智能制造下工業(yè)大數據技術淺析
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了智能制造下工業(yè)大數據技術淺析范文，希望能給你帶來靈感和參考，敬請閱讀。
新時代下，我國制造業(yè)發(fā)展迅猛。再加上信息技術在制造業(yè)的深度普及和應用，智能制造受到越來越多企業(yè)的重視。將工業(yè)大數據技術應用于其中，不僅能進一步完善制造流程，優(yōu)化運營與服務，還能夠創(chuàng)新產品，推動我國工業(yè)現代化發(fā)展。本文基于智能制造和工業(yè)大數據技術的定義，就智能制造背景下工業(yè)大數據的關鍵技術進行了具體分析。
1.概念界定
1.1智能制造
智能制造源于對人工智能的研究，通常認為智能是知識和智力的總和，前者是智能的基礎，后者是獲取和運用知識求解的能力。具體來說，智能制造涵蓋了智能制造技術和智能制造系統(tǒng)，其是一種由智能機器和人類專家一起組成的人機一體化智能系統(tǒng)。其不僅能夠在實踐中持續(xù)充實知識庫，主動采集周圍的信息數據，對其進行分析、判斷、決策，還具備了自主學習功能，擴大、延伸、取代人類專家在制造過程中的腦力勞動。
1.2工業(yè)大數據
工業(yè)大數據即是對工業(yè)領域內，所有收集到的數據類型和相關應用的總稱。這些數據雖然類型各不相同，但是都具備了四個重要特征：容量大、更新速度快、種類多、價值高。近年來，隨著工業(yè)行業(yè)的進一步變革，工業(yè)大數據已經成為十分重要的新一代信息技術。本質上來說，工業(yè)大數據對于制造企業(yè)的經營管理并沒有直接的價值，而是在智能制造模式中，通過采集數據、分析、存儲、利用等多個環(huán)節(jié)，實現智能制造和制造系統(tǒng)的完美融合，將數據轉化為人們所需要的信息，并從中不斷挖掘數據價值，了解其中的新知識，并獲得有用的信息，為制造企業(yè)的相關決策提供參考，創(chuàng)造出更多的經濟效益和價值。
2.工業(yè)大數據應用價值
2.1科學管控生產流程
依托于工業(yè)大數據，能夠對制造企業(yè)的生產流程實施智能化管控，通過準確收集相關數據信息，如產量、人員、材料等，能夠從中發(fā)現存在的問題，并制定針對性的優(yōu)化措施。同時，通過對電量、耗能量、原材料等數據的分析，能夠從中發(fā)現工藝生產的規(guī)律，并結合市場需求，不斷改進工藝，降低制造成本，達到節(jié)能增效的目的。
2.2促進產品個性化創(chuàng)新
當前，市面上很多智能產品都裝有傳感器模塊，其能夠實時收集相關客戶的信息，并上傳、分析、儲存這些數據，為企業(yè)的決策提供參考。制造企業(yè)可以依托大數據技術對這些內容進行挖掘，了解到不同客戶群體的個性化需求，進而對產品的故障預先判斷，對產品的功能升級改造，最終研發(fā)出更多優(yōu)質產品，推動企業(yè)持續(xù)化發(fā)展。
2.3降低生產運營風險
制造企業(yè)面對激烈的市場競爭，常常會遇到很多不確定因素。智能制造背景下，企業(yè)必須要充分考慮更多的問題，不僅要思考如何生產出優(yōu)質產品，降低生產成本，關注零部件磨損等問題，還需要依托于工業(yè)大數據技術，全面分析各個機器設備在運轉中存在的潛在風險。通過機械設備運轉中的參數收集和分析，幫助企業(yè)預測、防控相關風險，制定風險應急措施，為企業(yè)的健康發(fā)展保駕護航。
3.工業(yè)大數據平臺關鍵技術
3.1數據采集
工業(yè)大數據平臺的底層建設是數據采集，通過和各個工業(yè)業(yè)務系統(tǒng)、中控系統(tǒng)等集成，依托于設備自身或外加網關等方式，獲得結構化、半結構化、非結構化的數據。通常來說，數據采集部分包含了感知層和基礎支撐層，前者主要是對收集到的數據進行初步智能化處理，后者主要是為大數據平臺提供服務器等基礎條件。
3.2大數據預處理技術
該技術主要是對收集到的數據進行分析，包含了清理、變換、歸類等方法，并為后續(xù)的存儲分析環(huán)節(jié)做好準備。該技術涵蓋了數據抽取技術和數據清洗技術，前者主要是對采集到的所有數據進行轉化，規(guī)范數據結構便于后續(xù)處理，后者主要是對數據進行過濾，排除其他干擾部分，獲得需要的、有價值的數據。
3.3大數據存儲管理技術
工業(yè)大數據平臺的構建，融合了多種類型數據庫協(xié)同的方法，如實時數據庫、時序數據庫等。同時，采用了集群式的存儲方法，能夠對所有數據進行存儲，有效地滿足了個別高性價比數據的動態(tài)變化和調用需求。
3.4大數據分析及挖掘技術
主要指從所有收集到的數據中，提取出隱藏、未知、有價值數據的過程。不同的工業(yè)制造企業(yè)可以結合自身實際需求，對該技術進行改造優(yōu)化，針對生產流程選擇對應的數據算法，而后對數據進行挖掘和評價，最終轉化為易于理解的信息。
3.5大數據應用及可視化技術
工業(yè)制造企業(yè)結合生產實踐經驗，構建大數據算法模型，具體內容涵蓋了工藝、質量、設備等。同時依托于人工智能等先進技術，推動企業(yè)實現數字化發(fā)展，不僅能沉淀更多的專家知識庫，構建有效的機理模型，還能夠突破工業(yè)制造中存在的局限。
4.工業(yè)大數據平臺總體架構
工業(yè)制造企業(yè)應結合實際生產需求，構建工業(yè)大數據平臺。首先，要建立完善的全量系統(tǒng)數據采集平臺，對數據實施采集、分類、格式化等操作，分析數據的來源，并對各項工具、方法、設備協(xié)議等進行解析。其次，要構建數據管控體系，以元數據管理作為核心內容，進一步強化對數據的治理工作。一方面，應向下導入數據采集的結果，同時向上開放數據治理結果；另一方面，平臺需要提供管控和應用能力，同時對元數據實施合理規(guī)范的盤點，以此達到集中管控核心數據的目的，最終實現常態(tài)化管理。最后，要構建混合架構、分級存儲的數據倉庫，融合了批處理引擎、流式處理引擎、Mpp處理引擎等，進而形成有效的數據資產。
5.智能制造下工業(yè)大數據技術的應用難點及解決方案舉例
5.1工業(yè)大數據技術在焊接缺陷中的應用
5.1.1技術難點。在工業(yè)機器人的工作過程中，存在常見的焊接缺陷如偏焊、氣孔、熔深不足等。在工業(yè)上，常見的焊接在線檢測方式有兩類，其一是針對短路熔滴過渡形式，檢測的方法是對批量焊接參數采集機工藝試驗，驗證焊接缺陷和焊接工藝之間的參數關系。但是這種方法存在一定的缺點，如軟件采購成本較高，其應用只能針對短路熔滴過渡形式，通用性較差。其二是在焊接方向的正前方裝置激光或高速相機，以此來判斷是否存在焊接缺陷。但這種方法的缺點是安裝位置限制了機器人的焊接姿態(tài)，尤其是在狹小的工況中會降低自動化焊接的效率，并且軟件的采購和維護成本較高。5.1.2MAG焊純軟件原理。該軟件主要是依托于互聯(lián)網大數據、正交試驗、線性回歸等構建焊接缺陷模型。為了提高檢測精度，該模型可以依據不同的設備進行個性化定制，同時還可以建立濾波機制，能夠實時檢測出焊接異常。在此基礎上，該模型可以對焊接缺陷的歷史程序指針追溯，具有采集成本較低、系統(tǒng)安全可靠的優(yōu)點。5.1.3解決方案。在機器人焊接程序中添加關鍵焊縫的標識，利用邊緣計算網關的作用對機器人程序名稱、焊縫編號、TCP坐標焊縫軌跡等進行數據采集。將收集到的數據進行主成分分析，而后實施Kmeans數據聚類，進行BP神經網絡學習建立數學模型。在坐標數據濾波環(huán)節(jié)中對可以利用3σ置信區(qū)間，最終構建關鍵焊縫的偏焊模型。通過實施正交試驗，結合大數據分析回歸構建焊接氣孔及干伸長過短數學模型，前者模型為)(∗−+≤LKYMA，后者模型為)(∗−+≥LKYNA。其中，M、N、K、Y分別表示為實驗值，A表示為焊接電流，Y表示為設定送線速度。在上述模型中，所有的參數都可以結合實際需求進行差異化配置，得出的缺陷檢測結果經過濾波同時匹配到邊緣計算網關內的告警知識庫，將結果推送出來，并且該過程中機器設備也會自動停機，能夠對焊接缺陷的歷史程序指針追溯。
5.2工業(yè)大數據技術在加工專機中的應用
5.2.1技術難點。PLC是加工專機的主要控制系統(tǒng)，由于其缺乏用戶變成交互界面，所以在實際的運轉過程中，對于加工程序關鍵節(jié)點較難識別和判斷。在前期階段，識別專機加工產量的方法是利用主軸負載波形曲線，但是受到板材質量及焊接變形影響，導致產品在加工中常常會出現返修情況，呈現出來的負載波形曲線也不規(guī)律，造成了企業(yè)產量統(tǒng)計數據不精準。與此同時，由于加工專機的裝夾校正時間較長，要想精準分析裝夾校正時間單一的依托PLC系統(tǒng)采集數據存在一定難度。5.2.2創(chuàng)新原理。分別安裝紅外距離傳感器1和2，從兩個傳感器傳達出來的結果來判斷工件是否存在。因為工業(yè)產品的結構通常較大，所以在工裝兩端不低于1.5m的位置安裝紅外距離傳感器，同時在算法模型中設置材料上件的判定條件，就能夠有效屏蔽人員、工具等對工件信號檢測的干擾。5.2.3解決方案紅外距離傳感器和波形智能識別綜合起來應用，能夠實現如下幾項功能：其一，通過對工件上下件進行有效檢測，準確的統(tǒng)計出專機加工產量和真實具體的生產節(jié)拍。在實際生產的節(jié)拍內，如果主負荷不間斷的時間超過了理論加工時間的90%，那么不管負載曲線怎樣變化，計算的加工專機的產量都是1件。其二，組合應用可以精確的統(tǒng)計各個工件的裝夾校正時間，并將加工中的時間片做出具體細化。工件檢測等于1到專機開始運行的時間段內，是校正工件裝夾的時間。從專機運行結束到檢測工件等于0的時間段內，是卸載時間。其三，要想盡快診斷出產品質量存在的不足，就可以聯(lián)合MES系統(tǒng)一起使用。針對正常加工的工件而言，從工件檢測等于1到等于0的時間段內，負載荷波形曲線比較規(guī)律。如果在該時間段內，算法模型檢測到負載波形十分異常，那么工件的物料ID就會反饋到MES系統(tǒng)中，再由系統(tǒng)對異常物料的信息進行確定和定位。例如，全部異常加工材料的數據中，1號焊接機器人生產了約80%比例的產品，則證明了1號機器人引起的質量波動概率最大。應用大數據技術跟蹤焊接參數、順序，找到機器設備存在的故障，就能夠分析出產品質量存在波動的原因，由此為工作人員提供參考，快速改善生產質量。
6.結語
智能制造背景下，工業(yè)大數據技術的應用價值更高、應用范圍更廣。其不僅為制造企業(yè)提供了多方面的數據支持，還能夠合理管控生產流程，降低生產風險，創(chuàng)新產品類型。制造企業(yè)必須要積極重視工業(yè)大數據的應用，并為其提供充足的軟硬件條件，由此最大限度地發(fā)揮工業(yè)大數據技術的應用優(yōu)勢，提高數據分析處理水平，進而推動制造企業(yè)穩(wěn)定發(fā)展。
作者:王紅星 單位:浙江省寧波市中小企業(yè)公共服務平臺
