工业4.0晴雨表之二：数字孪生体等技术评估

值得注意的是，增材制造往往很少见。无法频繁实施采用的其中一个主要原因是成本仍然太高。这意味着增材制造方法仅限于个别情况，例如高度定制的车辆零部件、需求量很低或特殊用途的零件备件。由于本次调查中的企业主要是从事大规模生产的行业，因此这种情况是正常的。

工厂和机器的相互集成，以及模块化生产技术的使用，是模块化生产系统的进一步条件。考虑到自主自治系统的实现程度较低，集成工厂和自治生产技术的价值相对较高。

数据分析

数据分析涵盖了可以存储和分析大量非结构化数据以优化流程的方法和技术，例如预测性维护解决方案。这可能涉及使用统计相关性分析和机器学习方法，例如神经网络分析。

只有37%的受访者表示正在部分采集和分析孤立的工厂数据和来自整个价值链的数据，尽管复杂性和信息需求的增加可能意味着整个供应链的数据分析价值更低。这是令人惊讶的，因为这表明供应链的相关部分已经提供了大量数据。

值得注意的是，中央数据平台的使用率非常低，36%的受访者表示没有使用，只有21%的使用率。这就可以得出：价值链上的工厂数据仅存储在孤岛中，不能集中使用。这就极大地限制了灵活性，以及潜在应用场景方案的可能性。

此外值得注意的是，关于业务和设备数据的集中采集及其可用性，IT部门的员工和业务部门的员工对此的看法大不相同。相比作出“充分使用”反馈的业务部门受访者，IT部门的受访者反馈对此类数据的使用频率更高是他们的两倍多。

数据分析评价分为：

- 运行一个中央数据平台，整合自身价值链的所有参与者，为各方提供数据。

- 不断采集和分析价值链中的核心数据。

- 集中采集工厂和机器的所有操作和运行数据，并可以随时进行分析。

- 工厂和机器会发送其运行和操作数据，可以独立出发任何维护需求的信号(即状态监控)

工厂和机器的所有操作数据和机器数据都被集中采集，并可以随时进行分析。

（编辑：衢州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!