以下文章来自sikmahak，市场部的作者。2019年，sik在弗莱堡开设了4.0 nowfactory（工业4.0）。与此同时，我们通过工业4.0获得了哪些新的见解？就此，西克集团光电传感器和光纤业务负责人约阿希姆·舒尔蒂斯接受了专访。Joachim schultis先生（左），光电传感器和光纤业务负责人Q1:schultis先生，您是一家按照工业4.0原则运营的工厂的生产负责人。你的工作和传统工厂负责生产的人有什么不同？舒尔蒂斯：在传统工厂，我们需要做的是通过应用已知的策略和方法，不断提高整体效率。工业4.0的目标是相同的，即提高整体效率。但实现目标的方式不同。主要是从观察中吸取教训，为未来确定正确的方向。无论我们谈论的是什么原则、技术或方法，新事物都提供了消除“旧”世界现有界限和重新定义整体效率的机会。生产负责人应该做的是从新战略中吸取教训，勇于消除已知的界限。在这里，新技术首先提供了突破边界的前提。问题2：您通过工业4.0获得了哪些重要见解？舒尔蒂斯：新生产系统的复杂性，比如我们创建的生产系统，对组织管理提出了新的挑战。我们必须重建组织和管理，一方面要根据客户的需求来适应市场生产，另一方面要在整个生产体系完善的时候需要整合新的版本。然而，传统的计划控制系统很快就会达到极限。为了适应这些要求，我们推出了灵活的工作形式，大大提高了灵活应对不断变化的目标和要求的能力。我们的团队将使用实时数据或通过数据挖掘过程获得的经过处理的信息在他们的站立会议和冲刺中做出决策。就行动而言，我们只是处于初级阶段，每天都在学习。让我们来谈谈您提出的“重要知识”问题：我们认识到，必须把技术创新与组织管理创新结合起来，才能快速、有针对性地做出反应，抓住新的增值机遇。问题3：你能详细说明一下这些优势吗？舒尔蒂斯：例如，在过去的几个月里，我们在制造物流领域采用了新产品。我们在原型阶段感受到高度自动化设备的好处。我们不需要为原型手工制作额外的设备。它确实有效。工厂的灵活性是显而易见的。我们在大规模生产的同时制造原型。问题4：如何实现这种灵活性？舒尔蒂斯：我们工厂采用模块化结构。所有自动和半自动制造模块通过小型自动驾驶汽车（AGC）相互连接。相对于正在进行的大规模生产，我们可以直接在这里测试或开发新产品。如果有一个小故障，整个制造系统不会立即停止。这是纯粹的灵活性。总的来说，它大大减少了我们在启动阶段遇到的麻烦。我们更可靠，在这个过程中有更多的自由。问题5：当设备出现故障时会发生什么？你能换成其他设备吗？舒尔蒂斯：是的。我们并没有把所有的东西都配对，但我们有可以完全自动化或手动执行的流程。此时，专门为工厂开发的上游制造控制系统承担着物流的控制任务。问题6：2019年，你谈到了五条产品线。现在情况怎么样？舒尔蒂斯：在这期间，我们增加了两个产品系列。目前在生产过程中有7个产品系列，年底还将增加2个。这些产品线将添加不同的版本。目前，我们制作的版本已经达到四位数。机器能维持这样的增长是没有问题的。除了安全产品，我们目前甚至在同一模块上生产非安全产品。问题7：您刚开始谈到数据挖掘。你能和我们分享你所学到的吗？Schultis：我们将生产环境中的数据分为三大类。在智能制造领域，我们提升到流程层面，以提高质量和OEE（整体设备效率）。这是一个关键问题。第二个主题是预测性维护。在这方面，我们使用数字信号尽可能有效地进行维护。例如，我们并不总是使用固定的维护周期。当需要维修时，传感器和执行器会发出信号。第三类涉及能源管理。我们了解了整个车间一年的能耗情况。在未来，这种透明度将帮助我们尽可能高效和可持续地生产，因为我们可以在更有利的时候生产。问题8：你能分析数据并得出结论吗？在工业4.0的意义上？舒尔蒂斯：我必须用“是”和“否”来回答这个问题。是的，我们有能力分析数据并得出初步结论。是的，我们做得越多，潜力就越大。一个小例子：我们现在对生产模块中的压缩空气进行数字监控。以前没有这种事。在过去，如果压力降到5巴以下，我们只有在生产出现问题时才知道压力下降。现在，我们使用数字监控，有警告限制。如果我们超过或低于这些限制，我们将通过BPM（Bosch performance manager）激活支持票证。另一个例子是气缸的速度。一般来说，磨损可以从中识别出来。在未来，这些数据将帮助我们收集各种执行器/传感器的维护警告限值。目标是在故障发生之前识别故障。问题9：有没有没有没有数据就找不到的情况？工厂未来应该如何发展？舒尔蒂斯：我们在一个模块中遇到了这个问题，我们用我们的病态传感器ftmg来监测压缩空气。传感器本身通过网关（tdc-e）连接到云。我们在云中托管BPM来帮助我们可视化数据。我们可以识别压缩空气供应的波动并采取相应的措施。如果没有发现故障，可能导致阀门故障。我们可以提前更换，避免停机。深度学习能否在未来的工厂中发挥作用？那是肯定的。深度学习是一种可以帮助我们在很多方面变得更好的技术。我们正在开发一个解决方案，我们可以使用神经网络技术在质量检验。具体来说，它将是一个嵌入式AOI解决方案的焊点。你看，我们每天都在学习新知识，测试新技术。未来的工厂必须从现在开始，否则未来永远是未来。今天，我们可以利用这个机会，借助数据产生附加值，从而尽可能高效地生产。Sick不仅仅是讲工业4.0，我们实施工业4.0，我们将与您携手在工业4.0的道路上共同探索！