制造业中的大数据应用存在哪些问题?
发布日期:
2022-04-13

制造业迈入了大数据时代,2012年,GE公司率先明确了“工业大数据”的概念。在制造业,产品的全生命周期从市场规划、设计、制造、销售、维护等过程都会产生大量的结构化和非结构化数据,形成制造业大数据,而这些数据符合大数据的三“V”的特征:规模性、多样性以及高速性。除此以外,制造业大数据还具有多源异构、多尺度、不确定、高噪声等特征。因此,研究和应用制造大数据更具有挑战性,主要体现在制造大数据的存储、管理、分析和展示方面。如何充分挖掘工厂中数据的价值,通过对制造大数据进行分析,提升数字化工厂运行效率,已成为制约数字化工厂向智慧工厂发展的瓶颈。

大数据方法带来思维变化

大数据给我们带来的思考:在制造业能用吗?解决什么问题?制造业大数据到底在哪些领域可以发挥它的作用?

大数据在制造业能用吗?

大数据已经成为解决现实世界问题的方法。要解决现实世界的问题,第一种方法是科学实验,通过实验的方法来发现现实世界的一些规律并解决问题;第二种是通过理论分析和推导方法;第三种是科学计算,模拟仿真成为解决问题的范式;数据科学则是第四种解决问题的范式。目前国外数据科学非常热门,这是一门综合交叉的学科。

大数据方法带来了思维上的变化,主要是从三个方面来看的:从因果到关联,更强调事物之间的相关性而非因果性。从局部到全体,采用全体数据进行分析,而不是随机样本。从精确到混杂,通过数据保证解的优异性,不再一味追求精确的算法。既然大数据已经成为解决问题的方法,那它就是能用的。

能用大数据来解决工厂的什么问题?

大数据方法能为未来工厂的目标服务吗?未来工厂就是智慧工厂,它追求的结束目标是一切都透明化。在制造业不同的阶段,所追求的目标是不一样的。

上个世纪初,制造业追求目标是成本更低,出现了可互换零件原理,形成了大批大量生产模式。在上世纪中叶,为了追求更高的质量,这时候采用了全面质量管理。到上个世纪80年代,市场需要不同的产品,产品的多样化出现,多品种小批量生产模式流行,计算机技术应用到产品设计制造过程,出现了计算机集成制造系统,也就是信息化系统。不同时代企业追求目标不同,所采用的解决问题的方法也不同。未来的智能工厂追求透明化,要达到透明化的目标,可采用的方法就是分析推理,大数据方法事实上是一种分析推理法。因此,从数字化工厂向智能化工厂转化的过程中面对着海量的数据,需要寻找它们相互之间的联系和隐藏规律,实现透明化的目标。

大数据在制造业中哪里用?

大数据给制造业提供的是一种全方位的全程式的一种服务,在产品全生命周期阶段,从设计到制造、从使用到维护,直到维修阶段,产生的正向数据以及逆向数据,这些数据都能全方位地得到使用。

大数据提供全方位全程服务

在产品的设计中,传统的设计师基于经验灵感和经验,揣度消费者的需求喜好设计产品。在大数据时代,设计师通过对用户行为和需求大数据进行分析,精准量化客户需求,指导设计过程。

在制造阶段,大数据技术可以帮助实现生产过程异常发现、产品质量和生产调度优化等方面。以生产异常发现为例,传统的基于降维手段的异常发现方法,容易破坏信息完整性,不利于设备异常的发现。在大数据模式下,基于制造数据的分析对关键参数进行提取,然后通过聚类分析手段发现设备异常模式,在此基础上对设备控制优化。大数据也能帮助提高产品的质量控制。SPC控制的是整个过程的单个参数,但是单个参数在正常范围为什么还会出现一些质量问题?可能每个参数均处于临界状态,综合后会产生一些质量问题,所以在这个过程中,传统就是数据的筛选、参数分析,这个过程介入了人工的分析来进行质量的预测,数据筛选过程淘汰了许多有效的数据资源,参数分析过程经常存在人工经验判断,使得预测模型对整个产品加工过程信息的描述残缺不全,不能发现产品质量问题的深层次原因(如误差累积)。而在大数据模式下,根据产品的加工工艺过程,对产品质量相关数据按层次进行组织,利用多隐藏层的神经网络深度学习加工过程中产品质量数据的相互作用机理,从而对产品质量问题进行全面、深层次描述。

大数据能提升大规模生产调度的全局性能,大家知道为什么企业生产调度一直会出现问题,我们做的计划赶不上变化。因为所做的计划,是在一个理想状态下考虑约束做出的。笔者做生产优化调度长达20多年,一直在寻找一种更优的解决方案,研究智能方法,例如:遗传算法、蚂蚁算法等。但随着工艺的复杂、环境的复杂、工艺的规模,整个问题规模越来越大的时候,它已经是一个很难解决的问题。传统的智能调度方法难以求解大规模的调度问题,基于规则和瓶颈的方法在大规模问题中又很难得到全局优化;大数据带来了新思路,它采用全局的数据之间的关联关系,从而形成全局的调度方案,能够解决大规模生产中的全局调度问题。

大数据能为产品的运营维护服务,很典型的就是GE的案例,建立一个平台,为航空发动机的监控、运行监测、故障诊断提供一个全方位的服务。在产品的运行和维护过程中,大数据模式一改传统方法被动的运维模式,通过采集和分析智能设备的传感器数据,进行大数据分析,主动进行产品的安全监测、故障诊断,优化产品的运行过程。大数据应用过程中需要的是什么?首先需要的是能够采集到数据,也就是需要产品是一个智能化的产品,所以在智能制造中,首先要有智能化的产品,安装传感器,能够实时地传递数据,为后面的运行、维护服务提供依据。

大数据不只是关于数据,而是采用传统及新的分析方法来分析所有数据。针对大数据分析的结果采取行动来提升业务才是更重要的。随着大数据技术的不断发展,国内外已对大数据在制造领域中的应用进行了一些开拓性的研究,三一重工利用大数据技术通过对地理位置数据的关联分析发现泵车主油缸故障与沿海地区杭深高铁建设的强相关性,确定了沿海地区的盐雾环境和水质是导致油缸密封体腐蚀的主要原因。日本小松公司通过对挖掘机安装传感器与GPS定位系统,从而实时监控车辆运行情况,并通过大数据分析,对未来挖掘机市场的需求进行预测从而调整生产、对用户的使用习惯进行分析,提出建议,从而降低油耗。

数网星云平台基于云平台构建的制造企业的大数据的意义

产品营销:大数据分析结果为制造企业提供针对性推销、定向研发、智能维保等服务。

设备远程故障诊断分析:大数据预测设备未来可能出现故障的时间,提供避免风险的解决方案,消除设备故障停机给客户带来的损失。

客户体验:在移动端建立企业宣传平台,以场景化方式让客户参与产品的认知,增加品牌的传播效果。

技术创新:借助平台的专家经验共享、智能决策库的建立,提高运维领域的装备管理水平,降低行业运营成本。

节约效能:通过数据集的切分和规律查找,帮助找到优化的数据集,实现人员投入及控制过程的节能提效。

声明:部分内容来源于网络,如侵权请后台留言联系删除。