工业互联与工业智能的关键技术
发布日期:
2022-11-18

随着云计算、大数据等新一代信息技术在工业领域的运用,工业数据逐渐从简单、离散、孤立的数据,发展为与人、云和应用互联的海量大数据,有更多类型更多庞大的数据需要传输处理,数据处理的链条也变得更长,制造企业工业数据逐步打通,形成工业互联网。

工业互联网三大核心要素,第一就是智能化的设备,加上智能化的系统,收集生产过程中的数据。第二是智能设备的协同运行维护与学习优化。第三,工业互联网提供决策,要能面向复杂大数据辅助决策。

工业数据有三个特点,一是多源异构,来源很多,而且数据结构是异构,特别是非结构化的数据,分析起来很困难。二是数据关联性强,是全生命周期,基本上对连续生产的企业,要24小时持续采集,要保证实时性、连续性、稳定性、动态性。三是数据相关领域非常复杂,包括故障检测、预测管理、可靠性等都涉及不同的专业领域。

在工业互联网中网络是基础,通过物联网、互联网等技术实现工业全系统的互联互通,促进工业数据充分流动和无缝集成。但是如何实现数据的充分流动和无缝集成,要求很高。

工业互联与工业智能的关键技术

对于工业智能,工业智能就是工业知识库,知识是智能的基础。现在很多企业搞智能化但没谈到知识,没有知识的智能就是空架子,只是一个自动化、数字化、信息化,谈不上智能化。智能化一定是建立在知识库的基础上,而且这个知识需要动态传感。

那么,如何判断智能化呢?智能化的标准就是自主决策——机器根据不同的工况能自主决策,这是工业智能最核心的部分。工业智能的发展经历五个阶段,第一是工业生产系统的管理与改善。第二以数据为标准的管理体系。第三数据驱动的绿色性建模。第四支持决策的知识系统。第五实体的景象对称映射建模。

数据是工业互联网的核心,也是工业智能的核心。从工业数据到工业智能涉及到六大技术。第一是数据挖掘技术,要从大量的、不完全的、有噪声、模糊的随机的实际数据中,提取隐含其内的、人们事先不知道但又具有潜在价值的信息和知识,来揭示数据之间有意义的联系、趋势和模式。

数据挖掘还要不断对数据深度进行提取,这有三个要点,第一洞悉工业数据特征背后的物理意义,以及特征之间关联性的机理逻辑。第二覆盖工业过程中的各类场景条件,提取能反映对象真实状态的全面工业数据信息。第三在大数据的前提下,保证工业数据的质量,冗余的数据要去掉。

在工业互联网领域,一个好的平台企业除了向上提供优质的应用软件运行环境之外,向下还需扎根至工业企业现场,从核心层到平台层,完成连接设备、标识解析、统一设备“沟通”语言、提取关键数据、完成云存储、云计算、建模分析等一系列动作,进而输出可视化参数,为企业家们提供决策帮助。小到经营一个工厂,大到管理一个产业。

对工业互联网平台企业自身来说,产业链客户上下两层的交付过程,会给研发团队很多输入,当下次跨行业做解决方案时,无需从头研发,历史业务会提供复利效应。一个项目和另一个项目虽然去往的方向不一样,但总会有交叉点。交叉点的经验价值都会落在企业平台上,为下一次项目提供价值输出,这是平台业务牵引出的红利。