Digital Transformation"},"section_hierarchy":[{"id":33182,"name":"Factory","alias":"factory"},{"id":91288,"name":"Digital Transformation","alias":"factory/digital-transformation"}],"taxonomy":[],"authors":[{"id":13743059,"name":"David Greenfield"}]}">

GAF分享数字转换教程

4月13日2023
成功持续创建GAF未来工厂进程包括制定技术选择部署具体计划,以数字线概念连接产品、流程、机器和材料健康

如此多关于制造业公司在数字变换时所经历之争的消息 所牵涉的挑战似乎不可逾越特别是当我们看到统计显示 70数字变换项目失效置固有困难于不顾 无法避免数字变换操作 以维系数字商业世界

万一发现数字变换成功 需要清晰灵活规划但这些计划应该长得像远不那么清晰 这些工业数字变换的早期

公司数字变换所学最佳描述之一 由流程服务技术高级主管Geoffrey JacksonGAF制造房顶防水材料

Jackson指出GAF在持续数字变换中已经并仍在犯错误,但从清晰计划入手,并按需演进,是迄今为止成功的关键

计划化

GAF未来工厂2017年启动,使用4.0工业能力技术通过多代方法开发数字线程2022年底这些步骤实现后, Jackson表示公司目前的工作重点是将这些工具融入日常操作中, 以可视化分析所有生产相关方面

2017至2020年GAF实现三大具体目标:基础设施建设转换、员工队伍规划以及连接装置和系统Jackson指出,所涉团队必须在每一步向公司展示价值

Jackson描述GAF多代用于实现这些目标如下:

Gen1-Connect分析数据并提供

  • 所有关键商务应用都通过单移动用户接口连通并存取
  • 例例商务任务自动化管理 多领域异常
  • 实现工厂间数据标准化并连通分析可见性
  • 构建技巧进化路径

Gen2自动机盘点并近实时显示状态

  • 实时原材料消费数据提供选择工厂
  • 自动化循环计算下降频率基于原材料消耗
  • 自动化制作过程 说得通
  • 企业作用跨系统移动自动化并异常管理

Gen3应用机学习解析并让用户看到整个过程

  • 完全整合数据支持战略决策
  • 实时目录消耗数据 所有工厂
  • 机器例行任务自动化
  • 使用增强和虚拟现实设备以及其他电子资源解决故障、培训和其他需要使用案例


GAF数字线程

数字线由多定义决定 取决于由何方解释 某些人喜欢连接到特定技术GAF方法先创建产品识别方法,用之将产品所有相关信息联结

产品识别方法与四大健康因子绑定Jesson说道,“我们认为健康状态[过程或产 ”。例举处理按需实现目标原材料提供或上路

四种健康因素GAF应用到数字线程

  • 产品健康-视像检验确定并符合完成良好规范
  • 进程健康-取自过程定点和实际值
  • 机器驱动机条件、基于条件的监测、生命周期管理以及实用信息(例如压缩空气、冷却等)。
  • 材料健康-符合原材料规范、存储、处理和使用、物理属性和接收信息

都写在纸上 被归档 无人查看或分析

环应用

GAF集中部署它所谓的“应用环圈”创建世界级运算

Jackson说 : “当你想出你[数字变换]方向时,你应该能够查看你计划使用的工具并询问:它提供哪些健康信息?帮助定义人使用生成数据并评价工具值避免部署过多工具

GAF工具圈应用如下:

  • 计算机化维护管理系统用于预防和预测维护
  • 仓库管理系统
  • 规划调度系统
  • 制造执行系统
  • 人机接口生产控制
  • 实时视觉分析可视化

环形应用从人和过程工具角度观察

人工具包括技能建设和跟踪,通过单用户接口访问数据,可视化仪表板,人力资源相关信息,以及行动和思想跟踪

流程工具包括MES、CMMS、WMS、规划、采购、HMI、质量保证系统和数据生成工具,如质量控制系统、原材料数据、机器状况监测、环境健康和安全信息、知识管理、财务报告和运输

工具生成数据 数据流程健康 用户访问信息使用这些分解, 你可以分类应用 人,过程或数据生成工具

匹配GAF数字线程四大健康组件应用如下:

  • 产品健康质量测试、清单水平和位置、生命周期管理
  • 原材料健康-接收质量测试、盘点水平和位置
  • 过程健康规划/调度、制造、运输
  • 机器健康条件监控

实现具体任务自动化的一个主要因素环绕GAF消除3D任务的重点-那些被认为乏味、肮脏或危险的任务,即无人真正想做而不创造值的任务

3D任务自自动化消除后,删除手写文档和人工电子表格创建,用户不输入数据,而是查看数据并使用数据,Jackson说 。归根结底,信息数字化开发预测规范模型 供用户更好地决策并理解所有这些步骤-了解四种健康状况,使工人免负3D任务,使用预测式指令式模型-帮助我们变换这些改变的价值

赞助建议

产业更新:OT中的AI

微软人工智能与Avela和Siemens操作技术软件

cobot安全透视

自动化世界DavidGreenfield与美国SchmersalDevin Murray学习abtu风险评估

运动控制:电或气

复杂机多轴运动控制充电选择常取决于应用速度和行程长度

未来创新将如何影响机器人集成

Misa Ilkhechi突出过去五年机器人整合的变革进步,特别是在互操作性方面