2022 AIoT創(chuàng)新日-打造智聯(lián)工廠新時代

ervicesIncoritsaffiliatesAllrightsreserved123123云轉(zhuǎn)型所帶來的IT價值僅占其潛在價值的5％，但其業(yè)務(wù)價值高達95％。尤其體現(xiàn)在制造、供應(yīng)鏈和務(wù)相關(guān)的主要潛力價值體現(xiàn)~5~5~5供應(yīng)鏈行政管理售后服務(wù)研發(fā)制造采購售~30~25~10~15~5注：數(shù)據(jù)來自于麥肯錫發(fā)布的《2021年離散制造業(yè)上云調(diào)查》(CloudinDiscreteManufacturingIndustriessurvey)報告云技術(shù)全部業(yè)務(wù)價值亞馬遜云科技很好地體現(xiàn)了將數(shù)據(jù)、信息、知識、智慧納入到金字塔形層次體系，每上一層的服務(wù)均對度量獲取的數(shù)據(jù)；運用分析服務(wù)獲取得了數(shù)據(jù)間相關(guān)連的信息；基于基于人工智齒輪箱軸溫、軸振動(烈度)等采樣數(shù)據(jù)一號風(fēng)機在21點軸振動(烈度)異常一號風(fēng)機停機將造成停窯，直接經(jīng)濟損失X萬元基于XGBoost算法實現(xiàn)了風(fēng)機主軸承故障預(yù)測不不斷創(chuàng)新持續(xù)改善”高端智能綠色高端智能綠色十四五規(guī)劃十四五規(guī)劃造標(biāo)準(zhǔn)體系。深入實施增強制造業(yè)核心競爭力和技技術(shù)、加強設(shè)備更新和新產(chǎn)品規(guī)模化應(yīng)用。深入實施智能制造和綠色制造工程，發(fā)展服務(wù)型制造新模式，推動制造業(yè)高端化智能化綠色化。培育先進制造業(yè)集群，推動集成電控機床、醫(yī)藥及醫(yī)療設(shè)備等產(chǎn)業(yè)創(chuàng)新發(fā)展。等重點行業(yè)企業(yè)改造升級，完善綠色制造體系。對供應(yīng)鏈的沖擊疫情加速企業(yè)改變原有數(shù)字化水平的高低決定了刊》5月22日上海閔行區(qū)人民政府官網(wǎng)：2021年08月11日《新浪科技》持續(xù)優(yōu)化機器協(xié)作人機高度協(xié)同第三階段：全面推廣供應(yīng)網(wǎng)絡(luò)協(xié)同集成訂單數(shù)據(jù)采集與移動應(yīng)用程監(jiān)控色制造持續(xù)優(yōu)化機器協(xié)作人機高度協(xié)同第三階段：全面推廣供應(yīng)網(wǎng)絡(luò)協(xié)同集成訂單數(shù)據(jù)采集與移動應(yīng)用程監(jiān)控色制造JIT數(shù)字化精益源與環(huán)境蹤追溯數(shù)據(jù)平臺工記錄手工/靜態(tài)數(shù)據(jù) 傳統(tǒng)IT產(chǎn)可視環(huán)管理優(yōu)化產(chǎn)系統(tǒng)能環(huán)數(shù)據(jù)采集現(xiàn)傳感器狀現(xiàn)場巡檢第二階段：深化應(yīng)用第一階段：快速嘗試器設(shè)備鏈分析與預(yù)測數(shù)字化設(shè)備鏈分析與預(yù)測數(shù)字化設(shè)備體系數(shù)數(shù)字化平臺創(chuàng)新平臺06創(chuàng)新平臺060303卓越運營提高勞動生產(chǎn)率以及提高設(shè)備可用性。狀與挑戰(zhàn)?積累多年的OT數(shù)據(jù)得不到分析利用?數(shù)據(jù)被長期禁錮在Historian (歷史數(shù)據(jù)庫)?缺乏單一數(shù)據(jù)來源?設(shè)備種類繁多、通訊協(xié)議五花八門案?歸集-協(xié)議轉(zhuǎn)換、數(shù)據(jù)上云，將數(shù)據(jù)存儲于時序數(shù)據(jù)庫中?解鎖-模型資產(chǎn)指定設(shè)備和流程的性能指標(biāo)，可視化設(shè)備實時和歷史數(shù)據(jù)?洞察-運用ML/AISaaS服務(wù)，以優(yōu)化工廠產(chǎn)出、產(chǎn)品質(zhì)量、最大限度地提高資產(chǎn)利用率并識別設(shè)備維護問題?降低生產(chǎn)運營成本?提高毛利率?確保產(chǎn)品及時交付(OTD)?構(gòu)建安全、合規(guī)的生產(chǎn)環(huán)境IoT為客戶提供構(gòu)建新服務(wù)和業(yè)務(wù)模式所需的智能。隨著時間的推移改進產(chǎn)品和服務(wù)，與客戶建立更好的關(guān)系，因為IoT能夠了解客戶的需求，制造業(yè)的業(yè)務(wù)運營變得更加高效，企業(yè)可以更快地做出明智的決策，并且隨著時間的推移，基于IoT發(fā)展了數(shù)據(jù)驅(qū)動的學(xué)科。?從工廠車間收集數(shù)據(jù)，并生成實時KPI攝取、資產(chǎn)建模、存儲和數(shù)據(jù)可視。?處理、豐富、存儲、分析和可視化IoT設(shè)備中的數(shù)據(jù)，以識別其狀態(tài)、測更改并在發(fā)生更改時觸發(fā)適當(dāng)?shù)捻?直觀地協(xié)調(diào)設(shè)備和亞馬遜云科技服務(wù)之?AmazonIoTCore是一項托管服務(wù)，可接的設(shè)備能夠輕松安全地與云應(yīng)用大規(guī)模管理設(shè)備授權(quán)和預(yù)配唯一標(biāo)識。?以低成本訪問大量數(shù)據(jù)，預(yù)先處理這些并使其可用于多個服務(wù)，用于分AmazonIoTiteWisezonIoTAnalytics AmazonIoTEventsAmazonIoTThingsGraphAnalyticsServicesDeviceSoftware與成果Connectivity&ControlServicesAnalyticsServicesDeviceSoftware與成果Connectivity&ControlServicesAmazonIoTDeviceSDKAmazonIoTrasszonIoTDeviceTester基于亞馬遜云科技服務(wù)開發(fā)邊緣設(shè)備。?提供豐富的開發(fā)庫，支持本地、云端連接，可以實現(xiàn)OTA(空中下載)提供邊緣側(cè)本地數(shù)據(jù)處理能力。?在設(shè)備本體上測試亞馬遜云科技服務(wù)AmazonIoTCorezonIoTDevice zonIoTDevice常高的訴求。結(jié)合精益生產(chǎn)理念的亞馬遜云科技卓越運營解決方案可以有效促進績效的可見性有限“救火"與戰(zhàn)略改進延長糾正措施的時間準(zhǔn)確工不認可的統(tǒng)計指標(biāo)應(yīng)對意外故障和停機的成本更高業(yè)務(wù)戰(zhàn)略中未涉及的一線知識視化和數(shù)據(jù)驅(qū)動的工廠目前是勞型工廠新的分析工具在低ROI下實施時間建立在最全面的云平臺上最強大的計算、存儲、安全、數(shù)據(jù)庫和分析功能集，可在此基礎(chǔ)上進行構(gòu)建最廣泛和最深的AI和ML服務(wù)為從數(shù)據(jù)科學(xué)家到應(yīng)用程序開發(fā)人員的所有人，推出了250項新功能和服務(wù)建立在最全面的云平臺上最強大的計算、存儲、安全、數(shù)據(jù)庫和分析功能集，可在此基礎(chǔ)上進行構(gòu)建最廣泛和最深的AI和ML服務(wù)為從數(shù)據(jù)科學(xué)家到應(yīng)用程序開發(fā)人員的所有人，推出了250項新功能和服務(wù)加加快使用MLAmazonSageMaker提高效率并降低成本加速計劃和培訓(xùn)制造業(yè)企業(yè)希望通過大數(shù)據(jù)構(gòu)建來自新數(shù)據(jù)源的洞察(移動/社交/物聯(lián)網(wǎng))能力、大量歷史數(shù)據(jù)的洞引擎、運營績效洞察能力…狀與挑戰(zhàn)DatalakeonDatalakeon亞馬遜云科技StorageArchivalStorage|DataCatalogAnalyticsMachineAnalyticsAmazonAthenaAmazonAmazonAthenaAmazonEMRAmazonRedshiftAmazonElasticsearchServiceAmazonKinesisAmazonQuickSightAmazonAmazonAmazonAmazonAmazonAmazonAmazonAmazonAmazonDeepLearningAMIsRekognitionDeepLensComprehendTranslateTranscribePollyOn-premisesReal-timeOn-premisesReal-timedatamovementAmazonIoTCoreAmazonAmazonIoTCoreAmazonKinesisDataFirehoseAmazonKinesisDataStreamsAmazonKinesisVideoStreamsAmazonSnowballAmazonSnowmobileAmazonDatabaseMigrationService?無法將數(shù)據(jù)鏈接在一起?96%制造業(yè)企業(yè)的狀態(tài)數(shù)不到利用?收集的數(shù)無規(guī)律可循?39%的制造業(yè)企業(yè)數(shù)據(jù)收集無固定規(guī)律?數(shù)據(jù)難以訪問?66%的制造業(yè)企業(yè)發(fā)現(xiàn)其現(xiàn)存數(shù)據(jù)難以訪問轉(zhuǎn)型以為數(shù)字化創(chuàng)新平臺為依托、數(shù)據(jù)為紐帶形成人和機器智能融合的先進制造體現(xiàn)，也是企業(yè)實現(xiàn)轉(zhuǎn)型的重要抓手。狀與挑戰(zhàn)AmazonAmazonAmazon非計劃停產(chǎn)造過程缺乏透明度性的生產(chǎn)沒有統(tǒng)一標(biāo)準(zhǔn)乏統(tǒng)一管理平臺關(guān)鍵設(shè)備的可用性同步標(biāo)準(zhǔn)化挑戰(zhàn)成果解決挑戰(zhàn)成果QSDPQSDPEE?來自客戶更短的交期要求??來自客戶更短的交期要求?供應(yīng)商無法及時供貨導(dǎo)致斷線?生產(chǎn)過程異常導(dǎo)致生產(chǎn)中?亞馬遜云科技數(shù)字制造洞察，提升整體裝備效率 (OEE)提升?亞馬遜云科技供應(yīng)鏈控制塔可以實現(xiàn)供應(yīng)鏈端到端可視，通過AI分析提高原料需求預(yù)測準(zhǔn)確度?基于亞馬遜云科技預(yù)測性維護提高設(shè)備無故障運行?確保產(chǎn)線OEE的穩(wěn)步提升?提高及時交貨OTD能力?準(zhǔn)確的計劃確保原材料供應(yīng)及時、準(zhǔn)確?設(shè)備異常停機時有發(fā)生?因質(zhì)量問題導(dǎo)致的重工?產(chǎn)品換型時的生產(chǎn)準(zhǔn)備時間?基于亞馬遜云科技預(yù)測性維護提高設(shè)備無故障行時間?基于大數(shù)據(jù)的產(chǎn)品質(zhì)量數(shù)據(jù)統(tǒng)計發(fā)現(xiàn)造成質(zhì)量異常的隱藏問題?基于算法優(yōu)化的生產(chǎn)計劃避免生產(chǎn)事件損失?設(shè)備無故障運行時間得?產(chǎn)品良率不斷提升?合理的生產(chǎn)計劃確保有效生產(chǎn)時間的增長律法規(guī)的發(fā)布?員工工作現(xiàn)場EHS的迫求?AmazonIoT實時采集儀表、傳感器數(shù)據(jù)，運用AmazonSagemaker及早發(fā)現(xiàn)異常?基于IoT采集現(xiàn)場視頻數(shù)據(jù)，通過神經(jīng)元網(wǎng)絡(luò)模型對現(xiàn)場圖像實時檢測?減少環(huán)境污染等違規(guī)事件的發(fā)生減少人身傷害事件的發(fā)生?來自客戶對于產(chǎn)品追蹤追溯的要求?合格的產(chǎn)品是做出來的不是檢驗出來的?AmazonIoT實時采集環(huán)境及人員數(shù)據(jù)?基于視覺檢測技術(shù)，在AI幫助下變傳統(tǒng)目檢為系統(tǒng)實時檢測、變?nèi)斯そ?jīng)驗為數(shù)據(jù)驅(qū)動?實現(xiàn)產(chǎn)品生產(chǎn)過程全流程追溯，提高了客戶滿度?質(zhì)檢自動化?人工抄表、統(tǒng)計(WAGES)用量?三廢(廢氣、廢水、廢渣)實時掌握?異常事件的升級機制缺失?亞馬遜云科技IoT實時采集儀表、傳感器數(shù)據(jù)，數(shù)據(jù)上傳至數(shù)據(jù)湖?亞馬遜云科技Andon及時確保現(xiàn)場問題得到及時響應(yīng)?提高了企業(yè)生產(chǎn)合規(guī)滴、漏的發(fā)生?數(shù)字Andon提高了現(xiàn)場精益生產(chǎn)運營能力本將設(shè)備過濾系統(tǒng)性能提高10%。Pentair希望改善膜過濾(BMF)工藝，提高客戶的解決方案IoTGreengrass在內(nèi)部運行l(wèi)ambda功能，以提取膜性能信息，并使用AmazonIoTCore安全地傳輸效果與收益工程師被叫來解決現(xiàn)場經(jīng)理發(fā)現(xiàn)工程師被叫來解決現(xiàn)場經(jīng)理發(fā)現(xiàn)ANDON事件關(guān)聯(lián)問題并激活A(yù)NDON。行調(diào)查現(xiàn)場經(jīng)理發(fā)現(xiàn)ANDON現(xiàn)場經(jīng)理發(fā)現(xiàn)ANDON事件現(xiàn)場經(jīng)理通過詢問行調(diào)查ANDON。工程師被叫來解決Amazon虛擬安燈(Andon)工程師被叫來解決/工程師被叫來解決并使用AVA客戶端激活A(yù)NDON。??更快的解決速度?改進的OEE供將來使用FormosaPlasticsCorporationManufacturing10,000+FormosaPlasticsisTaiwan’sleadingpetrochemicalcompanybymarketcap,andwastheworld’sfifthlargestchemicalcompanybysalesin2015.Asagloballeaderinthepolyvinylchloride(PVC)resinsector,FormosaPlasticsmakesandsellsPVCresinaswellasotherchemicalandfiberproducts.Production&AssetOptimization?在生產(chǎn)過程中，每個鋼板卷可能最終出現(xiàn)各種缺陷(即銹蝕、劃痕等)。在遺留缺陷處理過程中，缺陷以被動方式處理，系統(tǒng)根據(jù)過去的經(jīng)驗進行修改，而無需適當(dāng)?shù)奈臋n。?臺塑公司需要一個主動的缺陷處理過程，以幫助他們防止缺陷的發(fā)生，并找出缺陷的根本?亞馬遜云科技專業(yè)服務(wù)團隊創(chuàng)建了基于AmazonSageMaker的質(zhì)量預(yù)測ML解決方案，可自動預(yù)測鋼板卷是否會有缺陷、識別原因以及建?亞馬遜云科技團隊結(jié)合了多個ML算法，并設(shè)計了一個特殊的優(yōu)化過程，根據(jù)可解釋的AI提出制造參數(shù)建議。?臺塑可提前4天識別目標(biāo)缺陷，使用主動缺陷處理流程，準(zhǔn)確率超過90%。?通過缺陷原因分析和制造參數(shù)建議，質(zhì)檢人員通過關(guān)注高概率缺陷原因來節(jié)省時間。以前手動解決缺陷最多需要6個月的時間。?臺塑可以自動擴展其ML模型，以涵蓋額外的缺陷