移动智造,现场赋能

在智能制造的大旗下,有很多企业在大张旗鼓地进行“机器换人”运动,希望能使用机器替代人的手工操作,以获得更高的质量一致性和稳定的生产节拍。

 但不幸的是,不是所有的制造业能都能够实现全自动机器制造的。我们近期接触到不少的客户行业,因为制造的产品特点,产线上仍然离不开大量的人工操作。这样的行业,在国内外也不是少数。

那么问题来了,他们难道就无法在智能制造上做文章了吗?智能制造一定是“机器换人”吗?我们认为答案是否定的。

我们提出了“移动智造,现场赋能”的观点,主张即使在大规模劳动密集型行业,仍然可以逐步向智能制造迈进。通过imgenius现场作业管理平台,我们部署了一套全新的关注和管理现场人员的移动互联信息化平台,从而解决了制造业中一个最核心的因素的管理问题。在这个平台上,我们提出了以移动作业的方式来管理人在现场的行为规范,无论是生产操作、质量检验还是设备维护。我们希望在现场的人在流程中的行为是被管理而且实现了自动化,从而逐步实现智能制造的目标。

“移动制造,现场赋能”可以应用在以下典型场景:

1)生产工单的执行

  • BOM确认及其它现场操作指导和管理
  • 工单直接下达到移动端,包括生产规格,参数,图纸
  • 工单执行各种数据的反馈

2)机器设备的维护

  • 周期性的维护保养工作的严格执行和完善的作业指导
  • 备品备件及耗材的消耗管理
  • 操作人员的自主维护等

3)计量器具的定期检定

  • 复杂繁琐的周期性工作计划管理
  • 所有检定文件的电子化档案形成完整履历
  • 极大解放计量管理人员的生产力

4)质量检验工单管理

  • 自动与工单关联的质检工单管理
  • 完整的原始记录,自动的质量判定
  • 结合机器视觉和深度学习的质量判定

5)其它,包括安全管理,测试和试验数据管理,现场培训等等。

返回

imgenius本体模型在 AI 应用中的核心优势

imgenius 作为面向工业现场作业的标准化移动管理平台,其底层并非简单的表单、流程堆砌,而是构建了一套面向工业现场作业领域的结构化本体模型(Ontology Model)

半导体厂务智能运维大模型:模数共振重构芯片厂运维新范式

半导体厂务是芯片生产的 “生命线”,传统运维长期面临数据孤岛、依赖人工、故障响应慢、专业门槛高等难题。通用大模型在工业场景水土不服,数据准备成本高、落地周期长。我们依托成熟底座,打造半导体厂务专属行业大模型,以模数共振实现数据与模型双向赋能,为厂务智能运维提供低成本、高落地的解决方案。

无纸化QC质量检验

最近,有机会去国内某家电行业龙头参观,注意到现场质量检验的一些细节,在此进行一些探讨。