-
1 # 劉瀛160
-
2 # 破局三叉戟
首先我們來看看,什麼是工業大資料和智慧製造:
1.相關名詞理解大資料(Big Data):非常大的資料集,可以透過計算分析來揭示模式,趨勢和關聯關係,特別是與人類行為和互動行為有關的資料。
工業大資料(Industrial Big Data):構成工業人工智慧的重要元素,指由工業裝置高速產生的大量資料,對應不同時間下的裝置狀態,是物聯網中的訊息。
工業大資料這個詞在2012年隨著工業4.0的概念而出現,也和資訊科技行銷流行的大資料有關,工業大資料也意味著工業裝置產生的大量資料有其潛在的商業價值。工業大資料會配合工業網際網路的技術,利用原始資料來支援管理上的決策,例如降低維護成本以及提升對客戶的服務。
智慧製造:是指具有資訊自感知、自決策、自執行等功能的先進製造過程、系統與模式的總稱。具體體現在製造過程的各個環節與新一代資訊科技的深度融合,如物聯網、大資料、雲計算、人工智慧等。
智慧製造大體具有四大特徵:以智慧工廠為載體,以關鍵製造環節的智慧化為核心,以端到端資料流為基礎,和網路互聯為支撐。其主要內容包括智慧產品、智慧生產、智慧工廠、智慧物流等。
2.智慧製造的發展史各國政府均將此列入國家發展計劃,大力推動實施。
1992年美國執行新技術政策——關鍵重大技術(Critical Techniloty),包括資訊科技和新的製造工藝,包括智慧製造技術,美國政府希望藉助此舉改造傳統工業並啟動新產業。加拿大制定的1994~1998年發展戰略計劃——認為發展和應用智慧系統至關重要,並將具體研究專案選擇為智慧計算機、人機介面、機械感測器、機器人控制、新裝置、動態環境下系統整合。日本1989年提出智慧製造系統,且於1994年啟動了先進製造國際合作研究專案,包括了公司整合和全球製造、製造知識體系、分佈智慧系統控制、快速產品實現的分佈智慧系統技術等。歐盟的資訊科技相關研究有ESPRIT專案——大力資助有市場潛力的資訊科技。1994年又啟動了新的R&D專案,選擇了39項核心技術,其中三項(資訊科技、分子生物學和先進製造技術)中均突出了智慧製造的位置。中國80年代末也將“智慧模擬”列入國家科技發展規劃的主要課題,已在專家系統、模式識別、機器人、漢語機器理解方面取得了一批成果。最近,國家科技部正式提出了“工業智慧工程”,作為技術創新計劃中創新能力建設的重要組成部分,智慧製造將是該項工程中的重要內容。但是之前的智慧製造都大多數只是概念,直到大資料和配套的應用工具逐漸落到實地,智慧製造技術的水平更上一層樓。3.智慧製造和大資料的關係製造業——也許是最溫順和最傳統的產業之一 ,正在經歷一場緩慢的革命。無論是使用原材料的使用最佳化還是工程工藝的更新換代,工業製造公司都在尋找機會,使其比競爭對手更具優勢。這一趨勢的最新方式是採用智慧製造技術。
智慧製造——不只是一個想法,而是逐漸實現的現實智慧成為市場上幾乎所有裝逼事情的關鍵字首,這一術語在製造業中也佔有一席之地也就不足為奇了。雖然有很多批評者仍然偏愛傳統的MES(製造執行系統),但智慧製造正在進入行業,並且對原有的MES應用提出了更高要求。
智慧製造系統的目標是以有助於提高組織整體利潤的方式連線離散製造相關資訊。因此,智慧製造不只是傳統的MES,它支援機器學習、IIoT、機器人和基於雲的工作流程。結論,智慧製造是一個需要被接受的新現實。
大資料在製造智慧製造中的作用成本計算和預測分析方面的期望和實際能力的差異,是每個製造業公司在發展過程中面臨的主要障礙(根本沒法按時和及時地算出準確的成本——包括原材料、人力、機器損耗、運輸、稅等等,因此也很難更有競爭力地快速報價,報高了客戶不認,報低了自己虧錢)。這種情況要求對可用資料進行適當和深入的分析,以防止增加公司成本。現在,大資料的作用變得更加重要。
通常,大多數製造商缺乏收集和分析他們已收集的大量資料的技能。透過大資料分析,公司可以非常輕鬆地捕獲,構建,整合和豐富其資料庫。整個過程可以更低的成本,更少的資源,更好的預測和戰略建設,並帶來更高的投資回報率(ROI)。
目前,大多數製造公司使用的軟體無法與快速變化的製造環境動態(比如客戶的定製化需求,比如市場的最新變化趨勢)相匹配。另一方面,大資料被用於捕捉製造業不斷變化的需求。這是公司應該在製造過程中採用大資料的最重要原因。
同時,運用如機器學習等進一步的技術,讓大資料滾動起來,不斷地挖掘出問題的根源,找出生產線上可以最佳化的空間。
不管對人、物、工具、裝置、流程還是外部環境,把控水平更上一臺階。
總結,相關係統架構基本上,從資料收集向上,有資料儲存、批次分析、資料整合等層次的應用,外部為了資料環境的穩固,還需要設定數字孿生環境來做模擬執行測試。
而這些系統根據應用層面的不同,可以從邊緣計算、混合架構一直到雲端架構。
智慧製造是趨勢,結合物聯網、大量資料、更強的分析和AI模式識別能力,並結合前後端的銷售採購等流程,結合多種業務模式和渠道管理,成為一個專門的深入研究和應用領域(大有可為)。
而大資料在其中,必不可少,甚至可以說是牢固了基礎,為虎添翼。
回覆列表
縱觀工業發展歷史,製造業的每一次轉型升級都是基於知識發展的轉型升級,每一次工業革命都是技術突變導致的必然變革,所以知識與技術的發展才是製造業升級的源動力。
我們這裡單獨說工業大資料是成為智慧製造的核心動力其實還不完全,因為工業的本質還是提質、降本、增效,利用失敗中得到的資料,尋找資料規律,進而修正工藝引數,工藝流程,提高產品質量,確保生產的產品滿足更大眾的客戶需求。從而提升生產力,推動生產關係變革。
所以說“資料並不產生價值,知識產生價值”,工業大資料只有和人的知識、經驗相結合,在眾多資料中找到“解藥”,進而發現問題,解決問題,將資料中產生的知識沉澱下來,反饋到執行端,生產端,才能達到製造的本質目的。
現在提工業大資料,第一是建立在大資料計算的基礎上,我們說是“算力強”,因為原本工業發展也對資料極其重視,只是現在知識資料量大了,人力或者一般計算機根本無法計算出結果,導致資料用不起來。第二是建立在大資料的傳輸通道上,我們說是“採集強”,因為現在大量的電子裝置、智慧裝置用在工業生產現場的方方面面上,裝置產生的資料以毫秒計算,這麼大的資料量,要想快速接入,快速匯傳遞,快速儲存,都需要較強的技術能力。第三是建立在演算法上的,我們說是“演算法強”,這裡說的演算法不只包含人工智慧這種複雜演算法,簡單的同比,往比也是演算法,大量資料來了,展現出相關趨勢也能解決很多目前工業上50%的問題。換句話說,計算能力強能夠使簡單的演算法用起來了,能夠發現數據下面的知識。
所以我們說,工業大資料需要結合算力、演算法、互聯,才能成為智慧製造的核心動力。只有具有分散式大資料和邊緣計算能力的物聯網開發平臺,才能支撐未來大資料在智慧製造的真正落地。