通过边缘计算和物联网实现制造业转型为了提高竞争力，制造商需要根据整个生产环境中生成的数据实时了解其运营情况。这是减少停机时间、提高产品质量、增加工厂产量和实现其他业务驱动目标的关键步骤。为了实现这些目标，智能制造商正在通过创新的边缘计算解决方案转变他们的运营方式，这些解决方案可以在靠近数据生成位置的地方自动收集、处理和分析数据。借助这些智能制造解决方案，智能系统可以立即采取行动，优化从机械性能和设备维护到供应链、物流和工厂安全的一切。有充分的理由将数据分析转移到边缘，而不是将需要处理的所有内容发送到企业或云数据中心。例如，当机器显示出故障迹象时，或者当有缺陷的材料进入生产线时，或者当计算机视觉系统检测到违反安全的迹象时，就是这种情况。此类事件需要立即响应——这是数据在生成位置附近进行分析而不是发送到远程数据中心进行分析的一个关键原因。其他原因包括发送如此多数据的成本以及在边缘做出决策时存储数据的成本。另一个原因是可能会失去与远程云或企业数据中心的网络连接。行业研究发现，大多数制造商已经或正在使用边缘计算和物联网解决方案来收集、处理和分析数据以转变其运营方式。2019年的一份研究报告发现，87%的制造商已经在采用边缘计算和物联网解决方案。正如一篇文章的标题《信息时代》所说，“边缘计算是通往智能制造的门户。”边缘计算和IoT解决方案的关键用例在Microsoft委托的“事物信号”研究报告边缘计算和IoT解决方案在制造环境中的应用场景中得到强调。根据一项国际调查，该报告发现物联网在制造业的主要用例是工业自动化、质量和合规性、生产计划和调度、供应链和物流以及工厂安全和安保。让我们从更高的层次看一下这些有趣的用例，它们说明了边缘计算和物联网战略如何为更智能的制造战略铺平道路。工业自动化在当今数字驱动的制造环境中，有太多的传感器和设备会产生太多数据，无法由人类处理。制造商希望自动监控整个工厂的系统，并自动响应异常情况和问题，例如设备出现过压迹象。使用来自监控应用程序的即时反馈，智能系统自动并主动纠正某些问题，然后提醒工厂车间的操作员注意这些问题。这方面的一个例子：边缘计算系统注意到进料罐很低，并告诉生产机器放慢速度，以免用完原材料。同时，它向上游流程发出信号以加快速度，并通知工厂操作员正在发生的事情。质量和合规性边缘计算解决方案是通过实时质量控制流程保持最佳产品质量的关键。例如，制造商现在可以结合使用来自物联网传感器、计算机视觉和机器学习的数据来自动对产品和材料进行目视检查、检测故障并自动从生产线上剔除有缺陷的产品。借助边缘计算，他们可以比任何人工检查员更快、更准确地完成此类工作。像这样的功能可以显着节省成本。麦肯锡公司的一项研究发现，与基于人工检查的流程相比，人工智能驱动的质量测试将生产率提高了50%，缺陷检测率提高了90%。这些流程严重依赖边缘计算解决方案。在另一个重要的用例中，边缘计算可帮助制造商自动收集和管理法规和合规信息。通过自动化，制造商避免了手动数据收集方法带来的错误和其他疏忽，人们不必拿着纸板剪贴板在生产车间四处走动，生成的报告也更加准确。例如：DellTechnologies合作伙伴IMSEvolve与英国一家大型连锁超市合作，使用边缘计算自动将冰箱设置在正确的温度以满足食品质量标准，从而避免浪费并减少成本高昂的超支。冷藏。生产计划和调度边缘计算和物联网解决方案可帮助制造商通过更好的生产计划和调度以及对生产线的实时监控来提高产品质量和工厂产量。一家公司意识到其生产过程需要200多次人工检查，这些检查占用了总生产时间的30%。工厂操作员希望自动执行这些检查以提高吞吐量。他们安装了传感器来监控整个生产过程中的温度、湿度和灰尘浓度。然后，边缘分析解决方案从传感器接收数据，并对可能影响所生产组件质量的变量进行实时深入分析。在部署后的6个月内，新基础设施系统覆盖了70%的工厂区域，每年减少5,000小时的人工数据输入。工厂安全与保障物联网设备和计算机视觉功能的结合现在是提高制造环境安全性的关键。特别是边缘计算和物联网解决方案的兴起，增强了安全性和保障性，产生了巨大的影响。例如，使用计算机视觉功能监控制造工厂内外安全操作的各个方面，在最恶劣的环境中部署最坚固的系统，这样工人就不必经常检查危险区域。在另一个应用场景中，计算机视觉可以帮助制造商密切监控公司的车辆、财产、现场伤害以及设施的损坏或故障状态。一旦确定了KPI，员工和财产就可以在安全和安保解决方案的帮助下得到更好的保护。开始吧。由于允许在生产的每个阶段收集数据的传感器成本大幅下降，如今的制造商正在产生大量数据，现在他们需要边缘计算和物联网解决方案来充分利用所有这些数据。这方面有好消息。用于制造的边缘计算和物联网解决方案变得更好、更智能且更易于部署。
