，同时也有越来越多的技术类初创企业参与市场，开发创新应用，促进制造业的优化向自动持续的优化发展。基于工业互联网的PreMaint设备健康管理解决方案在智能制造领域的上下游踞身深耕，通过实施感知设备机台的运行工况和工艺健康状态，提前预知关键设备劣化趋势，实现监控、诊断与运维的闭环。
以某锂电装备制造厂商为例，PreMaint通过植入电池浆料螺旋杆全自动生产线，对线体多元数据进行融合处理分析，结合这装备专家的工艺知识，形成预测维护的有效监控、维保知识的结构化沉淀，从而可以为客户远程提供高效的装备维护等增值服务，有效保障客户现场的生产良率和效率。如何为自己工厂打造数字化的智能解决方案？点击文末“发消息”或私信后台，PreMaint设备工程专家将为您进一步解答。
立即为自己的工厂打造数字化智能解决方案……
自动持续优化已经在设计开发、生产制造、供应链领域展开初步应用，未来，技术进步将允许相关解决方案并行管理越来越多目标，创造经济价值的同时更要履行社会责任，这为自动持续优化的广泛应用打开了大门。这些改变将塑造未来十年制造业格局，现在正是制造业做好准备，抓住机遇进行下一步行动的时机。
<更多信息可关注@设备工程 公众号获取>
