工業大數據挖掘分析及應用前景研究

徐煜杰

摘 要

當前傳感器、多媒體、數據庫和無線網絡技術得到了快速發展和普及，并已經在工業生產中得到了廣泛應用，由此開發了工業生產監控系統、工業設備維護系統、工業生產流程處理系統等，這些自動化系統在運行中積累了海量的數據資源。

【關鍵詞】工業大數據 關聯規則 設備維護 BP神經網絡

1 概述

大數據挖掘分析可以從海量的、帶有噪聲數據的、不完全的數據記錄中發現隱含的模式，可以為工業數據挖掘提供契機。大數據挖掘可以使用相關的算法尋找隱藏的數據知識，其功能主要包括關聯分析、聚類分析、分類預測、偏差檢測等。 工業大數據產品越來越占據了工業產品制造的一席之地。同時，智能型機械產品有較高的科技含量，這是傳統機械制造所不具備的，因此應用價值高，便利性更大，因此市場前景巨大，且呈現爆發的趨勢。如今經濟發展迅速，對效率的追逐也成了各企業之間競爭的主要手段，效率越高，收益越大，搶占的市場就更廣闊，因此智能型自動化應用得到了前所未有的追捧。不過這是在全球范圍內著眼的，我國在大數據工業應用方面仍然處于弱勢地位，推廣面很窄，這與傳統企業勢力龐大不無關系，但是，經濟的發展又要求生產率的提高，因此大數據工業化應用在我國的推廣勢在必行。相比較于傳統機械制造智能機械制造優勢更明顯：

1.1 員工工作量減少

高效性是工業大數據應用的一大特征。他可以提高機械化設備生產的效率。在工業大數據設備自動化應用過程中，可以將機械設備遠程監控引入生產中，這樣就可以節省人力資源成本，加強設備的智能化，遠程監督，一個人就可以代替好多人盯著機器運轉，從而解放閑置勞動力。這種生產模式還有助于整體調控，在總監控臺有專人監控，一旦任何一臺設備出現問題，就可以及時地維修或糾正錯誤，將以前全靠人力維修的模式顛覆。機械控制和人為控制相比較，另外一個優點就是事故率減少，正因為統一控制，程序審定比較嚴格，整體配性能更好，因此比人工操作出現事故的概率小很多，如今，有些智能機械自動化設備植入只能芯片，可以最大限度模擬人腦來處理突發事故，開創了工業大數據技術先河。這些都大大地保證了產品質量，減輕工作負擔，解放勞動力。

1.2 工業大數據生產擁有更高的效率

工業的發展有目共睹，趨勢就是逐漸邁向自動化、智能化。因為智能機械自動化所帶來的經濟效益是其他產品所不能滿足的，高效率才是高收益的保障。傳統機械自動化應用的生產受到許多因素的制約，比如環境，廠房，人工，天氣等一系列外界或人為的因素。多種因素共同作用下就會制約生產效率的提高，進而阻礙經濟效益的提高。而智能型機械自動化應用相對而言就保持了更穩定的生產性能。在一定程度上講生產程序規范化，統一化，其穩定性是產品生產的保證。只要提前設置好生產程序，那么機器就會在后續的運行過程中沿著這一規定執行，從而自動排出外界環境的影響。另外，事故率也是影響生產的一大要素。工業大數據應用因為科技含量高，擁有較低的事故率，從而在側面節省了機器運行的維修成本，進而提高經濟效益。

1.3 引進國外先進管理水平

工業大數據應用之所以稱為智能，是因為其依賴于科學技術，擁有更高的科技含量，因此在生產環節和全方位控制環節都有很高的穩定性，降低了事故率。這種生產方式有利于人們從整體上對生產進行統一調控，將各個環節統一連接起來，使生產線一目了然的呈現在人們面前，從而加大對生產過程的掌握和保護。在資源利用率方面，工業大數據應用擁有較強的資源利用率，利用發達的科學技術將原材料進行有機整合加工，在生產線上避免了原材料的浪費，因此其生產活動就更加高效。從管理方面的角度來說，可以通過判斷機械設備運行參數，了解設備的運行能力，可以對數據進行合理的評估，從而提高管理的效率。在工業大數據自動化系統后，有效提高了機械生產的質量，而且提高了機械管理的水平。

2 工業大數據挖掘分析技術及模式

工業生產引入自動化系統始于第二次工業革命，隨著傳感器、移動通信等技術的快速改進，工業生產正在向著密度更高、效率更高的綜合信息化運行模式發展，引入了許多先進的計算機系統，這些系統運行產生了海量的數據信息資源。

3 工業大數據挖掘作用及前景

面對日益嚴峻的產品競爭，工業大數據企業也應該尋求更高效的生產道路。同行業之間競爭激烈，企業管理人員應該根據企業發展的程度將企業生產結構和生產方式進行適度調整，從而使其更適合當今的競爭環境。從企業方面看，產品的適度調整既要提高自身的設備運行狀況，加大設備維護的投入，更要注重國內外先進技術的引進和吸收，與時俱進是每個生產型企業都應該具備的良好良好習慣。如今，工業大數據技術已經被廣泛運用在各行各業中，這正是因為其生產率高居不下，領先傳統行業很多的原因，不僅如此，資源利用率，資源節省量和人力資源的優化配合程度也使其擁有了更多的追隨者。

工業生產過程中，安全生產一直是生產監管的重要方面，大數據挖掘技術可以在工業安全生產中發揮重要的作用。比如電力工業生產可以利用大數據分析技術監控電網的運行狀態，并且將其輸入到虛擬仿真系統中，可以實時觀察電網運行是否存在故障和漏洞。鋼鐵工業生產環境多處于高溫、封閉狀態，并且已經不利于人們的行動，可以利用傳感器、視頻攝像頭采集鋼鐵生產作業環境的實時狀況。

4 結束語

工業生產涉及環節較多，每一個環節都需要采用不同種類和數量的軟件系統和硬件設備，這些軟硬件資源在運行過程中產生了海量的數據，利用K均值、BP神經網絡等構件大數據挖掘與分析系統，能夠有效提升工業大數據分析和挖掘能力，從海量數據資源中發現潛在的有價值信息，提高工業生產決策的準確度，進一步改進工業生產效率。

參考文獻

[1]陳良臣.大數據挖掘與分析的關鍵技術研究[J].數字技術與應用，2015（11）：93.

[2]鄭茂寬，徐志濤，明新國等.船舶工業大數據技術應用與發展前景分析[C].長三角地區船舶工業發展論壇，2014.

[3]宮宇，呂金壯.大數據挖掘分析在電力設備狀態評估中的應用[J].南方電網技術，2014，8（06）：74-77.

作者單位

鄭州市第一中學1710班 河南省鄭州市 450000