基于工業大數據的智能制造新模式研究

張梅芳

摘? ?要：隨著制造業信息技術的應用，大量生產數據沉淀并等待發掘利用。工業大數據技術不僅對生產數據有效地收集和管理，同時開拓了智能制造遠程運維新模式。為更深入地探索工業大數據與智能制造的有機融合，從兩者的產生背景、技術特點和融合模式等角度進行了系統闡述。在此基礎上，對該融合模式的創新應用進行了歸納和總結，然后介紹了創新融合模式在水泥生產企業的應用，最后對基于工業大數據的智能制造新模式研究進行了總結與展望。

關鍵詞：工業大數據智能制造遠程運維新模式

中圖分類號：F424? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）03（b）-0039-02

隨著傳統企業向制造服務業轉型的進程，工業數據也歷經多年的積淀。尤其是從事制造服務業的企業，以及工業互聯網平臺企業，都擁有海量的工業數據，逐步形成大數據規模。探索工業企業運行所產生的大數據的運用，正推動著智能制造新模式應用的創新。

經研究，對于多年來從事國際化生產管理服務的企業，在實現制造業產能“走出去”升級為制造服務業“走出去”的基礎上，需要進一步實現制造服務業“走出去”高端化進程。生產制造服務在海外的業務開展，人力成本越來越高，并且隨著工業4.0的推進，工廠裝備、生產線管理等逐漸走向智能化。我們現在正處在變革和創新的潮流下，在這場競爭中，誰擁有先進的技術和服務，誰就占據了市場的高地。為適應這種快速變化的發展趨勢，本文提出工業大數據應用，推動遠程運維服務模式應用，為客戶優化產業鏈管理，降低設備維護成本，從而提升客戶服務水平;通過生產網絡協同管理實現生產效益的提高，同時能夠通過高技術水平的平臺服務，實現輕資產、低成本運行。制造業工業大數據的應用，不僅在技術上有所突破，更加在制造服務模式上有了開創性的拓展。

1? 工業大數據與智能制造融合模式概述

隨著國際化進程，傳統制造企業正在走向全球化運營管理，服務范圍呈現全球化。若以單點式管理模式，使用傳統管理工具，必然不能滿足全球化運維管理的要求，遠程運維服務模式逐漸成為制造企業所要探索和使用的重要方向。遠程運維是以工業大數據為基礎展開的，其最能體現數據運維的新思想、新模式。當管理者面對跨國界、跨時區的工廠運維支持時，需要工業數據通過合理的數據平臺傳輸和展現，為遠程運維提供及時、準確的決策和管理支撐。

本文重點研究了適用于建材制造企業的大數據平臺的關鍵技術及相關應用，解決生產過程中設備、產品質量和運行數據的管理問題。通過與遠程數據中心集成，創新地實現了工廠生產過程中智能化、專業化、實時性的管理。本項目的實施，解決了在全球性項目服務和管理過程中遇到的各種問題，在提高效率、降低成本的同時，為企業創造更多經濟利潤。

2? 遠程工業大數據中心設計

工業大數據平臺以數據中心的DCS數據為基礎輔以人工填報的數據能夠實現制造企業的全方位信息化管理從而規范管理制度，提升管理效率。企業的管理者可以隨時隨地掌握企業的運營狀況，從而做到有的放矢，及時發現問題并進行相應的升級優化。工業大數據平臺以建設遠程工業大數據中心為基礎，初步服務工業企業，逐步擴大客戶范圍，以平臺模式提供豐富的數據服務內容。

遠程工業大數據中心主要分為兩部分，區域工業數據中心建設和核心工業數據中心建設。區域工業數據中心通過組建獨立數據采集和通訊的工業以太網，對下連接區域內多個生產線數據，對上與核心工業數據中心系統的關系型數據庫做二次整合對接，實現在某一核心市場建立輻射周邊的數據服務中心，從而能夠匯集輻射的工廠數據，根據需要為區域市場服務。核心數據中心匯聚所有區域中心的數據，實現數據的集中統一管理和全球運營分析。

通過數據平臺基礎設施的建設，打造三級存儲模式：在工廠內通過組建獨立數據采集和通訊的工業以太網，連接生產現場主要設備、PLC、工業控制系統等，將采集到的數據存儲企業內部，然后將該區域內的工廠通過網絡專線匯集到區域工業數據中心進行二級集中存儲，所有區域工業數據中心的數據通過加密專線在北京建立工業數據中心進行三級存儲。

3? 工業大數據與智能制造融合模式及預期效果

基于工業大數據與智能制造的發展現狀，以及二者在遠程運維新模式的應用，提出利用工業大數據實現與智能制造的融合模式。

從生產制造角度，實際生產過程的設備、產品、人員等方面存在很大不可量化、不可預測導致的不確定性。例如不同廠家、不同型號的零件生命周期差別很大;工人操作失誤造成的資源浪費、加工過程中零件的磨損引起的設備故障;現場執行過程的不可控等。這些不確定性直接影響生產調度安排、產品質量、安全控制、生產決策的準確性。因此，利用大數據技術，收集生產過程數據，對這些不確定性進行分解和量化，降低不確定性帶來的偏差，保證生產過程盡可能透明，進而提高了生產效率。從管理角度，企業還可根據數據分析結果及時更換零件、維修設備、監督工人，實現標準化運轉。

從設備維護角度，通過對設備重要指標參數的記錄，與故障現象直接綁定分析，可以評估設備健康狀況及運行工況，發現問題提前預警，既能夠延長設備使用壽命又能夠減少生產損失。

從質量管理角度，通過對結果數據和過程數據的建模、分析，針對質量控制指標進行全過程監測，覆蓋原料、半成品、成品的質量指標，記錄詳細準確，實現產品質量溯源。

從數據價值角度，搭建大數據平臺，有利于產業數據集成，挖掘數據價值，對于未來人工智能的引入提供數據樣本。最大程度發揮數據價值，數據集成后充分應用大數據技術，形成數據產業鏈。

4? 應用實例

為了驗證工業大數據與制造業的結合應用，選擇在多家水泥企業運行管理中進行了探索實踐。多家水泥企業分布在各個地域，為了實現對國外現場的集中管理，在國內總部也部署一套系統。總部的系統和工廠本地的系統進行雙向的數據同步，本地系統實時監測總部系統數據庫的變化并采用“拉”的方式同步用戶、權限、系統配置等公共數據，同時通過實時分析本地數據庫日志將本地業務數據采用“推”的方式同步到總部數據庫。

（1）數據采集及數據存儲。

OPC數據采集客戶端：在海外工廠部署分布式控制系統（DCS）通過其OPC接口將現場所有設備的運行參數（溫度、壓力、壓差等）以及設備的維護記錄等一系列結構化的數據經專網傳輸至實時數據庫集群中。

（2）數據應用與分析。

設備運行狀態、工藝參數、故障數據實時采集并傳輸，基于大數據分析，逐步實現設備預防性維護與產品良率穩定提升，確保資源充足供給。

工業大數據平臺整體采用成熟的 Hadoop 分布式架構，在核心數據中心以外采用邊緣計算方式，初步進行分析和處理，經分析后的數據再通過全球鏈路，傳輸至核心機房。不同節點構成較好的災備系統，同時在數據安全方面有較好的分層加密應用。平臺通過分布式運算架構，實現海量數據在線和離線的深度挖掘分析;通過大數據引擎，對數據進行流式處理，實現數據分析的時效性;通過大數據可視化平臺，各層級管理人員能夠及時發現隨機或異常信息，進行及時決策和不斷改進;通過統一的大數據可視化系統，各個層級管理人員能夠快速直觀了解到生產現場的全部信息，包括：設備的電量、開關狀態、電機轉速等運行狀態，當前的生產數據，如原料消耗、生料產量、熟料產量、產品產量、能耗數據、環境監測數據等，以及當日的統計數據，如設備運行時間、設備臺時、電量消耗、綜合能耗等。一旦出現異常，及時采取相應措施，確保生產順利進行。同時從中也能夠發現需要不斷革新改善的項目，達到舊價值改善、新價值開發的創新管理模式。

5? 結語

基于工業大數據的智能制造融合模式有助于提高企業制造效率以及智能化水平，促進傳統的生產制造型企業向數字型、智能型和服務型轉型，從而建立遠程生產運維的新模式生態。工業大數據是實現遠程生產運維的重要技術手段，加快我國制造服務業的發展速度，并拓展為全球市場。

目前，工業大數據仍處于起步階段，應進一步推進基于制造業的工業大數據研究，制定相關行業標準，加強新一代信息技術、大數據分析技術、智能科學技術和產品專業技術的深度融合。

參考文獻

[1] 董春濤，李文婷，沈晴霓，等.Hadoop YARN大數據技術框架及其資源調度機制研究[J].信息通信技術，2015（1）：77-84.

[2] 胡一.基于大數據的電子商務個性化信息推薦服務模式研究[D].吉林大學，2015.

[3] GE Predix牽手微軟Azure加速工業數字化進程[J].智能制造，2016（7）：11.

[4] 李末軍.智能制造領域研究現狀及未來發展探討[N]. 工程技術研究， 2017（3）.

[5] Ren L，Zhou W M. Optimization Research and Application of Unbalanced Data Set Mulitclassification Algorithm[M]. International Conference on Intelligent Human-Machine Systems and Cybernetics. New YORK：IEEE，2016：39-42.

[6] Park K， Baek C， Peng L M. A Development of Streaming Big Data Analysis System Using In-memory Cluster Computing Framework： Spark[M]. PARK J J， JIN H，JEONG Y S， et al. Lecture Notes in Electrical Engineering. NEW YORK： SPRINGER， 2016：157-163.