海克斯康制造智能

大数据在制造业:从这里来,到这里用


大数据挖掘旨在从大量复杂数据中获取知识和洞见,创造新的价值。在工业生产过程中,数据来源于分布在不同地理位置的各个生产车间的传感器、智能装备、工作站、生产控制系统的生产过程数据、运营监控数据、日志记录数据等,这些数据一部分是结构化数据,同时也有大量的非结构/半结构化数据,例如文本、日志文件、音频、图像和视频等。为了将数据转化为知识,需要利用数据仓库、联机分析处理和数据挖掘等技术。

制造业大数据源于制造全生命周期的各个阶段,主要包含三大部分:

① 传统数据,包括解决某些业务问题的单元工具软件如CAD/CAE/CAM/

CAPP,以及企业资源规划、客户关系管理、供应管理等企业业务管理软件产生的数据;

② 传感数据,通过物联网及泛在计算技术在制造企业中的广泛应用,实现自动、实时、准确、详细地获取企业物理环境的信息,如使用RFID、Auto—ID、Blue—tooth、Wi—Fi、全球移动系统(Global System for Mo—bile communication,GSM)、ZigBee等来采集和同步生产现场数据;

③ 社交媒体数据,随着社交网络、移动计算等社会化媒体的兴起,网络上产生了大量图片数据、文本及多媒体数据,这些数据反映了用户需求、消费习惯和兴趣爱好等。利用这些来自多渠道的数据建立分析模型,可以全方位多角度地观察用户行为、预测用户需求,主动配置和优化制造资源。


大数据分析应用带来的效益将渗透于整个制造业价值链,如产品创新、市场需求预测、优化产品生产流程、生产过程精准控制、企业业务流程精细化管理等。主要应用有:

(1)实现大规模个性化定制

在产品生产之前通过大数据分析感知用户的情景信息,快速洞察用户需求及兴趣点,针对客户的个性化需求进行参数配置、优化和建模,从而精准地向用户提供制造服务的主动推荐、检查和建议。

(2)产品故障诊断与预测

通过分布在生产线不同环节的传感器实时采集制造装备运行数据,

并进行建模分析,及时跟踪设备信息,如实际健康状态、设备表现或衰退轨迹,进行故障预测与诊断,从而减少这些不确定因素造成的影响,降低停产率,提高实际运营生产力。

(3)精准制造服务推送

通过多渠道收集用户大数据,如身份信息、行为数据和交易数据,从各个维度了解客户需求,在整合数据之后,企业可以了解哪些客户群体需要怎样的制造服务,从而挖掘商业机会 主动发现制造任务,辅助制造企业作出合理决策,减少盲目制造与需求不匹配造成的资源浪费。

(4)制造流程优化控制

传统的制造流程建模方法和自动控制方法是以事先建立对象模型为前提,然后根据对象理论模型加以闭环控制,从而使输出结果符合要求。然而,面对复杂的工业生产系统时,其特性和行为难以被理解和掌握,建立优化控制模型十分困难,通过系统大数据处理分析,以数据为基础来发现模型,可以解决现有机理建模方法难以解决的问题。

基于大数据的智能制造的基本目的就是对制造设备本身以及产品制造过程中产生的数据进行系统分析,转换成实际有用的信息或知识,并通过这些信息/知识对外部环境及情形做出判断和采取适当的行动,进而产生优化的业务决策和个性化的服务,创造价值并获得更多的收益。


评论列表 0

暂无评论