cookieOptions = {...}; .八大工業大數據應用場景,看清物聯網時代的工業生產! - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2020年3月11日 星期三

IoT applications in Industries | IIoT | Industry 4 0


來源:前沿报告上 作者:智造百家  

8大工业大数据应用场景,看清物联网时代的工业生产!
  
工業大數據是一個新的概念,從字面上理解,工業大數據是指在工業領域資訊化應用中所產生的大數據。
  
隨著資訊息化與工業化的深度融合,資訊技術滲透到了工業企業產業鏈的各個環節,條碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術,在工業企業中得到廣泛應用。
  
尤其是互聯網、行動網路、物聯網等新一代資訊技術,在工業領域的應用,工業企業也進入了互聯網工業的新的發展階段,工業企業所擁有的數據也日益豐富。
  
工業企業中生產線處於高速運轉,由工業設備所產生、採集和處理的數據量,遠大於企業中電腦和人工產生的數據,從數據類型看也多是非結構化數據,生產線的高速運轉,則對數據的即時性要求也更高。
  
因此,工業大數據應用所面臨的問題和挑戰,並不比互聯網行業的大數據應用少,某些情況下甚至更為複雜。
  
工業大數據應用,將帶來工業企業創新和變革的新時代。透過互聯網、行動網路、物聯網等,帶來的低成本感知、高速行動連接、分布式計算和高級分析,資訊技術和全球工業系統,正在深入融合,給全球工業帶來深刻的變革,創新企業的研發、生產、營運、行銷和管理方式。
  
這些創新不同行業的工業企業,帶來了更快的速度、更高的效率和更高的洞察力。

工業大數據的典型應用,包括產品創新、產品故障診斷,與預測、工業生產線物聯網分析、工業企業供應鏈優化,和產品精準行銷等諸多方面。本文將對工業大數據在製造企業的應用場景,進行逐一梳理。
  
一、加速產品創新
客戶與工業企業之間的交互和交易行為,將產生大量數據,挖掘和分析這些客戶動態數據,能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中,為產品創新作出貢獻。
  
福特公司是這方面的表率,他們將大數據技術,應用到了福特福克斯電動車的產品創新和優化中,這款車成為了一款名副其實的「大數據電動車」。第一代福特福克斯電動車,在駕駛和停車時產生大量數據。
  
在行駛中,司機持續地更新車輛的加速度、剎車、電池充電和位置資訊。這對於司機很有用,但數據也傳回福特工程師那裡,以瞭解客戶的駕駛習慣,包括如何、何時以及何處充電。即使車輛處於靜止狀態,它也會持續將車輛胎壓和電池系統的數據,傳送給最近的智慧電話。
  
這種以客戶為中心的大數據應用場景,具有多方面的好處,因為大數據實現了寶貴的新型產品創新和協作方式。司機獲得有用的最新資訊,而位於底特律的工程師匯總關於駕駛行為的資訊,以瞭解客戶,制訂產品改進計劃,並實施新產品創新。
  
而且,電力公司和其他第三方供應商,也可以分析數百萬英里的駕駛數據,以決定在何處建立新的充電站,以及如何防止脆弱的電網超負荷運轉。
  
二、產品故障診斷與預測
這可以被用於產品售後服務與產品改進。無所不在的傳感器、互聯網技術的引入,使得產品故障即時診斷變為現實,大數據應用、建模與仿真技術,則使得預測動態性成為可能。
  
在馬航MH370失聯客機搜尋過程中,波音公司獲取的發動機運轉數據,對於確定飛機的失聯路徑,起到了關鍵作用。我們就拿波音公司飛機系統作為案例,看看大數據應用在產品故障診斷中,如何發揮作用。
  
在波音的飛機上,發動機、燃油系統、液壓和電力系統等,數以百計的變量,組成了在航狀態,這些數據不到幾微秒,就被測量和發送一次。以波音737為例,發動機在飛行中每30分鐘,就能產生10TB數據。
  
這些數據不僅僅是未來某個時間點,能夠分析的工程遙測數據,而且還促進了即時自適應控制、燃油使用、零件故障預測和飛行員通報,能有效實現故障診斷和預測。
  
再看一個通用電氣(GE)的例子,位於美國亞特蘭大的GE能源監測和診斷(M&D)中心,收集全球50多個國家上千台GE燃氣輪機的數據,每天就能為客戶收集10G的數據,透過來自系統內的傳感器振動,和溫度信號的恆定大數據流分析,這些大數據分析,將為GE公司對燃氣輪機故障診斷和預警,提供支撐。
  
風力渦輪機製造商Vestas,也透過對天氣數據及其渦輪儀表數據,進行交叉分析,從而對風力渦輪機佈局進行改善,由此增加了風力渦輪機的電力輸出水準,並延長了服務壽命。


8大工业大数据应用场景,看清物联网时代的工业生产!
  
三、工業物聯網生產線的大數據應用
現代化工業製造生產線安裝,有數以千計的小型傳感器,來探測溫度、壓力、熱能、振動和噪聲。
  
因為每隔幾秒就收集一次數據,利用這些數據可以實現很多形式的分析,包括設備診斷、用電量分析、能耗分析、品質事故分析(包括違反生產規定、零組件故障)等。
  
首先,在生產技術改進方面,在生產過程中使用這些大數據,就能分析整個生產流程,瞭解每個環節是如何執行的。一旦有某個流程偏離了標準技術,就會產生一個警報信號,能更快速地發現錯誤或者瓶頸所在,也就能更容易解決問題。
  
利用大數據技術,還可以對工業產品的生產過程,建立虛擬模型,仿真並優化生產流程,當所有流程和績效數據,都能在系統中重建時,這種透明度將有助於製造商,改進其生產流程。
  
再如,在能耗分析方面,在設備生產過程中,利用傳感器集中監控所有的生產流程,能夠發現能耗的異常或峰值情形,由此便可在生產過程中,優化能源的消耗,對所有流程進行分析,將會大大降低能耗。
  
四、工業供應鏈的分析和優化
當前,大數據分析已經是很多電子商務企業,提升供應鏈競爭力的重要手段。例如,電子商務企業京東商城,透過大數據提前分析,和預測各地商品需求量,從而提高配送和倉儲的效能,保證了次日貨到的客戶體驗。
  
RFID 等產品電子標識技術、物聯網技術以及行動網路技術,能幫助工業企業,獲得完整的產品供應鏈的大數據,利用這些數據進行分析,將帶來倉儲、配送、銷售效率的大幅提升,和成本的大幅下降。
  
美國較大的 OEM 供應商超過千家,為製造企業提供超過一萬種不同的產品,每家廠商都依靠市場預測,和其他不同的變量,如銷售數據、市場資訊、展會、新聞、競爭對手的數據,甚至天氣預報等來銷售自己的產品。
  
利用銷售數據、產品的感測器數據,和出自供應商數據庫的數據,工業製造企業便可準確地預測,全球不同區域的需求。
  
由於可以跟蹤庫存和銷售價格,可以在價格下跌時買進,所以製造企業便可節約大量的成本。
  
如果再利用產品中感測器所產生的數據,知道產品出了什麼故障,哪裡需要配件,他們還可以預測,何處以及何時需要零件。這將會極大地減少庫存,優化供應鏈。
  
五、產品銷售預測與需求管理
透過大數據來分析,當前需求變化和組合形式。
  
大數據是一個很好的銷售分析工具,透過歷史數據的多維度組合,可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度,以及最常見的組合形式、消費者的層次等,以此來調整產品策略和鋪貨策略。
  
在某些分析中我們可以發現,在開學季大學較多的城市,對文具的需求會高很多,這樣我們可以加大對這些城市經銷商的促銷,吸引他們在開學季多訂貨,同時在開學季之前一兩個月,開始產能規劃,以滿足促銷需求。
  
對產品開發方面,透過消費人群的關注點,進行產品功能、性能的調整,如幾年前大家喜歡用音樂手機,而現在大家更傾向於用手機上網、拍照分享等,手機的拍照功能提升,就是一個趨勢,4G手機也佔據更大的市場佔有率。透過大數據對一些市場細節的分析,可以找到更多的潛在銷售機會。
  
六、生產計劃與排程
製造業面對多品種小批量的生產模式,數據的精細化自動即時方便的採集(MES/DCS),及多變性導致數據劇烈增大,再加上十幾年的資訊化的歷史數據,對於需要快速響應的APS來說,是一個巨大的挑戰。
  
大數據可以給予我們更詳細的數據資訊,發現歷史預測與實際的偏差概率,考慮產能約束、人員技能約束、物料可用約束、工裝模具約束,透過智慧的優化算法,制定預計劃排產,並監控計劃與現場實際的偏差,動態的調整計劃排產。
  
幫我們規避「畫像」的缺陷,直接將群體特徵,直接強加給個體(工作中心數據直接改變為具體一個設備、人員、模具等數據)。透過數據的關聯分析並監控它,我們就能計劃未來。
  
雖然,大數據略有瑕疵,只要得到合理的應用,大數據會變成我們強大的武器。當年,福特問大數據的客戶需求是什麼而回答是「一匹更快的馬」,而不是現在已經普及的汽車。
  
所以,在大數據的世界裡,創意、直覺、冒險精神和知識野心尤為重要。
  
七、產品品質管理與分析
傳統的製造業正面臨著大數據的衝擊,在產品研發、工藝設計、品質管理、生產營運等各方面,都迫切期待著有創新方法的誕生,來應對工業背景下的大數據挑戰。
  
例如在半導體行業,晶片在生產過程中,會經歷許多次摻雜、增層、光刻和熱處理等複雜的工藝制程,每一步都必須達到極其苛刻的物理特性要求,高度自動化的設備在加工產品的同時,也同步生成了龐大的檢測結果。
  
這些海量數據究竟是企業的包袱,還是企業的金礦呢如果說是後者的話,那麼又該如何快速地撥雲見日,從「金礦」中準確地發現,產品良率波動的關鍵原因呢這是一個已經困擾半導體工程師們多年的技術難題。
  
某半導體科技公司生產的晶圓,在經過測試環節後,每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。
  
按照品質管理的基本要求,一個必不可少的工作,就是需要針對這些技術規格,要求各異的一百多個測試項目,分別進行一次過程能力分析。
  
如果按照傳統的工作模式,我們需要按部就班地,分別計算一百多個過程能力指數,對各項品質特性一一考核。
  
這裡暫且不論工作量的龐大與繁瑣,哪怕有人能夠解決了計算量的問題,但也很難從這一百多個過程能力指數中,看出它們之間的關聯性,更難對產品的總體品質性能,有一個全面的認識與總結。
  
然而,如果我們利用大數據品質管理分析平台,除了可以快速地得到一個長長的,傳統單一指標的過程能力分析報表之外,更重要的是,還可以從同樣的大數據集中,得到很多嶄新的分析結果。
  
八、工業污染與環保檢測
《穹頂之下》令人印象深刻的一點是透過可視化報表,柴靜團隊向觀眾傳遞霧霾問題的嚴峻性、霧霾的成因等等。

8大工业大数据应用场景,看清物联网时代的工业生产!
  
這給我們帶來的一個啓示,即大數據對環保具有巨大價值。
《穹頂之下》圖表的原生數據哪裡來的呢其實並非都是憑借高層關係獲取,不少數據都是公開可查,在中國政府網、各部委網站、中石油中石化官網、環保組織官網,以及一些特殊機構,可查詢的公益環保數據越來越多,包括他們的全國空氣、水文等數據,氣象數據,工廠分布及污染排放達標情況等數據等等。
  
只不過這些數據太分散、太專業、缺少分析、沒有可視化,普通人看不懂。如果能夠看懂並保持關注,大數據將成為社會監督環保的重要手段。
  
百度上線《全國污染監測地圖》就是一個很好的方式,結合開放的環保大數據,百度地圖加入了污染檢測圖層,任何人都可以透過它,查看全國及自己所在區域省市,所有的在環保局監控之下的排放機構(包括各類火電廠、大型工業企業和污水處理廠等)的位置資訊、機構名稱、排放污染源的種類,最近一次環保局公佈的污染排放達標情況等。
  
可查看距離自己最近的污染源,出現提醒,該監測點檢測項目,哪些超標,超標多少倍。這些資訊可以即時社交媒體平台,告知好友,提醒大家一同注意污染源情況,及個人安全健康。
  
工業大數據應用的價值潛力巨大。但是,實現這些價值還有很多工作要做。
  
一個是大數據意識建立的問題。過去,也有這些大數據,但由於沒有大數據的意識,數據分析手段也不足,很多即時數據被丟棄或束之高閣,大量數據的潛在價值被埋沒。
 
還有一個重要問題,是數據孤島的問題。很多工業企業的數據分布於企業中的各個孤島中,特別是在大型跨國公司內,要想在整個企業內,提取這些數據相當困難。因此,工業大數據應用一個重要議題是整合應用。309180530


0 comments: