工业数据挖掘与分析

发表时间:2018-09-14 作者: 张芹  来源: e-works
关键字:工业数据挖掘 工业数据 
跨越企业层面的、包括整个价值增值网络的数据链接也具有越来越重大的意义。为了实现数据的无缝交流,互操作性的实现与保障也具有越来越重要的意义。

  1、引言
 

  在过去的几年中,全球化的竞争与技术进步使得每个类型的产品都可以得到更加个性化的生产和制作。个别案例表明,即使是最小批量的生产(批量大小为1),从经济的角度来看也是有利可图的。其中大多数的生产工艺建立在简化后的生产环境基础上,其过程并不复杂,就如现代化工厂—样。这样一来,就可以通过简单的生产过程加上简单的供应过程实现高品质的个性化生产。这一切通常都是通过网络推动得以实现的。
 

  生产最小批量1的引入,物联网和随之而来的大量信息的生产模式现在也适合于一些传统工业,即使这些行业在过去的时间中已经发展到髙度成熟的程度并且出现了特定产品种类的细化生产。
 

  根据德国标准化学会(DIN)与国际标准组织(ISO) 62264号层级模型定义了信息技术系统在传统生产领域的应用情况,如图1。
 

信息技术系统在传统生产领域的应用情况
 

  图1 信息技术系统在传统生产领域的应用情况
 

  这种经典的层级结构图表明了分层设甘的自动化金字塔状层级结构。在这种传统层级结构里边不同层级之间的接口相对较少。和层级有关的解决思路及控制方袪在现在仍然是被独立认识和提出的。
 

  2、工业4.0中的物联网
 

  物联网被视作是网络在现实世界中对日常生活事物的拓展。物理状态的物品不再同虚拟世界隔离开来,而是可以被远程控制,作为网络服务的物理接入点,物品变得“聪明”了。在物联网中事物对象有权接入网络(比如通过无线技术),也可以通过网络被定位(IP6网际网路协定第六版提供了条件),可以很清楚地识别周围环境信息甚至操作以改变周围的环境,也有可能自身具备计算能力或用户界面。现在甚至已经有人提出了物品拥有自己专用的HTTP服务器的“物联网”构想。
 

  在工业4.0背景下,人们可以区分物联网的两种特点。
 

  第一个特点是每一个半成品或成品都能够携带信息并与周围环境进行交换。关于这方面的发展设想是产品能够“知道”自己应该怎样被加工处理/生产,通过这样一种方式来实现对生产的控制。产品可以进一步地承载“数字化产品记忆”,其意义是用以证明并记录产品整个生命周期的每一步并且可以防止伪造篡改。越来越多的产品有了自己的URL(全球资源定位器),并凭此加入到物联网之中。
 

  第二个特点是现如今的生产设备(即单个生产设备)自己本身就是个丰富的信息源,但就技术层面上来说还没有达到在德国标准化学会(DN)与国际标准组织(ISO)62264号所标定的层级概念意义上的真正联网。一旦这些设备被整合至物联网当中,有关生产能力、产品质量、运行状态以及其他许多有关数据就可以得到实时监控,并且这些数据也可以被应用于生产计划与控制当中。这些数据的应用方案表明了不同的整合程度,就像下边的例子将要展现出来的一样。
 

  2.1 通过应用设备数据进行预见性维护实现无障碍生产
 

  现代的生产设备包含有一系列的数据,包括生产能力、最大生产能力、设备状态以及周围环境等。即使是老设备也可以通过安装相应的传感装置被便宜地改造。通过长时间地对数据进行搜集和评估,可以对一些关键组件的错误运行作出较为详细的预测。尤其是一些细微的变化能够较容易地被发现,如温度的逐渐上升或振动的增加。这样一来,就可以在岀现故障以前采取相应的预防性维护措施,提前准备好要更换的组件,避免或减少生产损失,维护工程将得以提前施行。这样做的挑战在于要作出可靠的预测。仅仅对一台设备运行的观察是远远不够的,来自设备生产商的专业咨询以及相应的多台机器数据的对比(包括不同的操作者)也是必需的。许多设备生产商也提供相应的服务,将单个车间里的运行数据进行汇总。
 

  对于经营者来说,机器设备的运行数据是十分重要的,也许从这些数据当中可以得出他们的生产方式甚至是发现商业秘密。因此,经营者们都不愿意向外部透露这些数据。这样所带来的挑战是,人们怎样才能在避免故障,实现预见性维护的意义上利用这些数据而又不损害其机密性?一个解决方案是建立值得各方信任的中介机构,另一个方法是对涉及到人物信息的数据进行匿名处理。
 

  2.2 在商业层面上对生产数据作出实时反应
 

  如果生产过程中的实际数据(包括产品质量、生产数量、误差和故障等)能够很快地被传至运行系统(ERP)里,那么人们就可在运行层面上快速反应,比如重新设定生产计划、对现有物流系统作出调整,如有必要的话也可给客户以折扣(如出现交货延迟或质量未达标的情况时)。
 

  2.3 根据商业需求对生产进行控制
 

  前面所简略谈到的应用情景建立在这样一个通信基础上——远离机器。工业4.0当中,物联网的巨大潜能只有在机器与机器之间建立起通信以后才能发挥出来。例如,在供应链出现瓶颈或物流不畅通时降低生产速度,以减少能源消耗,或是在即时反应战略的指导思想下将临时库存的负荷降至最低。这种情况下,一个显著的挑战是如何建立符合价值増值网络的企业内全面联网。另一个挑战在于在生产进程中直接干预信息技术控制系统会给生产引入新的风险。而与生产设备相比,使用寿命较短的信息技术系统也会带来问题,因为每次对系统进行变动都会带来潜在风险。而一旦生产设备与“外部”有了连接,那么人们也不得不重新思考信息技术安全问题。
 

  2.4 通过机器设备之间的通信交流对生产进行控制
 

  机器设备,譬如说激光器必须依据所加工材料的不同而进行调整。其所需的相应技术现在虽然可以通过不同的方法获得,但在生产完成以后这些技术便不再被继续使用。将机器设备互相连接后,通过技术数据的交换或是对目标机器本身数据进行自动调整,可以改善以上问题。各企业的全面联网对这些数据的处理也是有利的,但难点在于如何建立企业之间的高度相互信赖和保证数据质量。解决此类问题需要建立相应的数据使用许可模式和商业模式在出现状况时,需要有保持中立的第三方出面对相关企业进行调解,平衡各方利益。
 

  2.5 商业和生产层面的相互作用
 

  在生产制造业中,必须要对中间产品的质量把控。由于质量低下的原材料或生产设备的运行不够稳定可能会导致中间产品质量低劣,而这些中间产品必须在进一步深加工前被检测出来,以便及时对其进行处理(比如重新加工或用于更低质量等级的成品)。
 

  对于上述问题的解决现在普遍采用的是在生产过程中加装合适的传感设备的方法。一旦出现此类问题,之前所做的生产计划就只得作废。为了和生产管理系统连接起来,现在产生了对生产计划的智能计算,通过这项技术可以将最新的生产订单和相应的运行参数加入到生产流程里,这就需要将运行和生产部分的数据进行结合。此外,对传感数据的分析利用可以在生产步骤里对劣质产品的出现进行预测。在这里所面临的问题是以现有技术无法收集并处理如此大量而又种类繁多的数据。关于这一点将在之后的“大数据部分”作进一步的详细介绍。
 

  总的来说,这些例子都强调复杂的在线优化,也就是难以在不同决策者和决策层面,让其在很短的响应时间里实现同步要求的优化问题
 

  2.6 产品数据整合
 

  产品数据整合指的是像上面例子中所体现出来的那样,即来自生产层面与业务层面的数据的耦合。显然将单个传感器数据传递至商业层面是没有意义的。
 

  在整合之前,数据的准备和收集很有必要。实现这一点的技术先决条件是传感器之间的连接,并且这些传感器的连接有着“相应地建立在一种通信‘标准’基础上的”评估逻辑。在不同的系统中耦合时,是以企业服务总线(Enterprise Service Bus)来作为标准技术的。然而光有此种连接,而没有对数据进行足够的语义描述,那是远远不够的。因此一些标准如 OPC-UA技术规范在现场设备通信层面中起着重要的作用。
 

  正如例子中所体现岀来的那样,跨越企业层面的、包括整个价值增值网络的数据链接也具有越来越重大的意义。为了实现数据的无缝交流,互操作性的实现与保障也具有越来越重要的意义。
 

  全面的产品数据整合面临以下几个挑战。
 

  ●由于机械设备的新旧程度不一样,生产厂商也不同,导致许多具有不同技术标准的自动化项目需要被整合

  ●由于信息技术和机械设备制造领域研发创新速度不一样,导致各自设备的生产与更新间隔时间不一致。

  ●信息技术系统所面临的安全性挑战越来越巨大。

  ●在这一领域,数据往往也会变为(能用金钱来衡量的)商品,因此也应得到相应的保护(现在通常是通过封闭的生产环境来保障)

Powered by 武汉制信科技有限公司 © 2013-2015 版权所有 ICP经营许可证:鄂B2-20080078(于2003年首获许可证:鄂B2-20030029)鄂公网安备:420100003343号
kutongji