傳統(tǒng)工廠VS數(shù)字化工廠
隨著工業(yè)4.0的浪潮來襲數(shù)字化工廠也被越來越多的工廠所認知，但很多人并不清楚傳統(tǒng)工廠的弊端到底有哪些。
1、傳統(tǒng)工廠：人工統(tǒng)計，效率低且不準確
在中國很多傳統(tǒng)的中小型工廠中，對于設(shè)備生產(chǎn)數(shù)據(jù)的采集，幾乎完全依靠人工完成。流動的人員、散落的數(shù)據(jù)，工業(yè)機器人維修，導致數(shù)據(jù)的保存成了一個巨大的問題。同時人工統(tǒng)計的效率也非常的低，工業(yè)機器人維修，往往都是每天下班或者每周進行一次統(tǒng)計，完全不能進行實時生產(chǎn)數(shù)據(jù)更新。
此外，數(shù)據(jù)對于設(shè)備而言有著時效性和歷史數(shù)據(jù)參考性的關(guān)鍵作用，從底層操作工的數(shù)據(jù)記錄-數(shù)據(jù)分析-數(shù)據(jù)反饋-管理者的決策，中間的環(huán)節(jié)讓數(shù)據(jù)的時效性大大降低，同時人工的記錄統(tǒng)計也會造成數(shù)據(jù)不準確等問題，而且龐大的數(shù)據(jù)計算分析，對于人力是一個非常大的耗損。
其次，歷史數(shù)據(jù)對于設(shè)備的維護具有參考性的意義，但是傳統(tǒng)工廠的數(shù)據(jù)，靠著一張張的記錄紙或者大量的Excel表無疑是給未來的工作又增添了難度，而且工廠不能控制人員的流動，每一次的交接都可能導致數(shù)據(jù)的流失。
2、數(shù)字化工廠：設(shè)備聯(lián)網(wǎng)，數(shù)據(jù)自動上傳反饋
而在數(shù)字化工廠中，物聯(lián)網(wǎng)的概念就被運用到每一臺設(shè)備上。設(shè)備與設(shè)備之間，早也不是信息孤島，而是將人、設(shè)備，通過數(shù)據(jù)建立緊密聯(lián)系。一個工廠管理者可以在手機或者PC終端觀測到每一臺設(shè)備的實時數(shù)據(jù)，而且可以隨時收到設(shè)備的狀態(tài)提醒。
比如你設(shè)置了：軸承的溫度超過80度，提醒溫度過高。當設(shè)備高于80攝氏度時，就會立即收到提醒，實現(xiàn)了收集、分析、反饋的同步進行，大大縮短了時間，提高了決策的效率。
除了收集、計算、反饋等去工人化的功能，設(shè)備聯(lián)網(wǎng)之后，還有一大好處就是數(shù)據(jù)的存儲。大量歷史數(shù)據(jù)，包括設(shè)備損失數(shù)據(jù)，也給后期工廠設(shè)備的很多操作都提供了參考意義。之后，再遇到工廠的人員流動，這些數(shù)據(jù)依然可以隨時調(diào)用并完善保存。
3、傳統(tǒng)工廠：設(shè)備意外停機頻發(fā)，造成大量損失
除了數(shù)據(jù)的管理問題，傳統(tǒng)工廠還有一大痛點，那就是經(jīng)常遭遇意外停機。意外停機不僅造成了生產(chǎn)的停滯，而且對于設(shè)備造成的隱性破壞不可估量。一家半導體工廠就能因為停機2小時，損失了1000000美元，損失是意外停機最可怕的后果。
為了預防設(shè)備的意外停機，工廠通常安排了24小時的輪班工人巡檢，造成了工廠人力耗損嚴重。每時每刻的巡檢也并不能全面檢測到可能導致設(shè)備意外停機的各種因素。傳統(tǒng)工廠通過手摸、耳聽等最原始的方式，這樣的檢查方式使得很多設(shè)備的小毛病很容易就被忽略，恰巧就是那些小毛病引起了損失超過百萬的損失。
其次，由于害怕意外停機帶來的嚴重損失，很多工廠也會購買大量的備用零部件，以防止意外停機的維修需要，而現(xiàn)實情況又是一些設(shè)備的意外停機故障周期很長，導致大量的備用零部件并沒有派上用場，造成成本浪費。
4、數(shù)字化工廠：設(shè)備意外停機預警通知，讓設(shè)備時刻保持最佳運行狀態(tài)
數(shù)字化工廠的運轉(zhuǎn)過程中，設(shè)備的一切都被隨時監(jiān)控反饋，而意外停機發(fā)生之前，設(shè)備的某些參數(shù)會發(fā)生變化，此時設(shè)備就能在參數(shù)發(fā)生變化時及時進行預警通知，KUKA機器人維修，讓設(shè)備故障在發(fā)生之前被發(fā)現(xiàn)及運維。也就是說，在故障發(fā)生之前，手機上就能收到相應(yīng)的提醒，立即作出決定，從而保證工廠設(shè)備時刻處于最佳運行狀態(tài)。
即使是故障已經(jīng)發(fā)生了，也能在過去的設(shè)備故障統(tǒng)計里立即找到合適的解決方案，把損失降到最低。這也就是數(shù)字化工廠實現(xiàn)的重要一步，讓預知未來成為智能工廠的一部分。