查看原文
其他

2018-05-26


丹棱君有话说:随着数字化转型的逐渐深入,传统的制造业如何进一步运用人工智能、混合现实等前沿技术,打造智慧工厂,部署安全高效的工业物联网,利用工业机器人等自动化智能手段,降低生产成本、提升生产效率,实现数字化运营与管理,创造新的价值?在近日举办的汉诺威工业博览会上,微软展示了针对制造业的数字化转型解决方案的创新与实践。具体有哪些亮点?请随丹棱君一探究竟~


在本周举办的全球最大规模的工业盛会——汉诺威工业博览会的 “数字化工厂” 展区,微软展台上汇集了超过 30 家客户与合作伙伴,共同展示微软技术予力制造业数字化转型的创新成果。


微软在汉诺威工业博览会上展示了

工业物联网、人工智能、机器人、

数字双胞胎、混合现实等领域的创新成果


在过去一年中,数字化转型为制造业带来了翻天覆地的巨大改变,智慧工厂实现了平均 17%~20% 的生产力提升,以更低的成本制造出了更高品质的产品,同时还促成了企业业务模式与服务种类的创新。但在这些成绩之外,我们的客户还有更远大的关注与抱负:到 2050 年,人类对粮食的需求将比产能高出 70%,不断减少的淡水资源、耕地面积和全球变暖都在威胁着农业的稳定发展和人类的粮食供应。面对诸如此类生死攸关的重大挑战,人类的生产力亟需得到更全面的现代化改造与升级。


通过将智能扩展到更广泛的物联网应用中,微软希望能够给整个制造业的各个环节带来全面优化,从根本上解决这些挑战。微软的技术和解决方案,将聚焦于以下三大主题:


提高生产力  关注可持续发展


通过与不同行业客户的深入合作,微软在提升生产力和确保可持续发展方面已经取得了实实在在的成果,由数据驱动的制造业解决方案不但可以降低成本和减少浪费,而且能够帮助改善粮食安全,并且尽可能地减少我们给地球带来的影响。举例来说,瑞士布勒公司( Bühler AG )是全球领先的食品加工解决方案提供商,通过与微软的紧密合作,他们开发出了一套名为 LumoVision 的革命性的光学分类拣选系统,该系统不仅能够显著改进现有的食品清洁工序,还能剔除掉 90% 受污染的不合格谷物,相比之下常规分拣手段的成功率最高只能达到 50% 左右。以微软智能云和物联网技术为基础,结合布勒公司先进的食品处理技术,让 LumoVision 达到了其它谷物分拣技术难以比拟的速度和精确度。


布勒公司的 LumoVision 食品加工机


随着工业物联网的发展,为现实世界中的设备建立一个数字替身,并通过数字化手段对其加以管理的 “数字双胞胎( Digital twins )” 的概念越来越流行,而微软 HoloLens 混合现实技术,正在其带到新的高度。“数字双胞胎” 可以帮助企业以更高的成本效率进行设备部署,还能让潜在问题防患于未然。通过将 HoloLens 与 “数字双胞胎” 技术相结合,用户可以减少宕机时间、提升设备性能、拓展新型服务,甚至能够在混合现实中进行流程模拟和可视化操作,提前预见未来。以施耐德电气( Schneider Electric )为例,其工业软件业务最近合并了 AVEVA,目前正在引领被业界称为 “流程数字双胞胎” 的新一轮革新。施耐德电气与 AVEVA 正在利用 HoloLens 来帮助意大利设备制造商意特佩雷斯( ItalPresse’s )优化其全套的生产流程,利用混合现实,在建造厂房或者设备之前,就能构建起虚拟的验证模型,这种方式大大提高了成本效率,显著减少了投入和成本。在汉诺威博览会上,施耐德电气还展示了其面向食品和饮料行业最新发布的追踪工具,将微软先进的区块链技术与行业需求相互结合,能够从容应对食品跟踪溯源的复杂需求。


此外,作为引领机器人自动化领域的微软合作伙伴,ICONICS 演示了佩戴 HoloLens 的技术人员如何与生产线机器人协同工作的场景,利用 HoloLens 设备,工人可以随时在他的视野中接收工作指令,并实时查看各项关键生产性能指标。


将技术创新变成实在的收入


今天,微软客户与合作伙伴正在创造全新的价值链和服务种类,这些在五年前是不可想象的。技术创新让企业得以构建起数字化的 SWOT 分析团队、建设能适应不同需求的工厂设施,并通过诸如预测性维护、3D 建模、智能运营之类的手段,将数据洞察变成实在的收入。一周前,蒂森克虏伯宣布将其用于电梯设备的物联网预测服务解决方案 MAX 系统扩展到拉美市场。该公司有信心 MAX 系统能将电梯的故障时间减少 50%,这样的效能在全球电梯行业无出其右。


工业技术行业的领先企业 ABB 正在利用微软 Azure 云服务和物联网技术打造全球最大的工业物联网平台之一 ABB AbilityTM 平台。ABB 打造的机器人与联网服务则将微软的云服务用在了其位于德国海德尔堡的智慧工厂里,用以驱动机器人实现自我学习和自我矫正。通过利用工厂中的摄像头对每一个工件进行视觉比对,机器人可以自主调整自己的动作,如果发现产品有问题,或者有设备失灵,工作台就会做出响应,然后对流程进行自我纠正。这套解决方案的应用,让 ABB 的生产效率提高多达三倍,并且能够处理超过 8000 种不同的产品工件。


拜耳( Bayer )的环境科学业务部正在对沿用了几十年的捕鼠装置进行数字化转型,新型的智能数字捕鼠器借助 Azure 物联网平台加入了远程监控功能。这套方案能够从安装在每一个捕鼠器上的传感器中收集信息,在捕捉到老鼠时会立刻通知有害动物管制专家前来处理,在有效控制鼠害蔓延的同时,此举也有助于提升管制体系的运行效率。


拜耳互联的有害生物管理系统

让人类与机器更和谐地协作


据 IDC 预测,到 2020 年,有 60% 的车间工人每天都要与诸如机器人、3D 打印、人工智能和混合现实之类的自动化设备为伍。有些领先的制造业和机器人企业已经着手于创造经过改进的 “精益工序”,充分利用新技术帮助服务技术人员优化任务、减少浪费和低效工作,同时提供更好的客户服务。


举例来说,丰田产业车辆欧洲公司( Toyota Material Handling Europe )正在制定未来 10 年的工厂发展愿景,对传统的精益技术进行升级换代,其目标是找到更加高效的方式,来驱动整个工厂内的信息逻辑分发和机器人系统的工作。利用诸如微软 AirSim 的人工智能技术与混合现实技术,该公司可以训练载货机器人识别图形、自动处理并学习在工厂车间中与人类安全协同工作的正确流程。这项创新的解决方案将显著减少对现有仓储流程的影响,而这正是部署自动化系统遇到的最大障碍。丰田产业车辆欧洲公司还在与微软合作开发 T-Stream 全站解决方案,以微软 Azure 云服务为基础,这套系统运行 Windows 系统并能利用 Bing 地图和 GPS 系统为技术人员提供更主动的服务,促使其在故障发生之前,为客户提供保养服务。


丰田产业车辆欧洲公司的智能无人叉车

持续加磅工业物联网


在携手制造业客户予力行业数字化转型的同时,微软还在不断加大在安全和工业互联网创新领域的投入,以便有的放矢地满足不断增长的用户需求。今年,微软在汉诺威工业博览会上推出了一系列 Azure IoT 功能,主要包括:


面向物联网工厂的自动恢复服务:简化了制造企业新增工业设施和部署安全性的操作,显著降低了管理成本。这项服务提供 OPC UA 全球恢复服务器( GDS )界面,可确保与现有客户端和服务器端的兼容性。


在 Azure Stack 上的 Azure IoT Hub 与设备管理:Azure IoT Hub 将运行在 Azure Stack 混合云上,让客户和合作伙伴得以构建出既可完全在本地运行,也可上云的工业物联网解决方案,并在企业内部对数据进行接近实时的采集与分析。


Azure Sphere:为了给边缘设备提供更加周全的安全保护,微软发布 Azure Sphere 预览,这是首个面向联网微控制器( MCU )提供工业级安全保障的完整平台。预计今年全球将有 90 亿片微控制器被部署到从家用电器到工厂设备的各种机器中。


Azure Time Series Insight:响应制造企业的需求,微软正在计划对 Time Series Insight( TSI )进行升级,这项服务将带来大规模可伸缩存储和数据存档能力,并有助于降低存储成本。


携手合作伙伴

予力制造业数字化转型


今天,微软智能云 Azure 已经覆盖全球 50 区域,并且能够满足最广泛的国际标准和合规认证的严苛要求,包括《欧洲通用数据保护条例( GDPR )》及知识产权相关的要求——随着《欧洲通用数据保护条例》生效日期日益临近,这一点显得尤为重要。其次,微软拥有全球最大的合作伙伴生态系统,与微软一起打造和销售面向各行业的解决方案。合作伙伴不仅是工业互联网生态系统的重要组成部分,更是微软所有业务至关重要的基础。今天,西门子宣布其物联网生态系统 Mindsphere 登陆微软 Azure 云平台,为客户提供了在微软云上运行物联网应用的更多选择。全球范围内,微软 90%的收入来自于 8500 家值得信赖的合作伙伴,全球主要的工业物联网供应商,包括 ABB、Accenture/Avanade、Copa Data、安永( EY )、通用电气( GE )、ICONICS、 Kapsch、OSIsoft、罗克韦尔自动化( Rockwell Automation )和施耐德电气都在与微软携手并肩,利用微软遍布全球的 Azure 云平台,共同打造面向制造业的服务和解决方案。


点击 “阅读原文”,了解关于微软在汉诺威工业博览会上展示的更多解决方案。

了解更多:




后台入驻微软小冰

如果你很萌,请跟她一决高下!


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存