智能制造下工業(yè)大數(shù)據(jù)技術(shù)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(shù)據(jù)技術(shù)淺析范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

新時(shí)代下，我國制造業(yè)發(fā)展迅猛。再加上信息技術(shù)在制造業(yè)的深度普及和應(yīng)用，智能制造受到越來越多企業(yè)的重視。將工業(yè)大數(shù)據(jù)技術(shù)應(yīng)用于其中，不僅能進(jìn)一步完善制造流程，優(yōu)化運(yùn)營與服務(wù)，還能夠創(chuàng)新產(chǎn)品，推動(dòng)我國工業(yè)現(xiàn)代化發(fā)展。本文基于智能制造和工業(yè)大數(shù)據(jù)技術(shù)的定義，就智能制造背景下工業(yè)大數(shù)據(jù)的關(guān)鍵技術(shù)進(jìn)行了具體分析。

1.概念界定

1.1智能制造

智能制造源于對(duì)人工智能的研究，通常認(rèn)為智能是知識(shí)和智力的總和，前者是智能的基礎(chǔ)，后者是獲取和運(yùn)用知識(shí)求解的能力。具體來說，智能制造涵蓋了智能制造技術(shù)和智能制造系統(tǒng)，其是一種由智能機(jī)器和人類專家一起組成的人機(jī)一體化智能系統(tǒng)。其不僅能夠在實(shí)踐中持續(xù)充實(shí)知識(shí)庫，主動(dòng)采集周圍的信息數(shù)據(jù)，對(duì)其進(jìn)行分析、判斷、決策，還具備了自主學(xué)習(xí)功能，擴(kuò)大、延伸、取代人類專家在制造過程中的腦力勞動(dòng)。

1.2工業(yè)大數(shù)據(jù)

工業(yè)大數(shù)據(jù)即是對(duì)工業(yè)領(lǐng)域內(nèi)，所有收集到的數(shù)據(jù)類型和相關(guān)應(yīng)用的總稱。這些數(shù)據(jù)雖然類型各不相同，但是都具備了四個(gè)重要特征：容量大、更新速度快、種類多、價(jià)值高。近年來，隨著工業(yè)行業(yè)的進(jìn)一步變革，工業(yè)大數(shù)據(jù)已經(jīng)成為十分重要的新一代信息技術(shù)。本質(zhì)上來說，工業(yè)大數(shù)據(jù)對(duì)于制造企業(yè)的經(jīng)營管理并沒有直接的價(jià)值，而是在智能制造模式中，通過采集數(shù)據(jù)、分析、存儲(chǔ)、利用等多個(gè)環(huán)節(jié)，實(shí)現(xiàn)智能制造和制造系統(tǒng)的完美融合，將數(shù)據(jù)轉(zhuǎn)化為人們所需要的信息，并從中不斷挖掘數(shù)據(jù)價(jià)值，了解其中的新知識(shí)，并獲得有用的信息，為制造企業(yè)的相關(guān)決策提供參考，創(chuàng)造出更多的經(jīng)濟(jì)效益和價(jià)值。

2.工業(yè)大數(shù)據(jù)應(yīng)用價(jià)值

2.1科學(xué)管控生產(chǎn)流程

依托于工業(yè)大數(shù)據(jù)，能夠?qū)χ圃炱髽I(yè)的生產(chǎn)流程實(shí)施智能化管控，通過準(zhǔn)確收集相關(guān)數(shù)據(jù)信息，如產(chǎn)量、人員、材料等，能夠從中發(fā)現(xiàn)存在的問題，并制定針對(duì)性的優(yōu)化措施。同時(shí)，通過對(duì)電量、耗能量、原材料等數(shù)據(jù)的分析，能夠從中發(fā)現(xiàn)工藝生產(chǎn)的規(guī)律，并結(jié)合市場(chǎng)需求，不斷改進(jìn)工藝，降低制造成本，達(dá)到節(jié)能增效的目的。

2.2促進(jìn)產(chǎn)品個(gè)性化創(chuàng)新

當(dāng)前，市面上很多智能產(chǎn)品都裝有傳感器模塊，其能夠?qū)崟r(shí)收集相關(guān)客戶的信息，并上傳、分析、儲(chǔ)存這些數(shù)據(jù)，為企業(yè)的決策提供參考。制造企業(yè)可以依托大數(shù)據(jù)技術(shù)對(duì)這些內(nèi)容進(jìn)行挖掘，了解到不同客戶群體的個(gè)性化需求，進(jìn)而對(duì)產(chǎn)品的故障預(yù)先判斷，對(duì)產(chǎn)品的功能升級(jí)改造，最終研發(fā)出更多優(yōu)質(zhì)產(chǎn)品，推動(dòng)企業(yè)持續(xù)化發(fā)展。

2.3降低生產(chǎn)運(yùn)營風(fēng)險(xiǎn)

制造企業(yè)面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)，常常會(huì)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(chǎn)出優(yōu)質(zhì)產(chǎn)品，降低生產(chǎn)成本，關(guān)注零部件磨損等問題，還需要依托于工業(yè)大數(shù)據(jù)技術(shù)，全面分析各個(gè)機(jī)器設(shè)備在運(yùn)轉(zhuǎn)中存在的潛在風(fēng)險(xiǎn)。通過機(jī)械設(shè)備運(yùn)轉(zhuǎn)中的參數(shù)收集和分析，幫助企業(yè)預(yù)測(cè)、防控相關(guān)風(fēng)險(xiǎn)，制定風(fēng)險(xiǎn)應(yīng)急措施，為企業(yè)的健康發(fā)展保駕護(hù)航。

3.工業(yè)大數(shù)據(jù)平臺(tái)關(guān)鍵技術(shù)

3.1數(shù)據(jù)采集

工業(yè)大數(shù)據(jù)平臺(tái)的底層建設(shè)是數(shù)據(jù)采集，通過和各個(gè)工業(yè)業(yè)務(wù)系統(tǒng)、中控系統(tǒng)等集成，依托于設(shè)備自身或外加網(wǎng)關(guān)等方式，獲得結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)。通常來說，數(shù)據(jù)采集部分包含了感知層和基礎(chǔ)支撐層，前者主要是對(duì)收集到的數(shù)據(jù)進(jìn)行初步智能化處理，后者主要是為大數(shù)據(jù)平臺(tái)提供服務(wù)器等基礎(chǔ)條件。

3.2大數(shù)據(jù)預(yù)處理技術(shù)

該技術(shù)主要是對(duì)收集到的數(shù)據(jù)進(jìn)行分析，包含了清理、變換、歸類等方法，并為后續(xù)的存儲(chǔ)分析環(huán)節(jié)做好準(zhǔn)備。該技術(shù)涵蓋了數(shù)據(jù)抽取技術(shù)和數(shù)據(jù)清洗技術(shù)，前者主要是對(duì)采集到的所有數(shù)據(jù)進(jìn)行轉(zhuǎn)化，規(guī)范數(shù)據(jù)結(jié)構(gòu)便于后續(xù)處理，后者主要是對(duì)數(shù)據(jù)進(jìn)行過濾，排除其他干擾部分，獲得需要的、有價(jià)值的數(shù)據(jù)。

3.3大數(shù)據(jù)存儲(chǔ)管理技術(shù)

工業(yè)大數(shù)據(jù)平臺(tái)的構(gòu)建，融合了多種類型數(shù)據(jù)庫協(xié)同的方法，如實(shí)時(shí)數(shù)據(jù)庫、時(shí)序數(shù)據(jù)庫等。同時(shí)，采用了集群式的存儲(chǔ)方法，能夠?qū)λ袛?shù)據(jù)進(jìn)行存儲(chǔ)，有效地滿足了個(gè)別高性價(jià)比數(shù)據(jù)的動(dòng)態(tài)變化和調(diào)用需求。

3.4大數(shù)據(jù)分析及挖掘技術(shù)

主要指從所有收集到的數(shù)據(jù)中，提取出隱藏、未知、有價(jià)值數(shù)據(jù)的過程。不同的工業(yè)制造企業(yè)可以結(jié)合自身實(shí)際需求，對(duì)該技術(shù)進(jìn)行改造優(yōu)化，針對(duì)生產(chǎn)流程選擇對(duì)應(yīng)的數(shù)據(jù)算法，而后對(duì)數(shù)據(jù)進(jìn)行挖掘和評(píng)價(jià)，最終轉(zhuǎn)化為易于理解的信息。

3.5大數(shù)據(jù)應(yīng)用及可視化技術(shù)

工業(yè)制造企業(yè)結(jié)合生產(chǎn)實(shí)踐經(jīng)驗(yàn)，構(gòu)建大數(shù)據(jù)算法模型，具體內(nèi)容涵蓋了工藝、質(zhì)量、設(shè)備等。同時(shí)依托于人工智能等先進(jìn)技術(shù)，推動(dòng)企業(yè)實(shí)現(xiàn)數(shù)字化發(fā)展，不僅能沉淀更多的專家知識(shí)庫，構(gòu)建有效的機(jī)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(shù)據(jù)平臺(tái)總體架構(gòu)

工業(yè)制造企業(yè)應(yīng)結(jié)合實(shí)際生產(chǎn)需求，構(gòu)建工業(yè)大數(shù)據(jù)平臺(tái)。首先，要建立完善的全量系統(tǒng)數(shù)據(jù)采集平臺(tái)，對(duì)數(shù)據(jù)實(shí)施采集、分類、格式化等操作，分析數(shù)據(jù)的來源，并對(duì)各項(xiàng)工具、方法、設(shè)備協(xié)議等進(jìn)行解析。其次，要構(gòu)建數(shù)據(jù)管控體系，以元數(shù)據(jù)管理作為核心內(nèi)容，進(jìn)一步強(qiáng)化對(duì)數(shù)據(jù)的治理工作。一方面，應(yīng)向下導(dǎo)入數(shù)據(jù)采集的結(jié)果，同時(shí)向上開放數(shù)據(jù)治理結(jié)果；另一方面，平臺(tái)需要提供管控和應(yīng)用能力，同時(shí)對(duì)元數(shù)據(jù)實(shí)施合理規(guī)范的盤點(diǎn)，以此達(dá)到集中管控核心數(shù)據(jù)的目的，最終實(shí)現(xiàn)常態(tài)化管理。最后，要構(gòu)建混合架構(gòu)、分級(jí)存儲(chǔ)的數(shù)據(jù)倉庫，融合了批處理引擎、流式處理引擎、Mpp處理引擎等，進(jìn)而形成有效的數(shù)據(jù)資產(chǎn)。

5.智能制造下工業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用難點(diǎn)及解決方案舉例

5.1工業(yè)大數(shù)據(jù)技術(shù)在焊接缺陷中的應(yīng)用

5.1.1技術(shù)難點(diǎn)。在工業(yè)機(jī)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(cè)方式有兩類，其一是針對(duì)短路熔滴過渡形式，檢測(cè)的方法是對(duì)批量焊接參數(shù)采集機(jī)工藝試驗(yàn)，驗(yàn)證焊接缺陷和焊接工藝之間的參數(shù)關(guān)系。但是這種方法存在一定的缺點(diǎn)，如軟件采購成本較高，其應(yīng)用只能針對(duì)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(jī)，以此來判斷是否存在焊接缺陷。但這種方法的缺點(diǎn)是安裝位置限制了機(jī)器人的焊接姿態(tài)，尤其是在狹小的工況中會(huì)降低自動(dòng)化焊接的效率，并且軟件的采購和維護(hù)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(wǎng)大數(shù)據(jù)、正交試驗(yàn)、線性回歸等構(gòu)建焊接缺陷模型。為了提高檢測(cè)精度，該模型可以依據(jù)不同的設(shè)備進(jìn)行個(gè)性化定制，同時(shí)還可以建立濾波機(jī)制，能夠?qū)崟r(shí)檢測(cè)出焊接異常。在此基礎(chǔ)上，該模型可以對(duì)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(diǎn)。5.1.3解決方案。在機(jī)器人焊接程序中添加關(guān)鍵焊縫的標(biāo)識(shí)，利用邊緣計(jì)算網(wǎng)關(guān)的作用對(duì)機(jī)器人程序名稱、焊縫編號(hào)、TCP坐標(biāo)焊縫軌跡等進(jìn)行數(shù)據(jù)采集。將收集到的數(shù)據(jù)進(jìn)行主成分分析，而后實(shí)施Kmeans數(shù)據(jù)聚類，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)建立數(shù)學(xué)模型。在坐標(biāo)數(shù)據(jù)濾波環(huán)節(jié)中對(duì)可以利用3σ置信區(qū)間，最終構(gòu)建關(guān)鍵焊縫的偏焊模型。通過實(shí)施正交試驗(yàn)，結(jié)合大數(shù)據(jù)分析回歸構(gòu)建焊接氣孔及干伸長過短數(shù)學(xué)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(shí)驗(yàn)值，A表示為焊接電流，Y表示為設(shè)定送線速度。在上述模型中，所有的參數(shù)都可以結(jié)合實(shí)際需求進(jìn)行差異化配置，得出的缺陷檢測(cè)結(jié)果經(jīng)過濾波同時(shí)匹配到邊緣計(jì)算網(wǎng)關(guān)內(nèi)的告警知識(shí)庫，將結(jié)果推送出來，并且該過程中機(jī)器設(shè)備也會(huì)自動(dòng)停機(jī)，能夠?qū)附尤毕莸臍v史程序指針追溯。

5.2工業(yè)大數(shù)據(jù)技術(shù)在加工專機(jī)中的應(yīng)用

5.2.1技術(shù)難點(diǎn)。PLC是加工專機(jī)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(shí)際的運(yùn)轉(zhuǎn)過程中，對(duì)于加工程序關(guān)鍵節(jié)點(diǎn)較難識(shí)別和判斷。在前期階段，識(shí)別專機(jī)加工產(chǎn)量的方法是利用主軸負(fù)載波形曲線，但是受到板材質(zhì)量及焊接變形影響，導(dǎo)致產(chǎn)品在加工中常常會(huì)出現(xiàn)返修情況，呈現(xiàn)出來的負(fù)載波形曲線也不規(guī)律，造成了企業(yè)產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)不精準(zhǔn)。與此同時(shí)，由于加工專機(jī)的裝夾校正時(shí)間較長，要想精準(zhǔn)分析裝夾校正時(shí)間單一的依托PLC系統(tǒng)采集數(shù)據(jù)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(gè)傳感器傳達(dá)出來的結(jié)果來判斷工件是否存在。因?yàn)楣I(yè)產(chǎn)品的結(jié)構(gòu)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(shí)在算法模型中設(shè)置材料上件的判定條件，就能夠有效屏蔽人員、工具等對(duì)工件信號(hào)檢測(cè)的干擾。5.2.3解決方案紅外距離傳感器和波形智能識(shí)別綜合起來應(yīng)用，能夠?qū)崿F(xiàn)如下幾項(xiàng)功能：其一，通過對(duì)工件上下件進(jìn)行有效檢測(cè)，準(zhǔn)確的統(tǒng)計(jì)出專機(jī)加工產(chǎn)量和真實(shí)具體的生產(chǎn)節(jié)拍。在實(shí)際生產(chǎn)的節(jié)拍內(nèi)，如果主負(fù)荷不間斷的時(shí)間超過了理論加工時(shí)間的90%，那么不管負(fù)載曲線怎樣變化，計(jì)算的加工專機(jī)的產(chǎn)量都是1件。其二，組合應(yīng)用可以精確的統(tǒng)計(jì)各個(gè)工件的裝夾校正時(shí)間，并將加工中的時(shí)間片做出具體細(xì)化。工件檢測(cè)等于1到專機(jī)開始運(yùn)行的時(shí)間段內(nèi)，是校正工件裝夾的時(shí)間。從專機(jī)運(yùn)行結(jié)束到檢測(cè)工件等于0的時(shí)間段內(nèi)，是卸載時(shí)間。其三，要想盡快診斷出產(chǎn)品質(zhì)量存在的不足，就可以聯(lián)合MES系統(tǒng)一起使用。針對(duì)正常加工的工件而言，從工件檢測(cè)等于1到等于0的時(shí)間段內(nèi)，負(fù)載荷波形曲線比較規(guī)律。如果在該時(shí)間段內(nèi)，算法模型檢測(cè)到負(fù)載波形十分異常，那么工件的物料ID就會(huì)反饋到MES系統(tǒng)中，再由系統(tǒng)對(duì)異常物料的信息進(jìn)行確定和定位。例如，全部異常加工材料的數(shù)據(jù)中，1號(hào)焊接機(jī)器人生產(chǎn)了約80%比例的產(chǎn)品，則證明了1號(hào)機(jī)器人引起的質(zhì)量波動(dòng)概率最大。應(yīng)用大數(shù)據(jù)技術(shù)跟蹤焊接參數(shù)、順序，找到機(jī)器設(shè)備存在的故障，就能夠分析出產(chǎn)品質(zhì)量存在波動(dòng)的原因，由此為工作人員提供參考，快速改善生產(chǎn)質(zhì)量。

6.結(jié)語

智能制造背景下，工業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用價(jià)值更高、應(yīng)用范圍更廣。其不僅為制造企業(yè)提供了多方面的數(shù)據(jù)支持，還能夠合理管控生產(chǎn)流程，降低生產(chǎn)風(fēng)險(xiǎn)，創(chuàng)新產(chǎn)品類型。制造企業(yè)必須要積極重視工業(yè)大數(shù)據(jù)的應(yīng)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(shù)據(jù)技術(shù)的應(yīng)用優(yōu)勢(shì)，提高數(shù)據(jù)分析處理水平，進(jìn)而推動(dòng)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(wù)平臺(tái)