中国自动化学会专家咨询工作委员会指定宣传媒体
新闻详情
isee-

工业大数据大有可为,浅谈制造业7大应用场景

http://www.gkong.com 2022-06-08 11:31 来源:科工网

  工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析,信息技术和全球工业系统正在深入融合,给全球工业带来深刻的变革,创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。

  一、加速产品创新

  客户与工业企业之间的交互和交易行为将产生大量数据,挖掘和分析这些客户动态数据,能够帮助客户参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。福特公司是这方面的表率,他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中,这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中,司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用,但数据也传回福特工程师那里,以了解客户的驾驶习惯,包括如何、何时以及何处充电。即使车辆处于静止状态,它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。

  这种以客户为中心的大数据应用场景具有多方面的好处,因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息,而位于底特律的工程师汇总关于驾驶行为的信息,以了解客户,制订产品改进计划,并实施新产品创新。而且,电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据,以决定在何处建立新的充电站,以及如何防止脆弱的电网超负荷运转。

  二、设备故障分析及预测

  在制造业生产线上,工业生产设备都会受到持续的振动和冲击,这导致设备材料和零件的磨损老化,从而导致工业设备容易产生故障,而当人们意识到故障时,可能已经产生了很多不良品,甚至整个工业设备已经奔溃停机,从而造成巨大的损失。

  如果能在故障发生之前进行故障预测,提前维修更换即将出现问题的零部件,这样就可以提高工业设备的寿命以及避免某个设备突然出现故障对整个工业生产带来严重的影响。随着工业4.0的到来,智能工厂的工业设备都配上了各种感应器,采集其振动、温度、电流、电压等数据显得轻而易举,通过分析这些实时的传感数据,对工业设备进行故障预测将是一种行之有效的措施。

  因此设备故障预测方案成为了制造行业所青睐的解决方案,其具备的核心功能有:

  1. 故障超前预警,减少设备停机时间;
  2. 分析结果实时推送,减少人工成本;
  3. 适用于企业各种类型的设备,通用性强。

  三、工业物联网生产线的大数据应用

  现代化工业制造生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据,利用这些数据可以实现很多形式的分析,包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。

  首先,在生产工艺改进方面,在生产过程中使用这些大数据,就能分析整个生产流程,了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺,就会产生一个报警信号,能更快速地发现错误或者瓶颈所在,也就能更容易解决问题。利用大数据技术,还可以对工业产品的生产过程建立虚拟模型,仿真并优化生产流程,当所有流程和绩效数据都能在系统中重建时,这种透明度将有助于制造商改进其生产流程。再如,在能耗分析方面,在设备生产过程中利用传感器集中监控所有的生产流程,能够发现能耗的异常或峰值情形,由此便可在生产过程中优化能源的消耗,对所有流程进行分析将会大大降低能耗。

  四、产品销售预测与需求管理

  近年来,保险业加速了数字化进程,大数据与保险营销深度融合,成为现代化保险营销的重要武器。慧都大数据助力保险行业精准营销,并成功帮助中意人寿保险有限公司更好地服务客户和发挥忠诚客户,提高销售效率及客户复购率。

  五、工业供应链的分析与优化

  当前,大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如,电子商务企业京东商城,通过大数据提前分析和预测各地商品需求量,从而提高配送和仓储的效能,保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据,利用这些数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

  六、生产计划与排程

  制造业面对多品种小批量的生产模式,数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大,再加上十几年的信息化的历史数据,对于需要快速响应的APS来说,是一个巨大的挑战。大数据可以给予我们更详细的数据信息,发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。帮我们规避“画像”的缺陷,直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它,我们就能计划未来。

  七、生产质量分析与预测

  在工业生产中,设备失效、人员疏忽、参数异常、原材料差异、环境波动等因素而导致质量偏离,引起质量等级的缺陷和损失非常巨大。工艺流程复杂的大型制造业,如钢铁、汽车、电子、服装等行业,信息数据孤岛凸显,导致质量问题频发,尤其需要“及时发现和预测异常,迅速控制和分析质量异常的原因,进行生产过程改进,稳定生产过程,减少产品质量波动”。

  生产质量分析,从工厂订单下单-订单生产-流入市场, 针对整个生产链进行全面的质量分析。其中,打通质量和人、机、料、法、环等数据,各生产数据环环相扣,聚焦质量管理的全量数据分析,帮助企业快速探索缺陷根本原因。

  1. 打通质量和人、机、料、法、环,对影响质量的全量数据进行交互分析,探索相互关系,挖掘数据背后的真实原因,获取结果“是什么”,回答“为什么”。
  2. 将传统的静态汇报模式,改为交互式动态会议,随时随地可以组织生产、质量相关专题会议。通过对维度展示生产和质量KPI,实时预警、掌握产线运营状况。
  3. 简单易上手的质量分析工具,员工只需对数据进行选取、拖曳,自助灵活地达成期望的数据结果。
  4. 摒弃以往静态的数据报表,整合多个业务系统数据,多场景数据大屏,自适应多屏,进行综合展示分析,让决策更清晰。
版权所有 中华工控网 Copyright©2024 Gkong.com, All Rights Reserved