淺談:德國工業4.0成熟度標準模型

德国莱茵tuv 淺談:德國工業4.0成熟度標準模型
2019年6月27日 | 工業製造

      

當前,人類在技術革命領域不斷開拓創新,大數據、雲端運算、物聯網(IoT)、工業互聯網(IIoT)等技術得以成熟應用,工業自動化、數位化的水準不斷提高,這些都在進行一場新的工業革命。

2014年,德國推動“工業4.0戰略計畫”,引起了全球工業界的極大迴響,繼德國之後,美國(IIC)、日本(4.1J)、中國(2025)等世界主要工業國家均發佈了適應各自工業基礎和發展環境的國家政策和戰略,以應對第四次工業革命所帶來的挑戰。

本文結合德國工業4.0的理論模型,詳細闡述它在各個生產環節的要求和技術應用,同時德國萊因TÜV作為第一個頒佈德國工業4.0企業評判標準的國際驗證公司,我們的專家將就此標準的研發理論,判斷方法以及實施過程進行剖析。

 

一、德國工業4.0定義與背景

完美的工業生產系統是現代資訊和通信技術的相互關聯體,其技術基礎是智慧和數位網路系統。在它們的助力下, 組織的大規模定制生產成為可能: 在工業4.0 中,人員、機器、工廠、物流和產品之間實現直接的交流與協作。通過物聯網, 不僅能夠優化一個生產步驟,同時可以優化整個價值鏈。它能貫穿整個產品生命週期的所有階段 —- 從產品的概念到開發、製造、使用、維護到回收利用。

工業4.0 的核心價值主張是

– 實現小批量多品種以及個性化訂製商品的高效生產

– 利用資訊和通信技術,在價值創造週期中整合所有參與者的所有資訊和進程。(資訊和通信技術)

– 確保所涉及的資產、工人、用戶和消費者的安全、資安和品質要求得到滿足。

– 提高可持續性、減少碳足跡、減少廢棄物產生、減少資源損耗

 

支援德國工業4.0的技術

– 高精度的傳感技術

– 資訊與通訊技術

– 雲端運算和大數據分析

– 工業互聯網和物聯網(IIoT和IoT)

– 工業自動化:機器人,RFID和人工智慧

 

二、德國工業4.0 RAMI模型

如果參考建築模型Industry 4.0,已經看到了有三根軸,第一根軸是關於建築模型分層的,總共有六層。在底部有最基本的資產層,資產層是真實的東西,包括所有的生產基地應有的配置。再向上,有一個是集成層,它是數位化的,所有資產信號都可以在這個數位世界裡上升,隨後是另外四層分別是通信、資訊交流、資料與功能和業務流程。

第二根軸是指產品生命週期,產品生命週期是從設計開發的(一個概念)到生產銷售和後服務(第二個概念),所以我們需要集合所有的資料,比如第四層(資訊交流)層,這裡是從第一個開發概念到我們之後的所有後服務部門,會將所有資料集合在一起,通過這個參考體系結構模型進行分析和交流。

第三根軸是在工業3.0的基礎上(自動化控制),增加了兩個新概念,一個新概念就是產品本身,產品從下料,加工工藝到機器上運行,都是自動調配和自動生成MES (製造執行系統) ,這是智慧製造的一環,是我們在RAMI模型中引入的新概念。

圖1 德國工業4.0 RAMI理論模型

 

對於我們來說,RAMI模型是工業4.0一個完整的解決方案基礎。例如,在立方體中,您可以看到生產區域中的所有狀態資料(Assets層)通過各種感測器採集並傳輸予以集成(Integration層),然後將有價值的資料通過UDP/IP或TCP/IP傳輸出去(Communication層),之後就可以在一個平台上討論所有具體問題(Information層)。

 

三、RAMI模型代表層詳細剖析和舉例

如何更進一步地去認識這個模型,我們先來看看資產層(Assets層)。其實物理意義很清楚,我們有產品電纜、金屬板、加工設備及軟體等,所有的東西都是屬於資產層的內容。同時還包括一些如專案計畫,商業計畫以及人也是其中一部分,只不過他們在資產層分別扮演的角色不同罷了。

圖2 德國工業4.0 RAMI理論模型 1-2 層【1】

 

而在整合層(Integration層)是集成了所有流程的資料,在這裡收集了來自流程的所有資料,然後我們決定要在工業4.0網路中提供哪些資料。在這個模型中,會使用專門技術直接就近提取工業4.0模型所需要的所有資訊,最終送至下一層。

例如:操作者作為一種資產在資產層使用通訊設備,通過智慧手機進行數位連接,那麼操作者是屬於結構模型中的資產,這裡有數字連接。它們的獲取值將被返回給整合層(Integration層)。

再上一層是通訊層(Communication 層),需要有線和無線通訊,工業互聯網是必備的。目前在德國考慮將使用UDP/IP或TCP/IP系統,因為可以更容易地提供服務。其中時效性網路 (time sensitive network, 簡稱TSN)在未來也是很有可能被採用,但目前它正處於逐步規範階段,還不確定最終結果,現在正在開發的5G技術也是很有可能被採用的,目前,這比TSN似乎要遠一點,但5G對於通訊層(Communication 層)來說也是一個很好的消息。

圖3 德國工業4.0 RAMI理論模型 3 層

 

再上一層是資訊層(Information層)。通訊層(Communication層 )上方的資訊層用於資料展示。人們對這裡的資料會非常感興趣。這裡介紹伺服電機的一個具體事例:最前沿是一個供應商,我們生產數千個伺服電機交付給機器製造商,它們將伺服電機安裝至機器中,再交付給機器的最終使用者去加工產品。

圖4 德國工業4.0 RAMI理論模型 4 層舉例【1】

 

在供應商的資訊平台上(Information層)會展示許多資料,機器製造商可以在這平台上提出自己的特殊要求和技術條件,伺服電機的生廠商可以在這個平台上獲取足夠的客戶資訊,用於調整自己的設計,以滿足機器製造商的要求。機器最終使用者在加工產品時也可以從這個平台上獲得有許多相關伺服電機的資料, 不但如此,他還可以根據產品加工時出現的特殊要求,進入伺服電機這個平台,要求優化伺服電機的設計,同時也可以就伺服電機的維修保養及報廢與伺服電機的供應商交流。

圖5 伺服電機在信息層上的資料交換【1】

 

四、德國工業4.0的路線圖

在德國,你會看到許多製造商服務商都在趕工業4.0的浪潮宣佈。

“我的產品是工業4.0。我的產品準備好了”。

但是客戶根本不知道這個貼上4.0標籤的產品說明什麼。

目前在德國討論,理論上分三個步驟:

第一階段為定義基本概念階段,決定哪些產品能夠被覆蓋到工業4.0的概念;

第二個階段為準備階段,我們在這個階段可以明確所有進入工業4.0概念的產品至少具備哪些特徵;

以上兩個階段需要在5年之內完成;

第三個階段是上升到標準研究階段,在這個階段中,需要長於5年的時間來完成整個工業4.0的標準定義和戰略。

圖1. 德國工業4.0的行進時間表【1】

 

五、德國萊因TÜV成熟度4.0模型的建立【3】

依據德國工業4.0的基本三大要素:系統、程式和產品,結合德國萊因TÜV的三大核心:人文、技術和環境,我們建立了包含九個單元的TÜV萊因工業4.0成熟度模型,其中每個單元涉及到了歐洲和國際上的相關標準和法規,細化了德國工業4.0對於企業發展的每個細節,不但可以通過TÜV萊因工業4.0成熟度模型進行評估,更重要的是可以明確每一個微觀部分與現代企業的差距,明確改善的方向。

下面我們對九個單元的內容進行一下簡單的介紹。

圖2. TÜV萊因工業4.0成熟度模型

 

組織

圍繞工業4.0的組織設計和空間方面的背景資訊(如何為工業 4.0構建組織架構?)

有關法律、市場和其他監管要求的資訊(安全、資安、合規如何為4.0組織結構護航?)

實踐中的最佳組織架構資訊(有關行業中最先進的組織結構是什麼?)

涉及到的標準有 ISO 9000系列 (ISO 9001,SA 8000,ISO 26000),內容包含:戰略和目標、總體規劃和設計、精益管理、工作組織設計、角色和義務、技能和資格、報酬,權利和津貼等方面。

 

結構

結構包括ITIL,CMMI,COBIT,PMBOK,PRINCE2,ISO/IEC 20000, ISO 21500, ISO/IEC 38500, TOGAF, ISO 27001, ISO 27002。涉及到:IT管理系統、系統的可靠性、網路安全、IoT的隱私權、IIoT工業大資料、雲計算、智慧設計、集成技術、資訊及嵌入式等技術和內容。

 

生態系統

生態系統涉及到供應鏈的管理、自動系統集成、智慧化物流管理、可持續性管理、能耗管理等。

涉及到的標準:ISO 14001,RoHS,ISO 44001,ISO 50001等。

 

勞動者

減少人為錯誤,提高生產力、安全性和舒適性、特別關注人與感興趣的事物之間的相互作用。在這單元中特別考慮健康與安全和生產力這兩大要素。

相關標準:ISO 45001,EN ISO 26800,EN ISO 6385,EN 614,EN 9241-5等。

 

程式研究

所有的製造程式主要都是由機器執行,因此程式的優化和可靠成為一個重要環節。其中需要重點考核的是MES/MOM、CAPP、CAM、虛擬生產、感測器和ID技術等。同時遠端操作與維護、生產視覺化、程式控制及工業機器人也都是評估的對象。

 

價值鏈

價值鏈為一端到另一端的增值活動集合,為客戶、利益相關者或最終用戶創建一個良好的整體結果。它包括產品生命週期管理和生命週期評估兩個方面。前者是指從產品設計到製造,再到維修和退役,對產品的整個生命週期進行的管理過程;後者是指評估從原料提取到材料加工、製造、分銷、使用、維修、維護、到處理或回收,與產品生命所有階段的影響。

涉及到的標準為:ISO 14040, ISO 14044等。

 

定制化設計

定制化設計是先分析和設想使用者可能喜歡的產品的所有特點,同時驗證並修正他們在實際使用中對設計的回饋。它包括兩個方面:安全性及高品質(用戶滿意度)。

所謂安全性旨在確保用戶安全的所有因素和特性,而高品質(用戶滿意度)是指達到使用者對產品滿意為目標的所有因素和產品特性。

 

技術要求

這一單元是指保證產品技術性能和市場監管要求的所有技術要求。它包括相容性和性能兩個方面。所謂相容性是在市場上使用的所有規格產品都可以找到配件和便於安裝的特性,性能是指與同類產品相比,它有更好的品質的特性。目前考核的是CAD和CAE技術。

 

生態設計

所有設計要求需要避免對產品產生負面的生態影響。是否很好採用了歐洲的3R理論,確保產品的可重複使用,可回收及降解的可能性,同時也具有使用耐久的特點。

 

六、德國萊因TÜV成熟度4.0標準的實施

基於神經網路的評估網路模型的建立

【2】人工神經網路(Artificial Neural Network, ANN),通常簡稱為神經網路,是一種在生物神經網路的基礎上建立的資料處理模型。神經網路由大量的人工神經元相互連接進行計算 ,根據外界的資訊改變自身的結構,主要通過調整神經元之間的權值來對輸入的資料進行建立模型,最終具備解決實際問題的能力。

人工神經網路具有強大的模式識別和資料擬合能力,自組織網路特別適用於解決聚類與分類問題,同時它具有自學習和自我調整性、非線性、堅固性 (Robustness) 與容錯性、計算的並行性與存儲的分佈性、分散式存儲等諸多特點。

為了建立基於神經網路的評估網路模型,我們將利用MATLAB關於機器深度學習工具包,建立自己的三層評估網路模型,輸入層選擇9個節點,然後選擇15個隱含層節點(程式如下):

net = patternnet (15)

% 設立70%的樣本為訓練樣本,15%的樣本為驗證樣本,另15%的樣本為測試樣本

net.divideParam.trainRatio = 70/100;

net.divideParam.valRatio = 15/100;

net.divideParam.testRatio = 15/100;

% 訓練網路

[net, tr] = train (net, X’,targets’);

% 用訓練好的使用新的資料

preds = net (Xnew’);

% 驗證和測試

Xtest = X (tr.testInd,:);

predsTest = net (Xtest’);

% ROC (Receiver Operating Characteristic)曲線

Plotconfusion (targets, preds)

 

圖3. TÜV萊因工業4.0成熟度評估網路模型

 

我們將德國萊因TÜV工業4.0成熟度評估結果分成5類,從1到5依次越來越近,也就是產品生產的整體離德國工業4.0理想模型越來越近,同時我們還能根據計算分類結果來追溯之前的因素,以供企業參考改進和完善。

 

七、評估網路的測試

我們使用這一網路對某個軸承生產廠家進行了調查,從九個維度逐個與企業行政管理者,產品開發人員、品質管制者、生產設備及控制、企業網站和物流、上下游產品使用者以及當地的環保人員和機構等進行了評估和打分。

最終將這一樣本輸入TÜV萊因工業4.0成熟度評估網,輸出結果為2類,它與德國工業4.0模型的貼近度最多達到40%。

回歸追溯原因為以下幾點:儘管在此生產廠家在assets層製造設備先進,故障檢測及狀態檢測等硬體設施世界一流,但是在Integration,Communication及Information層的手段上還很欠缺,並且在最高的兩層(Functional & Business)沒有充分顯示出綠色環保的設計理念。

圖4. TÜV萊因工業4.0成熟度評估時圖表事例

 

在許多企業都關心自己的企業到底與德國工業4.0差距有多少?差距在哪裡?德國萊因TÜV頒佈的評估系統到底是如何出爐的?通過此篇文章的論述,我們可以對德國工業4.0有一些認識,同時也對德國萊因TÜV有關成熟度評估標準有進一步的瞭解。

 

質者介紹

陳偉康 德國萊因TÜV大中華區 工業服務 副總裁

 

Mathias Maerz 德國萊因TÜV大中華區 工業服務 業務拓展經理

 

鄭豪 德國萊因TÜV大中華區 商用與工業產品服務 總經理

 

陸曉寒 德國萊因TÜV大中華區 資深市場經理

 

参 考 文 献

[1] BOSCH Rexroth AG presentation by Mr. Martin Hankel

[2] 《神經網路原理與實例精解》 陳明 等編著,清華大學出版社

[3] 《TÜV Rheinland Integrated Maturity Model 4.0》 prepared by Mathias Maerz

[4] 《神經網路設計》 Martin T. Hagan etc. 機械工業出版社

[5] 《智慧製造之路》 陳明 梁乃明,機械工業出版社

[6]《Machine Learning with MATLAB》 and 《Deep Learning with MATLAB》, Training Service

發表迴響