複合材料製造商習(xi) 慣於(yu) 處理設備、材料和工藝的持續改進，這些改進會(hui) 影響他們(men) 的運營。但他們(men) 可能還沒有為(wei) 工業(ye) 4.0做好準備。工業(ye) 4.0也被稱為(wei) 第四次工業(ye) 革命，它預示著一個(ge) 前所未有的技術創新時代，將改變我們(men) 所知道的製造業(ye) 。

德勤谘詢公司（DeloitteConsulting）負責人布萊恩•米克（BrianMeeker）解釋說：“工業(ye) 4.0既是一套流程，也是一種技術，它可以實現整個(ge) 企業(ye) 的數字協作。它是跨行業(ye) 製造業(ye) 的未來，並且涵蓋了廣泛的數字功能。”

這些能力包括捕捉和傳(chuan) 輸信息的傳(chuan) 感器、物聯網（IoT）、雲(yun) 計算、機器人技術、機器學習(xi) 、人工智能（AI）等。通過協同工作，這些數字技術使公司能夠自動化更多的設備和流程，並收集、分析和建模數據，從(cong) 而做出更好的業(ye) 務決(jue) 策。

“目標是創建智能工廠，在需要時能夠生產(chan) 更多的零件，並在不影響產(chan) 品質量的情況下縮短上市時間。”專(zhuan) 門從(cong) 事工業(ye) 物聯網軟件的Plataine首席營銷官AmirBenAssa說。

自動化的數字複合材料生產(chan) 線

新的數字複合材料生產(chan) 線（DCML）已經開發出來，目前正由SABIC和Airborne進行試點測試，它展示了工業(ye) 4.0的變革性質。DCML是一個(ge) 全自動化的製造係統，可以批量生產(chan) 輕質、高模量和低翹曲層壓板，定製設計以達到所需的厚度、尺寸和性能。DCML隻需60秒就能製造出四種熱塑性複合材料層壓板。

DCML采用SABIC的連續纖維增強熱塑性條帶，采用高壓纖維浸漬技術HPFIT™。SABIC高級複合材料全球業(ye) 務負責人吉諾·弗蘭(lan) 卡托（GinoFrancato）解釋說：“我們(men) 需要兩(liang) 種寬度不同的條帶，一種用於(yu) 零方向，另一種用於(yu) 90度方向。”兩(liang) 個(ge) 送帶器將條帶放在托盤上，托盤在第一個(ge) 送帶器和第二個(ge) 送帶器之間循環移動，然後再回到第一個(ge) 送帶器，直到達到所需的層數。

然後，托盤移動到下一站，在那裏各層被點焊在一起。機器人將四個(ge) 點焊堆垛轉移到加固區域，在該區域需要60秒的熱量和壓力才能製成完全加固的層壓板。修剪和包裝後，工人將裝有層壓板的盒子拿起來存放。

在這個(ge) 過程的每一個(ge) 階段，係統本身——沒有人的幫助——都會(hui) 檢查條帶、堆棧和層壓板的質量，以查找缺陷。如果識別出有缺陷的條帶段，係統可以快速移除並用一段完好的條帶替換，以保持線路運行。如果層壓板有缺陷，則係統可以檢測到缺陷並也將其丟(diu) 棄。

在滿負荷下，DCML每年可生產(chan) 多達150萬(wan) 個(ge) 零件。這應該會(hui) 吸引消費電子行業(ye) 的新客戶，他們(men) 被複合材料的重量輕、可持續性和外觀所吸引，但由於(yu) 大規模生產(chan) 中質量的一致性不足，他們(men) 一直在謹慎使用複合材料。

SABIC和Airborne將繼續升級DCML。一種改進可能是增加機器學習(xi) 功能，以使該過程更加靈活且更具成本效益。

數字雙胞胎

由於(yu) 數字雙胞胎是基於(yu) 物理世界的對象、過程或係統的精確數字複製品，因此基於(yu) AI的此類決(jue) 策是可能的。在複合材料生產(chan) 中，工程師可以使用數字雙胞胎來測試驅動其設計並模擬它們(men) 在各種條件下在現實世界中的工作方式。在製造業(ye) 中，運營商將能夠查看數字孿生，以確定工程變更或新工藝將如何影響生產(chan) 線。“如果我有能力進行完全模擬的車間並更改變量，那麽(me) 我可以快速運行模擬，這樣我就知道問題將要發生在哪裏。”米克爾（Meeker）說。

一旦一個(ge) 產(chan) 品被製造出來，它收集的數據就可以傳(chuan) 遞給它的數字孿生兄弟，幫助所有者跟蹤它的性能，並確定一個(ge) 產(chan) 品是否需要維護或有一個(ge) 部件可能出現故障。

創建真正精確的數字雙胞胎可能很困難。米克爾解釋說：“要做到這一點，你必須在設計界和製造界擁有全係列的產(chan) 品數據；你必須讓一切都以數字形式表現出來。”他相信，更多的設備製造商將為(wei) 他們(men) 的產(chan) 品創建數字模型，並在客戶意識到產(chan) 品價(jia) 值時向他們(men) 提供。

人工智能

Plataine提供智能數字助理，使用人工智能幫助複合材料製造公司提高產(chan) 量和效率。“它從(cong) 計劃和安排各種工單和工作開始，並繼續密切監測製造過程的進展。”本阿薩（Ben-Assa）說，“人工智能可以提供警報、預測和建議，這在複雜動態的複合材料製造環境中非常有用。”

例如，一個(ge) 工人進入一個(ge) 冷庫，為(wei) 一個(ge) 工單選擇預浸料材料，他隻能基於(yu) 有限的因素作出決(jue) 定。另一方麵，一個(ge) 基於(yu) 人工智能的係統可以考慮數百個(ge) 數據點，包括材料的大小、剩餘(yu) 的保質期、剩餘(yu) 材料的數量，以及公司在那個(ge) 班次（一天或一周）內(nei) 的其他工作。

本阿薩解釋說：“工智能是在後台進行數千次計算，使用機器學習(xi) 和其他方法來運行大量的曆史數據，然後做出預測，以幫助你得到最優(you) 的決(jue) 策。”

製造商利用這些新技術節省時間和材料。他繼續說：“我們(men) 所說的準時交貨率增加了5%到7%，僅(jin) 僅(jin) 是因為(wei) 你沒有這些延誤。由於(yu) 製造商不再使用過期的材料，所以返工的數量大大減少；軟件會(hui) 提醒他們(men) ，並推薦哪些材料用於(yu) 哪些工作。所以你第一次就把事情做對了。”

人工智能可以提高許多製造領域的效率。如果產(chan) 品中存在質量問題，智能係統可以將工廠的數千個(ge) 數據點作為(wei) 因素，以確定根本原因並建議解決(jue) 方案。

雲(yun) 計算

Plataine集成了其軟件解決(jue) 方案以在GoogleCloud上運行，從(cong) 而使其能夠將GoogleGlassEnterpriseEdition用於(yu) 增強現實（AR）。在Plataine的實施中，戴上這些智能眼鏡的工人可以在鏡頭的一側(ce) 看到他們(men) 需要做的工作的圖像，並聽到AR係統的操作指導。

本阿薩說：“戴著智能眼鏡的操作員無需手持任何東(dong) 西，因為(wei) 他們(men) 不需要握住紙，平板電腦或筆記本電腦之類的東(dong) 西。”工人可以詢問AR係統他們(men) 需要填寫(xie) 哪些訂單，可以在哪裏獲得所需的材料以及如何執行上層作業(ye) 或其他工作。這樣可以節省工人的時間，因為(wei) 他們(men) 無需查找材料，獲得清晰的說明，也不必使用紙，電子電子表格或其他係統來報告所做的一切。

本阿薩說，工作人員將20％的時間用於(yu) 記錄他們(men) 所做的工作和所使用的材料。在此特定示例中，AI和GoogleGlass的另一個(ge) 優(you) 勢在於(yu) ，它減輕了報告員在工廠現場的負擔。您可以簡單地說：“我確認執行此操作”，並且它會(hui) 在係統中更新。

雲(yun) 計算和存儲(chu) 使諸如此類的AI應用成為(wei) 可能。工業(ye) 4.0和雲(yun) 計算的一大優(you) 勢在於(yu) ，它允許各種規模的工廠非常快速地部署，而無需任何安裝或生產(chan) 停機。他們(men) 可以開始跟蹤其資產(chan) 、零件和材料，收集大量信息，而不必擔心將其存儲(chu) 在何處。除此之外，使用者還可以獲得所有這些人工智能算法的計算能力，無論我們(men) 是在討論機器學習(xi) 還是其他需要巨大計算能力的工具。

雲(yun) 計算的優(you) 點在於(yu) ，它使公司能夠靈活，靈活地僅(jin) 在需要的地方便宜地使用這些資源。此外，如果他們(men) 希望擴大生產(chan) 規模，那麽(me) 一旦他們(men) 進入雲(yun) 計算就更容易了。

優(you) 化算法

隨著計算能力的提高，一些公司正在利用數學來幫助複合材料製造商克服生產(chan) 挑戰。

Rafinex首席執行官安德雷威爾•姆斯（AndréWilmes）解釋說：“我們(men) 的工作是將客戶的挑戰轉化為(wei) 可以用數學方法解決(jue) 的問題陳述。我們(men) 的高端算法直接針對其特定的痛點，為(wei) 用戶提供他們(men) 可以采取行動的答案，而不是用原始的模擬結果使其超載。”挑戰的範圍可以從(cong) 減少生成零件的時間到提高工具的精度。

Rafinex的服務包括隨機拓撲優(you) 化（形狀生成）、隨機變量風險建模、複合纖維方向優(you) 化和早期設計可製造性分析。隨機拓撲優(you) 化使製造商能夠為(wei) 汽車、航空航天和一些體(ti) 育運動等高性能領域使用的複合材料生產(chan) 更安全、更穩健的設計。隨機過程考慮了設計中荷載方向和材料特性的實際變化。然後，它在數千個(ge) 模擬中同時和幾乎同時測試它們(men) 。其結果是針對客戶需求進行優(you) 化的單一設計，同時由於(yu) 風險量化，在最佳和最壞情況下都保持安全。

Rafinex的隨機風險分析算法使用相同的數學方法，在一個(ge) 單一的模擬步驟中，深入了解概念階段設計在所有實際操作條件下的全局性能。

公司有選擇地使用人工智能來加速這些模擬和優(you) 化。隨著模擬的進行，中間數據可以用來加速算法，使其在幾個(ge) 小時內(nei) 完成，而不會(hui) 失去準確性，從(cong) 而提高設計質量。“這使得我們(men) 可以在優(you) 化中掃描更廣闊的設計空間。”以前，對任何現實的工業(ye) 設計問題進行隨機拓撲分析都需要3到4周的時間。

未來，Rafinex將與(yu) Psylotech公司合作，開發用於(yu) 粘接接頭和結構粘合劑的粘彈性模型AI。這些算法將為(wei) 複合材料中的粘彈性損傷(shang) 積累提供新的材料模型，包括速率和溫度依賴性，同時還將使獲得材料參數所需的實驗室測試減少10倍。

加入革命

擁有如此眾(zhong) 多的新技術和多種使用方式，複合材料製造商可能不確定從(cong) 何處著手進入工業(ye) 4.0。

“數字和工業(ye) 4.0麵臨(lin) 的挑戰之一是可用的技術數量眾(zhong) 多，以及如何理解它們(men) 。”米克爾說。他建議製造商找到知識淵博的顧問，他們(men) 可以幫助他們(men) 確定哪種技術從(cong) 長遠來看是最佳的。

製造商還可能擔心他們(men) 將不得不淘汰舊設備並購買(mai) 新設備以利用工業(ye) 4.0技術。事實並非如此。“您可以將適用於(yu) 工具、零件和材料的改造，傳(chuan) 感器應用到其中。”本阿薩說。

他建議公司首先確定一個(ge) 特定的痛點，然後找到可以提供價(jia) 值的技術解決(jue) 方案。一旦獲得勝利，他們(men) 就可以將其作為(wei) 商業(ye) 案例進行介紹，以鼓勵管理層對技術進行進一步的投資。

製造商很快也會(hui) 有另一種選擇。包括來自行業(ye) 、政府、研究實驗室和其他組織的領導人在內(nei) 的智能製造領導聯盟（SMLC）一直致力於(yu) 創建共享的基礎架構，該基礎架構包含使用、管理和建模數據的負擔得起且可靠的平台、應用程序和工具。每個(ge) 人都可以訪問位於(yu) 雲(yun) 中的這個(ge) 市場。它將提供廠商或公司已經開發並願意共享的成熟解決(jue) 方案。

例如，想要提高生產(chan) 線上產(chan) 量的複合材料製造商，可以去市場並輸入有關(guan) 其使用的材料和工藝的信息。SMLC首席執行官丹尼斯•斯溫克（DeniseSwink）解釋說：“我們(men) 將推出一係列的應用程序和工具包，無論成本高低，它們(men) 都可以用來集成現有的應用程序和工具包。”

由美國能源部(DOE)資助的位於(yu) 加州大學洛杉磯分校的清潔能源智能製造創新研究所(CESMII)正開始創建這一市場。今年，CESMII將呼籲願意為(wei) 基礎設施開發應用程序的公司，美國能源部將支付它們(men) 50%的開發成本。符合條件的開發者必須同意以合理的價(jia) 格在市場上提供他們(men) 的應用程序。

當公司可以很容易地使用這些工具時，它們(men) 將認識到許多好處。“回報是巨大的，在性能、能量、生產(chan) 力和安全性方麵。”斯溫克說。

無論製造商如何采用工業(ye) 4.0，他們(men) 都不應等待太久才能加入這場革命。這種趨勢比我們(men) 預期的要早得多。在這個(ge) 市場上競爭(zheng) 非常激烈，人們(men) 了解到他們(men) 不能讓自己落後。