工业制造大数据分析

工业制造大数据分析
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
如何实现智能制造是大家都关心的问题。从哈佛商学院的迈克尔·波特到宾夕法尼亚大学沃顿商学院，有一个普遍的共识，即数字化转型是智能制造实现的途径。重要的是，这个共识也来自于众多的世界级制造业企业与企业家们。
这一共识是基于无数技术趋势的融合，例如，物联网、赛博系统(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟／虚拟增强现实（VR／AR），以及大数据分析等。我们一定要保持清醒，不要简单地认为有了这些技术，未来五年就是制造业的黄金时期。道理很简单，这个新制造业文化的变革进程是相当复杂和艰难的，没有行业、企业与用户的融合推进，无法实现这次变革。数字化转型不仅仅意味着企业简单的数字化，而是把数字作为智能制造的核心驱动力，利用数据去整合产业链和价值链。
自工业革命以来，为了改进运营，制造商一直以来都在有意地采集并存储数据。随着时间的推移，数据在制造业分析的需求将越来越大。然而在过去的许多年间，利用数据的根本动因并没有改变，数据的复杂性增强，数据转化为情报的能力越来越大。
2012年高德纳给出大数据定义，其中特别强调大数据是多样化信息资产，不仅关注实际数据，更关注大数据处理方法。数据量大小本身并不是判断大数据价值的核心指标，而数据的实时性和多元性对大数据的定义和价值更具直接的影响。
在讨论工业大数据分析的时候，我注意到两种不同的观点：
第一种观点认为，制造业向来都有大数据。几十年来我们的企业一直在通过历史记录、MES、ERP、EAM等各种应用系统采集数据。在部分产业链环节，特别在市场营销方面，大数据算是一个新的热词。
第二种观点认为，从工业大数据角度看，制造业是一个尚未打开的市场或刚刚开启的市场。存在大量不同类型的数据，但如今它们还未被应用到分析之中。
考虑到这些观点，面对任何新的市场提法，包括名词解释、定义或分析框架，我们始终都应该保持适当的怀疑精神。这里我更多倾向于第二个观点。我们的制造业的确有“大量数据”，但这并不是我们大多数人从市场上所理解的“大数据”涵义。在搞清楚工业大数据分析之前，我们应该如何定义制造业的大数据？这里可以通过大数据的三个特性，进一步了解大数据的特性。
数据来源
工业大数据的主要来源有两个，第一是智能设备。普适计算有很大的空间，现代工人可以带一个普适感应器等设备来参加生产和管理。所以工业数据源是280亿左右大量设备之间的关联，这个是我们未来需要去采集的数据源之一。
第二个数据来源于人类轨迹产生的数据，包括在现代工业制造链中，从采购、生产、物流与销售内部流程以及外部互联网信息等。通过行为轨迹数据与设备数据的结合，大数据可以帮助我们实现对客户的分析和挖掘，它的应用场景包括了实时核心交易、服务、后台服务等。
数据关系
数据必须要放到相应的环境中分析，才能了解数据之间的关系。譬如，每一款新机型在交付给航空公司之前都会接受一系列残酷的飞行测试。极端天气测试就是测试之一。该测试的目的是为了确保飞机的发动机、材料和控制系统能在极端天气条件下正常运行。
问题的处理关键在于找到可能产生问题的根源，消除已知错误，并确保解决方案的可靠有效。一旦找到并确定了根本原因，同时具备了可接受的应急措施，就可把问题当成一个已知错误来处理。问题调查的过程一定需要收集所有可用、与事件相关的信息，以确定并消除引起事件和问题的根本原因。数据采集与分析必须要事件／问题发生的环境数据结合。
数据价值
对于数字化转型，大数据不仅要关注实际数据量的多少，最重要的是关注大数据的处理方法在特定场合的应用，让数据产生巨大的创新价值。如果离开了收益考虑或投资回报（ROI）的设计，一味寻求大数据，则大数据分析既无法落地也无法为企业创造价值。
工业大数据分析的定义
发动机是飞机的心脏，也是关乎航空安全，生命安全的重中之重。为了实时监控发动机的状况，现代民航大多安装了飞机发动机健康管理系统。通过传感器、发射系统、信号接收系统、信号分析系统等方式采集到的数据，会经由飞机通信寻址与报告系统，通过甚高频或者卫星通信传输出来，这就是为何GE的发动机监控系统每天会获取超过1PB数据的原因。
生产执行系统（MES）与飞机发动机健康管理系统如出一辙。我们可以从工厂的生产中，实时采集到海量的流程变量、测量结果等数据。基于大量数据集而生成的报表，或是基础统计的分析并不足以称为制造业的大数据分析。
数据类型的多样性是工业大数据分析的重要属性
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
例如，生产环境中收集的时间序列模拟流程变量，数据的类型是单一的，很容易建立索引，即使存在千千万万，也不足以成为大数据。
数据必须包括高度可变性和种类多样性。制造工厂中存在无数的大数据应用，但并不包括简单地分类和展示一连串的流程测量结果，对这些工作，基本的统计展现就可以完成。一些大数据的数据库或数据湖的构成部分也是文本信息、图像数据、地理或地质信息和非结构信息，例如，通过社交媒体或其他协作平台获得的数据类型。
制造业信息结构概括起来分为两层，一个是管理层，一个是自动化层。从经营管理、生产执行与控制三个纬度来实现决策支持、管理、生产执行、过程控制以及设备的连接与传感。制造业中大数据分析是指利用通用的数据模型，将管理层与自动化层的结构性系统数据与非结构性数据结合，进而通过先进的分析工具发现新的洞见。
大数据分析对企业生产智能的意义
制造业创新的核心就是要依托大量的前沿科技。先进的技术是创新的手段。在新技术的支持下，可以通过一体化的制造运作管理系统MOM将企业管理应用系统，例如ERP、EAM等系统与工业自动化的相关系统整合为一体。在一体化制造运作管理的基础上，我们可以实现集IT+MOM+MES+BI的一体化制造企业信息系统解决方案。
从两化融合的角度来看，信息系统供应商要从企业的主信息系统提供商（MIV，MainInformation systems Vendor ）定位来做好规划、标准、功能设计、实施策略的统一性工作。协助企业做好风险控制，降低投资，降低 *** 作维护成本，实现企业信息系统全集成。
特别需要注意的是，企业管理信息平台被普遍认为是制造企业管理的集成和仪表板工具。许多供应商既大量投资其与ERP和自动化系统专有的集成，也投资开放式集成，还投资仪表板和移动技术，希望随时随地为需要正确信息的决策者提供衡量标准。
制造业大数据分析的三种途径
途径一，利用开放技术与平台，将任何系统的数据移动到任何其他地方。
制造运作管理系统建设项目是系统工程，不仅仅是一套我们理解的传统软件系统，更多的是项目执行和服务的平台。这需要在项目管理与制造企业的策略“客户服务”上，体现出制造企业的综合管理能力与软实力。
整个平台要从前期、工程实施以及售后服务这三个大的阶段来架构。在前期规划中，要重视标准、设计与实施，特别是与管理一体化的信息系统形成统一的对接。有了前期统一规划的制定，工程实施的环节可把行业的经验、集成能力、实施能力、软件开发能力等融合。特别需要在组织上建立和形成超级团队的制度。而持续服务、长期经营，将物联网应用融入与“软件+云服务”的互联网＋战略是后续服务的考虑重点。
在制造业大数据分析工作中，必须要加强通过物联网科技的应用对后续持续服务的支撑作业。通过工业物联网，实现的及时响应客户、物联网软硬件系统定期巡检、提供应急备件、提供易耗品、完善应用等功能来加强和锁定与企业的供应链企业之间的长期合作。通过管理平台与物联网数据，可以持续为客户提供有价值的服务。
途径二，投资工厂内外系统架构堆栈中能够处理结构性和非结构性数据的数据模型。
新技术是创新革命的核心，其中很重要一个特点就是集成，即制造运作管理系统MOM与ERP、EAM、OA、商业分析的集成，包括一键登录、界面集成、消息推送、工作流集成、主数据、应用集成总线与平台。
由于这些系统之间主数据全部统一，所有系统之间的数据交互依靠应用系统总线进行数据交互，整合了跨系统的业务流程、工作流、服务流程等之后即实现无缝集成和分析。对于企业管理者来说，一键登录后，可以根据不同的岗位，个性化制定并且显示与管理最相关的必要信息。这就是互联网所带给我们的分享思路。
途径三，通过时间序列、图像、视频、机器学习、地理空间、预测模型、优化、模拟和统计过程控制等先进的分析工具与制造业企业内的大数据平台结合分析，从而洞见尚未显现的情况。通过传感器、感应器、传输网络和应用软件等物联网数据，与管理应用软件结合起来，将是今后制造业大数据分析的一大方向。
培养企业内部大数据分析专家
作为一个行业，我们需要有机地发展行业特定的大数据分析工具集，这样才能让现在的行业专家，从足够的数据科学中实现数字化转型。为了推动转型，我们需要一大批优秀的企业利用这种方法，并向其他人或同行证明其价值。

说起智能工厂，人们总是将其与无人化工厂相联系，其实智能工厂并不一定是“黑灯工厂”，或者说，智能工厂也不应该仅仅是“黑灯工厂”。对于现在大部分存量工厂而言，如何变成智能工厂，其实就是要弄清楚对于存量工厂而言，其痛点是什么；或者说，什么方式可以帮助其智能化转型，并为其所用。在 科技 进化到一定阶段之前，存量工厂如何智能化？

那么，在探讨存量工厂智能化转型之前，我们首先要知道几个概念：物联网是什么？工业互联网又是什么？

简单来说，工业互联网由工业物联网和产业互联网组成。

工业物联网是物联网（IoT）在工业场景的应用，可以打通工业“人机物法环测”六大要素。

产业互联网使产业链上下游互联互通。

工业互联网+云计算+大数据处理+人工智能，构成针对工业的综合性技术。

对于单体工厂来说，IoT是变成智能工厂的第一步，只有迈出了这第一步，才能实现数字化、智能化。

阿尔卑斯系统集成（大连）有限公司（简称“ALSI”）为制造业提供多元化智能工厂规划方案。其中，ALSI大连IoT解决方案主要根据制造现场实际情况，完成“人机物法环测”六要素有效数据的自动采集与上传，并进行数据分析与管理。

总体来说，ALSI大连IoT解决方案有五大特点：

1适用范围广。无论是由专用设备组成的产线，还是通用设备，都可以采用。

2具有强大的兼容性。无论一条产线上有多少种不同品牌、型号的设备，都可以统一入网进行全自动数据采集。

3接口完全开放，可与各种管理软件无缝衔接。如MES、PLM、WMS，都可调用ALSI的IoT解决方案采集的数据，也可以通过ALSI直接定制智能产线控制系统，实现现场管理的智能化转型。

4传感器技术先进。ASLI大连的集团公司ALPSALPINE，是世界知名的传感器研发生产企业，品质卓越，技术领先。“稳定”、“安全”是它的特点；“精准”、“可靠”是客户对它的评价。ALSI大连在IoT解决方案中根据应用场景需求选用最适合的传感器，完成向智能工厂转型的坚不可摧“基建”工作。

5成本相对较低、实施难度小。以生产设备智能管理为例，其成本仅为PLC的1/3，加装数采设备时不用停产，而且数采设备可以随时更换，或用于其它设备或产线，自由、方便、灵活。

对于存量工厂而言，一味地追求智能工厂建设不科学，而直接转变为“黑灯工厂”更是不现实的事情，在一定的 历史 时期，我们要考虑智能工厂的目的是什么，或者说，对于存量工厂来说，什么才是“智能工厂”，那一定是落地的、切实可行、将影响降到最小的解决方案，才是其智能化的切入点。

更多智能制造解决方案详见

ALSI大连_精益生产_智能工厂_设备监控系统_阿尔卑斯系统集成（大连）有限公司

工业物联网云平台推荐是一个基于云计算、大数据、人工智能等前沿技术的智能制造平台，它集数据采集、数据存储、数据处理、数据分析、决策支持等功能于一体，可以实现设备的远程监控、预测性维护、异常检测以及生产调度、设备管理等工业应用。

工业物联网云平台推荐的主要特点包括以下几个方面：

一、开放性

工业物联网云平台是一个开放的平台，它采用标准化的接口和协议，与各种硬件设备、传感器、机器人等工业设备实现无缝对接，与各种软件系统、应用服务实现互联互通。同时，平台还提供了丰富的API，方便开发者和企业自主开发和集成精细化的应用。

二、可扩展性

工业物联网云平台是一个高度可扩展的平台，它可以支撑海量设备数据的采集、存储、处理、分析和应用，能够灵活地满足用户的不同需求。此外，平台还提供了多样化的工具、算法和应用组件，方便用户根据实际情况进行定制化。

三、协作性

工业物联网云平台是一个强调协作的平台，它鼓励企业之间、企业和研究机构之间、企业和政府之间等多种形式的合作，共同推动工业物联网技术的创新和应用。平台还提供了多种合作机制和服务，包括共享设备、协同工作、技术支持、数据交换等，为用户提供全方位的支持。

四、安全性

工业物联网云平台推荐是一个高度安全的平台，它采用了多种安全技术和加密方案，保障用户数据的机密性、完整性和可用性。平台还提供了完善的权限管理和安全审计机制，有效防范各类网络攻击。

工业物联网云平台推荐，上海力控科技ThingNet物联网云平台是基于以往的物联网产品，以及目前市场上的各种云平台优点，精心打造的一款实现设备上云的多功能产品，该物联网云平台面向设备而使用，例如大型的空调机组、空压机、泵等等设备的上云，云平台提供从设备接入、运行监控、设备资产管理、工业数据预知分析等一站式SaaS服务，使用对象可以为设备厂家、设备运维厂家、以及相关设备管理型公司等。

工业物联网案例比较多：1、物联网传感技术检测水环境；2、无线数传在桥梁检测中传感器信号的采集方案；3、物联网在工业现场远程采集、控制应用案例；4、E820-DTU工业现场无线变送应用；5、非接触式经济之无人零售方案等等。

包括工业互联网在内，一切产品和服务要想取得好的发展，要么可以降低成本，要么能提升效率，要么能带来极致用户体验!我们不妨从这三个角度看看哪里是工业物联网的瓶颈:
首先是成本，从部分to c 的产品来看，比如智能手表，可以记录步数，可以测量心率不用我们跑去专门买特定的设备，不用我们跑去找专门的厂商，所以客观上起到了降本的作用，但是在to b产品中，这个作用还感受不太明显，因为这时候研发/采购这样的物联网设备本身就是一项超级大的成本支出，但是因为之前没有应用过，他能否带来效益/带来多大的效益都是未知数，我认为这是制约物联网进一步铺开的重大阻碍之一;
其次是效率，同成本分析类似，to c的产品应用相对简单，通过说明书甚至在没有说明书的指导下我们也能轻易的上手，但是to b 产品不同，他们非常的庞大和复杂，需要经过专业和长时间的培训才能掌握，有时候甚至需要招聘专门的特定人才，从这个角度而言，他上车的效率其实并不高;而到了使用环节。因为实际业务运行过程中会面临各种条件的变化和挑战，这极其考验工业互联网产品的算法的柔性适应和匹配能力，像很多大型制造业引入了mes系统，做的好确实效益不错，但是也有搞的一团糟的情况;
最后说用户体验。我觉得现在只能说一般，to c的产品其实 *** 作上手非常容易，但是他的 *** 作界面非常的简单和狭小，注定了没法进行更为复杂深度的 *** 作控制;而to b的大型产品中，又因为他产品功能和涉及技术里面的复杂性，让他变得不那么容易 *** 作，或者说这里面其实设计了自动化技术已经很少需要人为的去 *** 作。
严格来说to c产品并不属于工业领域，但是不妨碍我们一同来类比讨论，通过上访论述，我的观点是工业物联网的瓶颈在于成本太高，需要前期带着不确定性效果的情况下就要投入巨资!这无论从心里层面还是实际层面都会对企业造成很大的阻力。

大力发展工业物联网能够解决国家目前实业信息调度所需要面临的种种问题，对于企业发展，国家经济发展都有着不可忽视的意义。工业物联网的产生意味着将工业圈往生态圈靠拢，因此，虽然成本高、耗时多、物联网仍然在蓬勃发展。

物联网产业覆盖广泛。它几乎涉及到每个学科，每个行业(从制造业到互联网行业)。
在工业方面，工程师们一直在努力，他们想要连接工厂里所有的传感器，以改变现有的状况。
在每个节点上都放置传感器，这似乎看起来有点信息过载。但事情情况却并非这样。通过这些收集的信息，你就可以确切知道制造过程每一步的情况。真正的关键是实时的利用这些信息。显然这比“关闭机器”意味着更多事情，对于企业来说，关闭任何一个进程都是非常昂贵的。
这类的传感器并不是简单的on-off结构。它们可以指示机器的健康程度，让 *** 作者知道机器何时需要保养，以做好应对的准备。对于设备来说，任何的调整都会产生连锁反应。

---