工業(yè)數字化轉型最佳實踐

1、 工業(yè)數字化轉型最佳實踐188isFROM-ism嚴0TOZDUSTRYsnaSTnduan巴Revo-ssnRlougr!sin=sKm3shnniGH-prodjssnfad-棗至hrlhEhedpa-via-#hdaBapowcInECQ昔IndiMHdRbkMdhThoughnrTU且McKinsey向y工業(yè)數字化轉型是數字化轉型的一個子集，它利用工業(yè)物聯網等先進技術對現有的資產、過程、產品進行轉變，實現運營指標提升，走向卓越運營。卓越運營(OperationalExcellence)實際上是一系列關鍵指標的優(yōu)化，其應用場景涵蓋裝配、加工、預測性維護、績效管理、質量管理以及可持續(xù)發(fā)展這

2、一系列的制造環(huán)節(jié)，甚至延展到產業(yè)鏈的上下游。工業(yè)數字化轉型不是一系列熱門的技術工具的組合IT熱門詞語*云計算物聯網*大數挖*人工智能Tcin*|in!E隔*PUfkwwiFilldtil牙i板II*IriduuiQkplillaritbKamsf融合數據的lloT平合0T自動化罷統T【T業(yè)務系現卓越運營的關鍵支撐就是指標體系，這些KPI指標從企業(yè)經營層面來看包含各種財務、人效指標，再往下可能就劃分到不同部門，諸如生產指標、維護指標、庫存指標、質量指標、安全合規(guī)性指標，以及相關的一些業(yè)務部門的指標，這些指標應該來自于基于平臺對接的各種自動化系統數據和業(yè)務系統數據。對指標體系有興趣朋友可以參考IS

3、022400-2，這是一個多維度的一個指標體系，主要包括生產(production)、維護(maintenance)、庫存(inventory)和質量(quality)等維度，總共在運營層面提供大概幾十個指標，已經足以來去支撐大部分企業(yè)的一個正常運營。.I-iI.8:-ISO22400P:ProductionM:Maintenance-I:InventoryQ:Quality空産性龍力盤還骨理保全-君酗生匪更生屋童上is理除藺卑工睨就富am*廿率-Mi*手xs.6亍仙卜咽監(jiān)盹力柜垃工趕捋力樞毀-即丿亍為兒遼璋回転率-AA*-在卑耳螢芮習障卓灼/陽第間改良畏全率Krii.rM1QW-mIu.td

4、licHarjKiUkKTjiiHiraiuXTh仙約Flq/x吾RiviiFrrffic-ni.yXLTsIieidlictcKiKCkerali呻ifwarndixnwrKui*dnX%門|jnnrii町伽rurnrvhwIaXA心如與KEITnliiicKidXQiahiyrali-zKXlAdlKtfdrtMWjXFt雖ptwofnlkiXA-mIhiiplimudvnfiniiiaXlira-:vkMXSIf-i*M耳bUlXl-Jil前nriMXUtMtJra.-iCinaiHlUIBlCbXCrtHilWhfK-4P#4hryilr-.X耳由iilj刑已耳CrilLlJPWEEL

5、-TIHinki.Xt-prepnlKTiLihEL*EMMinp4KMiKImniEVrumX1nrihw?t*lsJvnJ*-ivln-XTrikiuihirikmiuk-K$wP4KwqinjimInuiniH耳CVfkagkAvUEu|imilkud!iilkXMnnofCTiiiH|girrvKImcctilalanXManlinrli：lliFirrKMailik；i*ri-jufrXCfiBMdifflBltaWnMMfNlSIS022400-2指標體系包括我們大家熟知的OEE、MTTR、MTBF，以及良品率、次品率這些指標。它們并不是虛無的數字，全都來自各個不同的子系統提供的各

6、種各樣的數據。同時，指標也是企業(yè)努力的方向和目標。內容工業(yè)數字化轉型需要更分目標和工具$未來工T的運營架構於工業(yè)物聯網平臺是未來工廠的核心架構匚數據、數字李生和智胃纏用$案例分享總結和建議02未來工廠的運營架構現代工業(yè)功能體系大致可以分成三個層面，從最下面的資產（包括人、流程、技術），到運營（從研發(fā)、設計到工程，再到生產制造再到物流、供應鏈，再到服務的整個價值鏈），再到業(yè)務（人事、財務、市場、決策）。制造的理論體系OASIS4EnfiineeringMaintanailiCBMIMOSA當然，在國際上還有非常多的相關工業(yè)理論體系以及相應的組織機構，包括大家熟知的OPC、ISO、ISA，以及IS

7、A95、ISO88以及IEC61512-3等各種標準體系，涵蓋了從研發(fā)到工程再到制造、生產等各種階段和過程。ISA95框架LEVEL4EntavpriseJSuIhibssQperallMisL4商業(yè)運營：包梧劉務、人事、供應鏈*市場、采購等UrlTISA88ILEV&LS2j1p0IndustrialyIBlfliWI；AE0UHF4,13制追運營管理：炯臨負責完昭產的執(zhí)行和苣理.包括主產計劃.眾腺團P訊等各方面餉功能LOL2工業(yè)自動優(yōu)：包潔SCADNlHMIPLQL2,IGWMMHLlh過程也DCS這里我們重點會看ISA95，因為它涵蓋了運營支撐層面的很多方面。ISA95工業(yè)企業(yè)架構劃分成

8、5個層面，最下面三層其實是我們說的自動化層面，就是大家熟知的OT的一些PLC/PAC，以及DCS等相關的各種系統；中間這個層面是MOM，可能有些人對這個詞比較陌生，但其實它跟MES是一個概念，在上層業(yè)務系統和下層的自動化之間起著承上啟下的作用，所以它包括了生產計劃、過程管理、維護、質量這方面的功能；最上面一層就是大家熟知的一些IT系統，財務、人事、市場這些。ISA95這種層次化的架構雖然很清晰的定義了每一層的工作內容，但實際上大家可以看到，在這種從底層到頂層的垂直整合模式下，每一層獲取到的數據都是上一層的匯聚和抽象，底層的數據很難被頂層的決策以及生產服務直接使用，這就造成層次越高能利用到的原始

9、數據就越少，進而發(fā)生因多次數據匯聚導致的失真、滯后等后果，最終導致企業(yè)運行效率降低。層次化.專業(yè)化的數據劃分，難以實現實R扌和精確的業(yè)務指標生產指標庫存指標質畳扌詬比方說，企業(yè)可能會有一系列的如IS022400提到的生產、庫存、質量、維護、安全等層次化指標，其數據都來源于已被處理過的下層系統，同時可能還需要從多個系統中去采集數據，得到的數據往往并不準確，甚至跨系統融合數據也面臨著標準不統一的挑戰(zhàn)。傳統ISA95架構的局限性#2:對數據的利用程度較低.無法應對復雜的變化和預測TRADITEDNALVIEWOFANALYTICSh.VAUJC$L*9WNighFk.TUMIkPBElFLIndus

10、trialAinalyticsSophisticationsPlantOperatiqnsandRehtedISA95的第2個局限性是企業(yè)對數據的利用率和利用程度還非常低，一般來說數據分析包括描述性、診斷性、預測性、預知性等，但據調研機構調研顯示，其實絕大部分企業(yè)對數據的利用只是停留在一些初級描述性descriptive層次，其實就是一些統計報表。高級的數據利用諸如設備可靠性的預測、產能的預測，亦或者是供應鏈庫存的預測等都還沒發(fā)揮出作用。第3個局限性就是ISA95的架構體系。在現行的體系下，MOM/MES往往被做成一個大而全的獨立系統去承載越來越多越復雜的功能，這種單塊式、單一數據源、垂直、煙

11、囪式系統，其實很難實現數據的共享，也很難實現功能和性能的一個擴展，更沒辦法來快速滿足工業(yè)企業(yè)差異化的定制需求。工業(yè)數字化轉型主要是改變工Hk企業(yè)的運營架構未來工廠的運營架構msrtonnvcMiUEDtsIflT箭曲袒IGMfiftfcBICdrn叩SftilAlfifiSmarttMnwckdaperslkwis-9kitrwibliRifidutellcii!Inwnlry,Mpkrlannc*IhTEnaMtlNdxl-GAnEfslwin所以，工業(yè)數字化轉型其實主要是改變工業(yè)企業(yè)的運營架構，從這種傳統層次化的運營架構變成一個相對比較扁平，或者說以數據驅動的未來工廠的一個運營架構。簡單來

12、說，我們基于已有的架構體系把IT和0T的數據打通，形成一個數據一致、功能開放的全新層次化解決方案，并支持全新的數據智能應用的開發(fā)和擴展。未來工廠全新的運營架構OPERATIONALARCHITECTUREOTrxIJl百屜dhdiwy而1StcKage；旬向|Equipmeniass-ut占l_ZJ1CumiMjtlnig怕咖口in列|MnnitihrFngsyslernv.咖同JBuEinessapplicatlcHisflJConfrols-ystWisLJMtmanalysis亠|L$i|STEndMfifGownancnenoPUfvifigSyslems1切EmibMNaxt-Get

13、i|M|時EnabMiBuflirwsa帥輔msIpjSaiarfOptratKW-IhjiTI話!PrtMkidlDn.低linrt來葉MHlardAUlL111LQSwtCunnocMAwats-lloTEnabledIbirinjifTieiidalicifLCuitrg,andMalbrlald2我們把傳統的縱向集成變成橫向數據集成，從IT系統里面抽取相應的指標的一些數據，從0T系統抽取一些實時的數據做相應的關聯，在同一個IOT的平臺上實現融合的數據的架構和數據的服務，再利用一系列的應用開發(fā)的工具、數據分析工具來實現相應的應用和分析。在智能應用上，將來還會有更多的甚至95%以上的應用在

14、等待我們去開發(fā)。這些應用就包括我們說的運營層面的各種各樣的指標預測，如庫存維護、質量、安全、能源，以及先進過程控制（APC）等。所有這些應用都有一個共同點就是一定是數據驅動，而數據驅動其實有4個發(fā)展階段或者說4個利用層次，也就是前面我們提到的描述性Descriptive、診斷性Diagnostic、預測性Predictive、預知性Prescriptive圖中智能應用下方的DDPP就是代表了這四個層次。未來所有的智能應用必須都具備這4個數據能力中的一部分。簡單展示一下工業(yè)互聯網IIOT的平臺，這里我們引用調研機構LNS的相關框架。MOM:基于1ST平臺、數據驅動.應用和數據解耦Level4Hsndsrrts.ProprlelarjF-聞OBJL氏怕PP5：MODUE酬UPR5；M00US.,*m：TrneAAttendriceTranihPufthdbQ,WwEbtidfiEMIi1QIJRepMiEnierpri鷄卻耐詢訕啤MRfDRAngM：HtipULBSWRS!iTOVLEWIr:FlartwmSentffi.牯uLM惦&ErtBc