探访GE医疗北京工厂:三款机器人和它们背后的智慧生态体系

时间:2018/3/28 17:09:00 来源:中华工控网 添加人:admin

  如果和你提起大黄蜂、小白龙、翠花这三个名字,你首先会想到的是三个不同作品里的形象。但是,在一个2万平方米的工厂里,他们都化身成为了一线产业工人小白龙负责运送物料,翠花不是在上酸菜、而是递工具、测射线剂量,后大黄蜂在产品出厂前进行测试。

  没错,他们其实是一群机器人。

  从去年年底开始,工业互联网成为政策的宠儿。2017年11月,国务院发布《关于关于深化互联网+先进制造业发展工业互联网的指导意见》,提出三步走战略。

  这三步战略的提出,也契合了当下医疗行业工业制造的转型背景:医疗设备制造业面临产品迭代速度加快、产品性推广的大环境,对比发达地区,我国医疗设备制造面临材料、部件质量及采购、生产周期、库存周转率、与售后服务配套相关的新业态开发缓慢等挑战;同时,供应链布局处于不断调整时期,中国、印度、非洲等新兴市场的牵引力和价值在不断提升。

  上面所说的三个机器人目前都忙碌在GE医疗的北京工厂里。这篇文章想要阐述的是一家工厂及其背后依靠的智慧生态体系。

  GE医疗集团是GE公司旗下的医疗健康业务部门,业务范围涵盖硬件、软件、生物技术和基于这些领域的大数据和数据分析,年营收达190亿美元。作为医学成像设备提供商,GE医疗拥有100多年的历史,在100多个国家拥有5万多名员工。

  目前,GE出货的CT设备中,70由北京工厂供货。2017年,GE医疗北京工厂的智慧工厂项目建设取得阶段性成果,被工信部正式授牌为工信部两化融合管理体系贯标试点单位,同时也是北京市经信委正式认证的北京市智能制造标杆企业、北京经济技术开发区首批认证的智能制造示范企业。

  这一切都要归功于GE医疗北京工厂的掌舵人陈和强。陈和强现任GE医疗北京工厂暨供应链北京区总经理,同时也是GE医疗集团两个子公司航卫通用电气医疗系统有限公司和北京通用电气华伦医疗设备有限公司的总经理,全面负责管理位于北京的GE大的CT、X光机、手术机、血管机以及核医学等影像设备生产基地。

  除了北京工厂之外,GE医疗在上海有生命科学基地,在无锡建有超声和患者监护仪设备工厂,在桐庐建有滤纸生产基地。此外,主要生产磁共振磁体的天津生产基地正在建设中。

  2015年,陈和强开始北京工厂向智能制造转型,组织进行智慧工厂建设项目。他认为,智能制造的升级和发展对于制造行业的供应链采购、升级以及人才优化、综合运营效益提升带来深远影响,是中国制造2025战略实施的重要环节。

  在陈和强看来,智慧工厂不同于自动工厂。自动化是在某些生产环节用自动化的工具去替代人力,但在智慧工厂里,自动化只是智慧工厂里面的一个部分。

  他给出的定义是:真正的智慧工厂,是以端到端的精益生产为基础,配合先进制造工具,再集成至数字化平台,因此其背后蕴含更深层次的精益生产的逻辑和人工智能的部分应用。如何解决供应链长期面临的物料流、信息流和人力流难以实时匹配的难题,实现三流合一,使全程的信息透明化,从而提升库存周转率,成为智慧工厂转型的行业性挑战。

  针对这些行业性挑战,陈和强表示,智慧工厂建设的目的,是进一步通过互联网加大数据分析技术,通过物流、信息流的高效整合,通过一系列数字化、智慧化工具的使用,不断提升产品质量和综合运营效率。库存周转率是体现生产企业供应链运转效率的一个指标。如果用数值来评价的话,整个行业的水平是在7以下,GE在7左右,而北京工厂可以做到14。

  雷锋网了解到,大黄蜂、小白龙和翠花是GE医疗北京工厂Auto-T自动测试机器人、自动化配料系统机器人、Cobot 人机协同测试机器人的别称,除了小白龙是与成都电子科技大学共同开发的IP之外,其余的都是GE医疗北京工厂自主研发的专利产品。

  作为整个工业系统里的神经末梢,我们看看这三个机器人都可以做哪些事情?

  Auto-T自动测试机器人

  Auto-T自动测试机器人是一个设备出场前测试环节应用自动测试系统,能够同时为多至6台CT产品测试标定,并根据系统需要提供模体输送定位服务。其目的有三点:减少测试周期、提高测试稳定性、减少人力消耗。

  工作流程中的相关数据能够通过Predix工业互联网平台软件在云端存储和处理。自动测试机器人的应用能够降低生产周期和劳动力成本,解决与射线相关的人工操作问题,实现24小时连续运转及多机同时测试操作。

  Cobot人机协同测试机器人

  传统的医疗影像设备射线剂量测试环节需要多次人工手动调整测试点位,整个测试过程需要调整人工40次左右才能完成1台设备的测试工作,而有效工作时间不足10。

  基于这一痛点,GE医疗北京工厂研发了Cobot人机协同测试机器人和基于人工智能技术的手术机自动测试系统,解决了射线安全及测试时间长等问题。机器人负责递送工具、9个测试点位的位置较正及射线剂量测量,发挥机器人高精度重复和视觉定位、快速部署的优点,与机器人配合的测试系统基于人工智能和深度学习技术实现图像分析处理和质量判断功能,大大提升工作效率。

  自动化配料机器人

  自动化配料机器人有一套完整的自动化配料系统,能够基于精益生产基础,实现内部物流的实时、精准配送,并具备行动快、无需铺设轨道、灵活经济等诸多特点。目前该套系统在外科手术机生产线正式投入试运行,还能结合数字供应链优化平台的替代人工进行物料配送。

  当然,研发的机器人只是工业系统中的一个个零件,智能硬件的背后都离不开智能大脑数字供应链优化平台的指挥。这是GE自主开发的生产管理系统,通过物料流、信息流的整合优化来提升工厂综合运营效率。该套系统采用射频识别技术(RFID/UWB)技术,采集并传输数据,实现精益生产基础上的物料流、信息流、人力流的数据实时采集传输。

  采集到的数据通过Predix云平台,实现机器与机器、机器与人的数据互联互通,实现全供应链连续流拉动的精益化供应链流程,以及全供应链生态系统的优化,提高综合生产效益。

  在这里简要说一下Predix云平台。像GE这种传统的硬件厂商,其实早已经在软件平台和软件产品上发力。Predix是GE推出的针对工业领域的基础性系统平台,这是一个开放的平台,在工业制造、能源、医疗等各个领域都有应用。单纯从医疗领域来看,上海的仁济医院在2013年就开始与GE医疗合作,使用资产云管家@Asset 观察每一台设备的运行负荷,避免单台机器长时间超负荷工作造成停机,另外可以减少病患等待的时间。

  陈和强表示,GE医疗在过去5、6年总产出等于在此之前20年累计产出。应用于医疗设备的生产、测试等诸多环节的智能工具,不仅是为了实现自身的智能制造和精益运营,同时也是为了带动供应链上下游的创新升级,打造智慧供应链生态圈。

  据陈和强介绍,依托智慧工厂建设项目,GE医疗北京工厂主要从四个层面发挥产业协同效应,带动上下游共同升级:

  产业链的数字化供应链,实现上下游信息的透明化,供应商可以随时根据GE医疗北京的备料、采购、人力等情况调整运营状态,大化降低其整体成本,提升运营效益。GE医疗北京工厂年平均采购量达到了7亿美金,70以上采购自本土供应商。将自主研发的智能制造相关工具商业化,并与上下游供应链共享。例如,GE医疗北京工厂与成都电子科技大学共同开发了自动运输机器人,技术由学生开发,GE医疗方面负责技术的产品化、商业化落地。优化生产力、质量和效率等要素。GE医疗通过给上下游厂商进行六西格玛精益管理等相关培训,帮助他们提升管理能力。制造业人才培训与交流。GE医疗北京工厂对一线工人和管理者开展力培训。以一线组长培训项目为例,GE医疗北京工厂在开展一段时间并获得良好收效后,也带动周边供应商加入。

  走在工厂里,雷锋网记者直观的一个感受就是操作工人少,当然这是工厂智慧化水平提高之后的必然现象。但是,简单地减少人力,并不是陈和强希望的终结果。在接受雷锋网的采访时,他表示,当前,虽然现在智慧工厂的工作已经步入正轨,但是智慧化转型的挑战也是多方面的。

  在智能化投入的基础上,我们至少可以减少10的人力成本。智能化对人才的结构提出新的要求,我们并不是希望人越来越少,而是希望在提高工业水平的基础上,大化地发挥产业工人的个体价值。中国制造业转型不仅仅需要硬件上的提升,怎么去提高人才特别是一线产业工人的业务水平也是一个重要的课题。

  GE医疗北京工厂的智慧化探索,对于提高自身以及行业水平开了一个不错的好头,那么智慧工厂是否具有在区域上、行业里进行复制、推广的潜力?

  陈和强认为,从理论上说,成熟的智慧工厂模式是具备可复制、可推广的潜力,但仍需要的资源支持和技术保障。GE医疗北京工厂本身有精益生产的底子,而且提出‘智能制造改造’的战略也比较早。同时,北京工厂地处北京市经济技术开发区,北京市政府、经信委等相关政府部门对于智能制造项目也很重视,提供了包括审批流程、政策鼓励等多方面的支持。因此,智慧工厂的建设是一个系统性工程。

  我们今年的目标就是把智能化程度再提高,其中一点就是让机器人不但能够自己扫描,而且通过深度学习的机制自主进行影像的比对。在陈和强看来,未来的智慧工厂里,人和机器的分工将更加明确:多数的重复性工作将由机器执行,而人则更多负责机器的维护保养、系统程序开发等更的头部工作。

暂时没有留言

我要留言
看不清楚,换一个
精彩推荐

推广布局中期汇报|给你一个理由下定决心2.13来展会

2019第16届广州国际车用空调及冷藏技术展览会 即将在广州琶洲隆重开幕

400位嘉宾企业家齐聚龙泉, 这个高峰论坛将给龙泉带来什么?

工业机器人要注重标准化 切勿“小作坊”式生产

本周资讯排行榜
更多>>视频分享
�������ȶ�п������ֹˮ�ְ�ֹˮ�ְ�۸���ǽ��˿��ǽ��˿