400-8080-727

中国钢铁行业的智能制造之路(二)

5.从概念本质看钢铁行业现状
特钢生产的流水线特征往往不明显,所以特钢的生产应该属于工业1.0-2.0。螺纹钢的生产一般是标准化的,所以更适合停留在工业3.0。而生产板材的先进钢铁企业早在20多年前就实现了“按订单组织生产”、“标准+ɑ”,具备了工业4.0的基本特征。事实上,工业4.0提到的CPS、ERP、MES、PLM、信息集成等技术,在宝钢的计算系统里面都可以找到原型,只是当初的叫法不同。所以,宝钢老领导何麟生先生认为宝钢目前至少处于工业3.5的水平。
工业4.0先进的实践往往发生在应用价值大而技术难度相对较低的地方。钢铁行业就具备这样的特点:部分用户对定制的需求强烈,而产品的物料跟踪却相对简单。
钢铁行业有非常先进的一面,也有“相对落后”的一面。要用智能制造提升钢铁行业的技术水平,还是应该从痛点出发。在笔者看来,钢铁行业至少有如下几个痛点:
第一,钢铁生产线并非理想的流水线。殷瑞钰院士把钢铁生产体系看作“耗散系统”,能量总是要损失的。这决定了钢铁生产几乎永远不会是理想的流水线。“耗散系统”的本质无法改变,但我们可以做得更好、可以用智能化带动绿色生产。这类问题可以归结到改进工业2.0的先天不足。
第二,钢铁企业的自动化水平仍然有待提高。即便是宝钢,也是在工业3.0并不完美的时候推进工业4.0的。浦项将智能工厂的终极目标确定为“无人值守”,本质上就是要提升自动化的水平。这类问题可以归结为工业3.0的问题。
第三,定制化生产的负面作用严重。连铸交接坯浪费、质量余材多、产品质量不稳定、交货期长等现象,本质上都是定制化生产带来的负面问题。在钢铁行业毛利很低的情况下,应该更加重视这方面的问题。笔者将这类问题称为“工业3.5后”的问题。
第四,服务的问题。在定制化生产时,用户遇到的很多问题与设计和服务有关。按照目前的观点,造成这种现象的本质是缺乏优秀的专家。而且由于优秀专家总是“稀缺资源”,钢铁厂的服务很难面对中小客户。笔者认为,随着“供给侧改革”的发展,下游中小企业的质量意识和自动化水平会逐步提高,对服务的要求肯定会大大加强。通过推进“智能服务”,提高专家工作效率,是解决这个问题的方法之一。
 
6.推动智能制造的价值与阻力
钢铁行业推进智能制造面临诸多尴尬的困境:要推进工业4.0,却发现自己并不落后;现实中有很多痛点,却往往是长期无法解决的老大难问题。要破解这些难题,需要具体问题具体分析。
在笔者看来,造成能耗高、自动化水平低等现象的首要原因是经济问题。随着我国对环境的要求越来越严格、劳动力成本越来越高,解决和改善这些问题的难度会逐步变小、动力会逐渐增大。但是,解决这些问题应该与智能制造思想相结合,以提高技术经济性。事实上,在个性化定制的前提下推进操作、计划调度的无人化,都可看作是智能制造的范畴。
后面两个问题也可通过智能制造的思路来解决。具体地说,就是通过加强信息感知和知识管理,解决个性化定制的负面问题并加强个性化服务。其实,人们很早就意识到这两类问题,只是苦于“无计可施”。其中,最缺乏的知识是对产品“适用性”的研究不够。
从经济性上看,工业4.0既要实施个性化定制,又必须努力减少定制的负面影响。要解决这个问题,离散制造业常采用模块化方法,在钢铁行业则应该尽量提高钢种的通用性。否则,个性化需求越强,生产组织的难度就越大、浪费可能就越大、交货期就越长、质量稳定性就越难保证。
然而,钢铁企业的知识结构往往碎片化严重,难以支持上述设想。我们往往用专一而又严格的成分和工艺要求来对应特定用户。企业内部的产品标准常常是根据生产控制能力给出的、允许波动的范围很小。产品开发成功后,人们知道在成分工艺的狭小控制范围内能够满足用户需求,但并不一定清楚超出范围能否依然满足用户需求、更不清楚其他的成分体系能否满足用户需求。事实上,钢铁企业常常不太清楚用户的使用过程,也就根本无法回答上述问题。这种碎片化的知识结构很难支撑生产组织的改进,智能制造技术也是“巧妇难为无米之炊”。
企业为什么不重视这些知识的结构化呢?主要原因是动力不足、阻力过大。
第一,公司层面的动力就不足。智能制造可能带来的价值潜力是巨大,但是却很难被意识到——因为很多价值损失被“合理地”掩盖掉了。人们把成分工艺超标但适合用户需求的产品判为降级看作正常的;把多付出的合金和工艺成本看作正常的;把频繁的异钢种连浇看成正常的;把交货期长、库存大看成正常的;把操作或计划不合理看作正常的;把反复大生产试验看作正常的;把设备原材料成本高看作是正常的……其实,通过智能制造,这些地方都能创造价值。
第二,部门的动力不足。很多实际问题是要多个部门协同解决。但只要某个部门能够把问题推到其他部门头上,解决问题的动力就小了、难以形成合力。另外,很多人意识不到信息的集成能够给自己的业务带来好处。
第三,考核体制未必鼓励个人贡献知识。在很多企业,为便于考核,实际主要鼓励直接贡献、不鼓励间接贡献。解决实际发生的问题是直接贡献,而让问题不再发生就是间接贡献。所以,如果把知识贡献出来让机器完成,个人就丧失了创造价值的机会甚至工作岗位,这种现象与“带好徒弟、饿死师傅”的道理是一样的。
最后一点:不知道如何管理知识。很多企业的知识管理变成了对知识产权和论文资料的管理。如前所述,这些知识并非智能制造所关心的知识。要管好智能制造所需的知识,要在方法、组织和工具上有所创新。
 
7.推动智能制造的思路
智能制造首先遇到的可能是组织、评价和文化问题。这些问题解决以后,对知识的有效管理与使用等技术问题就会成为关键。笔者认为,下面三件事非常重要。
第一,用ICT技术推进透明化。透明化的目的是让价值损失显性化,从而便于智能制造的推进。智能制造是价值驱动的,但价值点往往是隐含的。透明化就是把价值点显现出来。未来的透明化,应该是对业务运行是否正常的评估,让质量下降、效率降低、过度研发、协同的失败等价值损失能够通过数字化的方法有效地展现出来、显性化,并在必要时推送给管理者。宝钢老领导何麟生先生很重视SCOR模型和设备生命周期管理,在他看来,就是要关注物料和备品备件的使用是否合理。对于透明化,很多人想到的是把大量数据直观地展示出来。但在笔者看来,这种原始的透明化很容易让人的关注力淹没在数据的海洋中而失焦,未必能带来价值。
第二,推动知识的积累。有了知识才能为推进智能制造奠定条件。如前所述,钢铁厂的知识过于“碎片化”,不适合智能制造的需求。为了解决这个问题,新产品研发和试制时,就应该考虑到与其他产品的互用问题、成分工艺超标时的处理方法;成分和工艺的开发经验应该尽量转化为数学模型;产品生命周期的相关数据和知识应该智能化地管起来;系统研究产品使用知识;生产管理和操作的模型化等。需要注意的是:这些改变需要有制度和流程上的配套。
第三,工业软件的支撑。智能制造的思想要落地,最终还是需要工业软件的支撑。在笔者看来,目前还没有特别适合的软件系统。钢铁行业或许可以做“第一个吃螃蟹的”。事实上,钢铁行业常常做“第一个吃螃蟹的”:中国最早的MES就是在宝钢投运的,钢铁行业也是最早在流水线上实现个性化定制的行业。如果钢铁行业能在智能制造时代领先,也未必是不可能的。
 
8.结束语
推进 智能制造 非常困难。为了避免误入歧途,必须要事先想清楚。但是,即便把问题想清楚了,困难也不会减少,而是会看到更多、更大、更本质的困难。要推进智能制造,就必须克服这些困难、不能绕着走。宝钢老专家王洪水先生认为:系统地结构化知识将是迎接智能制造时代的关键一步。笔者认同这个观点。


 

上一篇:中国钢铁行业的智能制造之路 下一篇:服装行业探寻智能制造

在线留言

公司名称
联 系 人
手机号码
QQ

集控科技

  • 扫一扫
    进入集控公众号
400-8080-727    杭州市余杭区南苑街道玩月街101号产业物联网小镇1号楼9-10层    电话:0571-81023266    传真:0571-81023267    网址:www.jikon.cn

Copyright 2000-2017 Jikon Inc. 版权所有 All rights reserved

浙ICP备11009207号-1 集控科技 技术支持 JIkon Inc.