必赢网址-必赢437-www437com

热门关键词: 必赢网址,必赢437,www437com

必赢网址大数据驱动制造业迈向智能化,从大数

文/非是藉秋风

必赢网址 1

《从大数据到智能制造》

《从大数据到智能制造》,于2016年5月由上海交通大学出版,主题是探讨大数据、智能制造以及如何用“大数据”技术来达到所谓的“智能制造”的几个途径。总的评价:通俗的讲解、新颖的观点、睿智的理论、丰富的实例。阅读此书最起码要搞清楚两个问题:1.到底什么是智能制造。2.如何利用大数据来达到所谓的智能制造。

虽然本书作者署名有三位:李杰、倪军、王正安,但是基本上可以看做是李杰一个人的著作。略做一下介绍,李杰:美国辛辛提那大学特聘讲座教授,美国国家科学基金会(NSF)智能维护系统研究中心(IMS)主任。毫无疑问,李杰教授在以工业大数据为主的智能预测技术和产品服务、机械设备故障预测理论等方面在当今世界影响举足轻重。倪军:美国密西根大学吴贤铭制造科学冠名教授,是当今世界上在机械制造方面的著名专家(吴贤铭,在GM,克莱斯勒、福特等的支持下创立了“2mm工程”来解决白车身装配波动问题,核心是对误差传递关系的分析,后来被广泛应用到多级制造过程的质量波动,这一成果对汽车工厂产生了重大影响)。王安正:非常著名的航空发动机专家,GE航空发动机公司首席工程师。

当下不同国家都提出了各自国家的制造业发展路径,美国、德国、中国、印度、日本、韩国等等,再加上众多的时新概念的蜂拥而至,越深入研究会感到越发的迷茫和浮躁。不能把这个问题当做技术问题来看待,理解智能制造绝对不能停留在表象或者技术的层面,而要建立在每个国家独特的制造业背景和制造哲学基础上。

第四次科技革命的到来为各个国家提供了发展和转型的机遇,智能制造无疑将成为世界各国竞争的新战场。无论是德国提出的“工业4.0国家战略”,还是美国的“国家制造业创新网络计划”,抑或是日本的“工业价值链计划”,无不围绕着制造业这个核心。中国如何实现智能制造?

智能制造的一些个人感想

到底什么是智能制造。

制造系统的5个核心要素(5M):材料(Material)、装备(Machine)、工艺(Methods)、测量(Measurement)、维护(Maintenance)。这些活动全部围绕人来展开,人是驾驭这5M的核心,这是传统的制造系统。而智能制造系统在于多了一个M(建模,Modeling),智能制造系统是通过这个M来驱动其他5个要素来解决和避免制造系统的问题。

无论是机器换人、物联网、两化融合或者互联网+等解决的只是5M要素调整方式和途径,只是在执行端更加自动化,并没有解决智能化的核心问题。未来的智能制造在零部件及装备层面的智能化实现自省性、自预测性和自比较性,以及全生产系统层面的智能化,无忧虑的生产环境。无忧就是无忧无虑的无忧。

智能制造必须具备两个特征:

※能够学习人的经验,从而替代人来决策和分析。

※能否从新的问题中积累经验,从而避免问题再次发生。

“工业智能化,美国靠软件、德国靠机器、日本靠人、中国靠数据。中国最大的数据量来自工业,远超阿里巴巴和谷歌。大量的数据都在中国汇集,这无疑给了中国制造最好的资源优势。利用好这一资源,才能弥补中国在装备制造和核心零部件等方面的弱势与短板。”

一、背景:

        制造业的是一个国家工业化水平的决定性因素。以信息物理生产系统为核心的第四次工业革命正在引领新一波的制造系统变革。

        其实对于“工业4.0”、“互联网+”、“中国制造2025”、“工业大数据”等都是最近讨论比较激烈的话题,各个科研院所、企业以及个人也想抓住未来制造业的发展趋势。这些火热概念的背后都源于近几年来互联网和计算机技术的发展,尤其是云计算及移动互联技术的发展。下图是利用物联网、大数据、云存储等技术实现面向整个产业链的智能化应用体系。

必赢网址 2

如何利用大数据来推动智能制造。

※将问题的产生过程利用数据进行分析、建模和管理,从解决可见的问题到避免可见的问题。例如,利用统计学对庞大的测量数据进行分析,对质量误差的积累过程进行分析和建模,从而解释误差的来源并进行控制

※从数据中挖掘隐性问题的线索,通过对隐性问题的预测分析,在其发展成为显性问题之前进行解决。可见问题只是冰山一角,而隐性问题则是冰山下的恶魔,对这些不可见因素进行预测和管理是避免可见因素影响的关键。

※利用反向工程,利用知识对整个生产流程进行剖析和精细建模,从产品设计和制造系统设计端避免问题。简单说就是从结果找出原因,从设计和制造端避免问题。

在制造系统和商业环境变得日益复杂的今天,利用大数据去解决问题和积累知识或许是更加高效和便捷的方式。“大数据的目的并不是追求数据量大,而是通过系统式的数据收集和分析手段,实现价值的最大化。所以推动智能制造的并不是大数据本身,而是大数据的分析技术。”

二、国内外现状:

        工业4.0时代传统制造业如何升级?对于像美国、德国等国家来看,他们更有条件实现“智能制造”。德国发挥其传统的装备设计与制造的优势,可以创造一个高度灵敏、高透明度和高整合度的智能生产系统;美国发挥其传统信息产业的优势,可以实现从设备、系统、集群到社区智能化的有效化整合,为用户提供全产业、全寿命周期的服务。

对于中国来说,中国制造的优势在于庞大的产品和使用群体,可以实现从使用端来创造价值(利用使用数据量,智能化的数据分析)。中国制造业仍然处于自动化的初级阶段,关注点仍然停留在解决可见的问题上。按李杰教授在《工业大数据》的建议,工业4.0时代的契机,中国制造的转型需要做到三点:

1.        在自动化道路上需要遵循科学的规律,继续推进和完善合理化与标准化;

2.        利用6C的角度去审视6M,通过在6C空间中的服务转型反向弥补原本薄弱的环节;

3.        关注制造业对用户、社会以及环境的价值。

 3

日本、德国、美国的区别。

日本在知识的传承上非常依赖人,日本企业从来不提无人工厂或者机器换工,日本提倡工匠精神,但是这也有弊端,所以在重振制造业的计划中弥补了这一不足。德国则是将知识固化在机器设备之中,尽量减少人为因素带来的不确定性,强大可靠的设备,这也有不足,于是提出了工业4.0来扩大红利,比如全生命周期的服务。美国擅长颠覆和重新定义问题,美国人非常依赖数据,工业互联网的概念提出来了,然后:互联、数据、分析、发现关联、创造、颠覆。

可以从以下三个方向谈大数据如何具体推动智能制造

三、启示与个人感想

       1、在工业4.0和国内制造业的大环境背景下,两个个层次的学习:

       层次一,是关于以如何实现智能感知层为目的,补“工业3.0”,甚至“工业2.0”的课。如蓝牙、WiFi、UWB等传感器,数据采集设备、控制器等,监控软件、数据库等,实现建立统一的数据环境,具体包括:  

a)        设备运行状态参数,感知振动、温度等指标监控数据。

b)        设备运行的工况数据,负载转速、运行模式。

c)        设备运行过程中的环境参数,温度、风速、天气状况。

d)        设备的维护保养记录。

e)        绩效类数据,稼动率、能耗、生产质量、加工精度等

        层次二,学习相关的算法及数据的挖掘,实现从数据到信息的分析过程,具体包括:

a)        不同时间历程的比较,建立数据平台,大数据分析工具;

b)        实体状态信息的切片化管理,建立与实体系统相互映射的镜像模型,集群分析和大数据挖掘

c)        用户价值APP的开发:功能的柔性和定制化开发;给用户提供真切的信息感受;信息和服务的快速送达;

d)        认知层:预测,数据的可视化、多智能仿真与推理、决策的协同优化分析;

e)        配置层:执行,管理与控制

       2、  在已有学习的基础上,展开相关“智能制造”的实践。

       前期:关于继续6M(材料、机器、方法、测量、维护)中5M领域的工作。

       中期:利用智能传感器与分析技术将5M过程中产生的工业数据,建立工程机械生产设备的分析模型,这样就能对每个设备过去、当前、及未来的性能进行完整的分析,这种分析能够渗透全寿命周期的决策链和价值链。(智能工厂的建立)

       后期:有了前面6M的基础,逐渐与6C(连接、云、虚拟网络、数据内容与来源背景、社群、定制化)相结合。在客户使用端创造服务价值,建立工相应的镜像模型,提供智能服务。

        最终实现一个有关全生命周期信息服务和闭环的设计回路。

小结

此书中心思想如此的明确,观点见解如此的掷地有声,叙述论证如此的雄辩有力,不是材料的堆砌,不是人云亦云的模仿,整本书感觉就像一个活的生物体,在工业领域,好久不见这样的书籍,并且还是华人的作品。赞。

必赢网址 3

四、例子

        Cat智能真正实现了数字化施工,通过有效载重、坡度控制、压实控制、事物探测、遥控操作、智能收割等Cat智能科技收集作业参数,有效代替人工监管,实现智能决策。不仅如此,以设备管理解决方案为代表的Cat智能服务将实时监管设备工作状态,帮助客户更好地管理设备,降低运营成本。同时Cat代理商可帮助客户监控设备位置、油耗和利用率,以及设备的健康和保养问题等。

工业4.0

五、相关概念资料收集

       智能制造应当包含智能制造技术和智能制造系统,智能制造系统不仅能够在实践中不断地充实知识库,具有自学习功能,还有搜集与理解环境信息和自身的信息,并进行分析判断和规划自身行为的能力。

       以用户端的价值需求为出发点提供定制化的产品和服务,并以此作为整个产业链的共同目标。

       收集传感器产生的数据,不仅是可见的监控,而是对大量数据进行挖掘分析(大数据是看待问题的方式,连接看见与看不见的世界)后。在原有自动化的基础上,根据产品加工状态自动改变。利用数据挖掘产生的信息为用户创造价值。依靠智能化的技术代替人进行复杂流程的管理、庞大数据的运算、决策过程的优化和行动的快速执行。

      原有的信息系统内部并没有实现信息回路,信息到决策再到控制系统的反馈依然无法实现和自动完成。

 三层:设备健康信息    健康/衰退程度     故障识别与影响分析      风险分析与剩余可                       用时间

              业务管理        客户服务与        供应链管理              企业资源管理

                       客户关系管理     生产计划执行

               企业目标        产品生命周期管理  工厂生产效率与稼动率     无忧的生产环境 

产品的数字化镜像 

蛋黄:6M,前三次工业革命主要是在5M的领域进行改善和竞争,第六个M:Modeling,数据和知识建模,包括检测、预测、优化和防范等。利用智能传感技术将5M过程中产生的工业数据连接并建立模型。(改变核心零部件和先进材料过度依赖进口的现状;重视工艺和制程的研究和生产过程的管理;研发核心生产设备和智能设备,并对设备的使用进行精细化和信息化管理)。

蛋白:6C,连接、云、虚拟网络、数据内容、社群、定制化(利用增值服务提升工业产品的核心竞争能力;构建自己的工业互联网,扶持传感器技术、数据采集设备、运算能力和数据分析能力的研发和应用,利用数据挖掘和信息内容管理获取新的知识和技术)。

先进技术:传感器技术、物联网、云计算、控制器、3D打印、智能算法。

大数据发展进程:

1990-2000:远程监控、数据采集和管理;

2000-2010:大数据中心和数据分析软件;

2010-至今:数据分析平台与高级数据分析工具;

工业大数据(专业性、关联性、流程性、时序性和解析性,对预测和分析结果的容错率远远比互联网大数据从低)和互联网大数据。

意义:

1.        以较低成本满足用户定制化需求;

2.        使制造过程的信息透明化;

3.        提供设备全生命周期的信息管理和服务。

CPS的五层:

1.        智能感知层,蓝牙、WiFi、UWB,传感器、数据采集设备、带宽、数据库。

       建立统一的数据环境:  

a)        设备运行状态参数,感知振动、温度等指标监控数据。

b)        设备运行的工况数据,负载转速、运行模式。

c)        设备运行过程中的环境参数,温度、风速、天气状况。

d)        设备的维护保养记录。

e)        绩效类数据,稼动率、能耗、生产质量、加工精度等

       实现以分析目标为导向的柔性采集策略:

       自主式、应激式传感。以事件为导向、以活动目的为导向、以设备健康为导向采集策略

2.        信息挖掘层,应用程序,运行状况。从数据到信息的分析过程,算法;

3.        网络层,不同时间历程的比较,建立数据平台,大数据分析工具。实体状态信息的切片化管理,建立与实体系统相互映射的镜像模型,集群分析和大数据挖掘

    用户价值:功能的柔性和定制化开发、给用户提供真切的信息感受、信息和服务的快速送达;

4.        认知层,预测,数据的可视化、多智能仿真与推理、决策的协同优化分析;

5.        配置层,执行,管理与控制

物联网该链接那些对象、该采集那些数据可以按照服务体系的要求加以确定。

物联网与服务网的借口是智能化数据分析。

数据分析流程:对数据进行收集、汇总、解析、排序、分析、预测、决策、分发的整个流程。

Watchdog Agent的算法分为四部:信息的处理和特征提取;健康评估;性能预测和故障诊断。

平台基础:智能数据收集与平台运用

分析手段:智能化的数据分析、管理、优化应用

商业模式内核:智能管理及服务体系的设计与应用

智能化工厂:零部件传感器(退化检测与剩余使用寿命);机器控制器(预测、监控良性运行);生产系统网络化制造系统

智能化服务:全产业链同优化

第一个方向是利用大数据分析,从解决问题到避免问题。”

六、参考文献:

《2015年智能制造行业分析报告》

《智能制造》

《工业大数据》

 

20世纪80年代,美国制造受到了德国和日本的巨大冲击,尤其是在汽车制造行业,德国和日本的汽车以更优的质量和更好的舒适度迅速占领了美国市场。令美国厂商百思不得其解的是,美国在生产技术、装备、设计和工艺方面并不比德国和日本差,在汽车制造领域积累的时间甚至超过他们,但是为什么美国汽车的质量和精度就是赶不上人家?

本文由必赢网址发布于机械设备,转载请注明出处:必赢网址大数据驱动制造业迈向智能化,从大数

您可能还会对下面的文章感兴趣: