I-Connect007编辑团队与GreenSource Fabrication公司及AWP Group集团的Alex Stepinski、Robert Zajac和Lukasz Stepien举办了圆桌会议，重点讨论了其新工厂软件的开发以及他们与SEL公司和Vicor公司就构建专属PCB工厂所开展的合作。
Barry Matties：每当提到智能工厂，人们最先想到的是需要一大笔投资。很多公司不会轻易投资构建智能工厂。那我们换个角度，从单一工序的智能化开始，比如从最具挑战性（或最简单）的制程中挑选一个工序，引入工业4.0概念，再通过打通各工序逐步构建智能流程，最终，整个工厂将发展为智能工厂。如果条件允许，可以让投资者在投资前先看到成功的希望。
Robert Zajac：实际上这一理念与我们典型的实施方法是相通的。推行工业4.0的主要好处之一是可拥的功能特性；它是无缝衔接的，逐步实现工序智能化不会遇到太多问题。因此可以从最感兴趣的指定单元开始，在安装和测试过程中概念会逐渐变明晰。由于最初的实施可能会缺少许多项目和功能，所以最好先从小处着手，然后再逐步扩展。
Matties：没错，从开始的小事中学习和积累经验并从中获益，然后再逐步扩展。
Zajac：开始引入工业4.0的公司正在寻求相关的技术支持和建议。当涉及到此类集成时，他们并不真正了解自己的整体期望；随着工作的开展，期望会越来越大。所以推荐从小处开始。
Matties：工业4.0对您意味着什么？
Zajac：关于工业4.0有很多误解。它是一个有些被滥用的术语，其基本要点是整个企业建立数据流网络，以数字化的方式存储所有信息，供参与者使用。例如，在生产车间中，考虑质量控制程序，由于其中一些产品的技术指标超出了设定的测量值，因此收集这些测量数据非常重要。
出现问题之后，质量工程师会收到相关的故障信息，由于涉及的原因和参数较多，因此首先要控制生产。例如，原材料是导致质量缺陷的根本原因，为了进一步确定原材料问题的类型，需要ERP系统提供相关的信息。假设典型的工业3.0自动化堆栈，金字塔结构，底部是PLC和控制系统，接着是SCADA和MES系统——如果想要在纸质媒介上保存所有的信息，是完全不可能的。
如此保存信息，工程师可能需要花费数小时、数天甚至数周才能获取信息并将类似堆栈中的一切关联起来。在某些情况下，控制程序收集数据，需要所有参加MRP会议的必要人员花费两周多的时间。但如果采用了工业4.0，你能想象这样一个场景：所有的数据都已存在并可用，可以采用任意的机器学习算法来分析数据和其之间的相关性，即可立即停止具有某个特性的批次生产，然后仅需要几秒钟就可做出决策。这种方法在防止报废方面有巨大的优势，同时也能带来巨大的收益。
Matties：但是，挑战在于缺乏相关技能：即获取和解译数据的能力，使数据对生产过程有意义。这是目前制造过程中，尤其对PCB裸板制造商而言，缺乏的能力。
Zajac：目前使用的数据并不常见，但就像使用Microsoft Excel现在是整个行业的标准技能一样，在未来这也会成为必备的技能。能够分析你感兴趣的相关数据至关重要。
Matties：我认为这个新角色可以称为数据科学家。这将是未来市场上的新职位。
Zajac：的确如此。制造行业的任何阶段都需要这个角色，从生产车间的操作员到质量工程师、工艺工程师和管理层等都可以成为数据科学家。
Alex Stepinski：关于数据科学家需要做的工作说明，我正在开发针对中青年高管人员的培训课程以及与数据科学相关的课程。将其与机械或化学工程课程进行比较，会发现这是其中的一个子集。它将工程学专业所学的知识分离成了一个单独的课程。由于专业性没有那么强，所以有商业背景的人可以参加这个课程，而不是像Robert一样需要每晚枯燥地做着微分方程。
Matties：我认为掌握技能是必须的，而且PCB工厂也需要雇用具备这类技能的人员。
Stepinski：作为工程师应该已经将此作为其技能的组成部分了。
Matties：他们需要使数据分析成为必备技能的组成部分。你准备采用这些数据做什么？为什么这样做？
Zajac：这是一个软件平台，可以将我们公司和其他公司的设备都注册在其中；工厂中的任何设备都可以作为单个信息池（有统一命名的空间）连接到该平台。想象一下，ERP、MES、WMS都产生数据，并且需要这些数据都可用。我们正在构建的系统组成部分是MES，它将控制操作、配方管理等类似活动，但为了使MES与其他系统协同工作并自动做出决策，就必须保证相关数据是有效可用的。
为其构建一个生态系统。在我们想要提供的功能中有一些非常先进的控制方案，包括生理学、统计过程控制、AA配方管理、预测性维护和动态配方校正等，但这些功能在独立的设备上是不可能实现的。通过机器学习可以更好地辅助其实现，此外在某些情况下，出现维护性问题时可利用基于云的数据收集进行远程故障排除。我们正尝试通过该软件涵盖所有的产品，使之成为一个将所有部分都连接在一起的网络。
Matties：我知道这里的市场覆盖率比北美地区要多，但如果看看北美市场，很多工厂使用的设备仍然是10年或20年前的。对此是采用你们的系统进行改造，还是投资新的生产线?
Zajac：无需替换旧的设备。虽然某些设备已过时，但仍存在互连的可能。我们可以提供额外的外围连接设备，用于与旧设备的互连。
Matties：这使得他们发展工业4.0变得容易很多。在某些情况下，引入新设备可能更有意义。 但这取决于他们的实际情况。
Zajac：直接购买现成的设备，开箱即用、随时连接是最好的选择。但是，如果考虑一下这些设备的价格，显然改装旧设备是有必要的。
Matties：提到动态配方校正，可能会看到一些更新的设备。
Zajac：的确如此。这取决于对特定配方参数的收集。例如在垂直湿制程工艺中，需要收集配方中设置的所有参数并查看结果。基于这些历史数据，人工智能或机器学习算法能通过最终的结果来解读这些参数的影响，并进行相应的校正。
Matties：正如我们与GreenSource公司讨论的那样，这对前端提出了很高的要求。必须将文件设置为配方驱动的，在此过程中不能人工校正；需要预先计划好。这样做有什么挑战？由于来自设计师的信息从来都是不完整的，需要很多前端沟通工作。如何帮助制造商解决这个问题？
Zajac：工艺工程师对配方有第一发言权。例如可以利用高级工艺工程师的经验来设置初始批次的参数；在处理足够多的产品之后，就会了解制程运转是否顺畅了。从一个工厂到另一个工厂，配方并不可直接一对一复制；显然，必须根据具体的局部条件对系统进行一定程度的调整。然而，随着时间的推移，AI可以对相应参数实现校正。例如使用基本配方时，最终结果可能会有些许误差，此时AI可能会建议您“我们将对此进行更改”，可以选择接受或将其放入自动异常模式，以此实现完全的自动化。 但是，正如我所说，最初的参数输入一定由工艺工程师控制。
Matties：工厂需要找到新的准则来加强前端，以朝这个方向发展。
Zajac：我认为前端不需要很多新技能。前端团队也这样认为，对他们而言只是结果变得更准确，错误更易被根除，可排除公式之外的一些猜测。
Matties：您如何看待工业4.0覆盖公司的核心业务？
Zajac：我们计划将工业4.0平台作为连接所有设备部件和其他制造商设备的网络，这样就可以拥有涵盖整个企业的完整生态系统。其最终目标是为整个企业提供解决方案，但首先是给整厂提供。我们需要这样一个平台，使所有的机器、员工、维护人员、操作人员、工程师、工艺工程师和管理人员都可以存储、交换数据，并根据各自的需要对数据进行分析。
该系统会有一组现成的基本功能。但是，我们预计一些功能将由客户的需求决定，此外还可以为客户提供个性化定制服务。
Matties：软件是在本地安装还是基于云系统？这个网络在工厂内的表现如何？
Zajac：一般的安装是本地化、有统一命名的空间，具有孪生云复制能力。安装在本地还是云上取决于数据安全性的要求，或者是否需要远程访问数据。如果工厂分布广，那么就可以把数据放在云中。
Matties：关于网络安全问题，我认为这将成为最大的问题或担忧之一。
由于篇幅有限，本文节选刊登，更多内容可点击这里查看，文章发表于《PCB007中国线上杂志》6月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。
