你好,游客 登录 注册 搜索
背景:
阅读新闻

大数据,让工业4.0走得更顺畅

[日期:2016-01-05] 来源:简书  作者: [字体: ]

  导读

  工业互联网是数字技术和物理技术

  大数据与大机器的融合

  现在很多工业公司已经意识到工业数据的价值

  将数字化视为生存和发展的必要前提

  但是,如何将数据化转化为可用价值

  使公司能在新一波工业革命浪潮中立足

  这是所有工业公司所需要解答的问题

  来看看大数据如何驱动工业4.0

  先来理解两个关键词

大数据

  工业4.0

  工业4.0是工业现代化发展的新阶段,是在互联网、物联网、大数据、云计算等新一代信息技术应用基础上的工业革命的新阶段,也是未来的一个新常态,代表着一种融合,互联网与工业的深度融合。

  工业大数据

  工业大数据是一个全新的概念,从字面上理解,工业大数据是指在工业领域信息化应用中所产生的大数据。

  工业大数据是一新兴的技术发展为背景,通过工业传感器,无线射频识别,条形码,工业自动控制系统,企业资源计划,计算机辅助设计等技术获取的数据量,是机器所产生的非机构化数据。

  1、 工业4.0特征

  在德国实施“工业4.0”战略的建议中,工业4.0是基于CPS的智能工厂和智能生产组成的,它们又是更大万物互联网网和服务互联网的一部分

  与更大的互联网一样,工业4.0它强调生产要素的互联、集成、共享。

  互联是集成的基础,工业生产中各种设备通过传感器等连接到互联网中。

  集成,有3个层次:

  1、企业内价值链各个环节的垂直集成

  2、企业价值网络中上下游和相关方的横向集成

  3、最后是从客户需求到产品服务的端对端的集成

  2、 工业大数据来源

  【1】 数据化设计 如飞机全数据化设计,波音公司利用CATIA软件生产波音777的300万个零配件的尺寸和形状数据

  【2】 智能化制造 一智能工业机器人为典型代表的智能制造装备一已经开始在多个领域的带应用

  【3】 网络化检测 大型工业装备运行状态网络化远程动态检测;如波音737发动机在飞行中妹30分钟产生10TB数据

  【4】 物联化管理 工业生产过程开始大量使用RFID实现零件与产品管理

  3、 工业大数据核心支撑力

  在工业大数据的实践中,宏观与微观、规模与定制、个性与共性必然成为三个主要的矛盾。在这三大矛盾的背后,我们要通过工业大数据看到我们以前看不到的因素,处理好这些数据,让数据成为有价值的信息,转换过为工业服务。

  现在关注工业4.0五大支撑力:

  1、是降低生产过程中的浪费。生产过程中的消耗来源于组织与组织之间、人与人之间、材料与工艺之间、流程之间,所以我们首先要考虑的问题是,如何降低消耗、浪费。

  2、是制造工业环保与安全。没有碳排放是不现实的,但排放怎么转移,怎么去消费它是问题。

  3、是根据生产状况,实现系统自我调整。在工业大数据里,我们称之为自适应。整个工业4.0讲的就是自适应、自感应、自调理。大数据分析到最后有很大程度取决于人工智能,指的是自适应能力的强弱,机器自我学习能力的强弱。

  4、是实现制造业的价值化。

  5、是实现用户需求、产品设计、制造和营销的配合。

  4、 大数据驱动未来工业4.0

  首先,今天我们面临越来越挑剔的用户,第一个挑战是怎么让用户有更好的消费体验。

  其次,企业各部门的竖井没有打通,缺乏环境数据,包括类似地理位置信息、设备的生命状态等。产品的设定和生产要素,跟流程、工艺都有千丝万缕的关系,数字化能够帮我们把这个轮廓勾勒出来。

  未来,工业大数据在四个方面会形成商业机会

  1、是沟通。即设备环境信号识别。信号识别的关键点是信息收集过程中实时性还不够,信号识别的对象不够完整和全面,这是建立工业大数据能力需要考虑的第一个问题。

  2、是集成与融合。即大数据的数据平台。所谓融合就是说,OA、知识库、ERP、采购系统等所有可触摸和非可触摸的数据都应该串联起来。这一串联工作还有非常漫长的路要走。

  3、是分析与决策。我们大数据的建模能力不差,缺的是对行业理解的投入以及形成模型的能力,以及不断推倒重建和调整的持续投入。

  4、是创建自助服务文化。机器能够自我学习和自我调节。通过焦点转移到不可见的因素,数据给了我们发现创新的全新多视角,最终导向了革命性的商业机会。

  5、 工业大数据应用两个关键技术问题

  数据建模的问题

  第一,产品数据建模是制造信息化的核心技术,也是工业大数据应用的核心。工业4.0实现了各个实体之间的相互连接,必然产生出对这些实体的大数据进行建模的问题。首先要建设这些实体自身的数据模型,核心是产品模型,产品模型这是一个动态演变的全生命周期的模型,从需求一直到成品,再到转化为对客户的价值,包括产品需求、产品设计、产品工艺、产品加工、产品检验测试、产品维护等阶段的模型数据。

  第二,产品与原料、部件、设备、工人、生产线、工厂、客户、供应链之间相互关联,建立起更为全面的工业企业数据模型,这种关联比以往更为综合、复杂,既有静态结构关系关联,也有动态行为关联。

  第三,所有实体数据模型,在静态模型的基础上,还需要采集这些实体的动态行为模型,产品行为分析、客户行为分析、设备行为分析、工厂行为分析等构成了工业大数据复杂的行为分析模型,使得工业大数据的洞察力更深刻也更复杂。

  数据集成

  在工业4.0的三种不同集成方式下,数据集成的模式也有不同的模型。工业4.0有三种境界的集成,也面临三种境界的数据共享。

  1、是企业内的垂直集成,要实现垂直的各个环节的产品数据交换与共享。

  2、是横向数据集成,各种上下游数据的交换与共享,包括客户、供应商、合作伙伴等数据。一般是互联网上XML文件传输。大数据技术的发展和应用,使得价值链上各环节数据和信息能够被深入分析和挖掘,为制造企业提供看待价值网络的全新视角。

  3、是端到端的数据集成,生命周期的企业内外、制造、营销、消费、经济、产业、技术等大数据的交换与共享,真正的工业4.0的大数据集成与分析。

  说了那么多

  我始终觉得

  工业大数据的主体是工业

  不是大数据,大数据要为工业服务

  大数据,让工业4.0走得更顺畅

  不知道你觉得对不对

  在评论下方留言

 

  听听你的观点给我听





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款