大数据技术助力智慧工厂管理体系的建设详情

 伴随着全球性市场竞争的日渐激烈,制造行业在提升产品质量、提高生产效益、减少生产成本和缩减资源消耗等层面面临着更为严苛的要求。制造企业借力于制造技术的不断创新,通过加入物联网、大数据、3D打印和云计算等新兴技术,实现生产过程的透明化、智能化和全局性优化,来面对上述挑战,由此引发了新一轮的产业革命,即以全球化、信息化、智能化、智慧化和绿色化为发展方向的智慧制造浪潮,并获得了全世界主要制造国家的高度重视。

 在我国,伴随着要素成本的持续增长和传统比较优势的不断弱化,以往依靠发达国家带动作为增长引擎的局势已经在产生变化,从低附加值、劳动密集型模式向追求高附加值、高技术含量模式的转变,是中国制造业面临的巨大挑战。针对上述挑战,政府明确提出“中国制造2025规划”,以信息化与工业化深度融合为主线重点推动以云计算、物联网、大数据为代表的新一代信息技术与现代制造业、生产性服务业等的融合创新,进而提升中国制造的水准。

一、智慧工厂的内涵与大数据技术

 2010年,Chand等在知名杂志《时代周刊》发文探究了制造业的未来发展趋势,将其划分为三个阶段:①工厂和企业范围的互联化,通过整合不同车间工厂和企业的数据信息,实现数据共享,以便更好地协调生产的各个环节,提升企业整体效率;②通过计算机模拟和建模对数据信息加以处理,生成“制造智能”,以实现柔性制造、生产优化和更快的产品定制;③由不断增长的制造智能激发工艺和产品创新引起市场变革,改变原有商业模式和消费者的购物行为。其本质上,这三个阶段是从数据信息的角度出发,通过自底向上的过程创建未来智慧工厂的蓝图,并且叙述了实现智慧工厂的三个主要需求特征,即透明化制造、智能化管控和智慧化协同。第一阶段通过物联网技术,实现工厂内的物物互联与数据共享,透明化制造过程;第二阶段在第一阶段的基础上,通过数据处理与分析实现生产调度优化、产品质量监控等制造执行系统功能模块的实施应用,提升工厂智能化水准;第三阶段加入服务互联网对工厂智能化功能做服务包装,通过基于互联网数据交互在云制造平台实现客户参与的全球化工厂资源协同,形成以大规模个性化定制为特征的商业新模式。

 由于制造资源配置逐渐呈现出信息密集型趋势,运用大数据融合、处理、存储、分析等技术使智慧工厂大数据为制造资源实时感知、制造过程优化控制、制造服务敏捷配置等环节提供决策支持,成为传统制造过程实现数据化制造、信息化制造、知识化制造、智慧化制造逐步升级发展的关键基础。因此大数据技术作为智慧工厂技术体系中的核心技术,将进行重点关注与深入讨论。

二、基于大数据的智慧制造技术体系构架

 依据对智慧工厂内涵和大数据技术的探究可知:制造互联通过各类工业化通讯手段提供数据采集基础,其本质是实现工厂资源的“互联化”目标;制造执行基于广泛互联和透彻感知,通过大数据采集与分析发现工厂运转规律,运用智能化决策手段实现工厂性能优化,其本质是通过工厂内部、车间层级的数据分析与应用服务实现“智能化”目标;制造协同在“智能化”基础上引进互联网大数据,通过客户行为分析、市场趋势预测等手段,对分布式的工厂资源与服务进行配置优化,达到工厂组织结构、运行模式的自适应变化,其本质是通过多个“智能化”服务的合理优化配置实现“智慧化”目标。依据制造互联中的工厂互联化环节,与制造执行中的数据采集、分析与应用三个环节,以及制造协同中的服务配置环节,智慧工厂的技术架构体系应包含五个层级(如下图),即物物互联层、对象感知层、数据分析层、业务应用层和云端服务层,这些层级将逐步实现工厂制造过程的互联化、数字化、信息化、智能化和智慧化这“五化”目标。与此同时,体系中还包含大数据中心,负责完成智慧工厂大数据的处理、存储、分析和应用等环节,为各层次功能实现提供数据支撑。下面分别展开详细介绍。

大数据技术助力智慧工厂管理体系的建设详情 

1、物物互联层

 物物互联层主要面向包含生产设备、计算机与操作人员在内的物理制造资源,针对要收集的多源制造数据,通过配置各类传感器、RFID标签和二维码来收集制造数据,并运用工业互联网、无线网络、蓝牙、红外等,依照约定的协议进行数据交换和通信。最终实现物理制造资源的互联和互感,保障制造过程多源数据的实时、精确和可靠获取。

2、对象感知层

 智能感知层首先针对多种类型传感器生成体系化管理,在实现异构传感器管理、传感器数据格式化封装、传感器数据传输协议等的基础上,运用传感器数据的网络传输,实现对物理制造资源有关数据的主动感知和数据实时获取。同时针对Web端的用户交互操作生成标准化定义,在对用户界面进行模块化设计的基础上,运用Web中间件的用户行为解析功能,实现对用户事务数据的实时感知获取。

3、数据分析层

 数据分析层是在获取制造数据的基础上,通过提取—转换—装载(Extract-Transform-Load,ETL)过程将源自异构传感器和用户界面上多源、分散的数据抽取集成为全局统一的数据形式,以搭建制造过程数据仓库;并根据数据间属性连接和主题相关性,搭建以数据为节点、数据相关性为边的数据关系复杂网络;通过数据关联分析手段,从复杂网络模型中获取数据间的耦合作用机理,搭建数据演化规律预测模型,从而实现对制造过程变化规律的精准描述,并提供可用以制造业务应用的标准化信息。

4、业务应用层

 业务应用层主要面向制造企业的不同优化角度,在搭建面向具体主题的数据仓库的基础上,通过数据分析过程获取关联信息描述的数据演化规律,并采用实时预警、反馈调控和仿真优化等具体手段,实现生产过程监控服务、生产任务调度服务、产品质量优化服务、设备维护维修服务等各种制造服务业务,其本质是对工厂运行知识的应用,以实现制造过程的实时动态优化,提升制造企业智能化水平。

5、云端服务层

 云端服务层将制造资源等基础设施、数据分析平台、业务应用软件与生产制造服务虚拟化封装成云端服务,搭建面向制造的服务仓库。同时基于服务互联网和云制造服务平台实现对封装制造资源及服务的集中管理和高度共享,根据客户大规模定制产品生命周期的个性化需求,通过制造资源的敏捷配置与制造服务的客户定制,实现全球化互联工厂的协同制造,为客户提供可靠的个性化服务,生成智慧工厂下的协同制造新模式。

6、大数据中心

 大数据中心的相应数据包含制造资源基本配置数据和互联网络数据、传感器采集数据和用户操作事务数据、全局统一格式数据和数据关联规则信息、业务应用优化知识和制造增值智能服务、制造服务封装平台和网络协同智慧集成等不同的体现形式。大数据中心不仅需要针对这些数据普遍存在的高噪声、多样性、多尺度的特性选用合适的数据清洗方法与数据集成方法提升 数据质量与数据可用性,还需要针对数据普遍存在的规模性和高速性选用高效并行的数据查询、存储与读取算法以提升 数据获取与分析效率,针对智慧工厂多层次业务应用情况下数据普遍存在的高维度特性创建面向主题的数据仓库,以提升 业务相应数据的聚集程度;最终可以将智慧工厂大数据作为云制造平台中重要的的制造资源进行虚拟化封装与网络化交易,以提升 数据的全局共享程度。基于大数据中心提供的数据支撑,大数据技术可根据智慧工厂技术体系不同层次的互联化、数据化、信息化、智能化和智慧化目标,提供数据采集、数据融合、数据分析、数据应用、数据交易等诸多功能,使智慧工厂的技术体系实现与发挥智慧化效用。

四、结束语

 伴随着以计算机和互联网为代表的信息技术在行业应用的逐步推进,制造业正在经历以信息化与自动化紧密结合为标志的新一代产业革命,逐步形成具备全球化、信息化、透明化和智能化等特性的智慧化新工厂。本文在对智慧工厂“制造互联+智能制造执行+制造协同”内涵和大数据特点深入探讨和分析的基础上,提出包含物物互联、对象感知、数据分析、业务应用和云端服务的智慧工厂技术体系层次化架构,探讨了大数据驱动的制造过程动态化优化技术方法体系。本文所提的基于大数据的智慧工厂技术体系,对物联网、服务互联网、用户交互网和企业知识网等技术在工厂层级的集成具备重要的借鉴价值,为传统制造工厂从数字化、信息化、智能化到智慧化发展奠定了研究基础。

原创文章,作者:306829225,如若转载,请注明出处:https://blog.ytso.com/242857.html

(0)
上一篇 2022年4月10日
下一篇 2022年4月10日

相关推荐

发表回复

登录后才能评论