Page 37 - 网络电信2021年9月刊上
P. 37

解   决  方  案

            与机器的对话成为可能，是企业从“制造”到“智造”转型的                          算智能技术进行概念设计方案的选择与评估，帮助设计人员快
            加速器。从业务视角出发，工业大数据主要来源于企业信息化                          速找到坦克发动机的最佳设计方案。除此之外，应用回归、聚
                                           [3]
            数据、工业物联网数据和外部跨界数据 。                                  类和关联规则等常见的数据挖掘方法能够辅助产品设计与性能
                企业信息化数据是指存储在进行日常生产与管理活动的                         优化，缩短产品开发周期。
            ERP、MES、SCM、CRM等信息系统中的高价值业务数据，涉及产                        2.生产制造
            品生命周期各个环节，这部分数据已成为工业领域传统的数据                              企业依托工业互联网采集生产过程的工业大数据，在生产
            资产。                                                  工艺参数优化、能耗管理、质量管控、生产调度、智能排产、
                工业物联网数据是指通过传感器等连接机器、产品对象等                        生产监控等场景实现了工业大数据的深度应用。其中，算法和
            产生的数据。主要分为生产现场的数据以及交付客户后的终端                          模型是工业大数据发挥价值的重要手段。
                    [5]
            产品数据 ，是工业大数据的重要组成部分。                                     （1）生产工艺参数优化
                企业生产运行不仅受内部生产要素的影响，政策法规、宏                            工业大数据的应用改变了企业依赖工人经验或大量实验来
            观经济数据、市场变化等外部要素也会影响企业的生产和产品                          调整与优化生产工艺参数的现状。借助工业互联网整合的产品
            创新。由于工业系统处于复杂多变的内外部环境之中，外部跨                          全生命周期历史数据，利用数据分析算法与模型，提高生产阶
            界数据也是工业大数据的重要来源。                                     段工艺参数设置的准确性。例如，卷烟包装公司利用数据分类
                2.工业大数据采集                                        规则提取卷烟包装的工艺参数，通过关联挖掘确定工艺参数之
                工业大数据采集是制造企业数字化转型的前提。工业互联                        间的内在联系，从而发现工艺参数设置的最佳组合，实现工艺
            网在助力企业转型升级过程中，成为工业大数据采集和应用的                          参数的优化。在高铁弹条生产环节的热处理工艺中，通过工业
            新载体。其边缘层通过接口、协议或系统集成的方式完成对不                          互联网实时获取工艺参数信息，利用BP神经网络模型预测和优
            同来源数据的接入与实时采集。                                       化后续工艺参数，这一方法提升了高铁弹条的质量与性能。
                工业互联网利用数据接口连接企业信息系统，支持ERP、                           （2）能耗管理
            CRM、MES等应用系统数据的批量或增量导入，实现异构系统中                           能耗管理是工业大数据的典型应用场景之一。数据驱动的
            数据的统一管理。                                             能耗管理能够在一定程度上解决生产过程中能耗浪费的问题，
                工业物联网数据采集主要包括工业现场数据采集和工业产                        使能耗管理变得更加透明，实现了能源的节约和高效利用。如
            品数据采集。工业现场的数据采集针对现场工业控制系统和设                          部署具有云计算功能的能源管理系统是实现能源消耗控制与优
            备进行。通过生产现场的自动化与控制系统，如DCS、SCADA系                      化的一种有效手段。增材制造行业的生产活动伴随大量的能源
            统等，借助传感器、采集器、射频识别等实现对地理位置集中                          消耗，利用基于聚类的深度学习算法对增材制造过程的多源数
            的底层设备或分散的工业现场设备进行监视与数据采集。工业                          据进行集成与建模，实现增材制造系统能量消耗的准确预测，
            产品数据在产品或装备在客户端投入使用后，通过4G、5G、NB-                      帮助企业更好地完成能耗管理工作。除了以上方法，运用回
            IoT等无线通信技术接入工业互联网，利用标识、传感器等获取                        归、分类、神经网络、遗传网络、时间序列、空间解析等智能
            产品信息、能耗、温度、工作电流、电压等实时指标数据，完                          算法或模型分析生产现场的能耗数据，识别与能耗变化高度相
            成数据的采集。                                              关的关键参数，进而实现产品生产制造过程的能耗管理与优
                企业决策不仅受自身资源、管理条件的约束，还受外部环                        化。
            境的影响。借助数据抓取技术等从市场、合作伙伴或竞争者等                              （3）质量管控
            处获得外部跨界数据，包括从市场动态数据中提取的消费者对                              制造企业的发展前景很大程度上取决于产品质量，而应
            产品的满意度和未来需求的相关数据、合作伙伴或者竞争者的                          用工业大数据能对产品质量进行适时的控制、调整和提升，从
            动态发展数据等。                                             而更好地满足客户要求。例如，富桂公司以质量管控为中心，
                                                                 融合新兴技术打造工业互联网平台，针对设备内部数据、生产
                三、工业互联网环境下的大数据分析与应用                              线生产数据进行数据集成与分析，控制产品质量。另外，在采
                工业大数据的分析与应用贯穿制造企业生产经营的全过                         集生产线质量数据的基础上，通过结合生产计划与用户需求构
            程。工业大数据在研发设计、生产制造、远程运维、数字化运                          建质量智能管控模型。钢铁企业实现了产品质量的主动在线管
            营管理等方面帮助制造企业实现了降本增效与提质增收。                            控，不仅降低了工人的劳动强度，还能有效控制产品质量。
                1.研发设计                                               （4）生产调度
                数字经济时代，市场竞争环境复杂多变，高效率地进行工                            受工业互联网等新兴技术的影响，生产调度系统正在向智
            业产品设计是缩短交付周期、提升企业竞争力的前提。工业大                          能调度系统转变。在工厂安装智能传感器和监控设备，进行生
            数据支持产品协同设计、智能装备的数字化设计以及建模仿真                          产现场的数据采集、关联分析与融合处理，实现实时智能生产
            等。如在航天云网的支持下，依托数据和模型实现了航天企业                          调度。智能生产调度常用的算法模型包括决策树、遗传算法以
                                        [6]
            产品的协同设计和多学科建模仿真 。通过工业互联网技术感                          及聚类分析等。例如，针对Job  Shop调度问题，构建决策树模
            知多维数据，利用半监督学习和朴素贝叶斯分类器处理工业数                          型分析海量生产数据，获取数据驱动的调度规则，对机器的使
            据进行关键词提取、情感分析、语义关联，实现智能设备数字                          用进行调整，提高车间生产效率；结合混合整数规划、离散事
            化设计。利用模糊逻辑、神经网络、遗传算法、物理规划等计                          件模拟和遗传算法能解决传统调度方法在应对指数级数据的处

            64                                         网络电信 二零二一年九月
   32   33   34   35   36   37   38   39   40   41   42