“Big Data is not about the data.”——Gary King
工业是国民经济的核心要素，深受各国的重视。随着物联网、大数据、人工智能、5G等技术的发展，各国都加快了工业数字化转型的步伐。工业大数据作为制造业数字化转型与智能化升级的关键技术，受到了学界和产业界的普遍关注。
作为支撑智能制造的关键技术，工业大数据在研发、生产、后服务、营销等领域都有不少应用。工业大数据是制造业数字化转型与智能化升级的关键技术。基于业内的一些实践经验总结，可以讲工业大数据分析的典型场景归纳为3类。
①智能装备，通过对装备的互联和分析，提高后服务质量，指导研发创新，支撑定向营销等；②智慧工厂，打通不同生产单元与业务环节，结合不同时空颗粒度，从效率、质量和安全的角度，保证制造过程可视、可溯、可决；③产业互联，通过数据的融合与深度分析，提高协作效率，支撑新的商业模式。
这三类还可以继续细分，比如智能装备方面可以分为设备故障诊断与健康管理（PHM）、装备效能优化（APM）、产品运作闭环；智慧工厂方面可以分为生产效率优化（PEM）、生产质量分析（PQM）、生产安全等。
其中，
设备故障诊断与健康管理（PHM）
故障预测基于故障的征兆指示和设备的退化过程建模，预测设备的剩余寿命、失效时间及失效风险。健康管理指在各系统处于运行状态或工作状态时，通过各种方式监测系统的运行参数，并判断系统在当前状况下是否能正常工作（任务能力）。健康评估与诊断为提高装备的可靠性、可维护性和有效性开辟了一条新的道路。
生产质量分析（PQM）
质量管理涉及设计、制造、采购、日常管理与教育等，是工业生产中的核心问题，也是最复杂的问题之一。可以将大数据在生产环节中的作用简单总结为“可视—可溯—可决”，将生产管理从操作型升级为决策型。质量大数据分析通常从产品质量、关键设备入手，在质量分析方面包括质量根因分析、控制参数优化、质量异常预警、质量时空模式分析，在设备稳定性分析方面包括异常波动检测、偏差识别、预测性维修等。
生产效率优化（PEM）
包括产能规划、生产计划优化、车间生产调度、库存优化、物流优化、运维路线优化、物耗能耗优化等典型场景；从分析类型来看，生产效率优化包括信息情报整合（为决策提供及时、全面的信息）、What-If分析（模拟仿真不同决策下的结果）、业务规则自动化（使手工决策逻辑自动化）、优化决策（建立变量间的动因关系，根据目标函数进行综合优化）4种类型。
工业大数据在工程机械、风电、化工、电子制造、能源、跨行业等不同制造领域有不同的应用，需要具体问题具体分析。详细介绍可以参考电子工业出版社的《工业大数据分析实践》一书。
网友评论