赛迪管桐：工业互联网平台+工业设备上云系列研究（八）数控机床
编辑按
工业设备上云是工业互联网平台建设和应用的重点、难点，也是切入点，意义十分重大。2018年7月工信部发布的《工业互联网平台建设及推广指南》，提出要“实施工业设备上云‘领跑者’计划”，并明确了四类十大重点工业设备，即以炼铁高炉、工业锅炉、石化设备为代表的高能耗设备，以柴油发动机、大中型电机、大型空压机为代表的高通用设备，以工程机械、数控机床为代表的高价值设备和以风电、光伏为表的新能源设备。
三年来，工业设备上云取得了重大进展，全国重点工业互联网平台连接的工业设备数量超过7300万台套，上云深度从状态监测、故障诊断向预测预警、精准运维演进。为帮助业界进一步明确不同工业设备上云面临的痛点问题、应用场景、实施路径和推广前景，赛迪智库信息化与软件产业研究所工业互联网研究室在调研40余家企业的基础上，编制形成了“工业互联网平台+工业设备上云”系列研究报告。
文 | 赛迪智库信软所工业互联网研究室 管桐
数控机床面临着设备运维成本较高、设备利用效率较低、生产管理及时性差和设备改造升级困难等痛点问题。以树根互联、工业富联、智能云科、浪潮云等为代表的解决方案企业积极探索基于工业互联网平台推动数控机床上云，并开展健康管理、智能运维、刀具管理、生产能力共享和备件管理等新型应用服务，充分发挥数控机床生产能力，提高数控机床使用效率。
痛点问题
01
设备运维成本较高
数控机床设备价值较高，数控机床应用行业广泛，但很多数控机床设备不具备自感知、自分析和自决策等功能。传统数控机床运维主要采取事后维修或定期维护，难以实时监测数控机床设备的温度、电压、压力、振动等各种运行数据并准确识别设备故障。一方面，容易给数控机床使用方造成停机，影响生产计划且浪费其他设备成本，造成巨额经济损失甚至人员伤亡。另一方面，数控机床制造商需要组建专门的售后工程师团队随时奔赴现场，容易产生很高的人力成本。
02
设备利用效率较低
数控机床行业普遍数字化、信息化水平较低，生产过程重要参数的人工统计、离线存储等现象普遍存在。由于获取设备数据的实时性、多元性不足，难以对设备的加工情况、故障情况、使用效率等方面进行综合分析处理。导致企业在生产、维护等环节的精准管控能力相对较弱。相对于国外进口同款机床，机床利用率平均仅仅相当于国外先进水平的一半左右，平均无故障时间也仅仅达到国外先进水平的一半左右，全行业内机床资源的综合利用率亟待提升。
03
生产管理即时性差
当前，对于机床长期运行状态数据存储应用的软硬件支撑仍有不足，不利于实现对历史数据的大量存储分析。同时，大量数控机床车间生产情况存在离线孤岛问题，部分数据不能及时上报车间主任、厂长等管理者，影响管理者即时决策。管理者无法及时获得设备的健康状态、产量信息等准确数据，无法结合设备的加工过程数据进行准确的产能分析或良品率分析，经常不得不仅凭经验进行备件管理或只根据订单进行粗放式排产。
04
设备改造升级困难
数控机床是集机械制造、计算机、液压、传感、信息处理、光机电等技术于一体的机电产品，复杂程度高。数控机床的生产加工工艺迭代需要大量设备运行数据作为支撑，而数据的采集和利用一直是该行业的难点和痛点。当前，专注于数控机床改造的企业数量较少，多集中在设备生产制造企业的工艺研究，但由于技术积累不足、知识传递不够等因素，往往很难触及数控系统的深度改造，数控机床的上云整体步伐较为缓慢。
应用场景
01
健康管理
推动数控机床设备上云，可实时采集数控机床的运行数据，对设备全生命周期进行健康管理。一是实时数据采集。通过在数控机床上安装电压传感器、压力传感器等先进传感器，实时采集数机床主轴运行状态、机床滚珠丝杠运行状态、机床导轨运行状态等重要参数。二是可视化管理。基于数控机床运行数据，运用人工智能、大数据等手段，深度挖掘可反映数控机床运行状态的指标，并做可视化处理，增强设备管理的透明化水平。
例如，树根互联为重庆宏钢提供了根云平台接入、物联呈现、系统及硬件接入等服务，助力重庆宏钢实现OEE管理，提升数控机床设备数据采集、设备诊断、运行状态可视化等能力，提升管理者的生产管理效率。
目前宏钢数控设备健康度提升20%以上，设备管理效率提升30%，生产管理即时性有效提升，企业产能大幅提高。浙江陀曼工业互联网平台为轴承行业22000多台数控设备提供数字化改造服务，植入智能传感器、智能部件系统等，行业OEE整体水平从不足50%提高到现在73%，预期还有约20%的提升空间。
02
智能运维
结合数控机床故障诊断模型，自动预警数控机床故障并确定最优维护方案，远程指导用户排除设备故障，实现数控机床智能运维。一是设备故障预测诊断。综合利用采集的数控机床设备数据，结合已有的设备故障诊断模型，对设备故障进行分析和预警，确定故障发生的部位、原因、时间和检修人员，确定报警原因、报警时间、发生故障引发报警的部位，避免设备故障引发的生产停滞和安全问题。二是设备远程运维。采集机床的报警历史、运行状态和关键工艺参数，实时上传至云端。在云平台上基于同行业、同类设备、同类加工件的大数据资源和人工智能技术对采集到的参数进行训练、计算和存储，实现数控机床的远程集中监控、机床效率分析、实时故障告警、基于知识库的故障诊断、故障预测和远程维护。
例如，浪潮云研制针对机床全生命周期管理的智能机床云平台，采集机床的报警数据、运行状态和关键工艺参数，通过云端的机床机理模型库进行多种大数据分析，其中典型分析包括机床主轴震动分析、设备生产效率、刀具寿命预测等大幅提高刀具使用寿命的利用率，降低运维费用，应用该平台的部分用户产品升级、研发加快，生产效益较之前提高了26%。
03
刀具管理
推动数控机床上云，可有效解决刀具寿命难预测、加工部件易损坏等问题，提高刀具使用效率。一是刀具状态监测。通过采集机台振动、电流传感器和控制器等多类异构数据，准确掌握刀具的健康状态。二是刀具故障诊断。结合刀具运行状态数据，在云端基于深度学习训练刀具剩余寿命预测模型，并部署到边缘侧，实施监测分析刀具状态数据，智能预测断刀、崩裂和寿命的异常情况，减少刀具异常带来的损失。
例如，工业富联基于深度学习建立的刀具寿命智能预测模型，实现了从计件换刀到精准换刀的转变，实现刀具崩刃及断刀的即时判定准确率93%，刀具寿命预计延长15%，预计减少刀具成本15%，提升产品良率30%，节省材料成本约10%，提高生产效率15%。
04
生产能力共享
推动数控机床上云，可有效整合机床行业闲置生产能力，精准对接订单需求和加工能力供给，提高整个行业的生产效率。一是产能信息共享。通过数控机床上云，可实时掌控机床的开停机状态，并将过剩的订单需求及时分发给具有闲置生产能力的企业，实现产能在跨企业之间的共享。二是生产过程管控。通过数控机床上云，可准确掌握机床的生产过程，从而对产品生产节奏、产品质量等关键参数进行动态管理，按时、按质、按量满足订单需求。
例如，智能云科iSESOL平台将上万台i5机床接入云端，采用租赁方式，按使用时间、价值或按工件数量计费，大大降低了企业的一次性成本，提高机床的使用效率。浙江陀曼ACS自适应控制系统突破核心算法，实时感知机床加工状态并根据本地机理模型和云数据模型指令进行智能自适应调节，节约操作工人50%以上的工作量，从一人一线向一人四线管理目标迈进。
05
备件管理
推动数控机床上云，结合可对数控机床故障的精准预测，对各种备品备件的库存、申领等进行精准化管理，大幅降低备品备件管理成本。一是精准对接优化。通过数控机床上云采集的各种数据，基于不同的故障预警信息，预测可能产生的备品备件需求，为供需精准对接挖掘潜在机会，减少交易成本。二是备件智能申领。结合备品备件需求信息，动态核实备品备件的数量、质量和流向等数据，实现备品备件精准化管理，提高备品备件的流转效率。
例如，美林数据建设的台州市机床行业工业互联网平台，通过低成本、标准化机床数据采集终端，促进机床设备大规模上云，通过机床状态数据以及机床制造过程数据的融合，帮助企业分析机床备品备件供给商机，建立平台服务链路，提升服务水平。目前平台种子用户十家机床企业已经上线，平台提供的销售机会已经达到企业销售线索的20%。
推广前景
近年来，我国数控机床行业发展迅速，行业规模不断扩大，在国际市场中的地位也逐渐提升。据赛迪顾问统计，2019年，中国数控机床产业规模达3270.0亿元，占全球比重约31.5%。预计到2022年，我国数控机床产业规模将达到4024.3亿元。随着数控机床的保有量不断增加，用户企业对数控机床预测性维护、生产能力共享等新型应用需求日益强烈，将会加快数控机床上云步伐，进而扩展数控机床上云市场空间。
编辑：王改静
延伸阅读：
赛迪张朝：工业互联网平台+工业设备上云系列研究（一）炼铁高炉
赛迪徐靖：工业互联网平台+工业设备上云系列研究（二）工业锅炉
赛迪徐靖：工业互联网平台+工业设备上云系列研究（三）石油化工设备
赛迪孙刚：工业互联网平台+工业设备上云系列研究（四）柴油发动机
赛迪张朝：工业互联网平台+工业设备上云系列研究（五）大中型电机
赛迪宋颖昌：工业互联网平台+工业设备上云系列研究（六）大型空压机
赛迪孙刚：工业互联网平台+工业设备上云系列研究（七）工程机械
延伸阅读：工业互联网平台新模式新业态系列
推荐阅读
