search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

王建民:工業大數據的範疇、關鍵問題與實踐

本文作者:王建民

探索走出符合國情的工業大數據自主之路

近年來,隨著德國工業4.0和美國工業互聯網為代表的新工業革命深入發展,以及「製造2025」、「互聯網+」行動計劃與「促進大數據發展行動綱要」的頒布實施,工業大數據得到了越來越多的關注。這裡分享一下我們的思考與實踐。

工業大數據三大來源

企業信息系統、裝備物聯網和企業外部互聯網是工業大數據的三大來源

企業信息系統存儲了高價值密度的核心業務數據。上世紀60年代以來信息技術加速應用於工業領域,形成了產品生命周期管理(PLM)、企業資源規劃(ERP)、供應鏈管理(SCM)和客戶關係管理(CRM)等企業信息系統。這些系統中積累的產品研發數據、生產製造數據、物流供應數據以及客戶服務數 據,存在於企業或產業鏈內部,是工業領域傳統數據資產。

近年來物聯網技術快速發展,裝備物聯網成為工業大數據新的、增長最快的來源,它實時自動採集了生產設備和交付產品的狀態與工況數據。一方面,機床等生產設備 物聯網數據為智能工廠生產調度、質量控制和績效管理提供了實時數據基礎;另一方面,2012年美國通用電氣公司提出的工業大數據(狹義的),專指裝備使用過程中由感測器採集的大規模時間序列數據,包括裝備狀態參數、工況負載和作業環境等信息,可以幫助用戶提高裝備運行效率,拓展製造服務。

當前互聯網與工業深度融合,企業外部互聯網已成為工業大數據不可忽視的來源。本世紀初,日本企業就開始利用互聯網數據分析獲取用戶的產品評價,時至今日,小米手機利用社交媒體數據成功實現產品創新研發。此外,外部互聯網還存在著海量的「跨界」數據,比如影響裝備作業的氣象數據、影響產品市場預測的宏觀經濟數 據、影響企業生產成本的環境法規數據……

工業大數據實施的關鍵問題

數據質量、多源關聯和系統集成是工業大數據實施的關鍵問題

擁有大數據不是目的,發掘其價值才是關鍵。由企業信息化數據、裝備物聯網數據和外部互聯網數據匯聚而成的工業大數據,蘊藏著巨大價值。例如,通過分析用戶使用數據改進產品,通過分析現場測量數據提高工件加工水平,通過工況數據進行產品健康管理等。筆者認為實施工業大數據項目需要關注以下3個關鍵問題。

1數據質量控制問題

原始數據(生數據)質量決定分析結果的質量。企業信息系統數據質量仍然存在問題,例如2014年某大型機車企業ERP系統中近20%物料存在「一物多碼」問題。裝備物聯網數據質量堪憂,某大型製造企業1個月的狀態工況數據中,無效工況(如盾構機傳回了工程車工況)、重名工況(同 一狀態工況使用不同名字)、時標混亂(當前時間錯誤或時標對不齊)等數據質量問題約30%。

2多源數據關聯問題

層次化的物料表(Bill Of Material, BOM)定義了企業信息系統數據的核心語義結構。針對跨生命周期的研製BOM和實例BOM間結構失配問題,我們提出了中性BOM模型,並以此為核心,向前 關聯設計製造BOM,向後關聯服務保障BOM,形成星型結構,極大地降低了數據關聯的複雜度。同時,針對裝備物聯網數據和外部互聯網數據,可以根據其綁定 的物理對象(零部件或產品)與相應的BOM節點相關聯。從而以BOM為橋樑,關聯3個不同來源的工業大數據。

3大數據系統集成問題

工業大數據其來源更加廣泛,並且裝備物聯網數據(半結構化數據)和外部互聯網數據(非結構化數據)都要與企業信息系統(結構化數據)進行集成,因此要重構數據支撐平台,甚至替換「舊」系統。

工業大數據實施工程案例

工業大數據分析提升工程裝備服務保障水平。這裡分享兩個我們和國內企業合作實施的工程案例。

案例1工業大數據提供故障分析新手段

液壓系統是工程機械的關鍵部件。2013年我們發現液壓系統的油缸密封套腐蝕故障數量異常。於是依據企業信息系統記錄的液壓系統維修歷史數據,通過比對相關狀態工況數據(裝備物聯網數據),搜索推薦與故障車輛關係密切的工況,發現車輛油缸換向頻率的波動幅度與這些故障高度相關。

進一步,引入互聯網上的行政區劃數據和歷年工程建設數據(外部互聯網數據)后,發現2012~2013年期間這些典型故障均發生在沿海省份,從而推斷出鹽霧環境是導緻密封套腐蝕故障的主要誘因。

案例2工業大數據提升備件需求預測精度

隨著工程裝備增量市場增長乏力,以維修保障為主的存量市場成為企業盈利新的增長點。我們利用了企業信息系統中的備件銷售訂單、採購訂單和備件庫存狀態數據,以及工程物聯網採集到的工況數據和外部互聯網數據(如每個省的GDP,建築、交通等規劃數據)。

針對30個省市區進行了備件需要預測,平均預測精度為82%,每旬備件需求預測誤差在5件或真實值的20%以內。庫存水平控制在一個較低的穩定水平,僅為原來庫存水平的48%。同時,因為考慮到了20天的配貨周期,基於預測的補貨策略可以保證現貨滿足率,消除緊急臨時訂單。如果按備件庫存佔有資金1億元計算,可節約庫存資金占用5000萬元。

工業大數據是實現智能製造的基礎原料,是提升工業生產力、競爭力、創新力的關鍵要素。然而必須看到,工業大數據是一個正在發展的學科領域,其內涵外延、模型理論、技術方法及其實施策略等還有待發展與創新。唯有結合國情認真實踐,才能走出工業大數據自主之路,實現製造強國的戰略目標。

世界如此喧囂,知識何其稀少

掃碼進入資料分享社群

不錯過任何乾貨



熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦