汉诺威现场直击 | 端到端的工业互联网整合展示的七大看点

本文作者:彭俊松博士

今天,SAP天天事继续邀请到SAP中国区副总裁、首席数字官彭俊松博士,为大家带来汉诺威现场速递与展会观察。

在工业互联网红透中国市场的当下,众多的制造企业面临着两个问题:

从业务的角度:如何用工业互联网的理念,帮助企业建立一个完整的业务系统。对于制造企业来说,通常要涵盖从产品的设计一直到产品的销售和服务的整个阶段。

从 IT 的角度:如何为企业搭建一个工业互联网系统,能够不断地根据外部市场和内部需求的变化,在企业可承受的成本范围内,可持续地进行调整和优化?

对于工业互联网平台的提供商来说,这两个问题,前者考验的是应用系统的总体设计能力和业务覆盖的范围和深度,后者考验的是应用平台的架构先进性、合理性,以及自身的商业模式可行性。

在本次汉诺威工博会上,SAP 用「设计到交付D2O」的一整套展示,在20多家合作伙伴的协助下,来试图回答这两个问题。为了帮助观众更好地理解,笔者总结了七个主要的特点。


▲SAP展台的七大看点和观看路线

梦寐以求的闭环研发

随着越来越多的设备通过物联网被连接起来,企业开始意识到这些数据对于改善研发和制造的价值。闭环研发(Closed-loop Engineering)虽然从理论上讲非常诱人——通过采集产品在运行阶段的数据,反哺给产品研发设计阶段——但是在现实环境中,实现起来却困难重重。最主要的难点是,企业从设计到运行D2O(Design to Operate)的各个阶段,涉及到不同的业务环节和不同的业务系统。在如此之大的跨度上,实现数据贯通非常不容易。只有建立起贯穿产品全生命周期的数据主线,并将数据主线真正地直接应用到业务系统运行中,才能实现数据贯通的目标。建立一个「旁路」的数据主线,强制所有的业务系统与其对接的做法,从一开始就会埋下失败的种子。

在汉诺威工博会 SAP 的展示现场,智能阀门闭环研发的起点,是需求管理和系统工程。SAP 展示了通过三种来源(产品现场大数据洞察、内部员工创意、对外部信息的机器学习),获取新产品的开发需求,进入到系统工程的需求模型、功能模型和逻辑模型中,建立需求到功能的链接、功能链接到逻辑架构。接下来,通过与开发工具(软件、电子和机械)的集成,以协同工作的方式,搭建出企业产品结构,并向制造和服务进行移交,形成数据主线的闭环。

在下图中,无论是体验管理、创新管理、产品生命周期成本,还是需求管理和系统工程、模拟和测试管理,或是产品结构和高级变量,都是 SAP 全新开发的产品和解决方案。熟悉 SAP 的同仁可以想见,SAP 在工业互联网的数据主线技术上投入了大量的资源。


▲SAP围绕产品全生命周期建立的数字化主线

协同的数字化供应链

产品移交到制造之后的第二步,就是计划和供应。首先,我们需要将新的智能阀门纳入到公司的销售与运营计划 S&OP 中。市场需求有多大?产能是多少?运输方式是什么?这些都需要在投产之前进行详细的计划。

SAP 的创新体现在以下三个方面:

提供了基于机器学习的方法,可以帮助企业进行更加准确的预测。

完全在云端进行需求计划和供应计划,并与供应商进行互联和协同。

对供应链执行过程进行全局跟踪与追溯,并支持数据的实时交换,让供应链各方都能掌握每个环节的最新情况。


▲SAP一体化的供应链需求计划体系

未来数字化工厂的基础架构:云制造

毫无疑问,工业4.0对于未来数字化工厂的 IT 架构的设想,是建立在云计算的基础之上的。近年来,人们对于云计算这个词的边界定义过于宽泛,以至于将托管,无论是公有云托管,还是私有云托管,统统纳入到云计算的范畴。一时之间,工厂上云似乎已经唾手可得。

然而,工业4.0谈到的云制造,绝不是简单的将传统的车间系统放在公有云或私有云的托管,它的方向应该是基于公有云的制造 SaaS。无疑,转向公有云制造 SaaS 的重心,就是 MES 的公有云化。

SAP 的 MES 基因,源自2008年收购的 MES 专业厂家——Visiprise。经过整整十年的打磨,在2018年,SAP 推出了基于公有云的「Digital Manufacturing Cloud」,其核心就是基于公有云 SaaS 的 MES,在业界独树一帜。

在本次汉诺威工博会上,SAP 在智能阀门的零部件生产环节,使用了基于公有云的 MES SaaS,来指导轮班计划、机器人互动和现场操作规程。

▲SAP现场展示的基于云制造的零部件生产

基于分布式制造构建的制造网络

多年以来,人们一直习惯于集中式制造的模式。整个生产过程由总装厂进行计划和调度,将所需的材料、零件和总成从各家供应商运送到某个集中的地点,然后进行集中的生产与装配,再根据客户的交货地点运送到客户手中。这种大规模的集中式的生产方式,从第一次工业革命开始,已经持续了很多年,人们已经对它习以为常。

在 3D 打印技术和众包技术的推动下,分布式制造逐渐成为一种崭新的生产模式。分布式制造可以通过在全球各地建立「按需 3D 打印中心(On-Demand 3D Printing Center)」的方式,在最靠近客户交货地点的位置进行生产,从而大大地减少了入厂物流和出厂物流的工作量,对客户来说提高了生产的灵活性和柔性。

分布式制造背后需要有强大的系统进行支撑,并且需要整合不同环节、不同供应商的系统。在工博会现场,SAP 展示了 SAP 迈出的整合第一步——通过将 SAP 的供应链解决方案和工业级的 3D 打印以及制造和物流网络相结合,可支持从订单到交付的无缝的分布式制造流程。


▲SAP的制造网络概览

引领时代的第三代数字化工厂

长期以来,人们对于工业4.0下的数字化工厂的技术期待,就是「水平集成」+「垂直集成」,也就是上下打通从 ERP 到 MES 再到设备层的链接,横向链接上下游的供应商和客户,这其实也是 SAP 在前几年提供的开放式集成工厂 OIF 1.0和2.0的水平。

自2018年开始,SAP 推出了基于模块化装配的 OIF 3.0数字化工厂,它具有以下四个特点:

独立:每一个工作站都是一个单独的模块,传统生产线的物理先后顺序上的限制不复存在。在需要的时候,模块可以随时加入和退出,不会相互影响。

可变:每个产品都可以有自己虚拟可变的加工流程顺序,在离开每个工作站的时候,对下一个工作站目的地做出最优决策。

智能:所有的产品和物料通过 AGV 在车间内自动运输,只有在需要的时候才会发出,从而将在制数量降到最低,并提高效率。

灵活:模块化提高了生产系统的扩展性和适应性,并且对产品的形状、尺寸具有更高的适应,可以按照需要方便地进行调整。

在本次汉诺威工博会上,SAP 展示了如何基于第三代数字化工厂技术,来实现智能阀门的总装。


▲SAP在现场展示的第三代数字化工厂

落地的数字化双胞胎网络

人们对于 Digital Twin 的概念理解,处在一个不断演化的过程中。早期对 Digital Twin 的理解,主要是从三维设计和仿真入手,强调数字模型与物理模型的「结伴出生」,所以将 Digital Twin翻译为数字孪生。但是随着对于数字化双胞胎研究和应用的深入,人们发现,数字化双胞胎不只是用在设计仿真,在更多的场合,如生产制造、供应链、资产管理等领域都可以发挥作用。很自然地问题就会浮现出来,如何确保数字化双胞胎能够适应跨系统、跨部门和跨企业之间的协同?对 Digital Twin 的理解,也不局限于一定要「孪生」,可以在有了物理模型之后,才建立它的数字模型,甚至无需考虑三维和仿真。因此,对 Digital Twin 的理解,翻译为数字化双胞胎则更为合适,强调数字模型与物理模型的「成对相似」。

数字化双胞胎网络是 SAP 在2018年汉诺威工博会提出的概念和方案,主要是针对企业应用数字化双胞胎技术的协同需求。SAP 最开始开发的数字化双胞胎网络产品,是产品运营商、服务商和制造商协同的领域——资产智能网络 AIN。SAP 接下来的开发路线,进一步向上游扩展,进入到制造领域,实现与 MES 的对接。在这次汉诺威工博会上,SAP 展示了 AIN 与 MES 对接的能力。可以设想,下一步的扩展方向,将会是采购和研发。

支持智能化产品运行的数字化服务

在最后一个环节,SAP 展示了支持智能化产品运行的数字化服务。和传统的服务不同,所有这些的数字化服务都是基于数字化双胞胎展开。而数字化双胞胎的建立,是来自于制造环节,根据设备的制造结果,创建对应的数字化双胞胎。驻留设备的数字化双胞胎的系统,称之为资产智能网络 AIN。

AIN 是一个集成化的云端系统,保存了设备从设计到制造、销售、安装、维护的各个环节的数据和信息,并开放给不同的合作伙伴,提供不同的服务。此外,AIN 还集成了设备的监控与预测功能,可以对设备进行状态监控,实现预测性维护的场景,并根据预警结果创建和发布维修工单,并调动供应链能力对资产进行备件采购、供应和资产的现场维护。最后,AIN 还可以根据对设备数据的分析及过程,对设备提出改进的意见。

所有的这些功能,都被集成在统一的服务门户上,并通过每台设备的二维码扫描进行访问。


▲SAP在现场展示的智能设备服务系统

SAP 的「面向工业互联网的设计到交付 D2O」的这一整套展示,充分显示了德国企业在工业互联网领域的最新进展和实践落地。事实上,在所有的这些 SaaS 应用的背后,是 SAP 的工业互联网 PaaS 平台实现了不同 SaaS 应用的互通。正如即便买来所有的汽车零部件(奔驰的传动、宝马的发动机、日产的座椅、丰田的变速箱…),也不可能装配成一台汽车一样,在工业软件世界,统一的规划设计、数据主线的打通、与不断变化的业务的匹配,永远是实验室系统迈向实用阶段不可逾越的关键。SAP 的端到端的业务系统和 PaaS 平台,将为广大企业快速建立实用的工业互联网,以及与其他合作伙伴的合作,提供一个坚实可靠的骨干。

最后感谢展台上来自 SAP 中国和 SAP 研究院的四位专家的大力支持。

▲笔者和展台上四位SAP方案介绍专家一起合影

原文地址:https://blog.51cto.com/14021649/2374004

时间: 2024-11-05 21:36:17

汉诺威现场直击 | 端到端的工业互联网整合展示的七大看点的相关文章

汉诺威现场直击 | 如何实现端到端的工业互联网业务整合

本文作者:彭俊松博士 以「融合的工业--工业智能」为主题的2019汉诺威工业博览会正式开幕.从4月1日起,来自75个国家的企业与访客齐聚德国汉诺威,探讨与分享最前沿的工业科技. SAP天天事特邀SAP中国副总裁.首席数字官彭俊松博士,为你带来汉诺威现场速递与展会观察. 占有主场之利的 SAP,今年为汉诺威工博会带来了以「数字化供应链和智能技术的力量(The Power of Digital Supply Chain and Intelligent Technologies)」为主题的展台,展示了

详解APM数据采样与端到端

高驰涛 云智慧首席架构师 本文整理自GOPS2016全球运维大会 上海站APM专场 云智慧首席架构师高驰涛的演讲. 高驰涛:今天咱们的专场是APM专场,我相信在座的其实对APM这个东西肯定是了解的,要不然不会过来,APM我今天会从几个层面聊一下,因为今天的时间非常有限,也不占用大家太多的时间,我只就APM里面的一个小点和大家说一下,这个其实是我们的一些应用的实践,就是我们在APM这个行业里面的一些实践,其实像刚才这两位男神和丹姐聊的这个范围没有提到APM,其实就是做APM的事情.这个二维码是我的

端到端的全栈实力,英特尔正在用人工智能成就未来

2017年5月27日,英特尔参加了由机器之心SYNCED主办的2017全球机器智能峰会(GMIS 2017),此次大会以"机器智能时代"为主题,全面聚焦人工智能,包括英特尔在内的众多国内外顶级专家汇聚于此,围绕人工智能展开精彩的演讲和激烈的讨论. 会议期间,英特尔AIPG数据科学部主任刘茵茵博士,发表了主题为<演变中的人工智能,与模型俱进>的精彩演讲,她表示,深度学习推动着人工智能领域的进展,每个AI模型都是理论与实践的突破,以模型为起点,通过收集数据,进行训练,基于人工智

Kafka端到端审计

概述 Kafka端到端审计是指生产者生产的消息存入至broker,以及消费者从broker中消费消息这个过程之间消息个数及延迟的审计,以此可以检测是否有数据丢失,是否有数据重复以及端到端的延迟等. 目前主要调研了3个产品: Chaperone (Uber) Confluent Control Center(非开源,收费) Kafka Monitor (LinkedIn) 对于Kafka端到端的审计主要通过: 消息payload中内嵌时间戳timestamp 消息payload中内嵌全局index

端到端流程解决方案

一.需求分析 1企业规模的不断发展.管理水平的不断提升,通常伴随着企业各业务板块管理分工更细.更专业,IT系统同样越来越多.越来越专 业化.不可避免的,部门墙和信息孤岛出现了,企业的流程被部门或者IT系统割裂. 2通常,企业端到端流程的实现从核心的业务流程开始,比如:制造行业的产品研发流程.订单管理流程, 地产行业的采购招标流程.合同管理流程,地产经纪的房产交易流程等等,通过核心业务流程的端到端管理,提升核心业务的管理水平,提 升核心竞争力. 3打破组织与IT系统边界,把流程从职能组织的背后移到

[Asp.net 开发系列之SignalR篇]专题二:使用SignalR实现酷炫端对端聊天功能

一.引言 在前一篇文章已经详细介绍了SignalR了,并且简单介绍它在Asp.net MVC 和WPF中的应用.在上篇博文介绍的都是群发消息的实现,然而,对于SignalR是为了实时聊天而生的,自然少了不像QQ一样的端对端的聊天了.本篇博文将介绍如何使用SignalR来实现类似QQ聊天的功能. 二.使用SignalR实现端对端聊天的思路 在介绍具体实现之前,我先来介绍了使用SignalR实现端对端聊天的思路.相信大家在前篇文章已经看到过Clients.All.sendMessage(name,

基于python语言的tensorflow的‘端到端’的字符型验证码识别源码整理(github源码分享)

基于python语言的tensorflow的‘端到端’的字符型验证码识别 1   Abstract 验证码(CAPTCHA)的诞生本身是为了自动区分 自然人 和 机器人 的一套公开方法, 但是近几年的人工智能技术的发展,传统的字符验证已经形同虚设. 所以,大家一方面研究和学习此代码时,另外一方面也要警惕自己的互联网系统的web安全问题. Keywords: 人工智能,Python,字符验证码,CAPTCHA,识别,tensorflow,CNN,深度学习 2   Introduction 全自动区

DIX和DIF该诉你,什么叫端到端数据一致性

我们跟数据打交道的人都应该知道,数据在存储系统传输中,经过了多个部件.多种传输通道和复杂的软件处理过程,其中任意一个环节发生错误都可能会导致数据错误.但是这种错误一般无法被立即检测出来,而是后续通过应用在访问数据过程中,才发现数据已经出错,这种数据很难在数据发生错误那一刻被检查出来的错误,我们称为静默数据破坏,即Silent Data Corruption. 静默数据破坏产生原因 数据产生静默数据破坏的原因有很多种,但大致可以归结为以下几类. 硬件错误:内存.CPU.硬盘.数据传输链路等 Fir

通过UDP探测端到端MTU

P_MTU_D(Path MTU Discovery) socket的UDP功能,去发现端到端MTU #!/usr/bin/env python3 #-*- encoding:utf8 -*- #Used UDP to learn the MTU of the end_to_end PATH_MTU import IN,argparse,socket if not hasattr(IN,'IP_MTU'): raise RuntimeError('cannot perform MTU disco