智能制造即是可持续制造

成功始于制定清晰的制造战略。这一过程涉及开展初期评估，以理解早期决策对生产要求的影响，包括确定从供应商处采购什么、哪些产品部件应在内部制造、审慎选择合作伙伴与供应商，以及在何处生产新产品。这些决策中的每一个都将直接影响到企业的成功 — 而选择可持续的方案往往是通往长期成功的解决之道。

当同时考虑能源使用、资源消耗、碳足迹和循环经济实践的影响时，采购策略可能会发生巨大变化。制造商不能仅仅为了满足产品的功能需求而采购成本最低的部件，而需要在成本与所选部件的相关碳足迹之间实现平衡。材料和部件应从具备可持续发展理念的供应商处采购，同时，货物运输的策略也需要尽早明确。幸运的是，在被重新定义的制造战略流程中，数字化和自动化技术有助于减轻因复杂性增加而带来的负担。

通过收集和分析相关数据，企业可以充满信心地做出决策。如果某个新产品需要更多的制造产能，那么在数字世界中了解工厂的需求和目标，就有助于确定新厂址和布局，以平衡建筑对环境的影响、生产线的能源消耗以及预估的生产速率。由于现在可以在数字孪生中评估不同的场景，管理像能源效率这样的可持续发展关键绩效指标 (KPI) 变得更为简单。

这项技术使决策者能够模拟从照明、气候控制到供应链对环境影响的方方面面。从一开始就掌握这些信息，有助于组织做出更优的决策。

整合可持续发展的下一个阶段在于生产线、工艺流程与工厂的设计。通过在数字世界中预先构建生产的详细模型，企业可以模拟不同的场景，从而优化工厂环境内的整体绩效。

在数字世界中进行设计时，企业可以实现更高程度的自动化并简化生产流程，以避免效率下降。例如，一台闲置的机器不仅存在未运行的机会成本，其持续消耗的电力还会产生运营开支，而根据电力的来源，这又会相应地造成碳足迹影响。

让电机空转时间过长，或者物料运输超出必要的距离，从单件产品看来影响不大，但这些低效问题会迅速累积。针对这些常见问题的可持续解决方案并不仅限于新建工厂（绿地环境），同样适用于现有设施的改造（棕地环境）。虽然这听起来像是一项艰巨的任务，但其实可以通过以下方式实现：重新组织生产线以在相同占地面积内容纳更多产能；更新流程和设备以跟上市场增长步伐；升级硬件系统以降低能耗；以及安装太阳能电池板或电池储能系统等基础设施以更好地利用可再生能源。

例如，来自施瓦本的机械制造公司 Hugo Beck 就成功地利用数字孪生技术改变了包装行业及其自身业务。借助 Siemens 技术，工程师们使用数字孪生设计了一种能根据产品尺寸调整包装的机器，并通过数字模拟优化了性能。得益于他们的创新精神以及寻找同时实现环境和业务目标解决方案的承诺，Hugo Beck 成功地将能耗降低了 20%，调试时间缩短了 50%，包装材料节省了 30%，包装体积也减少了 10%。
总体而言，数字孪生技术可帮助企业更早地明确需求，并评估众多不同的可能性，以找到可持续的工艺流程。低效的维护策略可能导致工厂的整体绩效降低 5% 至 20%。换言之，过度的维护就等于过度的支出，这使得数字孪生成为实现高效工厂运营的关键要素。

在生产计划环节，数字化投资的价值得以彰显。对材料、人员和机器的有效利用，是提升企业效益的关键。同样在此阶段，全面的模拟和需求验证开始发挥作用，助力决策制定和供应链合作伙伴的选择。此外，组织还可以借此创造更安全的工作条件，更好地培训员工，并投资于员工的教育与技能提升。

借助数据洞察，企业能够选择可持续的材料，并优化原材料的使用，从而最大程度地降低废品率。他们还可以模拟使用回收材料的影响，或确定哪些设备供应商不仅能保证产能和成本效益，还能提供更高的能源效率和可维修性。最大限度地减少闲置时间，不仅能降低能源需求和产品的单位成本，同时也有助于减少碳足迹。

了解设备的维护需求，有助于减少生产过程中的切换次数。同样地，可以规划物流路线以最小化运输距离及其相关的碳排放，同时在出现问题时，通过智能库存管理保持灵活性。

生产计划是企业构建连接点、实现材料循环流动的途径。通过提前了解不可避免的废料将在何处产生，可以制定计划，对剩余材料进行再利用、回收或升级改造。

生产执行是实现可持续发展目标的关键，但追踪和执行可持续流程可能是一个主要障碍。虽然在设计过程中模拟生产有助于寻找解决方案，但现实世界的复杂性通常需要在数字系统和物理系统之间建立闭环连接。

幸运的是，数字化解决方案为提高质量和产量提供了机遇。即使是经验丰富的制造商，在启动新生产任务时也常会遇到效率低下的问题，导致材料、能源和时间的浪费。将现实世界的数据与数字孪生相结合，可以加速优化进程，同时提升盈利能力和可持续性。

部分地区的能源成本不断上升，这使得能效变得更为关键。将生产执行视为更大系统的一部分，可以发掘节省成本和减少排放的机会。例如，高效电机最多可削减 30% 的能源消耗；高能耗工艺可以与太阳能发电时段相匹配；优化内部物流可以减少不必要的厂内运输，从而降低能源需求和碳足迹。

领先的睡眠产品制造商 Pikolin 在其新工厂中采用了 Simatic Scada 和能源管理工具，认真践行其可持续发展战略。Pikolin 的新工厂整合了从原材料到成品的生产过程，在确保高质量的同时最大限度地提高了效率。该工厂的设计兼顾了可持续性和盈利能力，满足了 ISO 14001 和 ISO 50001 能源标准，从而降低了成本并提高了生产力。得益于这些可持续发展举措，Pikolin 工厂的天然气消耗量减少了 40%，而生产能力却提高了 30%，这充分体现了工厂优化带来的积极成果。

随着生产全面展开，下一个阶段是监控。通过持续监控工厂和生产流程，制造商可以主动改进生产。对机器进行预测性维护，使其保持最佳运行效率，或在问题发生前进行检测，都是这种前瞻性策略的一部分。监控如何最好地赋能制造，最终取决于企业的关键绩效指标 (KPI)，但一些常见的指标包括：用于设备、生产线和工厂层面分析的能源消耗、物料流与资源利用率，以及员工安全。

自动化可以限制员工进行不符合人体工学的动作，使他们远离危险工序。但与此同时，工厂内的机器人对于车间工人而言也必须是安全的。并非所有自动化任务都能完全隔离，因此，随着工厂变得越来越高效和可持续，对任何不安全的工作状况进行监控将变得愈发关键。

通往可持续生产的最后一个环节是优化。正是在这个阶段，企业能够从投资中获得最大的回报。通过持续优化生产，制造商可以始终领先于竞争对手。

集成 IT 和 OT 数据，使工厂管理者能够识别和预测趋势，从而主动调整运营和物料采购，以适应计划外的中断。这使他们能够追踪电力使用、水消耗和供应商数据，从而确定整个价值链中生产流程的碳足迹。

此外，当一台机器或制造过程中的某个部分发生故障时，应着眼于维修和翻新。拥有闭环生产制造的数字孪生，有助于做出诸如如何对设备进行改造以防止故障、更换哪些部件以及如何最有效地遵循维修程序等决策。

例如，纺织技术公司 Spinnova 通过集成自动化和数字孪生技术，加速了其纤维生产，优化了运营并缩短了上市时间。虚拟调试技术简化了工厂设备安装，而实时数据分析则提高了效率，识别了技术瓶颈，并确保了从原材料到成品纤维的质量一致性。能源优化进一步强化了运营，使公司的生产更具弹性和成本效益。通过利用 Siemens Xcelerator 技术，Spinnova 不仅加快了规模化进程，还为可持续制造树立了新的标杆，证明了在纺织行业，效率与环境责任可以齐头并进。