工业大数据与智能制造

从1969年开始,互联网最先是美国国防部在使用。90年代中期互联网开始进入商用,中国就是在那个时候接触互联网,近20年以来互联网诞生了一大批知名企业,也在深刻影响着传统企业的销售模式、普通大众的消费模式,人们的生活方式已经发生了巨大的变化。互联网的应用从早期的电信服务、媒体服务、数据服务、金融服务正向产业服务阶段发展,尤其是随着移动互联网、大数据、物联网等新技术与制造业的融合发展,必将引发产业巨变,推动传统制造模式向智能制造模式的转变,一场新技术驱动的产业巨变已经开始!

2015年中,国务院印发《中国制造2025》,部署全面推进实施制造强国战略。配套“互联网+”和“大数据”等多项措施,“智能制造”被定位为中国制造的主攻方向,其中大数据广泛而深入的运用是“智能制造”战略的重要支撑。后金融危机时代,西方发达国家纷纷调整产业政策,提出“制造业回归”,为此,美国提出工业互联网,德国提出工业4.0计划,核心都是希望依靠科技创新,通过现代信息网络技术与现代制造技术的融合,进而生产智能化的设备,继续抢占制造业制高点。德国工业4.0的核心是以信息物理系统(CPS)网络为基础,通过三项集成(纵向集成、横向集成、端到端集成),开展八项计划,实现智能生产、智能工厂、智能物流、智能服务。其中构建信息物理系统既是基础,也是核心。

无论德国工业4.0,还是中国制造2025,其核心都是智能制造。实现智能制造离不开运营模式创新、生产模式创新、商业模式创新。也就是在实现智能研发、智能管理、智能物流等创新的运营管理基础上,引入智能化的装备、智能化的产线,构建智能车间、智能工厂,进而生产出智能化的产品,并提供智能化的服务,实现商业模式的创新。

制造业大数据不仅仅意味着企业简单的数字化,而是需要把数据作为智能制造的核心驱动力,利用大数据去整合产业链和价值链。目前来看,制造业大数据基本就是两类,一类是人类轨迹产生的数据,另一类是机器自动产生的数据,这两类数据构成了我们今天的大数据多结构化数据源,随着时间的推移,进行制造业大数据分析的需求将越来越大,如果不投资大数据及大数据分析,从中获得信息,智能制造所追求的高效智能将无法实现,在工业大数据的领域里,我们除了要继续关心“人为数据或与人相关的数据”,更多要关注“机器数据或工业数据”与用户行为数据的融合。

随着工业4.0的推进,工业中产生的数据越来越多,中国制造业急需构建自己的大数据分析平台,深入连接用户和工厂数据,驱动产业升级和创新,提升竞争力,占据全球产业链更高端。东方金信自主研发的海盒大数据平台,融合多种类型数据库,大幅提升平台性能,实现海量数据的高速处理和精准分析,为制造企业提供高效的智能制造大数据解决方案以及智能服务,基于对中国制造2025、制造业与互联网融合相关内容的研究,结合对制造企业转型智能制造需求的理解,给出如下智能制造整体解决方案:   


海盒大数据智能制造整体解决方案由智能决策、产业互联、智慧管理、智能工厂、基础平台五个层面构成,整体上体现了产业链集成、价值链集成与纵向集成,最底层是以海盒大数据平台为核心的基础平台。第四层是结合现代互联网技术、物联网技术,实现生产智能排程、智能调度、智能数据采集、智能物流、智能监控,促进生产过程智能化;第三层是以设计制造一体化、协同制造、质量管控、管理会计、共享服务为核心的智慧管理;第二层是以互联网营销、个性化定制、云端设计、互联网采购、云服务为核心体现制造业与互联网深度融合的产业互联;最上层是以大数据分析为主的智能分析、智能决策;从整体看,制造企业信息化建设呈现由中间向上下两端延伸态势,向上与互联网化融合、向下向智能工厂延伸,自上而下,互联互通。

 工业是国民经济不可或缺的一环,也是一个国家强大竞争力背后的力量支撑。发展大数据是个过程,最终目的是为了利用大数据,对工业企业起到作用。在工业企业生产制造产品的过程中,通过数据采集和分析,可以提供信息决策支持,在产品的生产流程、上游供应链、产品质量、生产管理控制、研发设计、下游供应链、远程维修维护等环节起到重要作用工业大数据的应用主要体现在以下环节:
  1生产流程:有些企业在各生产环节的状态并非最优,导致开机率不高。为了提高产品生产线的运转效率,可以利用大数据技术进行分析和处理,帮助企业提升效率和收益;
  2上游供应链:在工业领域上游供应链中,如果产品零部件生产过多,不仅会产生大量库存,还会占用企业现金流,资产产生损失。大数据可以帮其预测订单量,降低产品库存压力和生产成本;

3产品质量:在企业产品生产中,通过数据分析,可以找出产品不合格的生产环节和原因,从而改善生产流程或原材料;以企业生产的产品残次品率分析为例,建立原材料等数据模型,对不合格产品生产情况作出预警,减少残次品率。

4生产管理控制:很多大型制造企业有多条产品生产线,从企业核心管理角度来看,把不同工厂的产品数据汇集在一起,用可视化分析方式呈现给核心管理层,帮助其调整企业的生产安排和生产策略,大数据在里面能够起到更高层次的决策支持作用

5研发设计:中国制造业在产品设计方面的自主创新能力比较弱,很多企业的研发设计不成体系和流程,很多设计图纸的数据化程度不高,大数据技术可以做到知识有效积累。当企业招募新工程师后,可以通过以往设计数据,接受新的工作知识和任务。
  6下游供应链:即在产品生产完以后,给到客户的环节。对于大中型制造企业来说,当客户下完订单以后,可以积累产品备料时间、出库时间、物流公司等数据,让客户知道订单状态。从下游供应链来说,这也是对制造企业的提升;
  7远程维修维护:在产品售后服务和产品改进过程中,利用传感器、互联网产生的数据,将产品故障实时诊断变为现实。以风电机组的故障预测系统为案例,当企业的液压系统油缸密封套出现腐蚀故障后,可以依据信息系统记录的液压系统维修历史数据,比对相关状态工况数据(装备物联网数据),以及引入互联网上的历年工程建设数据,推断出密封套腐蚀故障的主要诱因。

将大数据技术应用在以上工业场景中,目的是为了帮助企业通过技术创新,取得技术优势和抢占市场先机,为企业创造价值。在实现智能制造过程中,产品的质量、价值、价格是永恒的话题在利用大数据提供高品质产品的同时,也要提高产品生产效率,可持续的控制产品成本。另外,用户个性化需求是必然发展趋势。利用大数据搭建用户画像,得知用户心理,企业做产品时才能快速做出决策,提供给客户高品质的产品。同时,通过产品制造过程中的信息分析和处理,能够柔性生产、组织产品,满足整个产业链的需求,才能提升制造企业的智能化水平。


留下评论

您的电子邮箱地址不会被公开。

5 × 5 =