工业数字交易所导致 自动化,连接和综合制造和供应链 没有什么新的,因为新的范式以普遍用途为中心 工业互联网 (IIOT)和其他有利的技术自新世纪初以来活跃。 

Covid-19紧急情况引入的新元素由 由于锁定导致的转换提升,结果需要将许多活动移动到遥控器。智能工作已成为许多实例中的“新正常”,并且社会偏差也影响了不同运营在工业设施中的运行方式。这种创新趋势是预期的 在接下来的18个月内压缩通常在五年内完成的, 根据 一篇文章 由Anna-Katrina Shedletsky发表 福布斯. 

公司被召唤 计划对数字转型的巨大投资,专注于在离开遗留ERP Managemet系统时创建数据驱动的团队和IT基础架构。波士顿咨询小组建议 从它的网站 致力于将AI算法占10%的算法,20%至技术,70%到业务流程转型。

新方法不仅限于西方经济: 新兴国家也在投资智能工业技术 保持并提高竞争力的潜力,例如由行业的政策4.0,5G和IOT越南政府到位(见 here越南投资回顾)。  

云系统管理数据

云数据存储 是一个能够从偏远地区管理的基本支持的技术基础 智能制造站点 并传播到中央 制造执行系统 (MES)和 仓库管理系统 (WMS)由传感器,条形码,RID标签,智能门读卡器系统,实时定位系统(RTL),智能设备等的毛细管网络。 

Shedletsky说,云系统中存储在云系统中存储的数据的较低安全性将代表到全面实现这项技术的主要障碍。这预计将非常迅速下降,允许 在单个存储库中完全集成数据 沿整个供应链,从哪里监控遥控器的所有内部和外部活动。在新的视角下,由于数据分析,它会变得更容易 在实时识别和解决任何问题 在生产线中产生,计划库存和维护活动以及详细装运和提供原材料,API,中间体和最终产品的运输。 

通过 集成数字制造技术 对交付能力至关重要 强大的监管证据和授权档案 在高度监管的药业部门。数据完整性正在成为一个中央需求,可以很容易地处理智能制造模式,能够沿产品生命周期中的每一步沿着每一步捕获和安全地存储数据。 

r中的云潜力的一个例子&D竞赛由 卧改, 由麻省理工学院的学生Sajith Wickramasekara开发的云集中平台自动跟踪互联网相关数据,例如遗传序列,细胞系,试剂样品,结果和实验条件。然后可以详细阐述数据以产生报告,并在几天内将其导出到用于监管目的的文件。 名字 福布斯 之间 下一个十亿美元的初创公司,卧改 刚刚结束了 大流行期间的新一轮投资,总额为1.14亿美元,总额估值为8.5亿美元。

如何克服社会疏散和采购的问题

药品制造循环已经很大自动化,因此社会偏差的影响预计不会非常相关。行政部门或其他工业部门(即电子)在哪里 人类工作达到现在比自动化更方便。根据Shedletsky的说法,将运营商之间的距离增加可能导致新的自动化投资成为一个有价值的选择。很多人都经历过利益 家工作 在大流行期间,也可能更愿意继续这种灵活的模式,导致较少的劳动力返回物理工作场所。

基于AI的智能制造站点的实施可能有助于解决危急问题 apis从低成本国家的采购 (即中国和印度),在Covid-19流行病中,这极大地影响了西方的药品制作。 完全重新思考供应链 和可用性 “重婚”制造场所 正在成为一个值得推理的东西,建议 波士顿咨询集团。最终目标是通过增加公司的价值链 24小时/ 7d在多个地点综合制造,因此回应“个性化”产品的提高要求。在制药领域也是如此,有4P药范例和基因编辑的进步和其他生物技术技术正在产生新的“定制”疗法 小批量制造的工业能力. 

根据波士顿咨询小组,能力 快速扩大基于AI的制造系统 将代表面对Covid-19危机产生的许多不确定性的关键因素,包括运营和供应链中断以及消费优先事项的变化。广泛使用AI分析数据应支持 更好的预测“预测和实时决策,允许资源的灵活性和沿整个值链提高成本效率。未来可能会看到更多的 较小的生产工厂靠近最终客户 在不同的地理区域。 

目前的情况

欧洲联盟大大投入了数字过渡,正如新的产业战略所证实的那样,它代表了在制造业务中实施AI的领先地理区域(51%),其次是日本(30%)和美国(28%)。 

维护 (29%)和 质量 (27%)是工业竞赛中AI应用的主要领域,据 一份报告 来自Capgemini。生产(20%)和产品工程/ r&D还看到了良好的渗透性技术,而供应链管理似乎远远落后(8%)。基于以前的机器故障的数据的深度学习耦合到通过传感器的实时过程监控的核心是 基于AI的维护活动规划。 计算机视觉系统能够分析沿着生产链移动的单个物品,从批处理中选择要清除的低质量。这导致生产质量提高,通过稳健的数据文件并联。根据历史数据的订单预测规划,还可以大大提高采购流程。  

到完全智能工业设备的过渡需要仔细规划 它应该得到 使用逐步的方法,从小型枢轴实验开始,并在所选操作区域中设置关键参数。这种顺利导致补充遗留和新的智能系统,从而强大的治理过程和与IIOT集成。然后,该第一原型可以逐步扩展到包括所有不同的活动区域,首先在单个位置,随后包括连接到数据管理的中央AI平台的多个制造站点。 

发表评论

请输入您的评论!
请在这里输入您的姓名