強大的信息控制(zhi)可(ke)以提高(gao)自動化水平，幫助制(zhi)造(zao)商(shang)做出更好(hao)的決策

在(zai)自動化過(guo)程中注入人工智能（AI）和機器學習(xi)（ML)，以開(kai)發閉環控制(zhi)，可以釋放更多價值

機器視覺還可以幫助制造商(shang)發現(xian)生產(chan)過程中(zhong)的瑕疵或缺陷

工(gong)業自動(dong)化和(he)信息化正在(zai)以(yi)飛快的(de)速度(du)發展。無論是(shi)協作機器人、自主移動(dong)機器人（AMR），還(huan)是(shi)高(gao)(gao)速生(sheng)產線(xian)，全(quan)球的(de)工(gong)廠都在(zai)需(xu)要提高(gao)(gao)效率(lv)、優化工(gong)作流程、增(zeng)加(jia)安全(quan)性和(he)提高(gao)(gao)生(sheng)產率(lv)。

然(ran)而，在工(gong)(gong)廠(chang)中，自(zi)動(dong)化有一(yi)個常常被忽視的(de)(de)好處 —— 信息。如(ru)果(guo)使用得當，那么(me)在產品生產過程(cheng)中獲得的(de)(de)數據(ju)可以幫助工(gong)(gong)程(cheng)師做出深思熟(shu)慮、更明智的(de)(de)決策。

問題(ti)是，許多工(gong)廠沒有適當(dang)的自動(dong)化或(huo)控制(zhi)機制(zhi)，將產品從(cong)步驟 A轉移(yi)到步驟 Z。這常常減少了在產品生命(ming)周期中收集到的信息(xi)。

更好的自動化意味(wei)著更好的流程、更多的制造信息

如果在工廠生產(chan)線(xian)上(shang)沒有利用自動(dong)化技(ji)術，收集(ji)到的數據(ju)只能(neng)與當前的人(ren)工的過程(cheng)相同。一步步地收集(ji)信息意味(wei)著失去了對產(chan)品在其(qi)過程(cheng)中實時演(yan)變的可(ke)視(shi)性。生產(chan)團隊幾乎很難甚至(zhi)不(bu)可(ke)能(neng)理解潛在的挑戰(zhan)或缺陷(xian)，因(yin)為他們只關注客戶的要求。

這種遺留過(guo)程或全(quan)面質(zhi)量(liang)管理，能(neng)夠確保生產團隊得到以下問題(ti)的基(ji)本答案：

在這(zhe)個(ge)步驟中，你做了什么(me)？

產品是如何(he)滿足規格的？

我們遵守要求了嗎？

雖然滿足客戶的要求是優先考慮的，但如果沒有自動化(hua)，生產(chan)團隊(dui)就會錯失可以幫助提高產(chan)量、減(jian)少不必要的工作、減(jian)少停機時(shi)間和浪費(fei)的大(da)量數據流。

制造應用中的數據流

幫(bang)助提供生產線洞察的(de)數(shu)(shu)據(ju)(ju)(ju)往(wang)往(wang)以不同的(de)數(shu)(shu)據(ju)(ju)(ju)包、大(da)小和形狀出現(xian)。收集(ji)到的(de)第一組(zu)數(shu)(shu)據(ju)(ju)(ju)與制造(zao)階(jie)段的(de)質(zhi)量和產品性能相匹配，其他超出了產品屬性的(de)信(xin)息(xi)，能幫(bang)助回答以下重要問題：

制造產品(pin)花了多長時(shi)間？

在這(zhe)個特(te)定的項(xiang)目上花了多少(shao)小時(shi)？

是否使用了正確的工具？

制(zhi)造產品的正確組件和(he)材料清單是(shi)什(shen)么？

這一層信息來自于(yu)整個控制線，有(you)助于(yu)生(sheng)產(chan)(chan)團隊堅持標準(zhun)操作程序(xu)，并確保根據基于(yu)周期時(shi)間及其他(ta)領(ling)先(xian)標準(zhun)的規范(fan)生(sheng)產(chan)(chan)產(chan)(chan)品(pin)。

同(tong)時(shi)，全自動生產(chan)線(xian)也能使(shi)工(gong)(gong)程師獲(huo)得比人工(gong)(gong)或半自動生產(chan)線(xian)更(geng)多的(de)性能反饋。這(zhe)是因為(wei)信息控制通過自動化的(de)工(gong)(gong)具，傳遞產(chan)品(pin)生產(chan)過程中的(de)數據，這(zhe)些數據可(ke)以(yi)(yi)在(zai)監視器上(shang)被捕捉并看到。例(li)如，生產(chan)團隊可(ke)以(yi)(yi)在(zai)產(chan)品(pin)緊固件上(shang)看到扭矩值等步驟，以(yi)(yi)確保在(zai)組裝過程中（而(er)不是之后）滿足要(yao)求。

全自(zi)動生(sheng)產(chan)線還可以(yi)更(geng)輕(qing)松地將(jiang)關(guan)鍵信(xin)息傳遞給客戶。例如(ru)，對于(yu)(yu)醫療器械來說，自(zi)動化數據收集能夠讓生(sheng)產(chan)團(tuan)隊以(yi)準(zhun)確、及(ji)時、高效的(de)方式記(ji)錄(lu)并向客戶交(jiao)付防水(shui)、測試(shi)、密封(feng)及(ji)其(qi)他(ta)關(guan)鍵因素的(de)信(xin)息。對于(yu)(yu)汽車等其(qi)他(ta)有(you)嚴格要(yao)求的(de)行業同樣如(ru)此。

讓(rang)工廠(chang)生產線達(da)到這(zhe)樣的(de)(de)自動化和(he)數據收(shou)集水平需(xu)要時間、規劃及專業知識的(de)(de)支持。

為自動(dong)化(hua)成(cheng)功設(she)置生產線

對于(yu)機器和(he)設備的自動(dong)化控制，有兩種選(xuan)擇(ze)。

第(di)一種(zhong)是可編(bian)程邏輯控(kong)(kong)制器(qi)（PLC)，可用(yong)(yong)于同(tong)步(bu)生產線控(kong)(kong)制，包(bao)括速度(du)，物(wu)料進出之間的(de)相(xiang)互作用(yong)(yong)，以(yi)(yi)及其他方面的(de)控(kong)(kong)制。借(jie)助PLC，操作員可以(yi)(yi)坐在裝有(you)機器(qi)視覺攝像頭的(de)傳送帶前。當產品被(bei)放(fang)置在傳送帶上(shang)時，攝像頭會(hui)看到并(bing)進入下一個(ge)周期(qi)。盡(jin)管(guan)PLC能正(zheng)確(que)地執行(xing)控(kong)(kong)制反饋，但在這個(ge)過程中沒有(you)數據(ju)收集——只是被(bei)動、半自動的(de)進行(xing)控(kong)(kong)制。

為(wei)了充(chong)分地利用(yong)自(zi)動化和相(xiang)關(guan)數(shu)據(ju)的優勢，工(gong)廠應(ying)該考慮將(jiang)工(gong)業(ye)PCs (IPCs)與高(gao)速自(zi)動化和傳感(gan)器相(xiang)結合。這(zhe)(zhe)些系統為(wei)PLC的邏輯編(bian)程提供了先進(jin)的計(ji)算能力和信(xin)息控制。這(zhe)(zhe)種(zhong)設置(zhi)也可以由邊緣網關(guan)來(lai)支持，以幫(bang)助管理數(shu)據(ju)流(liu)。

獲取實時(shi)分(fen)析數據的三個步(bu)驟(zou)

企業(ye)在獲取最終實時分析數據之(zhi)前(qian)需要(yao)采取的(de)步驟包括：

更好地理解投入——產(chan)出機(ji)制

使用(yong)合適(shi)的傳感(gan)器來收集數(shu)據

通過(guo)低代(dai)碼/無代(dai)碼應用(yong)啟用(yong)閉合循(xun)環控(kong)制(zhi)程(cheng)序

該智能系(xi)統(tong)有(you)助于(yu)在整個產品生命周期中進行(xing)數(shu)據收集，從而(er)獲得(de)諸多文章上(shang)述的(de)優(you)勢(shi)。這些數(shu)據還可以被傳輸到云端進行(xing)大數(shu)據分析，或者在邊緣（也就(jiu)是(shi)接近(jin)機(ji)器的(de)位置）進行(xing)實(shi)時處理(li)。在此基礎上(shang)，通(tong)過(guo)將人工智能（AI）和機(ji)器學習（ML）注入(ru)自動化(hua)過(guo)程，以開發閉環(huan)控(kong)制(zhi)，可以釋放更(geng)多的(de)價值。

利用 AI和(he) ML釋放價值的五種(zhong)方法

ML可(ke)(ke)以從閉(bi)環控制(zhi)中(zhong)(zhong)獲取大量數據，并將其合成(cheng)可(ke)(ke)操作的信息，以便驅動更(geng)好(hao)的流程和更(geng)明(ming)智(zhi)的決策。ML幫助生(sheng)(sheng)產(chan)(chan)團隊(dui)將信息用于控制(zhi)，這些(xie)控制(zhi)可(ke)(ke)以實時調整生(sheng)(sheng)產(chan)(chan)線上的參數，而無(wu)需(xu)停(ting)止生(sheng)(sheng)產(chan)(chan)。ML還可(ke)(ke)以用于識(shi)別(bie)和消除(chu)工(gong)作中(zhong)(zhong)的非增值方面，例(li)如在一段(duan)時間后對(dui)產(chan)(chan)品的測(ce)試(shi)。

AI和 ML價值(zhi)的另一個驅動因素(su)是視覺。例如，從工業 PC的閉環系(xi)統中獲(huo)取(qu)數據，機器可(ke)以(yi)檢(jian)(jian)測出劃痕等產品(pin)上的瑕疵(ci)或(huo)其(qi)他缺陷。這(zhe)種異常檢(jian)(jian)測功能允(yun)許系(xi)統映(ying)射導致這(zhe)些問題的熱點(dian)，并能夠標記(ji)出要檢(jian)(jian)查的潛在問題區(qu)域。

然而，為了最大程度(du)地(di)利用這些(xie)解決方案，考慮以下問題很(hen)重要：

1. 由你(ni)來(lai)構建(jian) AI/ML，還(huan)是(shi)通過第三方購買？

2. 跨生產(chan)線的(de)可擴展性如何(he)？

3. 誰來(lai)創建算(suan)法(fa)和(he)教學模型？

4.是否有足夠的(de)數(shu)據科學家(jia)來(lai)支持該項目(mu)？

5.是(shi)否有正確的系統(tong)和員工(gong)來(lai)理解和解釋數據？

當(dang)自(zi)動化(hua)(hua)發揮其(qi)最大能力(li)時(shi)，它可以執行生產過(guo)程中的(de)(de)(de)戰略原則。自(zi)動化(hua)(hua)是(shi)一種受控機制，它讓機器對機器（M2M）接口(kou)以正確的(de)(de)(de)步驟順序(xu)驅動產品，從原材料到轉化(hua)(hua)后的(de)(de)(de)成(cheng)品。產品性(xing)能、質(zhi)量、周期時(shi)間的(de)(de)(de)信(xin)息流和管理進出(chu)工位的(de)(de)(de)材料流也是(shi)通過(guo)自(zi)動化(hua)(hua)同步完成(cheng)的(de)(de)(de)。當(dang)自(zi)動化(hua)(hua)與AI或ML相結(jie)合(he)，便能夠(gou)帶來(lai)無限(xian)的(de)(de)(de)可能。