zoukankan      html  css  js  c++  java
  • PLM与制造业的未来

     PLM与制造业的未来

      将CPS用于三个维度的集成是工业4.0的核心思想。其中,端到端集成的重点技术是产品生命周期管理(PLM)。在《工业4.0》这本书中,将产品(Product)看成一个系统(System),从而将PLM升级为SysLM,并力主以SysLM为主导控制工业生产的复杂性。SysLM是这本书的核心概念:八个章节中的七章在讨论这个问题。在笔者看来,PLM可能是工业4.0的核心技术、应用工业大数据的主要方式、还可能是支撑制造企业转型的切入点。

      一、PLM在工业4.0中的作用

      1、PLM支撑个性化定制

      支撑个性化定制是工业4.0的特征之一。在工业4.0时代,个性化定制不像现在买汽车,只有颜色、型号等非常有限的选项,而是涉及到关键零件,如发动机。

      选零件本质上已经是一种设计了。用户不是设计师,而设计是个专业性很强的活。要解决这个矛盾,就要用软件来支撑。这个软件就是PLM。PLM提供合适的部件,能保证用户所选的部件能与其他部件一起正常运转,且保证产品质量。从这种意义上说, PLM就像傻瓜相机:自动对焦、自动调光圈,让普通人也能照出近乎专业的照片。

      2、PLM支撑智能生产

      生产过程的智能化,有赖于智能工厂和智能产品。其中,智能产品就是依靠PLM开发出来的:一部分由研发人员设计,另外一部分由用户自行设计。设计软件的基础都是PLM。

      笔者曾经撰文描述:在工业4.0的工厂中,智能产品就是一个CPS。这个CPS的虚拟部分,首先是由PLM设计出来的,然后再经过ERP将其与生产计划和具体部件挂钩,以便在工业4.0的工厂中由新一代的MES智能化地生产出来。

      3、PLM支撑个性化服务

      个性化定制的产品交付用户以后,会面临服务的难题:零件是个性化定制的,维修人员可能都搞不清设备具体用的是哪个型号的零件。如何有效地进行服务呢?个性化服务仍然需要个性化定制时的信息,而这个信息就是由PLM管理的。

      于是,对一个特定的产品来说,在设计之初的PLM是设计图;生产的时候PLM是工艺方法;使用的时候PLM就是说明书,维修维护的时候PLM就是病历卡。这样就可以更加精准有效地服务了。

      二、PLM对制造型企业转型的作用

      如果说工业4.0是个漫长的发展过程,制造企业的转型则是企业面临的现实压力。制造企业转型的方向无非有两个:一个是研发、一个是服务。也就是‘微笑曲线’的两端。PLM对这两个方向的转型,都具有重要的支撑作用。

      PLM为什么能支撑企业转型呢?把研发和服务看成一种生产过程,就容易明白了。传统产业主要生产实物,现代产业的竞争力则是生产‘知识产品’:设计图、工艺方法、软件等。为了提高生产效率,实物产品的生产经历了从手工劳动到工业化大生产的转变。同样的道理,‘知识产品’的生产同样也要提高效率。

      现代化工业大生产是从流水线的发明开始的:也就是所谓的工业2.0。流水线生产之所以能提高效率,是因为压缩了不必要的劳动(如工人更换工具、来回走动)。每个人只做一件事。要做到这一点,必须很多人协作完成。而要协作完成,每个工序的操作必须标准化。

      PLM的道理也是一样的:要提高‘知识产品’的生产效率,必须降低一切不必要的设计和创新。具体地说,就是要尽可能地采用已有的部件、知识和方法,解决新的问题、满足新的需求。而PLM正是用来管理这些东西的。同时,PLM还可以用在开发、生产、服务过程的协同。从某种意义上说,PLM就是用于‘知识产品’生产的ERP、MES。

      ‘知识产品’的生产要跟上时代潮流,也必须与信息技术相结合、以信息技术为工具,而这个工具就是PLM。

      当然,要实现‘知识产品’生产的流程化,仅有信息技术还是不够的,必须与研发体制改革配套才行。这是题外话,此处就不多说了。

      三、用好工业大数据必须借助PLM

      大数据是近几年的热点。用好大数据,对未来的工业企业至关重要。然而可悲的是:大数据理论被有些别有用心的企业和所谓的专家绑架了,不了解的企业很可能会误入歧途。在某些‘砖家’眼里,大数据就是一堆金光闪闪的宝藏,随时可以换成真金白银。岂不知,非结构化的数据很难利用,‘沙里淘金’不仅是个花时间的力气活,也是个技术活:如果矿藏的品味太低,淘金也会是个赔钱的买卖。有些数据可以淘出金子,更多数据则依然是垃圾。

      笔者认为,用好大数据的关键是建议一个合适的PLM。这是因为,PLM中的知识和数据,就像存在银行中的现金,是可以随时拿出来用的。数据、知识是一种非常值得投资的‘现金’:会因为‘存款’而增加,却不会因为‘取款’而减少。

      四、做PLM要花大力气

      信息时代缺少的不是知识或信息,而是人注意力。PLM做不好,有用的知识和数据就会淹没在没用的数据和知识的海洋中,成为难用的废物。

      要做好PLM,关键是做好数据和知识的结构。PLM的体系越大,结构就越重要。这就像图书的管理:如果家里只有几本书,随便放都可以找到。但如果是一个图书馆,有数以百万级的图书,就需要认真编目和存放了。没有编目和有序存放的图书,无异于一个废纸堆。

      PLM的难点也就在这里。与ERP、MES相比,产品开发和服务的流程规范性很差,数据的规范性自然很差。所以,对知识和数据的结构化也就很难了。

      PLM在离散制造行业发展的很快。但要将其运用到流程行业就很难了。原因是:流程行业的数据和知识面临‘组合爆炸’的风险,人们很难把握哪些数据和知识该存、哪些不该存。这样,PLM在执行过程中就会很不规范。

      同样,要把工业2.0、3.0时代的PLM用到工业4.0时代,也会面临众多的挑战。正如《工业4.0》书中指出的,未来的产品已经成为一个系统,复杂性大大增加了。同时,PLM的数据管理,要适合CPS的要求。也就是说,对数据完备性的要求大大提升了。

      这些矛盾如何解决?笔者有一个设想:让知识自动地推送到需要它的地方。

      具体地说,首先要将研发和服务的过程流程化、角色化。当特定的角色进入特定的流程时,真正有用的知识会自动地推送到他的面前。这时,要把研发和服务看成一种知识的生产,把需要推送的‘知识’看成一个零件,把推送知识的系统看成智能的生产系统、把传统的PLM看成现代化的无人仓库。而这套‘生产系统’需要更高级别的知识来管理。这大概就是安筱鹏司长所说的‘系统的系统’吧?

      这些道理说起来还是容易的,做起来会非常不容易。这不仅是技术问题,还是企业战略问题、企业文化问题、是投资问题。开发一套真正具有生命力的PLM,是件非常辛苦的工作、是件‘黑发人熬成白发人'的工作。

      特别地,数据需要积累到一定程度,才能发挥关键作用。一个成长性良好的PLM可以变成‘龙’,成长性差的则会变成‘虫’。PLM本身的成长性就必须受到足够的专注。这或许是PLM成败的关键因素。

      五、总结

      天下没有免费的午餐,成果必须通过辛勤的劳动才能获得。如果把工业4.0、工业大数据看成是人们梦寐以求的‘果实’,PLM的建设则是种树。关注工业4.0、关注工业大数据的企业,应该把注意力集中在PLM上。这是需要长期不懈、踏踏实实实践的工作。

      最后,与大家分享殷瑞钰院士10年前对我讲的一段话:“做大事,快不得也慢不得”。快不得就是要沉得住气、不能急功近利;慢不得就是要只争朝夕、勤奋努力。无论搞工业4.0还是PLM,都应该秉持这个态度。

      来源 蝈蝈1968的博客

  • 相关阅读:
    Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning 第4章 读书笔记(待更新)
    Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning 第3章 读书笔记(待更新)
    Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning 第1,2章 读书笔记(待更新)
    Tkinter的Message组件
    Git 实操/配置/实践
    mysq5.7.32-win安装步骤
    行为型模式之模板方法
    结构型模式之组合模式
    结构型模式之享元模式
    结构型模式之外观模式
  • 原文地址:https://www.cnblogs.com/wwssgg/p/15706253.html
Copyright © 2011-2022 走看看