logo资料库

浅析生产制造中的大数据关键技术及其应用.docx

发布时间：2022-06-20 发布人：admin 分类：说明书 资料大小：1.30M 资料格式：docx 举报 版权申诉
第1页 / 共10页
第2页 / 共10页
第3页 / 共10页
第4页 / 共10页
第5页 / 共10页
第6页 / 共10页
第7页 / 共10页
第8页 / 共10页
资料共10页，剩余部分请下载后查看
    浅析生产制造中的大数据关键技术及其应用 传统的生产制造是一个物理的产业，是一个机械的状态，有厂房、 生产线、设备、生产工人、车辆、配送、渠道、服务机构、网点等， 所有这些都是物理形态的。随着云计算的发展和大数据技术的提升， 我们今天要把这些物理形态的东西变成数字，整合企业资源。当然最 根本的原因是，今天消费者的行为、用户的行为发生了变化，是他们 的个性化需求，促使生产制造业顺应大数据的潮流，运用大数据对传 统生产制造进行变革与改进。 一、大数据的科学收集与分析是生产制造的核心驱动力 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。这两类数据构成我们今天的大数据多结构化数据源。 自工业革命以来，为了改进运营，制造商一直以来都在有意采集并存 储数据。随着时间的推移，数据在制造业分析的需求将越来越大。然 而在过去的 250 年间，利用数据的根本动因并没有改变，但数据的复 杂性增强，将数据转化为情报的能力将有越来越大的需求。需要特别
    强调的是大数据是多样化信息资产，大数据不仅要关注实际数据量的 多少，而且最重要的是关注大数据的处理方法，让数据产生巨大的创 新价值。在生产制造中，数据量大还是量小本身并不是判断大数据价 值的核心指标，而数据的实时性和多元性应该对大数据的定义和价值 更具直接的影响。如果不投资大数据及大数据分析，从中获得信息， 生产制造所追求的卓越运营将功亏一篑。如果通过利用大数据、预测 性分析及云技术衡量产品性能只为了解客户需求，这意味着你正在失 去数字化转型最大的价值。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”，更多的要关注“机器数据或工 业数据”与人的行为数据的融合。数据本身不会为你带来价值，数据 的技术也不会让我们的制造业更先进，数据必须转成信息后才会对产 业产生价值。
    图 1 信息物联网 制造业企业有着大量的数据，从内部而言，积累了大量的内源数 据，包括运维、管理、流程、质量等。而在互联网时代，外源数据更 多，包括供应商、竞争对手、客户反馈等等。事实上，制造业企业不 缺数据，问题在于数据质量低下，采集手段不科学。造成的现象是数 据丰富但信息贫乏。目前表现出两大问题：第一是数据的有效利用率 很低；第二是缺乏分析能力，需要大量的工具。 图 2 大数据分析服务器 由此可见，推动生产制造的并不是大数据本身，而是大数据的分 析技术。工业大数据給了我们一个看世界的新角度。通过 360 度全景 的数字视角，可能给我们带来新的优势，这就是它成为创新驱动核心 动力的来源。在生产制造的工业大数据中，数据类型多样性是大数据 的重要属性。大量的数据不是大数据，单一的数据类型也不足以构成 大数据。人们一直设法收集并弄清楚不断变化的数据类型。在制造业
    中，大数据分析需要利用通用的数据模型，将库存记录、交易记录和 财务交易记录等结构性商业系统数据与预警、流程参数和质量事件、 社交媒体或其他协作平台获得的文本信息、图像数据、地理或地质信 息等非结构性操作系统数据以及供应商、公共网络数据结合起来，进 而通过先进的分析工具发现新的洞见。制造业企业在力求降低生产过 程中的浪费，提高制造工业环保与安全水平，根据生产状况实现系统 自我调整、实现自适应，以及全面服务个性化需求的过程中，都会实 时产生大量数据。大数据可以帮助我们实现客户的分析和挖掘，它的 应用场景包括了实时核心、交易、服务、后台服务等。其载体包括手 机、传感器、穿戴设备、3D 打印机和平板电脑等。传感器数据属于 工业大数据类别之一，这些机器数据可以帮助我们找到已经发生的问 题，协助预测类似问题未来重复发生的几率与时间，帮助我们保障生 产，满足法律法规的要求，提升环保水平，改善客户服务。因此，利 用大数据的工具，通过数据分析和挖掘，我们可以了解问题产生的过 程、造成的影响和解决的方式，找到创造附加价值的形式。利用大数 据的工具和思维，帮助制造业实现商业模式的转变，改造和提升客户 体验，完善内部操作流程，或许是最佳途径之一。
    图 3 数据流范例 二、大数据在生产制造的应用 在传统的制造企业中，大量的数据分布于企业中的各个部门中， 要想在整个企业内及时、快速提取这些数据存在一定的困难。譬如， 企业资源规划系统(ERP) 数据、制造执行系统(EMS) 数据等分别位于 各自的系统中，除此之外，在一些智能化的工厂里，设备、原材料等 都被嵌入微型处理器、传感器，这些装置产生大量的数据。人们在将 制造过程数字化的同时也为数据处理和分析提出了难题。如何将这些 数据放置到一个技术处理平台上对于优化生产流程等有重要意义。 Teradata 大中华区大数据事业部总监孔宇华指出，新的技术可以把 人和人、物和物及事件之间的关联性找出来，但是前提是这种大数据 分析是建立在一个统一、可以实现数据流通的平台上。这个可供访问 的平台，能够整合不同系统内的数据。 最简单直接的方法就是创建产品生命周期管理(PLM) 平台，它也 是一种企业管理软件，但好处在于可以充分整合来自研发、工程、生 产部门的数据，对工业产品的生产进行虚拟模型化，优化生产流程， 确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营 效率，缩短产品的研发与上市时间。西门子工业软件( 上海) 有限公 司的高级业务顾问周克虎说：“拿汽车行业为例，汽车研发是个极其 复杂的过程，一方面，它需要多个职能团队的通力合作。另一方面， 所有这些团队还要处理大量的数据。为了避免沟通不力，确保生产过
    程的顺畅运行，工程团队不仅要管理团队内的数据，还必须时刻掌握 生 产 部 门 的 质 量 控 制团队的工作进展。” 图 4 某汽车企业的数据反馈
    PLM 汇集从初稿到详细设计过程、再到实际生产的所有相关信息。 因此，企业可以通过 PLM 收集的此类数据来优化设计和生产过程。 例如，奇瑞汽车利用 PLM 平台， 将生产规划、模拟和实际生产，把 制造和产品研发联系起来。尺寸分析在车身设计中具有重要作用，奇 瑞的研发人员利用 PLM 工具进行尺寸分析，能够在设计的早期阶段 就能确定设计结构和生产方法是否符合技术规范，以便及早制定解决 图 5 奇瑞汽车大数据与整车的结合 方案来优化这些因素。同时利用这些模拟程序，还可以进行各种汽车 安全性能的测试等。 西门子的 PLM 软件平台上可以做的差异分析，它能在计算机生 成的三维模型的辅助下模拟生产工艺，能够在执行实际生产之前洞察 生产工艺中的薄弱点。奇瑞就曾利用它查出某车型头灯生产中的问题， 为公司避免了十多万美元的损失。因为能够在虚拟的环境中模拟产品 设计、生产流程，工厂规划效率得以提升，生产线生产效率也会提高。
    图 6 大数据 支撑的汽车工艺 大数据是制造业智能化的基础，进而实现大规模的定制。由于消 费者人数众多，每个人需求不同，导致需求的具体信息也不同，加上 需求不断变化，就构成了产品需求的大数据。制造业企业对这些数据 进行处理，进而传递给智能设备，进行数据挖掘、设备调整、原材料 准备等步骤，才能生产出符合个性化需求的定制产品。“未来的制造 将是数据驱动的。”Hermann Wimmer 说。 大数据支撑的 MES 可以实现生产制造全过程反馈与修正，例如在 摩托车生产厂商哈雷·戴维森公司位于宾尼法尼亚州约克市新翻新 的摩托车制造厂，软件不停的在记录着微小的制造数据，如喷漆室风 扇的速度等等。当软件察觉风扇速度、温度、湿度或其它变量脱离规 定数值，它就会自动调节机械。 哈雷·戴维森全球制造副总裁约翰·丹斯比二世（John Dansby II）表示，“MES 系统让我们更加稳定。”他说，过去喷漆工作总是
    分享到：
    赞 收藏

    相关推荐

    资料库

    大数据

    共收录841份资料，累计11个分类，关注成员有19位，主要包括：Matlab,统计分析,数据挖掘,Hbase,Hive,flink,kafka,spark,Storm,算法与数据结构,Hadoop

    热门标签

    Matlab 统计分析 数据挖掘 Hbase Hive flink kafka spark Storm 算法与数据结构 Hadoop

    最新资料