网络物理系统、物联网或整体网络数字化，或许每个人都有所耳闻。但工业4.0究竟是什么?首先要建立的概念是“数字化制造”本身并不能说明工业4.0的思想。就其本身而言，数字化为第三次革命且至今已经实现多年，实际上已无法找到完全人工控制的方式。在网络数字化意义上区分工业4.0的基本术语为实时数据采集(“数字阴影”)和短期预测模型(“数字双胞胎”)。此类术语的制定是为了达到减少浪费和提高可追溯性的基本要素。

合适的传感器是一种挑战

这便是我们当前确定能达到的冲压成品工业实践的极限。在线质量控制至今仍在少量生产设备上作为例外出现，具备很高的误差敏感性。这个大挑战是将核实的传感器概念与实施数据评估相结合，然而，我们可提出近几年来测量技术的重大进展，所以在这点上不再只是空想。在其顺利实现后，我们便可得知在任何时刻所生产的是何种质量。颇具启发性的是除质量保证和投诉减少方面以外，最初这个概念本身并未产生任何真正的附加值。真正的重大进展的取得是通过短期预测模型，这使得预防性措施得以有效按需实施。但如何取得此类预测模型?具相关分析，经验数据库领域广泛存在于数学上建立的程序，可稍微“挑衅”地说，可将其形容为专家在IT系统计算能力面前的屈从。正如您立刻注意到的，我肯定此类方式的功能性用途，但也非常确定模型上的图纸和经验成果甚至将更为成功。今天我们具有如此有效和完善的模拟工具协助进行相关分析，当然，这仅仅在对输入参数设置合理且参数波动正常的情况下是有效，但在我认为，行业专家也可以完成得非常好。

实际上并未使用成型模拟

据我所知在大多数的冲压成品中，实际上并未利用成型模拟，无论是在熟悉工具阶段还是连续生产阶段。在许多情况下甚至没有可用的模拟报告，即便是通过一些评价显现出来的大多数问题和挑战。通过结合实施测量技术使用模拟模型，大大提高了透明度和质量以及使用寿命问题上的单个可追塑性。此外，还可选择在部件上传递重要信息至工序链的其他零件上。比如，在汽车行业，在提前已知情况下，处理单个车身零件的尺寸偏差要容易得多。根据这些观察，现在我认为任何人均可基于三个基本问题评价其自身的工业4.0实现程度：当前所生产的部件质量已知信息是否足够精确且去除了潜在因素?是否存在有效控制回路避免生产中断?是否存在有效的数据管理，以便不仅存档重要信息，还可使用所有相关数据，视情况而定并传递给内部客户?如果你对这三个问题的回答均为全面的肯定回答，我可非常确定改进只可能通过明确和全面的策略取得，则工业4.0不会成为新瓶装旧酒，而是成为真正的创新。