智能制造與大數(shù)據(jù)：數(shù)據(jù)分析實(shí)現(xiàn)智能化
2020-12-25 15:13:37
次
前面《智能制造與大數(shù)據(jù)——數(shù)據(jù)共享實(shí)現(xiàn)網(wǎng)絡(luò)化》一文圍繞智能制造發(fā)展的第二個(gè)階段——“網(wǎng)絡(luò)化”展開(kāi)闡述，重點(diǎn)介紹通過(guò)主數(shù)據(jù)標(biāo)準(zhǔn)制定及數(shù)據(jù)處理等技術(shù)保障共享數(shù)據(jù)的一致性與完整性，從而實(shí)現(xiàn)網(wǎng)絡(luò)化協(xié)同的目標(biāo)。
制造的進(jìn)一步目標(biāo)是在數(shù)字化和網(wǎng)絡(luò)化的基礎(chǔ)上實(shí)現(xiàn)智能化制造。本期，我們將繼續(xù)和您分享“智能制造發(fā)展的第三階段-智能化”。
一、無(wú)處不在的“智能”應(yīng)用
近年來(lái)，隨著高新科技與創(chuàng)新浪潮的發(fā)展，“智能”二字在我們生活中出現(xiàn)的頻次越來(lái)越高，智能化設(shè)備也越來(lái)越多，如：智能冰箱（通過(guò)溫度自動(dòng)調(diào)節(jié)讓食物保持最佳存儲(chǔ)狀態(tài)）、智能手表（除指示時(shí)間還能監(jiān)測(cè)使用者的睡眠、健康狀態(tài)、足跡等）、智能音箱（除了外音播放還可以進(jìn)行各類(lèi)語(yǔ)音交互，如新聞播報(bào)、智能家電控制等）、智能掃地機(jī)器人（能夠自動(dòng)測(cè)量工作空間、規(guī)劃合理路徑，執(zhí)行全屋清掃）、智能汽車(chē)（無(wú)人駕駛汽車(chē)，通過(guò)車(chē)載傳感系統(tǒng)感知道路環(huán)境，自動(dòng)規(guī)劃行車(chē)路線并控制車(chē)輛到達(dá)預(yù)定目標(biāo)）等。此外，全社會(huì)還在致力于構(gòu)建智慧城市、智慧醫(yī)療、智慧能源、智能化民生等建設(shè)。
“智能”無(wú)處不在，歸根結(jié)底是因?yàn)殡S著數(shù)據(jù)采集、數(shù)據(jù)傳輸與共享、數(shù)據(jù)處理與分析和人工智能技術(shù)的發(fā)展，我們有了從非智能向智能轉(zhuǎn)變的基礎(chǔ)和契機(jī)。站在智能制造的角度，圍繞制造型企業(yè)的智能應(yīng)用重點(diǎn)包括：智能設(shè)計(jì)、智能研發(fā)、智能決策、智能車(chē)間、智能工廠、智能物流與供應(yīng)鏈、智能服務(wù)、智能裝備、智能產(chǎn)線、智能管理等。
二、實(shí)現(xiàn)智能化的關(guān)鍵：大數(shù)據(jù)處理與分析技術(shù)
眾所周知，大數(shù)據(jù)是人工智能的基石，人工智能依賴(lài)于超強(qiáng)的計(jì)算能力和充分的大數(shù)據(jù)集。制造企業(yè)智能化應(yīng)用的真正實(shí)現(xiàn)，必然也需要圍繞企業(yè)發(fā)展中產(chǎn)生的大量多源異構(gòu)數(shù)據(jù)資產(chǎn)作支撐，比如：各類(lèi)業(yè)務(wù)信息系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)；經(jīng)營(yíng)文件、作業(yè)指導(dǎo)書(shū)、質(zhì)檢報(bào)告等半結(jié)構(gòu)化數(shù)據(jù)；生產(chǎn)管理監(jiān)控視頻、測(cè)試音頻等非結(jié)構(gòu)化數(shù)據(jù)；產(chǎn)品試驗(yàn)過(guò)程時(shí)序監(jiān)測(cè)數(shù)據(jù)等。為實(shí)現(xiàn)這些數(shù)據(jù)的充分利用與價(jià)值挖掘，大數(shù)據(jù)處理與分析技術(shù)就顯得尤為重要。
大數(shù)據(jù)處理與分析技術(shù)支撐“數(shù)據(jù)資產(chǎn)價(jià)值化”這個(gè)核心目標(biāo)的實(shí)現(xiàn)，重點(diǎn)是將采集存儲(chǔ)的企業(yè)數(shù)據(jù)資產(chǎn)，通過(guò)業(yè)務(wù)分析、場(chǎng)景構(gòu)建、分析處理、算法開(kāi)發(fā)、模型構(gòu)建、可視化和應(yīng)用開(kāi)發(fā)等步驟，實(shí)現(xiàn)數(shù)據(jù)價(jià)值變現(xiàn)，以達(dá)到智能決策與應(yīng)用的目的。一句話概括，工業(yè)大數(shù)據(jù)分析主要是利用統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、信號(hào)處理等技術(shù)，結(jié)合業(yè)務(wù)知識(shí)通過(guò)對(duì)工業(yè)過(guò)程中所產(chǎn)生的數(shù)據(jù)進(jìn)行處理、計(jì)算、分析并提取其價(jià)值信息、規(guī)律，進(jìn)而實(shí)現(xiàn)自感知、自決策、自執(zhí)行的過(guò)程。
隨著物聯(lián)網(wǎng)、高性能計(jì)算、高維可視化、大數(shù)據(jù)基礎(chǔ)平臺(tái)等技術(shù)的發(fā)展與支撐，基于大數(shù)據(jù)處理與分析技術(shù)，開(kāi)展制造企業(yè)各層次研發(fā)、生產(chǎn)、管理、服務(wù)等智能化決策應(yīng)用模型的開(kāi)發(fā)，解決企業(yè)生產(chǎn)及經(jīng)營(yíng)管理層面的業(yè)務(wù)難題，已成為現(xiàn)階段制造企業(yè)智能化轉(zhuǎn)型升級(jí)的核心工作之一。
三、典型的數(shù)據(jù)分析挖掘過(guò)程
典型的數(shù)據(jù)分析挖掘過(guò)程主要包括基于業(yè)務(wù)充分調(diào)研與理解后的數(shù)據(jù)接入、數(shù)據(jù)預(yù)處理、特征工程、算法選擇與開(kāi)發(fā)、模型構(gòu)建、評(píng)估評(píng)測(cè)、模型洞察、模型部署及成果發(fā)布等過(guò)程。美林?jǐn)?shù)據(jù)完全基于此分析建模流程研發(fā)打造 Tempo 大數(shù)據(jù)分析平臺(tái)，支持企業(yè)級(jí)用戶(hù)快速實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)的深度分析與應(yīng)用建模。
平臺(tái)數(shù)據(jù)接入包含關(guān)系型數(shù)據(jù)庫(kù)輸入、MPP數(shù)據(jù)庫(kù)輸入、大數(shù)據(jù)分析引擎輸入、文件上傳、數(shù)據(jù)同步等不同輸入節(jié)點(diǎn)，支持不同類(lèi)型數(shù)據(jù)的快速導(dǎo)入，為挖掘分析與模型訓(xùn)練提供基礎(chǔ)數(shù)據(jù)源。
2、數(shù)據(jù)處理
提供多種數(shù)據(jù)預(yù)處理方法及數(shù)據(jù)的高級(jí)轉(zhuǎn)換操作，包括但不限于數(shù)據(jù)標(biāo)準(zhǔn)化、RFM分析、因子分析、角色定義等，實(shí)現(xiàn)數(shù)據(jù)清理、集成、變換、消缺、歸約等預(yù)處理操作，為挖掘分析做好數(shù)據(jù)準(zhǔn)備。
3、特征工程
要構(gòu)建一個(gè)高效精準(zhǔn)的機(jī)器學(xué)習(xí)模型有很大一部分因素取決于特征向量的選擇與提取，構(gòu)造好的特征向量，是要選擇合適的、表達(dá)能力強(qiáng)的特征。尤其是對(duì)于工業(yè)大數(shù)據(jù)來(lái)說(shuō)，由于數(shù)據(jù)來(lái)源多、業(yè)務(wù)機(jī)理復(fù)雜、外界因素干擾、傳感器異常等原因，企業(yè)原始數(shù)據(jù)包含較多的異常點(diǎn)、干擾點(diǎn)，多維度之間存在非線性關(guān)系等，這些都將直接影響后續(xù)模型構(gòu)建的準(zhǔn)確性以及模型復(fù)雜度，因此在算法選擇與模型構(gòu)建之前，需要數(shù)據(jù)分析人員對(duì)原始數(shù)據(jù)進(jìn)行探索分析與特征提取，開(kāi)展過(guò)濾、轉(zhuǎn)化、降維、特征選擇等特征分析工作，為算法選擇與模型訓(xùn)練提供良好輸入。
4、算法選擇
基于業(yè)務(wù)問(wèn)題剖析、數(shù)據(jù)基礎(chǔ)探索與特征工程處理后，算法類(lèi)型的確定與具體算法的選擇將成為搭建分析模型的關(guān)鍵。平臺(tái)提供豐富的分析挖掘算法庫(kù)，包括分類(lèi)、聚類(lèi)、回歸、關(guān)聯(lián)分析、時(shí)間序列、綜合評(píng)價(jià)及文本挖掘等多類(lèi)別上百種機(jī)器學(xué)習(xí)算法，并支持集成學(xué)習(xí)、深度學(xué)習(xí)等框架與應(yīng)用模型搭建，全面實(shí)現(xiàn)復(fù)雜場(chǎng)景下各業(yè)務(wù)數(shù)據(jù)的分析與建模訴求。與此同時(shí)，平臺(tái)提供基于Python、Java、R、MATLAB等編程語(yǔ)言的擴(kuò)展編程接口，支持特定場(chǎng)景下，工業(yè)應(yīng)用領(lǐng)域用戶(hù)的業(yè)務(wù)型經(jīng)驗(yàn)算法、細(xì)分專(zhuān)業(yè)特定算法的快速寫(xiě)入與固化應(yīng)用。
5、模型訓(xùn)練
模型訓(xùn)練是以歷史數(shù)據(jù)為樣本，對(duì)模型進(jìn)行評(píng)估，以保障模型的準(zhǔn)確率。在樣本選擇的時(shí)候，需要滿(mǎn)足數(shù)據(jù)樣本多樣化、數(shù)據(jù)樣本盡可能大、數(shù)據(jù)樣本的質(zhì)量盡可能高等條件。平臺(tái)提供對(duì)模型迭代訓(xùn)練過(guò)程的可視化洞察功能，實(shí)現(xiàn)模型訓(xùn)練過(guò)程的全透明管理監(jiān)控，輔助數(shù)據(jù)分析人員構(gòu)建高性能和高精準(zhǔn)度的挖掘模型。
6、評(píng)估評(píng)測(cè)
精度準(zhǔn)確、性能良好的機(jī)器學(xué)習(xí)模型不是一蹴而就訓(xùn)練獲得的，過(guò)程中需要基于CRISP-DM流程進(jìn)行反復(fù)迭代、優(yōu)化與評(píng)測(cè)驗(yàn)證，根據(jù)數(shù)據(jù)變化及業(yè)務(wù)決策使用要求反復(fù)調(diào)整優(yōu)化模型。因此，合理、有效的模型評(píng)估方法與機(jī)制是必不可少的。平臺(tái)提供的模型評(píng)估方式支持離線評(píng)估和在線評(píng)估兩種方式，并可直接對(duì)評(píng)估結(jié)果進(jìn)行可視化展現(xiàn)；評(píng)估完的模型可直接在建模工程中進(jìn)行輸出、讀取與復(fù)用。
7、模型洞察
模型洞察的作用是全方位觀察分析建模過(guò)程及模型運(yùn)算的結(jié)果，通過(guò)洞察能夠?yàn)楦倪M(jìn)數(shù)據(jù)分析挖掘流程和模型調(diào)優(yōu)提供支撐，從而提升模型有效性和精度。
8、模型部署
模型部署重點(diǎn)是將設(shè)計(jì)、驗(yàn)證后的模型與調(diào)用流程投入生產(chǎn)使用，通過(guò)發(fā)布挖掘流程，并利用調(diào)度任務(wù)或接口服務(wù)等方式將設(shè)計(jì)好的流程接入到生產(chǎn)環(huán)境，形成最終的決策應(yīng)用系統(tǒng)，指導(dǎo)實(shí)際業(yè)務(wù)的開(kāi)展。
9、、成果發(fā)布
整個(gè)數(shù)據(jù)分析及建模工程完成后，可以快速將分析挖掘模型等成果進(jìn)行發(fā)布與共享，支持外部鏈接、數(shù)據(jù)展示門(mén)戶(hù)及外部調(diào)用接口等多種分享方式。成果發(fā)布后形成數(shù)據(jù)挖掘模型庫(kù)，后續(xù)類(lèi)似應(yīng)用構(gòu)建時(shí)可從模型庫(kù)中選擇已有模型進(jìn)行快速調(diào)整，提升建模效率。支持將發(fā)布后的成果嵌入第三方平臺(tái)或與已有信息業(yè)務(wù)系統(tǒng)集成，并支持將關(guān)鍵信息實(shí)時(shí)發(fā)送到移動(dòng)端、PC端、大屏等，滿(mǎn)足企業(yè)多層級(jí)多場(chǎng)景下決策應(yīng)用的需求。
四、典型應(yīng)用場(chǎng)景：預(yù)測(cè)與健康管理
智能化應(yīng)用的一個(gè)典型場(chǎng)景便是預(yù)測(cè)與健康管理(Prognostics and Health Management，PHM)，尤其是設(shè)備狀態(tài)的準(zhǔn)確分析與預(yù)測(cè)性維護(hù)。一直以來(lái)傳統(tǒng)企業(yè)在典型或核心設(shè)備層面的維護(hù)主要是參照設(shè)備的標(biāo)準(zhǔn)參數(shù)及工人經(jīng)驗(yàn)進(jìn)行設(shè)備維護(hù)保養(yǎng)，維護(hù)人員經(jīng)常不得不選擇提前更換正常部件以最大限度保障設(shè)備正常運(yùn)行，或冒著發(fā)生故障停機(jī)的風(fēng)險(xiǎn)使其盡可能久的運(yùn)行，存在著過(guò)渡維護(hù)、成本浪費(fèi)或潛在風(fēng)險(xiǎn)增大等現(xiàn)象，比如：機(jī)器突發(fā)性故障會(huì)造成時(shí)間、生產(chǎn)和利潤(rùn)的嚴(yán)重?fù)p失。
如何實(shí)時(shí)準(zhǔn)確地判斷設(shè)備的健康狀態(tài)，并提前預(yù)測(cè)設(shè)備或典型部件的失效時(shí)間是困擾企業(yè)的一大問(wèn)題。我們知道，一臺(tái)設(shè)備是否會(huì)提前或者延后失效與設(shè)備的使用過(guò)程有很大的關(guān)系，通過(guò)采集設(shè)備運(yùn)行狀態(tài)信息及設(shè)備維修保養(yǎng)記錄信息，根據(jù)設(shè)備失效的影響因素構(gòu)建設(shè)備預(yù)測(cè)性維護(hù)模型。通過(guò)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)模型構(gòu)建與知識(shí)獲取，在應(yīng)用過(guò)程中以實(shí)時(shí)的設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)為輸入，并基于預(yù)測(cè)出的設(shè)備健康狀態(tài)與失效時(shí)間提前進(jìn)行設(shè)備維護(hù)，可極大程度避免設(shè)備的各類(lèi)突發(fā)故障。基于“數(shù)據(jù)驅(qū)動(dòng)+機(jī)理模型”的設(shè)備狀態(tài)評(píng)估與預(yù)測(cè)性分析，幫助企業(yè)回答了“是否有故障”、“哪一類(lèi)故障”、“何時(shí)維修、如何維修”的問(wèn)題，既能高效準(zhǔn)確找出需關(guān)注的部件或子系統(tǒng)，前瞻性開(kāi)展維修計(jì)劃及工具、庫(kù)存?zhèn)浼臏?zhǔn)備等相關(guān)工作，還可以在設(shè)備脫機(jī)或生產(chǎn)間隙安排并啟動(dòng)維修保養(yǎng)計(jì)劃，為車(chē)間和工廠節(jié)省時(shí)間、金錢(qián)和空間，也可避免不正確的維護(hù)計(jì)劃帶來(lái)的設(shè)備利用率低及突發(fā)故障的產(chǎn)生，進(jìn)而保障生產(chǎn)安全并提高生產(chǎn)效率。
- 較高的運(yùn)維效率：顯著降低設(shè)備的故障率及停機(jī)時(shí)間，提高設(shè)備利用率，保證設(shè)備持續(xù)使用，避免非計(jì)劃性停工，提高企業(yè)生產(chǎn)效率。全面降低由設(shè)備的故障或突發(fā)故障所帶來(lái)的難以估算的安全隱患，提升企業(yè)設(shè)備運(yùn)維效率與質(zhì)量。
- 較好的設(shè)備性能：一體化設(shè)備健康管理平臺(tái)，可有效積累設(shè)備典型故障模式及知識(shí)庫(kù)，結(jié)合設(shè)備全壽期數(shù)據(jù)連接，可實(shí)現(xiàn)設(shè)備研制信息閉環(huán)反饋，全面提升設(shè)備研制與維護(hù)水平。
- 較低的服務(wù)成本：減少設(shè)備整個(gè)生命周期維修費(fèi)用及成本，消除過(guò)度維護(hù)所花費(fèi)的時(shí)間和資源，設(shè)備維修總體原則可改變?yōu)?ldquo;適時(shí)小修、避免大修、預(yù)防性、計(jì)劃性維護(hù)”。
對(duì)于智能制造的發(fā)展來(lái)說(shuō)，數(shù)字化制造、網(wǎng)絡(luò)化制造和新一代智能制造并不是決然分離的，而是相互交織、迭代升級(jí)。在數(shù)字技術(shù)、網(wǎng)絡(luò)技術(shù)充分發(fā)展的今天，智能制造推進(jìn)過(guò)程中都可按照需要融入各種先進(jìn)技術(shù)，進(jìn)而推進(jìn)制造業(yè)轉(zhuǎn)型升級(jí)。
本專(zhuān)欄系列文章主要針對(duì)智能制造三個(gè)階段中的數(shù)據(jù)采集、數(shù)據(jù)共享及數(shù)據(jù)分析等關(guān)鍵技術(shù)進(jìn)行闡述。隨著物聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算等技術(shù)的高速發(fā)展，基于多信息采集與融合分析的智能化應(yīng)用能力逐步落地并發(fā)揮出較大價(jià)值，使得企業(yè)生產(chǎn)能力和經(jīng)營(yíng)效益均達(dá)到了一個(gè)全新高度。對(duì)于期待智能化轉(zhuǎn)型的制造企業(yè)，務(wù)必在開(kāi)展智能制造應(yīng)用規(guī)劃與建設(shè)的過(guò)程中要利用好此類(lèi)技術(shù)，為數(shù)據(jù)采集、數(shù)據(jù)共享與數(shù)據(jù)分析應(yīng)用提供支撐。
只要全面把握企業(yè)智能制造發(fā)展的方向與目標(biāo)，圍繞具體目標(biāo)確定相關(guān)數(shù)據(jù)范圍，并采用合適的數(shù)據(jù)采集技術(shù)獲取數(shù)據(jù)，并將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、規(guī)范化管理，從而實(shí)現(xiàn)高質(zhì)量的數(shù)據(jù)融合與共享；結(jié)合具體業(yè)務(wù)問(wèn)題的智能模型構(gòu)建與利用，實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)管理過(guò)程的診斷與優(yōu)化，實(shí)現(xiàn)生產(chǎn)業(yè)務(wù)、經(jīng)營(yíng)管理活動(dòng)的自感知、自決策與自執(zhí)行，逐步實(shí)現(xiàn)企業(yè)的智能化轉(zhuǎn)型目標(biāo)。
Tempo商業(yè)智能平臺(tái)
Tempo人工智能平臺(tái)
Tempo數(shù)據(jù)工廠平臺(tái)
Tempo指標(biāo)平臺(tái)
Tempo數(shù)據(jù)治理平臺(tái)
Tempo主數(shù)據(jù)管理平臺(tái)
首頁(yè)
美林?jǐn)?shù)據(jù)
大數(shù)據(jù)分析與應(yīng)用
陜公網(wǎng)安備 61019002000171號(hào)
