Россия потратит на новые производственные технологии 145 млрд рублей
ИТ в госсекторе
30.10.2019, Ср, 16:35, Мск , Текст: Игорь Королев
Дорожная карта развития в России новых производственных технологий предполагает затраты на сумму p145 млрд до 2024 г. В том числе запланирована разработка отечественных PLM- и MES-систем, Государственной информационной системы промышленности, Национальной платформы цифровых двойников и Национальной базы математических моделей высокого уровня адекватности Digital Brainware.
Что за «Новые производственные технологии»?
В распоряжении CNews оказался проект дорожной карты по развитию новых производственных технологий (НПТ), подготовленный Санкт-Петербургским политехническим университетом им. Петра Великого (СПбПУ). Документ был разработан в рамках реализации мероприятий федерального проекта «Цифровые технологии» национальной программы «Цифровая экономика».
Новые производственные технологии — это «совокупность новых, с высоким потенциалом, демонстрирующих де-факто стремительное развитие, но имеющих пока по сравнению с традиционными технологиями относительно небольшое распространение, новых подходов, материалов, методов и процессов, которые используются для проектирования и производства глобально конкурентоспособных и востребованных на мировом рынке продуктов или изделий (машин, конструкций, агрегатов, приборов, установок и т.д.)».
Сквозная технология «Новые производственные технологии» (СЦТ НПТ) — это сложный комплекс мультидисциплинарных знаний, передовых наукоемких технологий и системы интеллектуальных ноу-хау, сформированных на основе результатов фундаментальных и прикладных исследований, кросс-отраслевого трансфера и комплексирования передовых наукоемких и сквозных цифровых технологий, а также субтехнологий.
Разработка и внедрение субтехнологий, входящих в СЦТ НПТ, является необходимым условием для присутствия отечественных компаний на глобальных высокотехнологичных рынках, для которых характеры смещение центра тяжести в конкурентной борьбе за этап разработки высокотехнологичной продукции, повышение уровня ее наукоемкости, сокращение сроков вывода новой продукции на рынок, жесткие ограничения по издержкам, высокие требования к потребительским характеристикам.
Технология цифровых двойников
Авторы документа отмечают, что среди множества передовых начинаний именно цифровые двойники станут своего рода интегратором практически всех сквозных цифровых технологий и субтехнологий. Кроме того, им отведена роль драйвера, который обеспечит технологические прорывы. Это позволит высокотехнологичным компаниям переходить на новый уровень технологического и устойчивого развития на пути к промышленному лидерству на глобальных рынках.
В сравнении с традиционными подходами, разработка изделий и продукции на основе технологии цифрового двойника может обеспечивать снижение временных, финансовых и иных ресурсных затрат до 10 раз и более. Фактически, именно с помощью разработанных заранее цифровых двойников лидеры мировых высокотехнологичных рынков формируют гарантированное зарезервированное развитие. В этом случае семейство цифровых двойников обеспечивают производство («материализация цифрового двойника») и поставку продукции с конкурентными характеристиками в кратчайшие сроки в зависимости от возникающей конъюнктуры на глобальном высокотехнологичном рынке, реализуя триаду «технологический прорыв — технологический отрыв — технологическое лидерство/превосходство».
Важнейшим и обязательным этапом разработки и применения полномасштабных цифровых двойников является формирование путем каскадирования и декомпозиции многоуровневой матрицы целевых показателей конкурентоспособного продукта/изделия и ресурсных ограничений (временных, финансовых, технологических, производственных, экологических и т.д.). Общее число характеристик матрицы может составлять 50 тыс. и более.
Многоуровневая матрица целевых показателей и ресурсных ограничений предназначена для осуществления балансировки огромного количества конфликтующих параметров и характеристик объекта в целом, его компонентов и деталей в отдельности. Возможно не только отслеживать их взаимное влияние на различных этапах жизненного цикла, но и в кратчайшие сроки вносить необходимые изменения и уточнения. Например, появляется возможность гибко реагировать на действия конкурентов, что обеспечивает непрерывный характер разработки и представляет собой важнейшую особенность новой парадигмы цифрового проектирования и моделирования на основе цифровых двойников.
Digital Brainware
Ключевым и необходимым этапом работы для формирования глобально конкурентоспособных цифровых двойников в промышленности является реализация комплекса мероприятий «Формирование национального Digital Brainware», который подразумевает оцифровку всех физических, натурных и других — дорогостоящих и зачастую уникальных — экспериментов. Фактически, речь идет о разработке и валидации математических моделей высокого уровня адекватности материалов (MultiScale и MultiStage-подходы), машин, конструкций, приборов, установок, сооружений, физико-механических и химических процессов, технологических и производственных процессов (Multidisciplinary-подход).
Формирование Digital Brainware позволяет в рамках комплексного подхода разработки цифровых двойников перейти от традиционной парадигмы проектирования и разработки («доводка продуктов/изделий до требуемых характеристик на основе многочисленных дорогостоящих испытаний и итерационного перепроектирования») к одному из основных компонентов разработки цифровых двойников — современной триаде «Виртуальные испытания & Виртуальные стенды & Виртуальные полигоны», компоненты которой используются на всех этапах жизненного цикла, а с наибольшим эффектом — на этапе проектирования. Это значительно снижает объемы физических и натурных испытаний, необходимых для проверки опытных образцов.
Важным требованием является обеспечение функциональной совместимости разрабатываемых отечественных решений с широко распространенными зарубежными, так как в настоящее время на предприятиях реального сектора экономики активно используются импортные технологии (Siemens, Dassailt Systemes, ANSYS, SAP). Экспорт отечественных решений также невозможен без функциональной совместимости с зарубежными программными системам. Учет этих требований в рамках мероприятий по стандартизации является логичным вектором развития новых производственных технологий.
Где следует внедрять новые производственные технологии
Приоритетными отраслями для внедрения новых производственных технологий являются: автомобилестроение (производство автотранспортных средств, прицепов и полуприцепов, включая производство двигателей для автотранспортных средств); авиастроение и ракетно-космическая техника (производство летательных аппаратов, включая космические, и соответствующего оборудования); двигателестроение (производство силовых установок и двигателей для летательных аппаратов, включая космическое); машиностроение, включая атомное, нефтегазовое, тяжелое, специальное машиностроение, железнодорожный транспорт (производство машин и оборудования общего назначения); судостроение и кораблестроение (строительство кораблей, судов и лодок); непрерывное/процессное производство (добыча полезных ископаемых; обрабатывающее и металлургическое производство, производство кокса и нефтепродуктов; производство химических веществ и химических продуктов).
Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия
Авторы документа разделяют новые производственные технологии на три субтехнологии. Первая из них — «Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции» — включает в себя технологии, обеспечивающие реализацию концепции передового цифрового умного проектирования. Драйвером этого процесса выступает технология разработки цифрового двойника на основе создания и применения многоуровневой матрицы целевых показателей и ресурсных ограничений, математических моделей разных классов, уровней сложности и адекватности, проведения виртуальных испытаний, применения виртуальных стендов и полигонов.
Особое внимание уделяется цифровой платформе создания цифровых двойников, способной учитывать до 150 тыс. целевых показателей и ресурсных ограничений. Она использует смежные сквозные цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, а также обеспечивает управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний.
Также внимание уделяется конкурентоспособной отечественной PLM-системе тяжелого класса — системе управления жизненным циклом продукции/изделия, включающей конкурентоспособные CAD-CAM-CAE-подсистемы проектирования, и технологической подготовке производства и компьютерного/суперкомпьютерного инжиниринга на основе математического и имитационного моделирования.
Уровень готовности данной субтехнологии (УГТ) в России оценивается на отметке »6–9» при максимально возможном значении »9». В мире УГТ составляет »7–9». Рынок традиционного PLM оценивается в США в $7,7 млрд, в Японии — в $3,82 млрд, в Германии — $3,75 млрд. До 2022 г. рынок будет расти на 6% ежегодно.
К этой субтехнологии относятся: технологии разработки и сопровождения цифровых двойников; компьютерное проектировании (Computer-Aided Design, CAD); математическое моделирование, компьютерный и суперкомпьютерный инжиниринг (Computer-Aided Engineering, CAE и High Perfomance Technical Computing, HPTC); имитационное моделирование; сервис, обеспечивающий доступ к облачным вычислительным мощностям, функционирующий по модели «on demand»; сервис, предоставляющий доступ к цифровому профилю изделия, обеспечивающий прослеживаемость изделий как на этапе производства, так и на этапе его эксплуатации; технологии оптимизации (Computer-Aided Optimization, CAO); платформенные технологии управления процессами проектирования, моделирования и данными (Simulation Process & Data Management, SPDM), а также вычислительными ресурсами (Simulation Process, Data and Resources Management, SPDRM).
Кроме того, к обозначенной субтехнологии относятся: цифровые платформы для проектирования и инжиниринга, разработки и сопровождения цифровых двойников и платформы цифровой сертификацию, использующие смежные сквозные цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, обеспечивающие управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний; планирование производственных технологических процессов (Computer-Aided Process Planning, CAPP); технологическая подготовка производства (Computer-Aided Manufacturing Process Planning, CAPP); технологии управления данными о продукте (Product Data Management, PDM); технологии управления жизненным циклом (Product Lifestyle Management, PLM); интегрированная логистическая поддержка (Integrated Logistics Support, ILS); платформенные решения для правовой охраны и управления правами на цифровые модели и объекты; платформенные решения для эксплуатационного мониторинга, послепродажного/технического обслуживания продукции, предиктивной аналитики и ремонтов; платформенные решения, реализующие сервисные подходы «база доступных технологий» и «база типовых изделий».
Оценка существующих решений субтехнологий «Новых производственных технологий» с точки зрения экономической эффективности
| Решение | Критерий | Оценка по критерию |
|---|---|---|
| Catia V6 | Цена за лицензию | $9000 — $65 000 |
| Цена за обслуживание | От $6246 | |
| NX 10 | Цена за лицензию | $5900 — $26300 |
| Цена за обслуживание | $1600 — $4900 | |
| Creo | Цена за лицензию | $2200/4995 — $10000 |
| Цена обслуживания | $10000 | |
| Inventor HSM | Цена за лицензию | $2470 в год |
| Т-Flex ЧПУ 3D | Цена за лицензию (5-осевая фрезерная обработка) | 230 тыс. руб. |
| Цена обслуживания | 15% от стоимости лицензии в год | |
| СПЖЦ «Цифровое предприятие» | Цена за лицензию | 130 млн руб. на 1000 рабочих мест |
| ESPRIT | Цена за лицензию (5-осевая фрезерная обработка) | >1 млн руб. |
| Цена обслуживания | 11% от стоимости лицензии в год | |
| Siemens Teamcenter | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| 3DEXPERIENСЕ | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| Технологии умного производства | ||
| Умная робототехника | Объем высвобождаемых издержек и потенциальная добавленная стоимость | Внедрение на производстве «умного» робототехнического оборудования потенциально приводит к росту выработки на одного рабочего на 10–30% в зависимости от рассматриваемой индустрии. Передовая робототехника и ИИ могут повысить производительность во многих отраслях на 30%, при этом сократив затраты на рабочую силу на 18–33% и дав положительный экономический эффект от $600 млрд до $1,2 трлн к 2025 г. На заводе Mitsubishi Electric в Нагое внедрение технологий умного производства увеличило скорость работы оборудования на 190%, продуктивность — на 180%, а стоимость производства сократилась на 65%. Время выполнения заказов уменьшилось на 50%. Рост производительности и автоматизация ряда производственных операций неуклонно влечет сокращение штата сотрудников. По различным оценкам, стоимость труда к 2025 г. должна снизиться на 16%. В США, в частности, прогнозируется замена 28% рабочих новым робототехническим оборудованием к 2025 г. В тоже время увеличится количество рабочих мест в секторе производства робототехники (+35%). В среднем в США широкое производственное использование робототехнических систем привело к изменению динамики роста показателей ВВП и производительности труда на 0,37% и 0,36% соответственно за период с 1993 по 2007 гг. |
| Современные системы числового программного обеспечения | Объем высвобождаемых издержек и потенциальная добавленная стоимость | Использование для контроля и мониторинга работы промышленного оборудования современных устройств ЧПУ в целом обеспечивает: средний рост производительности в 2 раз и сокращение на 30% затрат на выполнение ремонтных и обслуживающих работ. Также достигается снижение себестоимости продукции на 20–30% за счет устранения потерь в производстве и более эффективного управления качеством. |
| 5-координатное фрезерное оборудование и многофункциональные обрабатывающие центры. | Объем высвобождаемых издержек и потенциальная добавленная стоимость | Следует выделить общие преимущества данного оборудования. Облегчается подготовка производства новых изделий, сокращается подготовительно-заключительное время, не требуется проектирование и изготовление сложных станочных приспособлений, предназначенных только для конкретной заготовки, сверлильных и расточных кондукторов, копиров, шаблонов и т. д. Улучшается использование станка во времени. Машинное время в общем времени эксплуатации для фрезерных станков достигает 50–90%, тогда как для обычных станков в мелкосерийном производстве оно обычно не превышает 30%. Один станок с ЧПУ заменяет три-пять обычных станков, а многооперационный станок — до восьми станков. Эффект тем больше, чем сложнее изготовляемые детали. |
| Носимые устройства с встроенными технологиями дополненной и виртуальной реальности | Объем высвобождаемых издержек и потенциальная добавленная стоимость | Одним из мировых лидеров по использованию на производстве систем дополненной и виртуальной реальности являются США — треть предприятий используют (12,5%) или планируют использовать (23,3%) данный подход. При этом порядка 22,5% представителей промышленности считают данную технологию чрезвычайно важной для автоматизации производственного процесса. Внедрение подобных решений приводит к сокращению времени производственного процесса в два раза. Эффективность работы инженеров возрастает на 20%. С точки зрения применения данных систем для обучения сотрудников: на 90% сокращаются издержки на создания методики обучения сотрудников. Сроки подготовки работников снижаются на 30–40%. Применение интерактивных систем тренировки и обучения сотрудников на базе VR- и AR-технологий, позволяет добиться более высокого закрепления полученного навыка (в среднем в 1,5–2 раза повышается эффективность обучения). |
| АСУ ТП | объем продаж | 261,47 млрд руб. |
| объем высвобождаемых издержек | На основе прогнозных расчетов мы оцениваем возможность снижения стоимости вторичных систем электрических подстанций как минимум на 15–20%. | |
| потенциальная добавленная стоимость | Нет данных | |
| SAP НАNА | объем продаж | $271 млн |
| объем высвобождаемых издержек | $11 млн (35%) | |
| потенциальная добавленная стоимость | Нет данных | |
| Единое предприятие в горнодобывающей отрасли Rockwell automation | объем продаж | $6,666 млн |
| объем высвобождаемых издержек | Автоматизация системы вентиляции обеспечила 30-процентное снижение расходов компании Vale на электроэнергию. | |
| потенциальная добавленная стоимость | Нет данных | |
| Установка скоростной лазерной резки Laser Genius с волоконным источником | объем продаж | Частично присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| Проволочно-вырезной электроэрозионный станок RA-90AT компании Mitsubishi | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| Мичиганский сборочный завод (МАР) Ford Motor Со | объем продаж | Частично присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Частично присутствует (пример из автомобильной отрасли, но подобные решения могут быть масштабированы и на другие области промышленности). | |
| Платформа GE Predix | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| IBM Watson IoT Platform | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| Source Intelligence Supply Chain Compliance Tool | объем продаж | Присутствует |
| объем высвобождаемых издержек | Присутствует | |
| потенциальная добавленная стоимость | Присутствует | |
| Манипуляторы и технологии манипулирования | Увеличение производительности | 0,25 |
| Роботизированная сварка, пайка | Увеличение качества выпускаемой продукции | 0,1 |
| Повышение безопасности труда | 0,5 | |
| Увеличение производительности | 0,4 | |
| Роботизированная покраска, напыление покрытий | Увеличение качества выпускаемой продукции | 1 |
| Повышение безопасности труда | 0,5 | |
| Увеличение производительности | 0,3 | |
| Роботизированная механическая обработка (резка, фрезерование, сверление, шлифовка и др.) | Увеличение качества выпускаемой продукции | 0,15 |
| Повышение безопасности труда | 0,5 | |
| Увеличение производительности | 0,2 | |
| Роботизированная сборка | Увеличение качества выпускаемой продукции | 0,15 |
| Повышение безопасности труда | 0,5 | |
| Увеличение производительности | 0,2 | |
| Обслуживание станков роботами, перенос материалов (загрузка, выгрузка, штабелирование, работа с поддонами, укладка деталей в тару и т. п.) | Увеличение качества выпускаемой продукции | 0,6 |
| Повышение безопасности труда | 0,5 | |
| Литье | Увеличение производительности | 0,15 |
| Увеличение качества выпускаемой продукции | 0,2 | |
| Повышение безопасности труда | 0,5 | |
| Контроль качества | Увеличение производительности | 0,2 |
| Захваты | - | - |
| Алгоритмы детектирования и локализации коллизии | - | - |
| Промышленные экзоскелеты | Увеличение производительности | 100–1000% |
| Расширение возможностей человека | 100–200% | |
| Повышение безопасности труда | 50% | |
| Объем высвобождаемых издержек | Присутствует | |
| Потенциальная добавленная стоимость | Присутствует |
Источник: СПбПУ, 2019
Прогноз развития субтехнологии
По прогнозам составителей дорожной карты, количество высокотехнологических предприятий, применяющих технологию цифровых двойников, увеличится с 3 в 2019 г. до 100 в 2024 г., а количество реализованных проектов на высокотехнологичных предприятиях из приоритетных отраслей промышленности, для которых была применена технология разработки цифровых двойников — с 3 до 250. За этот же период сокращение времени разработки высокотехнологичных продуктов увеличится с 10% до 25%.
Доля показателей матрицы целевых показателей и ограничений, обеспечивающих достижение целевых характеристик разрабатываемого изделия или продукции, определяемых и обосновываемых результатами виртуальных испытаний, увеличится с 0–15% до 50–100%. Разработанные и внедренные технологии создания цифровых двойников продуктов/изделий на основе десятков тысяч целевых показателей к 2024 г. будут обеспечивать при экспертном сопровождении прохождение с первого раза физических и натурных испытаний (сейчас — с пятого), определение критических зон и характеристик для мониторинга на всем жизненном цикле.
Будет разработана отечественная PLM-система тяжелого класса, поддерживающая все стадии изделий (включая CAD, CAM, CAE-подсистемы) — от создания концепта и проектирования до изготовления на базе отечественной платформы полного жизненного цикла изделий. PLM-система обеспечит автоматическую оценку технологической реализуемости производства на ранних этапах проектирования изделия или продукции.
Также будет разработана платформа управления цифровым профилем изделий, обеспечивающая полную прослеживаемость на всем жизненном цикле изделия, начиная с момента проектирования отдельных деталей и узлов, включая контроль на стадии производства, и заканчивая эксплуатацией готового изделия.
К 2024 г. 25 высокотехнологических предприятий будут использовать эту систему. Будет реализовано 50 проектов на высокотехнологических предприятиях, в которых будет применена PLM-система. У данной системы будет 10 тыс. активных/сертифицированных пользователей.
100 типовых изделий в пяти приоритетных отраслях промышленности будут подключены к системе цифрового профиля изделия. Автоматизированная оценка технологичности будет доступна для ранних этапов, а время разработки высокотехнологичных продуктов сократится на 15%.
Также в рамках обозначенной субтехнологии для пяти приоритетных отраслей будет разработана Национальная база математических моделей высокого уровня адекватности Digital Brainware на основе архивов физических и натурных экспериментов, обеспечена преемственность с накопленным научно-технологическим опытом, основанным на дорогостоящих и зачастую уникальных экспериментах. База будет пополняться математическими моделями высокого уровня адекватности на основе новых серий физических и натурных экспериментов, в том числе направленных на применение новых материалов. 25% от общего числа испытательных стендов будет входить в состав Национальной базы математических моделей высокого уровня адекватности.
Цифровые платформы для субтехнологии
К 2024 г. платформа разработки цифровых двойников будет способна учитывать 150 тыс. целевых показателей и ресурсных ограничений (сейчас — только 40 тыс.). Она будет использовать смежные сквозные цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, обеспечивать управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний.
Цифровая платформа будет внедрена в пяти приоритетных отраслях и в 50 высокотехнологичных компаниях. Также будет сформирована национальная сетецентрическая экосистема из 25 зеркальных инжиниринговых центров, объединяющая 2,5 тыс. экспертов — сертифицированных пользователей (сейчас число пользователей составляет 250).
Платформа цифровой сертификации обеспечит экспертное сопровождение разработки и применения цифровых моделей и виртуальных испытательных стендов для ускоренной сертификации материалов и изделий. 50 материалов и изделий пройдут ускоренную сертификацию на основании виртуальных испытаний, а данную платформу для вывода материалов и изделий на рынок будет использовать 10 компаний.
Платформенные решения для правовой охраны и управления правами на цифровые модели и объекты к 2024 г. обеспечат охрану в режиме авторского права всех элементов, созданных цифровым двойником (сейчас — лишь 15%), 25% — в режиме патентного права и 30% — в режиме лицензирования.
Будет разработана платформа полного жизненного цикла, обеспечивающая сервисы для разработки специализированного прикладного инженерного ПО на базе отечественной платформы и геометрического ядра. С помощью данной платформы будет реализовано 100 прикладных решений и подготовлено 100 сертифицированных специалистов.
Количество активных/сертифицированных пользователей сервиса, обеспечивающего доступ к облачным вычислительным мощностям и функционирующего по модели «on demand», увеличится с 250 до 2,5 тыс. Не менее 10 компаний будут использовать платформенные решения, реализующие сервисный подход «База доступных технологий» и «База доступных мощностей».
Будут разработаны платформенные решения для эксплуатационного мониторинга: постпродажное облуживание изделий и предиктивная аналитика. С их помощью будет автоматизирован процесс послепродажного обслуживания 100 типовых изделий в пяти приоритетных отраслях промышленности.
Ключевые этапы и инструменты создания и реализации выбранных международных решений и проектов
| Решение | Описание этапа | Описание инструмента |
|---|---|---|
| Fitman | Стартовал в апреле 2013 г., завершен в сентябре 2015 г. 10 пробных промышленных модулей | 10 пробных промышленных модулей (4 на крупных предприятиях и 6 на средних и малых) в трех разных составляющих «фабрики будущего». Тестировать и отрабатывать инновационные технологические решения должны были реальные промышленные компании: для модулей цифровой фабрики это были Volkswagen (Германия), Consulgal (Португалия), Agustawestland (Италия), Whirlpool (Италия), Aidima (Испания). |
| Twin control — цифровое моделирование оборудования и процессов механообработки | 1 этап — проектная стадия | Определение модели |
| 2 этап — определение модели цифрового двойника и архитектуры | Экспериментальное описание, валидационные тесты | |
| 3 этап — разработка цифрового двойника машины | ||
| 4 этап — разработка цифрового двойника процесса обработки и жизненного цикла изделия | ||
| 5 этап — анализ и контроль | ||
| б этап — перенос данных, полученных в ходе этапов 3–5 в общую среду с последующей апробацией на реальных машинах | ||
| 7 этап — демонстрация результатов | Разработка сценариев для разных отраслей. пилотные производственные линии | |
| 8 этап — разработка плана эксплуатации | ||
| 9 этап — коммуникационный план | ||
| Siemens Teamcenter | Готовая разработка | Распространенная во всем мире система управления данными о жизненном цикле изделия (PLM). Teamcenter обеспечивает коллективную разработку инновационных решений и повышение производительности труда, предоставляя специалистам предприятий доступ к необходимой информации об изделиях и процессах для эффективного выполнения задач в распределенной среде. Программные решения Teamcenter для управления данными о жизненном цикле изделия созданы на основе открытой платформы PLM. |
| 3D EXPERTENCE | Готовая разработка | Платформа предлагает программные решения для всех подразделений компании — от отделов маркетинга до отделов продаж и проектирования, и помогает в процессе создания ценности обеспечивать дифференцированный подход к потребителям. Благодаря единому удобному интерфейсу платформа обеспечивает эффективное отраслевое взаимодействие с помощью ПО для 3D-проектирования, моделирования и интеллектуального анализа в интерактивной среде совместной работы. Система может быть развернута как локально, так и в облаке. Области применения: дизайн и проектирование, производство, моделирование, стратегическое управление и поддержка жизненного цикла, 3D-проектирование для профессионалов, а также широкий набор услуг. |
| Технологии умного производства | ||
| Cyber-Physical Factory Festo | Этап 1. «Объединение в консорциумы с целью формирования стратегии перехода к Industry 4,0» | С момента объявления стратегии по развитию технологий Industry 4,0. Компания Festo принимала активное участие в создании и развитии новых производственных технологий. Первоначальный и фундаментальный этап развития технологий Industry 4,0 заключался в тесном сотрудничестве и кооперации представителей промышленности, профсоюзов, бизнеса и профильных государственных министерств с целью выработки представления о значимости того или иного компонента Industry 4,0, перспективности их развития и эффективности от их внедрения. Festo в качестве ключевого элемента была выделена не единая автоматизированная линия, а индивидуальные автоматизированные компоненты, которые совместно образуют умную производственную инфраструктуру. |
| Этап 2. «Формирование общих технологических стандартов» | Сформированные объединения осуществляют совместную работу по формированию единых технологических стандартов и бизнес-моделей, придерживаясь которых участники консорциума получают возможность поэтапной разработки новых производственных технологий по ключевым направлениям, выявленным на предыдущем этапе. | |
| Этап 3. «Проведение практических исследований и разработок новых технологий» | Определив ключевое направление, компания Festo начата осуществлять исследования и разработки по созданию элементов умного производства. Обладая достаточным бэкграундом в виде разработок мирового уровня в области автоматизации производства, компания предложила как новые решения, так и модернизированную под новые задачи имеющуюся продукцию. | |
| Этап 4. «Формирование новых экспертных знаний и компетенций» | Предлагая в качестве продукции решения для автоматизации производства в виде отдельных автоматизированных компонентов и оборудования, компания Festo взаимодействует с множеством представителей различных отраслей. В результате данного взаимодействия компания Festo формирует новые знания и компетенции, связанные с решением новых вызовов современных производственных секторов. | |
| Этап 5. «Разработка общего набора решений для перехода к умному производству» | На базе новых знаний компания Festo разрабатывает методологию развертывания умного производства на основе существующих предприятий. С этой целью Festo создает тестовый полигон с целью изучения и развития архитектуры умного производственного предприятия. С целью определения готовности отдельного предприятия к переходу на новую архитектуру, Festo разработала соответствующую методику Industry 4,0 Quick Check. | |
| Omron Automation Center | Этап 1. «Определение себя на глобальном рынке» | Глобальная цель японской компании Omron — стать мировым лидером в области автоматизации. С этой целью на первом этапе компания определила основные отрасли, на автоматизацию которых будет нацелена деятельность Omron. Такими ключевыми отраслями стали: автомобильная отрасль, электронная отрасль (в части выпуска электронных и механических компонентов для смартфонов, аккумуляторных батарей, а также выпуск полупроводниковых компонентов), пищевая промышленность и социальная инфраструктура (в части развития городов, контроля за городским трафиком и очисткой водных ресурсов). |
| Этап 2. «Запуск производства базовых решений» | Компания сконцентрировала свои усилия и инвестиции на разработке и производстве отдельных компонентов автоматизированных систем, таких как блоки управления и контроллеры (в частности ОГС), сенсоры и датчики, исполнительные механизмы (такие как электродвигатели и сервоприводы), системы безопасности, а также роботизированные модули. При этом компания Omron также занимается разработкой программных решений для автоматизации тех или иных процессов. | |
| Этап 3. «Демонстрация своих компетенций потенциальным клиентам» | Создание различных компонентов, а также программного обеспечения позволило компании Omron компоновать на их основе модули автоматизации различного уровня, а также предоставлять экспертные услуги по автоматизации тех или иных процессов. Omron открывает по всему миру «Центры Автоматизации», основная задача которых — продемонстрировать потенциальным заказчикам имеющиеся решения и уровень компетенции в области автоматизации. Такие центры функционируют в Сингапуре, Индии, Норвегии, США и других странах, представляя компанию на том или ином рынке. | |
| Audi Smart Factory | Этап 1. «Постановка цели» | В 2015 г. немецкий автопроизводитель Audi объявил о запуске своей программы развития «Smart Factory 2035», нацеленной на создание нового принципа производства автомобилей. Новая фабрика осуществляет производство кастомизированной прод
Полный текст статьи читайте на CNews |
