Page 38 - 网络电信2021年9月刊上
P. 38

理以及环境的动态干扰方面存在的不足，实现综合调度，提高                          企业数字化运营成为可能。工业大数据通过遗传算法、神经网
            企业运行效率。                                              络、关联规则、支持向量机、时间序列预测等智能算法或模
                此外，工业互联网对生产数据的全面感知、实时分析，支                        型，帮助企业在供应链弹性优化与协同、需求预测等场景下实
            撑着企业实现智能排产与生产监控等活动。在产能约束和交期                          现数字化运营。
            约束等条件限制下，可以利用神经网络、深度学习等算法模型                              （1）供应链弹性优化
            处理生产数据，制定企业最优的排产计划。基于工业互联网的                              工业互联网高度集成供应链上下游产生的海量数据，实
            生产监控系统运用大数据技术处理生产现场的数据流，监控车                          现企业之间的连通与协同。利用算法和模型分析供应链的数据
            间的整体生产。数据驱动与算法模型的融合应用，能够对生产                          能辅助管理者做出及时准确的决策，实现供应链的高效运营、
            做出及时调整与反馈，在提升制造企业生产效率的同时，降低                          优化与智能升级。供应链运行过程中可能因不确定情况发生中
            生产成本与风险。                                             断，利用数据驱动的方法分析破坏性历史事件数据，将分析过
                3.远程运维                                           程与稳健优化框架相结合形成的双目标两阶段自适应鲁棒分式
                制造业的发展依赖于大型装备与关键设备，其健康运行对                        规划模型是内生不确定性条件下的供应链弹性优化的一种有效
            工业企业的正常运转至关重要，而工业互联网广连接、速度快、                         方法。在按订单生产时，供应链存在各种动态波动，具有冗余
            低延时的特点加速了远程运维服务的发展。利用统计技术和机器                         的库存、产能和运营能力，因此，优化供应链的弹性对于提升
            学习方法，如决策树、K-means、贝叶斯算法、关联规则、神经                      供应链的产能与运行效益至关重要。
            网络、支持向量机、红外图谱诊断算法等智能分析算法，结合基                             （2）需求预测
            于图谱的识别技术，分析产品运行的时序数据，能够识别设备异                             在激烈的市场竞争环境下尽可能准确地预测客户需求是企
            常状况下的影响因素。利用工业互联网实现设备故障诊断与预测                         业开展采购、生产、库存等日常活动的前提与基础。邱萍萍等
            性维护，降低了工人运维工作的强度，通过设备运行实时状态监                         结合星期指数因子、促销时间节点以及节假日因子3个边信息构
            测、自动预警和故障诊断维护，实现了对机器的安全运营，提高                         建多层贝叶斯模型进行客户需求预测，拓展了制造企业需求预
            了设备可用率，推动了设备运维智能化发展。                                 测的研究。通过对能源序列数据进行频繁挖掘和K-Means聚类，
                （1）设备故障诊断                                        分析家电与家电、家电与时间的关联导致的行为消耗模式，反
                对设备的实时监测有助于企业掌握设备的运行状态，快速                        应消费者的预期舒适度，辅助公共事业单位提前计划与平衡能
            诊断设备的运行故障。过去，对于设备故障诊断首选的衡量指                          源的供应与需求。基于并行神经网络的新型机器学习算法，用
            标是检测平均运行长度和平均信号时间，但通过统计得到的运                          于鲁棒检测和电力需求的预测。该算法增强了能源监控与数据
            行状态参考结果具有局限性。工业大数据的应用打破了这种局                          采集的能力，是电力行业在工业互联网背景下实现服务化的一
            限，能基于机器的实时状态进行准确的故障诊断与预测。                            种稳健预测方法。
                利用无线传感器网络和射频识别技术，可以实时采集不同                            工业互联网环境下工业大数据还被应用到制造企业的库
            来源的设备监测数据，结合支持向量机、深度神经网络等机器                          存优化、配送优化、精准营销、金融服务、客户关系管理等运
            学习算法和模型对数据进行分析，帮助企业做出准确的故障预                          营场景中。例如，终端产品通过加装传感器实现基于物联网的
            测和诊断。例如，基于动态增量主成分分析进行故障原因检测                          产品追溯，通过大数据分析，制造企业可以了解用户位置分布
            后，再利用卷积神经网络识别故障类型，能有针对性地实现工                          和客户需求，使精准营销、库存与配送的优化成为可能。制造
            业电机的实时故障诊断。                                          企业在进行客户关系管理时，引入分类或聚类算法，根据客户
                （2）预测性维护                                         历史数据进行客户群细分，以便进行交叉营销和潜在客户的挖
                预测性维护通过利用工业大数据和机器学习算法建立预                         掘，主动服务客户，提高企业运营效率。工业互联网也成为金
            测模型，在设备运行状态监测和退化机理经验的基础上，尽早                          融机构与中小微企业对接的渠道与中介，通过数据分析助力金
            发现故障隐患和预测设备剩余寿命，尽可能延长设备的使用时                          融机构准确评估信贷风险，建立中小微企业的信用评级体系，
            间。例如，通过使用自组织映射和高斯混合模型等无监督学习                          改善中小微企业融资难的现状。
            算法对不同工作制度的机器数据进行分类，针对不同类型的机
            器数据构建预测性维修模型，从而做出维修决策，降低机器意                              四、结语
            外停工给企业带来的成本。应用退化模型和贝叶斯方法对传感                              数字经济的发展带来了工业数据的指数级增长。工业互联
            数据进行分析，实现工业互联网环境下基于事件驱动的机床状                          网的发展尚处于起步阶段，为工业大数据的应用提供了广泛的
            态监测和剩余寿命预测，根据剩余寿命合理安排工件生产任                           基础和广阔的空间。工业大数据的应用在制造企业转型升级过
            务，实现企业效益最大化。除了这些模型或算法，基于聚类、                          程中能够带来巨大的经济效益。工业大数据驱动应用的过程需
            神经网络、支持向量机和随机森林等算法构建预测模型，及时                          要进一步深入探索。建议从以下方面深化工业大数据的利用，
            准确地预测设备可能发生的故障，从而提高设备可用率，降低                          更好地发挥工业大数据的价值。
            停机维修造成的损失，使设备在保障安全的前提下能够合理超                              （1）建立大数据共享生态，实现数据资源的协同发展。互
            期服役。                                                 联互通和开放共享对于数据的高效流通与利用至关重要。作为
                4.运营管理                                           数据载体的工业互联网统一工业数据和算法模型等调用接口标
                在客户需求多样且复杂的环境下，工业大数据的应用使                         准，利用标识打造数据共享机制，基于区块链建立数据安全机

                                                       网络电信 二零二一年九月                                            65
   33   34   35   36   37   38   39   40   41   42   43