trinmax scannmax回收了你的时间 trinmax scannmax回收了你的时间 trinmax scannmax回收了你的时间
数字化的东西(物联网)

谁将受益于维护4.0收养?

D.OES Merriam-Webster的革命定义为“突然,激进或完全改变”适用于行业4.0 - 21世纪的工业革命?如果是这样,请考虑在每一场革命中,新的精英以旧电力中心为代价出现。预期长期效益维持的位置4.0(例如,环境,效率等)将超过成本令人熟悉。本文探讨了维护4.0的福利是否会不成比例地传播以及如何影响工业部门。

什么是维护4.0?

维护4.0是行业4.0的子集,涵盖维护可靠性活动。这些包括预防性和预测性维护,机械维修和检查。默认方案运行到失败,从而使用工业设备直到它崩溃。在停机期间,计划维修,并订购工具和零件。搜索根本原因虽然生产意外停止增加了额外的压力来维修机组人员并增加错误或短期修复的可能性。

图1:反应性维护(行业3.0)资料来源:PROSENEOO

如果大数据是维护的油4.0革命,那么机器学习就是加速。通过维护4.0,机器学习算法应用于从工业设备内嵌入的传感器产生的数据。这些算法训练以检测异常模式,然后识别不断变化的失败的威胁。运行到故障和机器学习预测维护之间的地震差异是先进的警告机器学习提供维修技术人员。在发生关闭之前,任务从理解寻找最佳熟练的修复工作人员都会执行。结果?从增加的产量率提高的未安排停机时间和增量收入大幅下降。

图2:基于机器学习的故障预测(Industrial 4.0)源Presenso

好消息:潮水升起所有的船只

在某种程度上,可以认为人类是维护4.0的受益者。虽然这可能听起来是双曲线,但对这一概念有有效性。

根据2018年美国国会报告,美国制造业在国际视角下,第13名全球制造商在制造价值中产生了9.1万亿美元。估计机器学习可以减少未安排的停机时间五个百分点,然后产量率的改善可以每年增加4.55亿美元的经济体。

虽然没有保证,但有两个涓滴效果:

  • 通过更有效地利用工业厂和减少能源消耗和原材料浪费,对环境的潜在影响;
  • 解决全球问题的机会,如全球食物浪费和饥饿。麦肯锡和公司的意思大数据和预测维护作为改善新兴经济体的食物效率的催化剂。

机器人和自动化级别会筹集比赛吗?

作为背景,重要的是从机器人和自动化的角色开始作为行业4.0和维护4.0的驱动力。

2016年联合国贸易和发展报告称,1970年,发达国家的员工27%(例如,美国,欧洲,日本)在制造业中受雇。到2011年,这个号码降至13%。相反,在此期间,东亚(例如,中国和韩国)的比例从14%上升到22%。如果自动化的影响超过了廉价劳动力成本的相对优势,可以制造更接近最终的客户?

在德勤4.0德勤研究研究中发现了部分答案。来自瑞士制造业的近一半代表表明,数字转型将能够减缓迁移到低工资国家的趋势。只有8%的调查受访者完全不同意。

自苏联崩溃以来,东欧已成为北方和西欧的制造枢纽。随着沉没的基础设施成本和支持性的政府政策,这不太可能改变。

但是,亚洲部分的前景不太可预测。2017年联合国贸易和发展报告将韩国和日本排名第一,作为制造机器人密度最高,其次是瑞典,德国和美国。中国现在处于追赶模式,每10,000人只有49个机器人,与全球平均水平为69。

即使达到了发展和成熟经济体之间的机器人阶段,现实是工资差异将变得越来越少。在其全球制造记分卡中:美国的比较到18个国家,布鲁克斯机构根据众多因素,包括税收政策,业务政策,基础设施和创新,以其制造环境分为18个国家。

在短期内,不会预期制造的激烈变化。然而,通过采用零和游戏方法,自动化和机器人可能会使低成本制造中心的重要竞争优势,在地理位置远离他们所服务的市场。

机器学习和大数据:工业革命的未开发资源

由工业设备产生的传感器数据的Exabytes内部是MicroPattern,可用于确定机器当机器可能会失败。虽然许多行业观察者都认识到这种潜力,但大多数工厂都没有有效地使用数据。

为什么如此?首先,访问数据存在技术障碍。世界经济论坛估计,85%的潜在资产仍然没有联连。更重要的是,要了解大数据内的微图案需要使用人工智能(AI)和机器学习。直到最近,工具不足以实时访问和分析数据,并提供不断变化的失败警报。

直到最近,机器学习纪律主要被限制在学术界。今天,该领域正在迅速发展,以便实时分析大量数据。一个重要的发展涉及自动化机器学习领域,由此可以通过自学习算法来执行手动数据科学过程。

将进步机器学习对所有制造商同样影响吗?从理论上讲,机器学习算法的功效不受国际边界和创新的影响,可以快速共享。与此同时,机器学习的见解可用于改善生产过程和较低的低效率。在实践中,机器学习到制造业的系统应用进一步缩小了植物在低劳动力成本国家中获得的竞争优势。

应用于运营和维护

机器人和机器学习的汇合具有深远的影响。由于工业国家受到老龄化和技能缺点的困扰,人工劳动力可以用人工智能取代,以检测不断发展的资产失败,并且可以使用部分或全部机器人辅助进行关键修复功能。

这些不是理论上的概念,并且有多种操作和维护用例出现了最佳实践。

尚未显而易见的是维护4.0的程度将改变制造余额。一夜之间不会预期更改,并且存在超出本文范围的多种因素(例如,Brexit,地缘政治动荡等)。然而,这种工业革命可能是由于许多和不受欢迎的方式的方式。

新版本!

维护4.0实现手册
由David Almagor,Deddy Lavid,Avi Nowitz和Eitan截断
订购您的副本:
www.mro-zone.com.