凌华@工博会 | 宝刀如何不老——凌华科技老旧设备数据提取解决方案
在中国制造2025、工业4.0以及工业物联网的大潮之下,未来工厂的诱人画卷正在徐徐呈现,然而,网络设备公司思科 (Cisco) 评估,全球制造业所使用的6400 万台机器中有92% 的设备尚未联网,遍布在各地的生产线上,所有的工业企业都会面临一个极大的困境——现有的设备怎么办?凌华科技作为拥有超过25年自动化解决方案整合经验的专业厂商,义不容辞对此做出了回应——“老旧设备数据提取解决方案”将会帮助工业企业让历史上功臣在未来工厂继续担当重任。
老旧设备本应焕发新活力
事实上,在工业企业里,机器设备使用20-30年以上十分常见,有些重型机械设备的生命周期甚至长达30-60年。相反,很少有工业企业可以从零开始建造全新且符合智能制造要求的网络化未来工厂。如果仅仅因为需要提供数据给智能制造系统就把老旧设备更换掉,其成本效益常常是极不合算的,而对老旧设备进行适当改造,使其满足工业物联网和智能制造的需求,是一种业界普遍认同的可行方法。
许多新的机器设备其实是在原有设备的基础上内嵌了传感器和边缘计算能力。逆向思考就不难理解,为老旧设备附加传感器和边缘计算部件,同样可以使其具备物联网能力,而成本却仅仅相当于购置新机器设备的极小一部分。
通过提取老旧设备的数据并加以转换和管理,使其具备智能制造的能力,由此将会获得非常多的效益,包括节能降耗、优化生产工艺流程等,甚至由此发展出新的商业模式,增加新的利润来源。举例来说,Bosch公司在德国斯图加特有一家创建于1887年的高压磁铁制造厂,最近为其中的设备安装了远程诊断系统,用来监测操作工人是否依然严格按照130年前的操作方法来使用这套传统设备,以便确保产品质量。这个案例已经成为工业老旧设备焕发青春的最佳案例之一。
值得提醒的是,即便是购置新的机器设备,这类设备通常依然会延续好几十年的生命周期,而电子化的计算网络设备的更新换代周期通常只有三个月。所以,不管是对原有的工厂,还是新建的工厂,老旧设备与电子部件在生命周期上的差异是永远都会存在的,因此老旧设备数据提取解决方案在任何时候都是必不可少的。
非入侵式数据提取 迈开未来工厂第一步
让老旧设备也能进入充满智慧的未来工厂,凌华科技凭借多年来在边缘计算方面的雄厚积累,有效实现了OT(设备)和IT(管理)技术的整合,设计出市场上唯一的非入侵式高识别率机台数据提取解决方案,可以实时反映设备工作状态,为现有设备与流程赋予了连网、数据传输和控制的功能。企业可以根据现场情况和管理要求,灵活选择相应的数据提取方式与MES或是SCADA整合,实现产能健康检查与故障预警,提升产线稼动率,助力企业实现智能制造。
凌华科技的DEX Edge IoT结合了基于深度学习算法的OCR技术,具有极高的识别率,更以独有的设计——简易的脚本配置编程、轻松读取生产操作界面,让产线智能操作管理再度升级。
以非入侵的方式实现数据提取,可以在完全不对原有设备造成影响的前提下提升产线运行稳定度,提高产能。系统通过VGA接口将传统设备的不同数据格式统一成标准的数据,可以加速部署、节约成本,而且提取数据时在视觉上既不会干扰用户操作界面,又能清晰呈现设备工作信息,并通过Vortex Data River™ 平台实现设备之间的全流程数据共享,从而打造出高效率的管理现场。特别是其中的OCR技术基于深度学习算法,可以全面优化数据收集与处理,加速运行高质量的数据管理分析工具。
举例来说,有一家电子制造企业,机台设备大多数都是老旧型号,没有开放式API和日志文件,操作系统也非常陈旧,而且属于“单站式”设备,无法兼容当今的物联网架构,因而在进入智能制造环境时遭遇了严峻的挑战。他们借助于凌华科技的智能化设备,以非入侵式低风险数据提取方法,结合OCR技术,通过HMI采集设备信息,既维持了设备的持续稳定生产,又同步整合了OT(设备)与IT(管理)信息,形成了智能化的制造企业架构,以最少的人力和物力成本完成了整条产线的自动化导入,快速部署了工厂生产线物联网,全面提升了自己的市场竞争力。
从1769年英国人瓦特改良了蒸汽机开始至今,工业革命延续至今已经200多年,我们人类生产、积累和使用着无数的机器设备。面对未来工厂,我们不可能在一夜之间将这些老旧设备完全丢弃,必须把它们一起带入新一代的工业物联网世界。凌华科技“老旧设备数据提取解决方案”让工厂里还将继续发挥作用的老旧设备真正实现宝刀不老,轻松跨入未来工厂的新天地。
提交
凌华科技推出AES-100系列AI边缘服务器
凌华科技推出边缘视觉分析软件开发套件EVA SDK加速边缘AI视觉
人工智能正在改变物流自动化的方式,将为劳动密集型产业带来革新
凌华科技加入开放式无线接入网O-RAN联盟 加速网络互通性 助力企业迈向5G
凌华科技推出首款搭载NVIDIA Quadro P1000图形处理功能的PC/104模块