2024 年是智能工廠充分發揮潛力的一年嗎？

2024-02-27 18:00:34 編輯： robot

導讀制造商經常在探索優化運營和更智能、更快速、更安全地工作的方法。但是，今天，優化的速度比歷史上任何時候都快。僅在過去五年中，工業4.0的興起以及數字和物理世界的融合——包括IT和運營技術（OT）——就...

制造商經常在探索優化運營和更智能、更快速、更安全地工作的方法。但是，今天，優化的速度比歷史上任何時候都快。僅在過去五年中，工業4.0的興起以及數字和物理世界的融合——包括IT和運營技術（OT）——就大大提高了優化速度。

制造業首席運營官可能聽說過“智能工廠”這個術語，它是一個總括術語，指在工廠四面牆內和公司供應網絡中推動更大價值的所有流程和工具。智能工廠的成果通常是解決人類固有的挑战，以幫助使工作更安全、更高效。

“智能工廠”是全面智能制造轉型的更廣泛飛躍的一部分，這種轉型通常超越傳統的自動化，成爲一個完全互聯和靈活的系統——一個可以使用互聯運營和生產系統的持續數據流來學習和適應新需求的系統。

盡管許多組織已經开始投資智能制造技術或正在實現全面業務轉型（很大程度上是由於過去幾年的流行病和大規模全球性破壞造成的），但還有一些組織已經落後於智能制造技術的步伐。改變或只實施零碎的解決方案。對於許多人來說，主要挑战之一是工業數據的復雜性和可訪問性，因爲它通常分散在生產現場以及 IT 和 OT 系統中，導致管理和治理變得困難。然而，智能制造技術的實施可以幫助釋放以前被困的數據，從而推動更明智的轉型決策。

德勤和制造商生產力與創新聯盟 (MAPI) 最近的一項調查顯示，86% 的受訪制造業高管認爲，智能工廠解決方案將成爲未來五年競爭力的主要驅動力。考慮到這一點，2024 年將成爲新項目的關鍵一年。但首席運營官如何向更大的組織傳達緊迫性和價值呢？

第一步是確保領導者了解智能制造轉型如何能夠設計出人類無法獨自實現的優勢。一些潛在的好處包括從操作中獲得可操作的見解的能力增強，以及跨機器傳輸知識以供未來使用的能力增強，可靠和安全的技術的實施可以使企業走向未來，並增加對惡意網絡攻擊的保護，以及通過提高透明度和對一线員工的信任來改善文化。總之，這些優勢可以幫助企業適應當今制造業面臨的挑战，包括持續的供應鏈中斷以及人才和技能差距。

第二步是了解當前的商業格局，這可能決定轉型的成敗。隨着制造業領導者在智能制造轉型方面不斷取得進展並創建真正的智能工廠，預計 2024 年將出現以下趨勢，領導者在做出決策時應認識到這些趨勢：

• 實施生成式人工智能（AI）的機會。隨着組織不斷測試基本的 genAI 應用程序，未來有望創建閉環制造系統，可以根據數據自動進行實時調整和自我優化。這可以創造前所未有的效率。雖然企業可能認爲這個用例還需要數年時間，但他們現在應該考慮實施和試驗 GenAI，以優化維護、維修、工廠布局等應用程序的效率。

• 利用退休勞動力的知識進行知識轉移。 2023 年，制造業勞動力市場持續緊張，預計 2024 年也會出現類似的情況。美國制造商協會 (NAM) 最近進行的一項調查顯示，近四分之三的受訪制造業高管認爲，吸引和留住人才高素質的勞動力是他們面臨的主要業務挑战。而且，盡管領導者努力尋找合適的人才來填補職位空缺，但更多的老齡化勞動力將繼續退出。組織可以嘗試爲退休員工制定校友計劃，讓他們繼續留在公司，並提供更多機會來提高新興勞動力的技能。

• 隨着定制商品需求的增加，從彈性轉向敏捷。新冠肺炎 (COVID-19) 疫情爆發後，各組織集中精力打造能夠抵御大規模幹擾的彈性運營。現在，他們可能需要將重點轉向滿足消費者對定制商品的需求，從而需要更加敏捷的運營。在擺脫大批量/低成本生產的過程中，許多公司正在轉向數字化以保持盈利。

• 數字化可在短期內取得可持續發展成就。傳統上，制造商專注於避免返工並提高資源利用效率，從而變得更加可持續——而且需要非常有意識地努力。然而，隨着對數字化的投資，從長遠來看，組織的整體設備效率 (OEE) 和成本自然得到改善。當資產基礎真正數字化時，浪費通常會自動減少，從而幫助組織在實現“綠色”運營方面取得先機。

智能工廠只是制造運營轉型中的一小部分，任何增強措施的決策都應根據當前的商業環境做出。對於那些質疑應該從哪裏开始的領導者來說，他們應該從他們現在的位置开始。對當前制造流程的分析可以幫助確定哪裏可能需要立即支持，從而使事情順利進行。德勤專門展示了如何通過其智能工廠網絡實現智能工廠，其中包括德勤@威奇托的智能工廠，這是一個體驗中心，可幫助組織利用先進的制造技術和最新技術，包括物聯網、雲、人工智能、計算機視覺等——解決問題、加速創新並確保其運營面向未來。如果有人對這個想法不熟悉，他們應該大處着眼，從小處着手，快速擴展。

全面的智能制造轉型可能需要時間，但領導者可以規模化改進，以設計優勢並影響整個制造流程，這可能導致小的改進成爲整個智能工廠，甚至後來成爲智能工廠網絡和生態系統。