江苏龙网

  1. 首页 > 人文 > >

数码实验室 制造业如何跑出转型升级“加速度”？

随着制造业数字化转型与智能制造的深入推进 ， 产生的数据量变得越来越庞大 ， 对海量工业数据的价值挖掘而言 ， 制造业仍然面临诸多挑战 。 其中一个非常棘手的问题就是由于算力上的瓶颈 ， 导致难以对呈指数级增长的工业数据实时获取、处理与分析 。
●在工厂的生产车间内 ， 工业机器人紧张而有序地忙碌着 ， 机械手精准快速装配 ， AGV沿既定路线运送零部件和成品；
●生产过程中采用先进视觉成像技术对成品、半成品进行360度无死角识别 ， 确保产品极高的合格率 ， 并通过将质量检验数据与原材料及零部件信息绑定 ， 实现全生命周期的质量管理与追溯；
●车间内工人寥寥无几 ， 精挑细选出来的工人更多的只负责设备操作 ， 以及突发状况应急处理；
●通过数字化运营系统 ， 制造企业可对工厂运行情况在线实时监控及远程运维管理 ， 工厂订单状态、库存及物料配送状况、设备运行状态及能源消耗情况等信息一目了然……
如今 ， 在传统制造企业生存压力剧增 ， 特别是受疫情冲击巨大的背景下 ， 为了提质、降本、增效 ， 积极推进以数字化、网络化和智能化为主要特征的智能制造 ， 实现设备的智能感知、执行与决策以及少人化生产 ， 正成为制造业转型升级的方向 。 那些工业4.0里所描绘的智能制造场景 ， 也正在逐渐落地并成为现实 。
数码实验室 制造业如何跑出转型升级“加速度”？
文章图片
一、智能制造转型升级
亟待突破算力瓶颈
【数码实验室 制造业如何跑出转型升级“加速度”？】从本质上来讲 ， 智能制造的意义 ， 在于以数据的自动流动化解复杂系统的不确定性 ， 即让正确的数据、在正确的时间、以正确的方式 ， 自动传递给正确的人和机器 ， 以实现资源配置效率的优化 。 因此 ， 随着制造业数字化转型与智能制造的深入推进 ， 产生的数据量变得越来越庞大 ， 物联网、人工智能与大数据分析等技术也被广泛应用于海量工业数据的采集、处理与分析之中 ， 以深度挖掘数据价值 ， 并在推动企业的智能化水平、决策能力与生产力提升等方面发挥着重要作用 。
然而 ， 对海量工业数据的价值挖掘而言 ， 制造业仍然面临诸多挑战 。 其中一个非常棘手的问题就是由于算力上的瓶颈 ， 导致难以对呈指数级增长的工业数据实时获取、处理与分析 。 无论是生产制造过程中的工艺参数优化、品质管控与提升；还是生产设备的性能分析、故障预警与预测性维护 ， 抑或是物流与供应链环节的采购、库存等分析与优化 ， 客户关系管理环节的用户画像洞察及产品后端增值服务提升 ， 乃至企业战略决策的改进与优化等等 ， 都依赖于对海量数据的处理与分析 ， 且对数据实时性的要求非常高 。 因此 ， 计算的速度必须跟上海量数据增长的脚步 ， 这也是企业实现数字化转型与智能制造的前提 。 这就需要有高性能的计算平台与解决方案作为基础支撑 。
数码实验室 制造业如何跑出转型升级“加速度”？
文章图片
二、英特尔智慧计算
助力制造业跑出智能制造“加速度”
为满足制造业领域高性能计算及数据实时处理与分析的需求 ， 同时为制造业探索更多的数字化、智能化应用提供可能 ， 以卓越的芯片设计与制造能力著称的英特尔 ， 长期以来与诸多智能制造服务商都建立了广泛的合作关系 ， 并携手合作伙伴以智慧计算为核心 ， 以人工智能为基础 ， 打造了机器视觉+智能工业控制+柔性制造的智能工厂解决方案 。 制造企业通过采用基于英特尔软硬件产品的解决方案 ， 不仅能支持从边缘到云端实现智能制造的应用与部署 ， 还能有效提升生产线的自动化水平 ， 优化企业流程管理与运营能力 ， 助力企业降本增效、降低库存并强化竞争力 。
①机器视觉：
英特尔推出边缘视觉系统方案包(EIS) ， 可与合作伙伴共同打造基于英特尔处理器、FPGA以及OpenVINO工具套件等软硬件技术产品的机器视觉解决方案 ， 并可广泛应用在制造业的质量检测、生产管理等场景 。 不仅不用对传统产线进行大规模改造 ， 极便于制造企业快速部署；还可大大提高制造企业的生产效率和产品质量 。


推荐阅读


上一篇：问董秘|之前你说销售没做到极致、主要竞争对手是具国资背景的工厂。...，投资者提问：你好

下一篇：问董秘|您好。日前中央定调“摆地摊”合法化，导致今天五菱汽车股价...，投资者提问：董秘