首页>>技术前沿>>网站/软件行业动态
大数据分析技术将成推动智能制造关键动力,数据质量和数据分析决定成败
作者:西安大数据平台开发 | 转载 来源:西安大数据平台开发 | 时间:2018年7月5日| 点击:0次 | 【评论】

工业大数据成为工业控制将迎来视角的转变的关键动力。一提到大数据,人们首先会想到在互联网和商业等环境中,利用大量的行为数据来分析用户行为和预测市场趋势等应用。但是对工业大数据的定义和应用却很难直观地理解和想象。工业互联网的关注点和竞争点是将制造过程中一些不可见的问题进行透明化,数据是为用户提供客制化产品最重要的媒介,是实现生产上下游环环相扣的整合的关键。 在工业大数据中,数据质量问题一直是许多企业所面临的挑战,数据分析的重要目的是进行决策支持。

大数据分析智能制造

数据是为用户提供客制化产品最重要的媒介,新工业革命时代中的制造将通过数据把终端客户与制造系统相连接,这些数据将自动决定生产系统的各个环节的决策,实现生产上下游环环相扣的整合,人的工作难度将被大大降低,在这种模式下工厂的组织构架将趋于扁平,生产资源的利用效率也更加优化。在现在的制造中,存在着许多无法被定量、无法被决策者掌握的不确定因素,这些不确定因素既存在于制造过程中,也存在于制造过程之外的使用过程中。工业生产中由于可见可测量,往往比较容易去避免和解决。不可见的问题通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。这些因素由于其很难通过测量被定量化,往往是工业生产中不可控的风险,大部分可见的问题都是这些不可见的因素积累到一定程度所造成的。因此工业互联网的关注点和竞争点是对这些不可见因素的避免和透明化。

在工业大数据中,数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制,包括传感器、数采硬件模块、通信协议、和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。工业对于数据的要求并不仅在于量的大小,更在于数据的全面性。在利用数据建模的手段解决某一个问题时,需要获取与被分析对象相关的全面参数,而一些关键参数的缺失会使分析过程碎片化。当分析航空发动机性能时需要温度、空气密度、进出口压力、功率等多个参数,而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说,在进行数据收集前要对分析的对象和目的有清楚的规划,这样才能够确保所获取数据的全面性,以免斥巨资积累了大量数据后发现并不能解决所关心的问题。除了对数据所反映出来的表面统计特征进行分析以外,还应该关注数据中所隐藏的背景相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时,需要一些具有参考性的数据进行对照,也就是数据科学中所称的“贴标签”过程。这一类数据包括工况设定、维护记录、任务信息等,虽然数据的量不大,但在数据分析中却起到至关重要的作用。

大数据分析智能制造

虽然互联网大数据与工业大数据的核心问题与技术路径不同,但并不意味着两者是格格不入的。相反,将互联网大数据与工业大数据相整合,能够相得益彰产生更大的价值。这些价值存在于用户的使用场景、隐形因素的相关性、和产品被制造和使用的全生命周期这些“不可见世界”中。数据将成为挖掘这些价值的重要手段,主要体现在:利用数据挖掘在使用中获得新的知识和技术对现有产品进行改进;利用数据去发现和定义用户未知的需求;以数据作为媒介向用户提供增值服务。

以数据为核心使产品发挥最大的能力,归根结底是利用数据建模实现对状态、环境和任务的精确评估,对管理和控制活动进行实时的决策优化,并协同和调度相关产品高效率运行的过程。通过分析数据,预测需求、预测制造、利用数据去整合产业链和价值链,这就是工业大数据的思维。工业互联网是一场在不可见世界中的战争,而工业数据分析的竞争力则是连接可见与不可见世界的桥梁。

大数据分析智能制造

利用大数据实现无忧的制造环境有三个方向,数据在每一个阶段中扮演的作用也并不相同。第一个方向是在解决可见问题的过程中积累经验和知识,从而去避免这些问题。在这个过程中,数据可以作为经验和知识的载体。第二个方向是依靠数据去分析问题产生的隐性线索(evidence)、关联性、和根原因等,进而利用预测分析将不可见问题显性化,从而实现解决不可见问题的目的。现在的制造系统正在经历从第一个阶段到第二个阶段的转变过程,在完成这个过程后,制造系统将不再有‘surprise’,使得所有隐性问题在变成显性问题和影响之前都可以被提前解决。第三个方向是通过对数据的深度挖掘,建立知识和问题之间的相关性,从数据中启发出新的知识,并能够利用知识对制造系统进行精确的建模,产生能够指导制造系统活动的镜像模型,从系统的设计端避免可见及不可见问题的发生。

制造系统中“可见”和“不可见”问题的发生及解决的过程中会产生大量的数据,通过对这些数据的分析可以了解问题产生的过程、造成的影响和解决的方式。通过对数据的深度挖掘和抽象化建模后可以形成知识,进而利用知识去认识、避免、和重新定义问题。因此问题和知识是目的,而数据则是一种手段。今天我们来谈利用大数据实现智能制造,是因为大数据正在逐渐成为易得的资源,而在制造系统和商业环境变得日益复杂的今天,利用大数据去解决问题和积累知识将是更加高效和便捷的方式。

数据本身不会说话,也并不会直接创造价值,真正为企业带来价值的是数据分析和挖掘之后产生的洞察和行动的价值,是数据经过实时分析后及时地流向决策链的各个环节,是让数据成为面向客户创值服务的媒介和依据。工业大数据的目的并不是追求数据量的庞大,而是通过系统式地数据收集和分析手段,实现价值的最大化。所以推动工业价值转型和智能制造的并不是大数据本身,而是大数据分析技术所带来的洞察,行动的准确性与速度。

此内容DOC下载 此内容PDF下载

【全文完】
0 ([$-顶稿人数-$])
0 ([$-踩稿人数-$])

版权声明:

1、西安弈聪网站内容中凡注明“来源:XXX(非西安弈聪网站)”的作品,转载自其它媒体,转载目的在于传递更多信息,其中涉及的网站建设,网站优化,百度关键词优化,西安软件开发等技术细节并不代表本站赞同支持其观点,并不对其真实性负责。对于署名“西安弈聪”的作品系本站版权所有,任何人转载请署名来源,否则西安弈聪将追究其相关法律责任。

2、本站内容中未声明为“原创”的内容可能源自其它网站,但并不代表本站支持其观点,对此带来的法律纠纷及其它责任与我方无关。如果此内容侵犯了您的权益,请联系我方进行删除。