【數位優化VS.數位聯結】
✍📰近期在經濟日報「名家觀點」登出的「數位優化VS.數位聯結」一文,🔍主要是強調:數位轉型的目的在於打下智慧製造與服務的碁盤,重要的關鍵是在「數位聯結」,而非僅在「數位優化」。任何環節都需優化那是必然的,而聯結才是是否能轉型成功的重要關鍵。💪💪💪
限於篇幅,上述文章在網上為1200字。詳細的全文1800字附於後,請各位指正。😊
值此中秋佳節前夕,藉此預祝佳節快樂,闔府平安。🙏🌝
🏫👨🏫【製造業數位轉型觀點:數位優化v.s.數位聯結完整版】
兩年以前德國的工業4.0風潮甚囂塵上,導引許多國家包括台灣都在談論延伸的智慧製造與智慧服務,然而,近年業界探討數位轉型的議題多過智慧製造與智慧服務。其實,數位轉型是企業經營體質轉變的過程,是進入智慧製造與智慧服務之關鍵門檻。👉👉
😊 數位轉型之進程
事實上,數位時代早就於現今生活中發生,1998年全球由英國首先推動電視數位化,2004年台灣提出無線電視邁入數位化,2012年5月台灣關閉類比電視訊號後,正式進入數位電視元年。這種將訊號轉換為數據的進程,正是數位轉型的第一步,試圖將所有的事件內容數據化,在數據的基礎上,各種精確的計算與控制將得以實現。
電視設備數位化的過程很單純,只要裝上數位機上盒就可算完成,此時的數位化聚焦在「工具設備」然而產業生產機台要數位化相對複雜許多,不同機台不同語言,從硬體偵測控制到軟體運算,所有流程都要經過標準化,所有數據都要能被可視化,讓生產機台能實現即時監控與預警,進而超前佈署產能規劃。這個階段是當下大部分企業正在努力的方向,我稱之為數位轉型的第二階段,也就是聚焦在「聯結」⛓。
智慧化發展則屬於第三階段的數位轉型。此階段必須在第二階段的基礎上運行才能看到效益。引用貝恩管理顧問公司(Bain & Company,2018)發布的調研結果指出,全球採用數位轉型(Digital Transformation)解決方案的企業以倍數成長,然而一旦企業本身基礎不足,仍採用數位轉型工具設備的結果,導入效果皆不佳。在這個階段,透過數據應用讓機械甚至整個產線,具備「對應事件自動回饋與處理」的能力,追求讓機械具備與人類智慧相近的反應能力,進而實現智慧工廠營運能量,也就是工業4.0的完成型態。
😊數位「聯結」比數位「優化」更重要
近期發現有將「數位化、數位優化、數位轉型」列為論述重點,導致「數位優化」一詞越來越常被提及,「優化」意指完善化,數位優化是組織在原有資訊基礎上,持續改善提升各項經營活動系統化與數位化的能力,這也正是目前大部分企業投身數位轉型所積極之處,但筆者認為有一個關鍵比數位優化更為重要,那就是數位聯結,「優化」只是過程,「聯結」才能帶來結果。當下的優化作為多聚焦於數位技術與數據處理效能的提升,但各種數據資料的聯結,是否能幫企業獲利或幫顧客創造價值才是數位轉型的真正目的。
😊兩年前筆者開始提倡產業生態系(ECO System)概念,相較於產業上下游概念,產業生態系的關鍵點在於「Better Linking」,也就是「聯結」之意。數位轉型的「聯結」可以從技術層面和價值創造層面來分別思考。
技術層面相較於數位優化著重在資訊技術的優化,數位聯結更著重從整體經營角度,去聯結資訊技術、生產技術、物流技術、銷售技術、人才技能、創新技術,甚至到管理決策技術等知識面向,是否妥善融入數位營運流程。價值創造面則是探討如何以終為始,將數據內容聯結客戶成功與企業獲利來進行妥善串聯,從產業生態系觀點去打造商業夥伴之間的數據內容聯結,讓身處生態系中的每一個角色,在數位轉型過程中,透過平衡、成長、共創,一起走向智慧製造與智慧服務的營運模式。👊✊
長遠來看,數位聯結所創造的能量,比數位優化更為重要,因為聯結不只是過程優化,更是將管理者經驗與經營者思維,注入到各種「數據內容」建構之中,在以人為本的潮流中,勢必將走到智慧化系統與人類在各種專業進行更深度的聯結,如此才算完成智慧化的數位轉型歷程。
😊為企業創造更佳「聯結」
面對轉型的猶豫與焦慮,我們經歷過深知其不容易之處,然而智慧化發展是不得不面對的未來,此次疫情大大加速全球企業數位轉型的進程,不轉型就淘汰,為了幫助企業順利完成數位轉型,財團法人中國生產力中心將於Me Bench評量平台上提供一個數位轉型評量系統;包括:組織策略管理、數位科技應用、體系價值創造、顧客與文化生態、商業模式創新等五個構面;讓企業可以評估自身是否已經具備轉型之基礎條件。👍👍
🙂另外,在轉型的實踐面,更以精實管理(LEAN Management)理念為基礎,配合顧問多年執行之經驗,發展出精實智造LSM (Lean Smart Manufacturing)架構,先從簡化、合理化、標準化、精實化來檢視轉型流程、定義關鍵數據,先完成數據的價值流程,再整合製造執行系(MES)、機器人偵測器、雲端、大數據(Big Data)、人工智慧(AI)等智慧技術,來實踐具備價值創造能耐的數位轉型。
面對企業之數位轉型需求,生產力中心也努力為此來創建「聯結」;未來我們將建構一個開放式的數位轉型平台,攜手產業、學界、法人與研究單位,讓更多不同領域的專業知識匯入,也聚集更多的轉型先進技術,用以滿足各種不同企業之數位轉型需求,陪伴企業面對新數位時代,共創卓越競爭力。👍👍
mes定義 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
楊磊:智能製造的本質是數字智能的落地
北京新浪網 (2019-11-15 11:42)
新浪財經訊 由中國商務部、科技部、工信部、國家發改委、農業農村部、國家知識產權局、中國科學院、中國工程院等國家部委和深圳市人民政府共同舉辦的「第二十一屆中國國際高新技術成果交易會」於2019年11月13日-17日在中國深圳舉行。北京滴普科技有限公司聯合創始人兼業務發展體系總裁楊磊出席「未來科技峰會」交流會並演講。
以下為演講實錄:
大家好,我叫楊磊。說到工業產業互聯網是比較熱的風口,所以我們有幾個比較重要的標籤。第一,數字化智能平台全棧服務商。第二,中台戰略。第三,我們是這個賽道裏面融資金額最大的一個公司。今天跟大家分享的是我們的產品DEEPEXI工業互聯網平台,因為我們團隊都是來自於阿里、華為、騰訊、AWS,所以我們是一個典型的技術解決方案公司。
其實我們看一個關鍵東西,叫做行業分析。整個行業分析的話,因為我們講整個工業互聯網平台的時候是有一些切入點的。我們任何一個企業或者任何一個單位在做數字化建設過程中不是一蹴而就的。我們觀察整個行業,尤其是工業製造業,我們會發現,在整個工業的檢測設備上面實際是有一些痛點的。一是需要人工操作比較多,二是整個檢測能力缺失,三是不具備自我學習的能力。很多企業需要很厲害的老師傅們在那裡駐場才能解決這個問題。四是在整個產線很難有數據平台這一類的公司存在,整個產線流程不具備追溯能力。沒有BI可視化,沒有統一的視角。
基於目前工業製造面臨的痛點,我們設計了工業互聯網平台架構。這一塊我們分為機器視覺檢測、產線數字化、數字化工廠。第一,機器視覺檢測是通過各種視覺能力,尤其在深度演算法結合我們傳統演算法的基礎上,把視覺應用在整個工業數據場景。第二,在產線數字化,我們把整個產線自動化能力加上大數據的能力,把這兩個能力有機結合,呈現出對MES、ERP,或者其他的東西產生一些更合理的管理。第三,在整個數字化工廠,其實體現的是更大的範圍,整個統一數字化工廠,或者整個統一數字化平台的建設。
在產品方案上,我們定義的工業互聯網平台架構分為幾個平面。第一,在服務開放平台上面需要有什麼能力。第二,比較核心的在工業互聯網OS平台,就是整個業務數據上,我們怎麼打通,這是工業互聯網要核心解決的問題。第三,一些雲上的運用,包括產線或者生產製造的運營,像一些營銷、CRM,怎麼跟我們的產線打通。這一塊強調的是應用的能力。通過這種方式的分層,我們可以看出來架構下面的整個工業互聯網平台包含核心的工業OS的能力。
再看滴普雲邊端工業互聯網解決方案,通過對產線或者工業IoT能力的捕捉,把邊緣計算設備,或者一些絕緣的網端上升到雲上,加上AI的演算法把能力呈現出來。這端是工業相機/機器人等設備,這邊是各種複雜的雲上的架構。這就是工業雲OS平台整體架構,整個工業雲OS平台是很複雜的,比如技術需要大量的技術供應鏈做支撐,需要整個AI的演算法模型。比如給商業地產公司做物業的管理,就是把能源管理介入到IOB(音)平台。我們可以對物業對業主進行管理。比如業主之前每個月能源消耗是2萬度電,這個月可能是2千度電。這時候物業要小心,有可能這個公司要倒閉。能源怎麼跟經營挂鉤,實際上是通過整個工業OS平台打通的。在IOB平台有各種設備能力,我們有各種的數據處理能力,有圖像識別的技術。有一些著名的手機廠商,或者全球鋰電池的生產商他們做的檢測,把他們的數據匯聚到我們中台上面來,最後通過數據對缺陷識別管理。另外一個環節就是端的能力,端的能力在整個端上面我們包含很多,我們在攝像頭提供了AI的攝像,我們有自己邊緣計算的應用產品,有很多邊緣計算盒子,也有一體化的網管。
這裏講一個最佳實踐,DEEPEXI智能製造檢測平台,它有幾個關鍵應用功能:數據分析、報警管理、報表展示、用戶中心。我們的智能數字平台,可以跟MES打通,可以根據出現問題的單板和器件來查找是哪個供應商的問題。另外,我們有整個的標誌系統,有整個雲上的訓練模型,把所有的模型訓練好,然後下發到產線關鍵工位。另外做全數據的打通,在我們看來,沒有應用的數據都不是資產,只有把數據運用起來才是資產,比如產線拍了一張圖片,這個圖片做一個精確定位,可能單靠設備拍的部件沒有問題。如果把它放在我們的生產系統,跟我們的拍照系統,跟ERP做打通的,可能是一個很高壓的數據。因為要溯源,需要儘快排查這個問題,這樣的話可極大減少產線的故障和產品的損失。
這是我們的一個落地方案,在整個的工廠現有的情況下,這裏面不涵蓋5G網路,我們的設備已經模組,因為我們跟華為有合作,他們的模組是放到我們這裏去,我們提供5G的服務。在現有的網路情況帶動傳統的工業情況下怎麼去部署?這是很重要的一個要求。另外,還要考慮總部中心和分廠的部署能力。我們的實施計劃包含最小閉環,從產線到車間,從車間到基地的實施方案。可能在第一階段只是個位數的,第二階段是千量級,第三階段可能是百萬級。再看落地效果,檢測準確率每提升一個點,工廠良品率就能提升多高。第二是檢測的效率縮短。第三個是從產線檢測設備減半。
另外一個是行業應用,我們落地應用在工業視覺,包含面板、PCB、IC晶圓。謝謝大家。
資料來源:https://news.sina.com.tw/article/20191115/33327660.html
mes定義 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
楊磊:智能製造的本質是數字智能的落地
北京新浪網 (2019-11-15 11:42)
新浪財經訊 由中國商務部、科技部、工信部、國家發改委、農業農村部、國家知識產權局、中國科學院、中國工程院等國家部委和深圳市人民政府共同舉辦的「第二十一屆中國國際高新技術成果交易會」於2019年11月13日-17日在中國深圳舉行。北京滴普科技有限公司聯合創始人兼業務發展體系總裁楊磊出席「未來科技峰會」交流會並演講。
以下為演講實錄:
大家好,我叫楊磊。說到工業產業互聯網是比較熱的風口,所以我們有幾個比較重要的標籤。第一,數字化智能平台全棧服務商。第二,中台戰略。第三,我們是這個賽道裏面融資金額最大的一個公司。今天跟大家分享的是我們的產品DEEPEXI工業互聯網平台,因為我們團隊都是來自於阿里、華為、騰訊、AWS,所以我們是一個典型的技術解決方案公司。
其實我們看一個關鍵東西,叫做行業分析。整個行業分析的話,因為我們講整個工業互聯網平台的時候是有一些切入點的。我們任何一個企業或者任何一個單位在做數字化建設過程中不是一蹴而就的。我們觀察整個行業,尤其是工業製造業,我們會發現,在整個工業的檢測設備上面實際是有一些痛點的。一是需要人工操作比較多,二是整個檢測能力缺失,三是不具備自我學習的能力。很多企業需要很厲害的老師傅們在那裡駐場才能解決這個問題。四是在整個產線很難有數據平台這一類的公司存在,整個產線流程不具備追溯能力。沒有BI可視化,沒有統一的視角。
基於目前工業製造面臨的痛點,我們設計了工業互聯網平台架構。這一塊我們分為機器視覺檢測、產線數字化、數字化工廠。第一,機器視覺檢測是通過各種視覺能力,尤其在深度演算法結合我們傳統演算法的基礎上,把視覺應用在整個工業數據場景。第二,在產線數字化,我們把整個產線自動化能力加上大數據的能力,把這兩個能力有機結合,呈現出對MES、ERP,或者其他的東西產生一些更合理的管理。第三,在整個數字化工廠,其實體現的是更大的範圍,整個統一數字化工廠,或者整個統一數字化平台的建設。
在產品方案上,我們定義的工業互聯網平台架構分為幾個平面。第一,在服務開放平台上面需要有什麼能力。第二,比較核心的在工業互聯網OS平台,就是整個業務數據上,我們怎麼打通,這是工業互聯網要核心解決的問題。第三,一些雲上的運用,包括產線或者生產製造的運營,像一些營銷、CRM,怎麼跟我們的產線打通。這一塊強調的是應用的能力。通過這種方式的分層,我們可以看出來架構下面的整個工業互聯網平台包含核心的工業OS的能力。
再看滴普雲邊端工業互聯網解決方案,通過對產線或者工業IoT能力的捕捉,把邊緣計算設備,或者一些絕緣的網端上升到雲上,加上AI的演算法把能力呈現出來。這端是工業相機/機器人等設備,這邊是各種複雜的雲上的架構。這就是工業雲OS平台整體架構,整個工業雲OS平台是很複雜的,比如技術需要大量的技術供應鏈做支撐,需要整個AI的演算法模型。比如給商業地產公司做物業的管理,就是把能源管理介入到IOB(音)平台。我們可以對物業對業主進行管理。比如業主之前每個月能源消耗是2萬度電,這個月可能是2千度電。這時候物業要小心,有可能這個公司要倒閉。能源怎麼跟經營挂鉤,實際上是通過整個工業OS平台打通的。在IOB平台有各種設備能力,我們有各種的數據處理能力,有圖像識別的技術。有一些著名的手機廠商,或者全球鋰電池的生產商他們做的檢測,把他們的數據匯聚到我們中台上面來,最後通過數據對缺陷識別管理。另外一個環節就是端的能力,端的能力在整個端上面我們包含很多,我們在攝像頭提供了AI的攝像,我們有自己邊緣計算的應用產品,有很多邊緣計算盒子,也有一體化的網管。
這裏講一個最佳實踐,DEEPEXI智能製造檢測平台,它有幾個關鍵應用功能:數據分析、報警管理、報表展示、用戶中心。我們的智能數字平台,可以跟MES打通,可以根據出現問題的單板和器件來查找是哪個供應商的問題。另外,我們有整個的標誌系統,有整個雲上的訓練模型,把所有的模型訓練好,然後下發到產線關鍵工位。另外做全數據的打通,在我們看來,沒有應用的數據都不是資產,只有把數據運用起來才是資產,比如產線拍了一張圖片,這個圖片做一個精確定位,可能單靠設備拍的部件沒有問題。如果把它放在我們的生產系統,跟我們的拍照系統,跟ERP做打通的,可能是一個很高壓的數據。因為要溯源,需要儘快排查這個問題,這樣的話可極大減少產線的故障和產品的損失。
這是我們的一個落地方案,在整個的工廠現有的情況下,這裏面不涵蓋5G網路,我們的設備已經模組,因為我們跟華為有合作,他們的模組是放到我們這裏去,我們提供5G的服務。在現有的網路情況帶動傳統的工業情況下怎麼去部署?這是很重要的一個要求。另外,還要考慮總部中心和分廠的部署能力。我們的實施計劃包含最小閉環,從產線到車間,從車間到基地的實施方案。可能在第一階段只是個位數的,第二階段是千量級,第三階段可能是百萬級。再看落地效果,檢測準確率每提升一個點,工廠良品率就能提升多高。第二是檢測的效率縮短。第三個是從產線檢測設備減半。
另外一個是行業應用,我們落地應用在工業視覺,包含面板、PCB、IC晶圓。謝謝大家。
資料來源:https://news.sina.com.tw/article/20191115/33327660.html
mes定義 在 MIRAGE MES製造執行系統- 過站管理功能操作影片 - YouTube 的美食出口停車場
支持自 定義 條碼規則,條碼中的流水號支持十進製、十六進製和三十四進製,工件條碼可以和外包裝條碼進行綁定,便於識別與分類; 在工單進行開立的時候 ... ... <看更多>