三分之一制造企业跑步上云,云端MES「点亮」制造「暗」数据

三分之一制造企业跑步上云,云端MES「点亮」制造「暗」数据

随着商业软件(例如ERP)上云的成功案例不断增加,越来越多的供应商和应用企业正在把目光投向了制造业行业应用软件(例如MES / MOM)。目前,虽然制造软件的云端应用率正在加速上升,但总体应用水平并不高。在最近的一项调查中,有29%的制造商表示将会在未来两年中,将企业的MES应用迁移到云端。到2026年,云MES市场估计将达到23.4亿美元。

初期投资、运营支出、灵活性和数据所有权等诸多因素左右着企业对MES上云方式的选择。而对比本地升级和SaaS两种方法,前期投入有限的中小企业更喜欢低成本且易于部署的SaaS模式。全球化或信息化程度较高的大型企业倾向将现有的本地MES软件向本地云基础架构迁移。

非关键、非实时业务,以及生产车中应用的软件将成为上云的主力。由于车间逻辑控制运营(Shopfloor-level control logic operations)对于高可靠性、低延迟通信的要求很高,这部分业务在上云过程中会受到一定的技术制约。

报道 | 机器之能

物联网分析公司(IoT Analytics)最近的一项调查数据显示,29%的制造商表示MES软件将在未来两年内转向云计算。预计到2026年,云MES市场将达到23.4亿美元。

MES(Manufacturing Execution Systems)即制造执行系统,是制造企业在生产流程中对人、机、料、法、环进行现场管理的重要工具。对于制造企业的生产管理来说,稳定可靠的流程非常重要,将MES向云端迁移,无疑会很大程度上改变企业传统的制造流程,这些改变很可能会给流程的稳定性带来挑战,那么在这样的背景下,制造企业为何会将MES上云提上议事日程呢?

一 云技术的优势

「数据表明,高灵活性、低成本、快速部署和远程访问等云应用的技术优势大幅提升了制造业行业软件的应用性能与效率,越来越多的制造软件正在向云端应用靠拢。」IoT Analytics分析师Sharmila Annaswamy表示。

2020年初,视频会议工具Zoom在新冠疫情间风靡一时,许多企业都可以基于云原生的架构无时无刻远程在线视频和扩展用户。微软365已经成为基于云计算的企业生产力软件标准。

据世界经济论坛估计,到2025年,全球每天将产生463艾字节(1艾字节= 1,000,000 TB)的消费者数据。预计工厂将在此基础上增加22 zettabyte (1 zettabyte = 1000 exabyte)的数据。

对于制造企业的MES应用来说,最难的地方在于如何用更好的方式利用数据,并让其创造价值。目前,企业中的很多数据(根据Splunk的数据,约55%)是 「暗」数据。也就是说,它们没有被用于任何分析,因为现有的工具并不是为了处理所产生的数据量和种类而设计的。

不过,越来越多的公司通过云技术让「暗」数据重见光明。与现有技术相比,事实证明云技术更高效、更优越,因为它提供了一个可扩展的基础设施,可以从任何地方和任何设备上安全地收集和访问数据。

制造软件正在效仿其他商业软件工具,走上通往「云端」的道路。上云不费功夫,前期投资小,运营成本低且具备快速部署和远程访问的优势,这些优势对工厂的制造软件非常有益。

二 制造业上云调查:29%制造商计划两年内MES上云

IoT Analytics在2020年第四季度对49家制造商进行的调查显示,制造软件上云的趋势正在加速和扩大。

虽然目前近50%的PLM和ERP系统,以及大约三分之一的MES、MOM和CMMS解决方案已经部分部署在私有或公共云环境中,但许多公司正计划在未来两年内将更多的此类工作负载转移到云上。

另据调查数据显示,29%的制造商表示MES软件将在未来两年内转向云计算

三分之一制造企业跑步上云,云端MES「点亮」制造「暗」数据

制造业上云是沿着ISA 95自动化金字塔自上而下的方式进行的。ERP和PLM系统最早迁移,现在MES/MOM也逐渐多起来。

从上图可以看出,制造业向云端迁移的过程遵循「ISA 95自动化金字塔」的自上而下的法则。ERP和PLM系统最先上云(例如,Oracle的Netsuite ERP和Cloud PLM)。今天,MES 、MOM和CMMS也将紧随其后,不断向云端迁移(例如,Plex Systems,Fiix)。

IoT Analytics公司的研究结果认为,这些软件套件将以两种不同的方式迁移至云端

本地升级:将现有软件从本地「升级」,并在本地私有云或公共云基础架构上对应用进行托管;

SaaS:利用软件供应商提供的通用「云原生」软件。这意味着它是多租户的,并构建在由软件供应商管理的云上。

三 上云:两条迁移路径的选择

从上面的数据集中可以看出,云端MES应用正在成为趋势。IoT Analytics的最新报告预测,未来MES在云端的渗透率将持续增加,预计到2026年,云端MES的市场规模将达到23.4亿美元。

基于云技术的物联网应用和可扩展性为制造企业提供了更强的竞争力,这也使得越来越多的终端用户开始采用云端MES。此外,全球新冠疫情的肆虐也加速了发达国家制造业对数字化工作的关注和投入,这也势必增加MES向云端迁移的进程。

初期投资、运营支出、灵活性和数据所有权等诸多因素左右着企业对MES上云方式的选择。而对比本地升级和SaaS两种方法,IoT Analytics认为,SaaS初始设置简单,以及基于云软件基础架构的集成模式等优势,将使SaaS架构的增长比本地升级更快。

由于SaaS模式对IT基础架构要求非常低,前期投入有限的中小企业更喜欢低成本且易于部署的SaaS模式。全球化或信息化程度较高的大型企业倾向于将现有的本地MES软件向本地云基础架构迁移。

基于私有云的MES虽然比公有云投资更高,部署和管理难度也更大,但由于其可以为用户提供完全自主可控的基础架构、数据和操作,因此主流MES云应用也将更趋向于本地私有云模式。

四 云端关键制造软件趋势

云应用还加速了未来工厂运营技术的发展。IoT Analytics分析中确定的三个主要趋势包括:

1. 软件工具的融合

制造企业关键软件工具在应用过程中会有大量的功能重叠,在云端托管模式下,MES与ERP系统、物联网平台发生了大量对接,这种情况也被明显放大。例如,物联网平台的应用初衷是优化制造流程中的各种连接,并处理其中所产生的物联网数据,而以MES为代表的很多传统工具也正在开发类似功能处理企业的各种数据流。

云端应用系统可以针对软件功能重叠进行了选择和融合,处理物联网数据的能力只是MES平台功能和物联网平台功能在制造业背景下融合的众多功能之一。随着这些软件工具不断增加重叠,最终用户在执行制造软件任务时将有更多选择。

2. 人工智能工具的集成

随着云端技术力量的不断进步,云计算在工业领域的应用早已不局限于简单的OEE和SPC计算,越来越多复杂的机器学习和AI工具正被引入到制造软件中。无论是拥有成熟IT架构的MES用户还是初创企业,都已经开始基于AI创建个性化的制造软件模块。

德国MPDV公司的HYDRA MES中就已经包含了基于人工智能的可预测质量解决方案。而总部位于美国的初创公司Falkonry正在围绕人工智能机器学习开展整个制造软件业务,提供「预测性生产操作」等解决方案。

3. 建设数字孪生模型

基于快速部署、高灵活性以及海量存储等众多优势,云技术可以帮助工厂更好地实现基于模型的数字化转型,利用MES、物联网平台等制造软件工具对制造流程进行模拟和分析,构建数字孪生模型,并以此优化业务。

MES供应商Plex为用户提供了一款分析工具「what-if」,这款工具可以模拟制造流程,并基于其数字孪生模型分析、优化产线,制定最优的排产、停机维护等计划。GE的Predix APM模块则是可以提供基于数字孪生的资产性能管理。

五 未来展望

「一直以来,我们的成员很少提及云,他们的普遍态度是『永远不会发生』」。美国Manufacturing Enterprise Solutions Association协会的一位前高管曾说。

「然而,就在大概2017年,突然之间,云技术遍地开花,每个人都开始尝试以不同的身份悄悄地上云。从技术的角度来说,不管是安全性还是可靠性,云技术的性能都比本地应用好得多。」

本着「不做就不错」的原则,很多行业的最终用户以安全、隐私、可靠性,以及延迟等方面的考虑为理由,依旧表示绝不会将其制造软件大规模地向云端迁移。但是在未来几年中,制造企业将逐步认识到,MES上云的收益势必超过企业负担的成本和风险,而信息化转型升级模式也将逐渐成为市场的主流趋势。

IoT Analytics的数据表明,非关键、非实时业务,以及生产车中应用的软件将成为上云的主力。而由于车间逻辑控制运营(Shopfloor-level control logic operations)对于高可靠性、低延迟通信的要求很高,这部分业务在上云过程中会受到一定的技术制约。5G和无线通信技术的快速发展,应该能够很快解决这些问题,并为更多制造工作打开全新的技术大门,最终在未来十年内迁移上云。

结合人工智能数字孪生等相对较新的技术,云将成为改善制造运营必不可少的工具。

参考链接:

https://roboticsandautomationnews.com/2021/03/04/one-third-of-manufacturers-planning-to-move-software-to-the-cloud-says-iot-analytics/41187/

产业通用人工智能机器学习云计算
11
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

数字孪生技术

数字孪生(*Digital twin*)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

Zoom机构
推荐文章
机器之能 是谁?