物联网与全球制造,2017浦江创新论坛产业论坛【3】嘉宾观点摘录丨三思派在现场
2017年浦江创新论坛物联网与全球制造论坛9月24日上午在临港举行。浦东新区区委常委、市临港地区开发建设管理委员会党组书记、常务副主任陈杰,上海科学院院长、上海产业技术研究院院长钮晓鸣出席并致辞。中国机械工程学会科技咨询委员会副主任,机械科学研究总院原院长屈贤明,蒂森克虏伯集团公司全球首席技术官Reinhold Achatz,上海交通大学副校长奚立峰,同济大学中德工程学院副院长陈明,韩国科学技术研究院研究生院院长Jae-Min Hong,上海飞机制造有限公司总工程师姜丽萍分别作主题演讲,论坛由上海科学院副院长曹阿民主持。《三思派》在此与各位分享会议内容(按演讲先后排序)。
主题演讲
屈贤明
中国机械工程学会科技咨询委员会副主任,机械科学研究总院原院长
演讲题目:发挥后发优势,实现智能制造战略的创新
▼主要观点:
1、近年来智能制造的迅猛发展源于两个方面的因素:一是新一代信息技术的迅猛发展及制造业的深度融合,使得数字化、网络化、智能制造的发展势不可挡,智能制造已成为各国竞争的焦点。新一代人工智能技术的突破及制造业的融合,使得智能制造有可能真正实现“智能”;二是国内大批企业对用数字化、网络化、智能化改造传统制造产生了巨大需求,需要提高产品质量和效益,需要新的生产模式和新的生产工具,需要采取新的技术。
2、智能制造的特征在于其信息感知、优化决策、执行控制、深度学习功能。发达国家走出了一条机械化、自动化、数字化、智能化的发展道路。中国目前所处的环境决定了其发展制造业的道路。至今,在全国已建成或正 40 36736 40 14939 0 0 3038 0 0:00:12 0:00:04 0:00:08 3038在建设数百个数字化生产线、车间、工厂。由于工业互联网的快速发展和大规模应用,可以说从2017年开始中国实际上已经迈入数字化、网络化制造阶段。新一代人工智能的重大突破及在一些领域的探索应用,可以预见,我国在2025年前后将迈入数字化、网络化、智能化制造阶段。我国的发展路径可以充分发挥后发优势,采用并行的路径,即用人工智能、互联网来解决数字化制造中存在的问题。
3、用自主化的国产智能制造装备和软件来武装中国的数字化工厂是我国发展智能制造的重要战略选择。预测到2020年,制造业固定资产投资中,对制造装备的需求约为8-9万亿元,其中数字化、智能化制造装备所占比例越来越高,但目前进口装备占58—70%。我国必须大力发展五类智能制造装备及工业软件,即:高档数控机床与机器人、传感器与控制设备、检测装备和装配装备、智能物流设备、专用制造装备、工业应用软件。
4、从具体实施层面来说,目标产品先进、市场前景好是推行智能制造的前提;推行精益生产、优化生产工艺是基础;找准突破口是关键,主要是抓关键环节、抓能较快取得成效的环节;由点—生产线—车间—工厂是合理的实施路径;人才培养是最主要的保证;培养系统集成公司是推行智能制造的重要条件;大数据是实现真正意义上智能制造的基石;
Reinhold Achatz
蒂森克虏伯集团公司全球首席技术官
演讲题目: 智能制造的数字化转型现状、未来方向与展望
▼主要观点:
1、在数字化转型中有几个重要的特征:一是一体化,就是机电和产品一起并行进行使用,而不是传统的模式;二是网络化,更多的是使用网络数字和信息的交互,数字化的趋势可以使我们现实生活和虚拟世界进行融合和整合。通过虚拟现实,公司能够给员工培训,在他们在上岗之前熟悉业务上的需求。对于企业来说,网络化是根据客户的需求进行制造和获取所需要的原料进行生产,大大缩减整个设计和生产的流程,在第一时间可以交付到客户手中。三是物联网融合智能制造,物联网缩短生产流程周期,通过物联网获得跨行业的优势使用来实现协同增效。
2、工业4.0和第四代工业革命:第一代工业革命是200年前就开始了,1860年的第一代工业革命代表是蒸汽机,蒸汽推动产生动力;第二代工业革命,开始有一个传输带,这个传送带在一定程度上加快了生产的效率;第三代工业革命是自动化,德国制造的第一台机器和我们的现在的机器人来比效率很差,但是是第三代工业革命的开始的标志;第四代工业革命是整合人和物之间的沟通,通过相应的工业价值给企业带来利润,主要是对所有的物和人的融合,从而提高产品质量,缩减物流时间和成本,实现对工业4.0定义的无缝化衔接。这种衔接不仅是横向也是纵向的整合,也是时间轴上的整合。在这个过程当中,发生制造整个结构上的发展和优化,越来越多的网络已经不再是中心化而是去中心化的方法,传感器成为交流和沟通的媒介,在这种情况下,发生进一步优化的空间和改进,通过数据实现时空上的整合。
3、工业4.0帮助企业克服传统劣势:数字化、网络化、智能化便于工厂之间和合作。德国地区的工厂是建立在山谷当中,跟外界沟通不畅,数字化成为企业和客户、用户交互见面的纽带,就是客户提出要什么样的零件,需要多少量,企业直接传给供应商,并不是通知他们把材料直接放到工厂中,客户可以及时对他的定单进行修改,在48小时的时间内企业和供应商可以进行快速的返工,这对于客户和供应商的连接发挥了巨大价值。德国的一些工厂也是遍布非常多的传感器,在整个生产当中都实现数字的追踪,实现高速的自动化和高精度。我们是电梯的生产制造商,要保证所有的电梯在箱体中运行,箱体当中是不同的传感器,传感器带来电梯运转的数据,再把这个数据上传到云端进行整合,现在我们使用的是微软云,对于其他的服务供应商的云都是可以适配的,可以运用预测分析学预见车箱当中会发生什么样的事情。
4、3D图像和图纸:除了传统的CAD软件方式之外,我们企业也向美国学习,打造嵌入式的系统,充分的收集建筑内的数据对它进行3D立体式图纸的绘制,有的时候可以在机器进行调试的时候嵌入到图纸当中去,对相关技术的匹配进行预判。比如说热水的管道,有些管道是不是要绕开热水的管道,这个是CAD无法实现的,现在这个问题融入到3D整体设计过程当中,更好地解决了。虚拟现实可以在制造流程中发挥作用,解决相应的问题。有了虚拟的工具之后,可以通过图象的模拟进行判断,比如说我如何把这个铆钉或者是相应的部件安装到一个飞机上,可以用虚拟现实实现。现在在美国和欧洲的工厂当中已经使用了数千双这样的眼镜,让操作人员获得更多的信息,之前是没有接受培训的工作人员也可以通过虚拟现实和增强现实眼镜快速地进入角色。
奚立峰
上海交通大学副校长
演讲题目: 智能:融入产品,引领制造
▼主要观点:
1、网联智能改变社会生活。互联网技术创新为中国所用,成就了中国“新四大发明”。互联网带来的价值是由于技术的创新和互联网大量的普及和应用,使其普惠、分享的价值变成时代的主题。进入市场的商业创新企业、互联网企业,可以在非常低的门槛上利用强大的、世界一流的工具,参与市场竞争,这是云计算普惠带来的价值。网联智能,为传统产业的重大变革提供了契机,主要实现交通智能化、汽车智能化、家居智能化、办公智能化和生产智能化。
2、物联及智能带来产业的变革。一是变革交通运输业,未来的智能网联汽车会产生智能化、电动化、网络化、信息化的重要变革;智能网联汽车将拉动整车、新型零部件产业获得突破,推进车联网技术的发展,涉及先进的传感器技术、通信技术、数据处理技术、网络技术、自动控制技术、信息发布技术等使得交通系统更加实时、准确、高效、智能。二是推进汽车相关产业的变革,主要包括车辆保险的个性化、人身和汽车安全、改善道路状况和基础设施、检测车辆运行大数据、改善商用车队的运转状态和运营成本。
3、上海智能制造功能平台建设。为引领智能制造技术和设备潮流,工业发达国家纷纷推出智能制造发展战略,建立创新平台。建设平台是智能制造技术创新的主要抓手,上海要形成一批区域分布和行业特色的创新中心平台。临港作为主承载区,担当智能制造中心建设的使命,目前集聚了一批高端产品制造企业,具有较为完整的产业链,以智能制造作为加快产业转型升级的突破口,重塑制造业竞争力的新引擎,急需打造智能制造服务平台。因此,需要以创新技术为源,产业应用为本,模式创新为续;着力打通知识—技术—产业应用之间的障碍与链路。第一步要依托交大,先行先试,成立上海智能制造研究院;第二步是协同创新,营造智能制造生态圈;第三步是构建产学研用协同的智能制造创新生态体系。
陈明
同济大学中德工程学院副院长
演讲题目:工业4.0背景下人才培养的思考
▼主要观点:
1、全球制造业格局将面临重大调整。新一代信息技术与制造业的深度融合,正在引发影响深远的产业变革,形成新的生产方式、产业形态、商业模式和经济增长点。各国都在加大科技创新力度,推动移动互联网、云计算、大数据、生物工程、新能源、新材料等领域取得新的突破。发达国家在国际金融危机发生后,纷纷实施再工业化战略,重新塑造制造业竞争新优势,加速推进新一轮全球贸易投资新格局。发展中国家在加快谋划和布局,积极参与全球产业再分工,承接产业及资本转移,拓展国际市场空间。我国面临发达国家和其他发展中国家“双向挤压”,需要抓紧抢占制造业新一轮竞争制高点。
2、人才是关键,需求会越来越旺盛。一是面向工业4.0的人才奇缺,要想挤进制造强国之列,人才是根本;二是人才发展需求的变化,根据波士顿咨询公司的分析,有很多原有的岗位和职业会消失减少,技能本身发生改变,需求逐渐增加和产生新的工种,低技能岗位会减少很多,但是高技能的岗位会逐渐增加,而且会增加的更多,包括信息技术,数据分析,研发岗位等,比较而言,人才需求的反而会越来越旺盛。
3、高校要加强与人才培养相关的学科建设。参考工业互联网模型,人才培养是有不同类别的。在高校里面有应用型本科,研究型的硕士、博士,在企业有一线的技术人员、应用工程师、研发工程师、电子工程等不同的学科。各个领域人才需求也不一样,需要专才、跨专业人才,更多是专业性的人才。我们现在提的比较多的是跨学科人才,专才是在现有的背景下面拥有新的知识结构。在人才培养上,需要新的方法培养,在专业硕士的层面把人才初步培养出来,在工作当中的培训也很重要,系统架构师,系统工程师,本身岗位比较重要,比较适合知识结构的深化和优化,这样的人才在实践中才能真正的培养起来。
Jae-MinHong
韩国科学技术研究院研究生院院长
演讲题目:智能工厂和工业4.0—我们应当如何准备
▼主要观点:
1、智慧工厂的发展是有争议的。从全局的角度来说,一些参与方对于执行和落实智慧工厂的思维是有一些抵触的,从产业界的角度来说是有一定的风险,今天看到很多产业界的朋友,韩国很多产业界的朋友,尤其是CTO在是不是要推行智能工厂这一问题上有一些争执。
2、智慧工厂是技术驱动和需求拉动。如果在市场上要推行一个产品的话,需要市场的热度和饱和度、总体兴趣度。在市场上对智能工厂有没有这个需求?答案是肯定的,这里面会有更多的细节和内容值得去研究。对于企业来说,打造好的智慧工厂就要增加成本,想降低成本就需要企业拿出新的技术。
3、智慧工厂需要关注的几个风险。一是人才风险,人才是关键,但在人才投入方面企业家会有所顾虑,可以考虑人才外包;二是数据风险,企业家会担心企业搜集的数据会流失,同时很多企业家对数据的拥有权也是有很多顾虑的,也可以考虑数据外包;三是颠覆性技术的风险,颠覆性的变化会在短时间内爆发出来,如果你无法适应就会被淘汰。政府在研发方面进行投资,有了政府的支持之外,风险可以得到很好的对冲,可以对融资的支持,可以给企业信心。
姜丽萍
上海飞机制造有限公司总工程师
演讲题目:大飞机与智能制造
▼主要观点:
1、无纸化是飞机生产过程的重要特征。飞机制造也是经历了1.0到工业4.0的历程,从早期的飞行到后面小批量的打造,到现在的数字量的制造是经历了数百年的时间,数字化甚至是智能化的技术运用到航空产品当中,飞机制造也已经进入到了新的阶段。当前国内大型飞机的研究过程,工艺设计统一在协同的工作平台下,基于单一的数据源可制造性的分析,制造过程的仿真以及生产车间的布局来开展设计工作。在生产过程方面,先进的生产设备实现了自动化的铆接,自动化的对接,下架的搬运等工作,具有较高的自动化水平,为了实现车间透明化的管理,对于生产车间的状态和状况以及生产线为单位采集生产线底层的数据,采集了集成过程中的生产信息,设备、工装、生产物流信息,都集成在一个平台下,以可视化的模式进行展示。上飞已经实现无纸化生产。
2、大飞机智能制造的发展需求。首先是结构整体化的方面需求,现在的3D打印技术,将飞机结构整体化的结构推向了新的可能,越来越多的整体化机身、机翼在新的飞机上出现。未来一体化的飞机会越来越多。第二个是材料的轻量化需求,碳纤维、蜂窝材料等,相信未来会出现越来越多的新型材料。第三是飞控系统的智能化需求,一方面我们将进一步形成语音触屏,集成增强型的感知技术和智能控制,另一方面将飞行数据采集实现地空技术信息互联,实现对驾驶员的过程监控与分析。
3、制造模式向透明工厂转变。随着信息采集的应用,大飞机的制造过程实现了生产线上的数据采集,初步做到了过程透明,对供应商所供货状态,采购进度,还缺乏有效的管理手段。随着互联网的发展,未来将实现整个透明化的过程管理,实现全产业链的监控。从一定量的预防式运维模式向零配件的敏捷运维模式的转变,利用3D打印技术对飞机的产品维修与维护,实现零备品、备件的管理模式。
4、制造技术的进步和变革。首先是虚拟化的制造,基于模型的分析,制造与实验,基于模型供应链的管理,最终实现企业整体业务流程的模型化的表达,确保基于模型企业的有效运行。第二是虚拟化技术,虚拟样机是设计与制造过程必不可少的工具,在仿真方面,随着虚拟现实,将进一步的发展完善制造过程仿真技术,车间布局及人机工程的分析等工作,实现虚拟化制造,最大程度的缩短研制周期。云制造技术是专业化制造的重要手段,将可调用,钣金加工,检测测量等资源是标准下进行管控,在统一资源的虚拟化技术将这些符合试航可利用的资源统一利用调用。第三个重要的发展方向就是敏捷化生产,比如自动化物流,通过统一编码二维码等扫描技术实现数据的统一采集,通过搬运机器人等各类物流设备来实现生产线上的物流快速和准确的配送。第四是柔性化的装配,智能机器人是柔性化装配的组成部分,配以各类的移动平台全面实现工业机器人的定位,喷涂喷胶检测等工作,提升自动化率和智能化的程度。
5、实现透明化的管理。大数据是实现透明化管理的基础,最为完善的是质量检测的数据,通过对大数据分析实现误差来源的追踪,支撑工艺的改进,在搜集数据当中,还能实现全生产的分析和预警,交付进度的查询等,为满足未来飞机个性化需求,满足客户对飞机的全面需求,对飞机生产的进度,质量的情况的掌控,在采集移动客户端的形式,对生产状况等进行可视化的展示,让客户第一手了解到自己产品制造的状况。
本文由上海市科学学研究所产业创新室副研究员孟海华博士整理。文章观点不代表主办机构立场。
◆ ◆ ◆
编辑部邮箱:sciencepie@126.com