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。
文/杨剑勇
以NB-IoT和LoRa为核心的低功耗广域网无线连接规模日益扩大,且5G也开启冲刺阶段,大连接将掀起新一轮信息 科技 变革,一个万物互联的时代伴随通信技术发展即将到来,只是,万物互联最终透过云端实现跨行业和跨设备互联互通,各种设备所收集到的数据经过“云”上处理,并利用这些数据将会催生众多新商业模式。
万物互联在于通信技术发展,而万物智能在于数据处理,使得各种设备具有感知能力,云端作为数据集散中心,并利用AI技术,使得万物智能得以实现。
物联网核心在于数据的收集和处理,数以万亿计的传感器被嵌入到各个角落,所收集数据经AI技术进行智能分析,正是这个小小传感器,则驱动着 社会 数字化变革,企业有能力获取无限数据,并从中洞察实现快速创新,驱动产业转型升级,基于海量数据,地区甚至可以洞悉未来商业经济。
各种智能设备和传感器联网后,所产生数据并将厘清,挖掘其价值,从而激发物联网潜力。而云服务商则打通了云、端、边,并通过AI能力助力物联网应用落地,至此,各巨头积极布局,不仅有亚马逊、微软和谷歌等国际巨头,包括BAT今年纷纷调整战略,提升云服务战略,向物联网延伸,以此抢夺这条全新赛道。
在此之前,物联网并没有得到大规模部署,物联网高级顾问杨剑勇支持,受制于传感器的部署,跨品牌、跨平台和跨设备之间互通限制,以及物联网设备碎片化等诸多因素,但一线 科技 巨头进入,并伴随传感器部署规模日益扩大,以及无线通信技术迅猛发展,经过云端把人、机器和数据连接起来,且能为物联网所产生的海量数据提供强大的计算处理的平台,是物联网发展关键所在。
至此,巨头的云服务面向各行业物联网云平台应运而生,继而激活数据价值,以丰富的应用来抢夺主导权,对于他们来说,丰富的物联网应用是争夺市场核心,在其平台比拼的是应用能力,覆盖工业、交通、教育和金融等丰富的应用,这将是争夺物联网这一张船票的核心。
物联网不断推进和部署规模日益扩大,数以百亿设备接入网络,其经济价值超10万亿美元,各种设备利用传感器收集数据,一部分在边缘侧处理,并结合云端大脑,使得设备具有感知能力,仅在工业互联网领域就能激发高达7000亿市场规模。制造业在部署各种传感器后,与云平台结合,并利用人工智能技术对数据分析,赋予工业企业依据数据具有洞察力,把制造业推向数字制造转型。
(一)微软
GE在微软Azure云平台上标准化其Predix解决方案,将Predix产品组合与Azure的本地云功能,包括Azure物联网和Azure数据与分析,进行深度整合。在农业应用方向,布勒集团作为一家食品加工系统企业,将人工智能、智能云以及物联网技术相结合,提高玉米产量,同时最大限度地减少谷物地毒害污染。
微软以云、边缘智能和人工智能构件生态,并已经广泛应用智能硬件和工业制造等各行各业,Azure IoT等服务帮助制造商实施工业40,包括ABB和西门子等工业巨擘都在利用微软Azure开发自己的物联网平台。
(二)腾讯
腾讯云和三一重工打造的工业数据根云平台,三一重工连接了全区超过30万台重型机械设备,能够实时采集近1万个运行参数,共积累1000多亿条工程机械工业大数据,实现了全球范围内工程设备2小时到场,24小时内完工的服务承诺,大大提升了运营的效率,堪称工业智慧生态中的典范。
腾讯云在华星光电应用场景中,通过物联网平台采集数据,利用腾讯优图AI图像检测技术,系统可以724小时不间断进行质检工作,准确率达到了90%以上,远远超过人的水平,整个生产周期缩短了近40%。
产业互联网最初的营收机会还是来自云业务,腾讯的云服务增长非常快,市场份额一直不断提高,并强调,云业务的本质决定了需要大量的投入,包括数据中心和服务器方面的支出,这样才有来自云服务的经常性收入。这是腾讯总裁刘炽平在此前第三季度季报后高管电话电话会议上的讲话。
特别今年新成立云与智慧产业事业群后,腾讯积极拥抱产业互联网,通过整合自身技术和生态资源,腾讯云正构筑全链路的开发者服务体系,帮助人工智能、物联网、小程序、云原生领域开发者快速成长,并促进各行业与互联网深度融合,助推产业互联网升级。
(三)百度
百度以ABC+IoT+智能边缘促进物联网在各垂直领域展开大规模应用,百度云质检云解决方案帮助宝钢建立从连接采集、存储计算到理解决策的感知认知平台,并展示了钢包内衬熔损识别的应用。还有宝钢技术和百度共同打造“智能钢包”应用,通过为钢包部署传感器,实时监控钢包状态,并结合ABC能力打造智能调度的钢包管理系统,降低50%钢包烘烤能耗,平均降低出钢温度10℃,可以节约能源成本70亿元,大约可以节约150亿元。
百度在物联网应用中能大放异彩,得益于2010年开始积极 探索 发展AI技术,应用开始在多个领域开花结果,并以百度云为平台把AI能力分享给 社会 ,从农业到工业,从家庭到 汽车 ,以及翻译、图像识别和信息流等产品和服务,百度AI商业落地走在行业前列。在百度看来,人工智能将推动全 社会 新一轮产业变革,“云”巅之上的企业正向着智能化、AI化升级。
(四)阿里
阿里云在制造业也有不少案例,通过云+AI+IoT能力先后为协鑫集成、天合光能和徐工集团等大型制造企业提供服务。基于阿里云可以轻松安全地将设备连接至云,从边缘设备到云端,从各种设备上收集数据、分析数据,帮助制造业提高运营效率,如协鑫光伏切片生产车间,生产良品率已经提升1个百分点,每年可节省上亿元的生产成本。
全球工业40和智能制造如火如荼进行中,这制造业升级大趋势下,越来越多的制造商开始评估并加大部署物联网,不仅西门子和通用电气等工业巨擘,包括 科技 企业也积极涌入,出击这个新风口,纷纷推出打通数据的工业互联网云平台,透过云端连接设备、服务和数据,并经AI技术处理,可以实时监测工厂运转状态,自主检测生产线上机械异常,以数字化来提升工厂生产率和产品合格率,推动制造业向数字化转型。
作者系物联网高级顾问杨剑勇,网易最佳签约作者,致力于深度解读IoT和AI等前沿 科技 ,基于对未来物联网洞察和对趋势判断,其观点被众多权威媒体和知名企业引用。
工业物联网起源:
工业领域的生产设备在以往是没有主动联网功能的,导致生产数据、物料消耗、产品跟踪全部由人工来完成,效率低、错漏多,而且随着产品迭代速度越来越快,需要制造企业拥有极强的敏捷性(例如商家插单生产,可以随时调整生产计划)
物联网的作用就在于能通过硬件技术将设备的生产数据实时获取(这在之前是不可能的),最后经过大数据分析呈现在用户的手机端(例如物料消耗了多少,库存还有多少,每条生产线的生产进度是多少),一旦客户调整需求/插单,就可以通过实时获得的数据合理调整生产计划,达到柔性生产。
工业物联网由大量相连的工业系统所组成,这些系统会相互通讯,并协调数据分析与行动,有助于提升工业效能、有利于整个社会。透过传感器与致动器衔接数字世界与实体世界的工业级系统,可解决更为复杂的控制问题。目前各种系统,正在结合巨量模拟数据,解决方案,希望能透过资料与分析取得更深入的知识。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)