数字工厂与工业4.0#
---
创建日期: 2019-04-01
---
无。
很早之前就想谈这个话题，久到都忘了想说些什么。 前段时间生产测试出现大范围超差，需要调查。 通常这种类型的不是超限很多，不是那种重大失误造成明显偏差现象，似乎都无缘无故。
暂时说些别的，何为工业4.0，以及什么2025之类，我不清楚。 其中一个理念是定制化，能够随意根据客户需求定制化生产，不需要人工介入，智能设计、采购、加工、物流。 流水线能够生产不一样的东西，借助IoT，每一道工序都有自己的ID。 这是我认为的。 最近好像也没怎么提起了。 客户有时并不知道自己需要什么，不是么……太多的选择反而茫然失措，无法做到优化。 能够提供的可调变量又有多少，能够保证产品质量不会有问题。
另说一方，在一个制造企业，从定制化很强的水电设备到稍微量化生产的齿轮箱。 我们想要知道生产的每一个状况，或者说，想要一个生产的电子拷贝。 原料进来，一道工序，产生了多少新部件。 每个部件经历几道工序，用的什么加工程序/参数，在那个位置，由谁操作，检测结果如何。 几个部件又在某个工序上装配在一块，新的编号，装配参数如何，装配公差测量结果怎样。 序列测试，应用的参数、温度压力，结果表现又如何。 若有偏差，返回拆解，哪些部件又与另一台装配在了一起。 甚至实际运行过程，都在对产品进行持续监控记录。 当“拎起”一个产品，所有过程的信息，从何而来，一目了然。（以及当前状态，在什么位置、产量速度/瓶颈位置、质量问题……） 当前有许多纸档文件记录生产过程，然而：信息不全、数据结构不具备扩展性、记录格式不统一、信息流不顺畅、记录真实值困难、数据修正/拆合难。 如果需要“拎起”，劳师动众，不具备细节追溯意义。
想要记录一切，但是又得易于数据清洗，好似一个旁观者，能回忆当时场景，能提供有用信息。 需要记录的太多，无法全部模拟/采集，产品价值还低不过记录系统。
回到超差，那些不是什么很明显的问题造成的，可就是超差了。 到底哪里发生了变化？“拎出”几个产品，带着哪些变更/标签，对比正常与异常的区别（或许只是归簇）。 然后预测不同过程造成怎样的结果。 对，模型建立。 然而这都只是理想罢了，数据不全、信息不统一，难以清洗。 一个数字双胞胎的建立，需要融入众多过程内容。
太难了。
很多公司开始谈数字化，有多少工作能被计算机取代？对于自动化生产加工，这并不是什么新事物。如果没有引入专业化的生产线，大型制造业依然需要人的灵活性，等待人形机器人的出现吗？那时或许资本宁愿雇佣廉价的人力。 中间的传球手可能会被取代，直接由上级分配任务，指导给操作人员。 我们技术从业者（其实在其他人眼中，还是吗？），多少会觉得很多工作能被自动化，对当前冗余的工作略带鄙夷。但成本因素，淘汰不了，人力此时更廉价。
现在工业的数字化，更多是资源管理上。 为新员工提供更简易、可视化的指导培训。对不同产品进行识别与流程指导（操作仍由人完成），而且能实时更新。 监控与设备联网，识别风险，提前防护。 基于数据的运行状态预测。 更加智能的线路、物流、人员、资源调配。
而对于特定产品研发，还是漫漫兮。数字方案解决公司，进行的是普适性方案，才能占领更多市场。 人工智能还是要人类的引导去完成指定任务，以及这种算法的普适性，（能否用在传统数值计算领域，我深望知，或者是我太无知），机器在诞生思维后或许能思考这些问题，但能否诞生呢？
依然，有许许多多的工作可以被自动化，来改善生活。