产业互联网

背景

随着我国社会经济的发展,制造业在整个产业结构中占有重要地位,以智能制造为代表的第四次产业革命正在蓬勃发展。放眼全球,为了能够抓住机遇,更快地提高制造业的发展水平,各工业强国纷纷提出了自己的产业政策:美国提出了“工业互联网“,制定了IISA(1.0);德国提出了“工业4.0”,制定了参考架构RAMI4.0。通过对美德两国参考架构的分析,可以看出以上两个架构都以大数据为核心。

随着物联网的发展,传感器会产生前所未有的海量数据,对于PB量级的数据,传统的数据处理和分析方法已经无法满足需要。大数据技术能够进行海量数据的采集和存储,通过支持并行计算的数据模型,在处理能力上得到了质的飞跃。同时,基于海量数据的数据挖掘和人工智能,为行业带来了无限的想象空间。

制造自动化的概念已经更新,扩展到柔性化、智能化和高度集约化。为达到制造的自动化,设备的及时维护和检修就显得尤为重要。当前制造业设备维护面临以下挑战:

  • 设备历史数据没有得到很好的利用。当故障发生后,很难追溯设备真正的故障原因。
  • 设备异常诊断完全凭经验。对于设备异常的判断,需要资深的维修员,但他们的评价标准也不尽相同。
  • 定位异常报警原因很困难。设备的故障可能由单个部件或者多个部件导致,故障发生的周期性瞬间,很难通过人工的方法进行捕捉。
  • 无法预测性维护检修。维修人员难以判断设备未来多久后会损坏,对提前量把控不足,较难安排维修周期和维修人员。
  • 仓库备货能力亟待优化。企业不能保证所有部件都有库存,故障部件没有库存可能会对生成活动带来严重影响。

解决方案

针对现阶段出现的核心问题,以下是我们构建的解决方案:

  • 生产作业的数据化。通过传感器的组件,把设备的使用信息,作业指标,故障信息以精确的方式记录下来,再把这些数据源源不断地发送到中央数据处理中心。这是智能制造的基础。
  • 数据的分析和可视化。传感器积累的数据庞大而繁杂,如果没有很好的数据可视化和分析的方法,工作人员会陷入数据的海洋而不知所措。所以在拿到数据后首先要做的,是对数据的系统性梳理,针对具体问题进行深入的数据分析,同时通过数据的可视化,帮助工作人员更好地去理解数据。
  • 设备故障的识别和归因。大数据和人工智能真正的震撼力从这里开始。由于对于设备的监控是24*7,从不间断的,在设备发生故障后,通过对于传感数据的建模和判断,第一时间进行准确识别并报告错误。更重要的是,能够把错误产生的原因,具体是哪个部件导致的问题清晰地定位出来。这能够大量节省人工排查的时间,提高生产的连续度和质量。
  • 设备故障的预警。仅仅在设备产生故障的时候进行识别和定位还是不够的。通过对于不同设备故障曲线的分析和建模,对于设备实时健康状况的监测,系统可以在设备要进入故障之前发出预警。工作人员在拿到这样的预警和详细数据后,可以通过维护或者更换零件的方式,使得设备又重回正常的工作轨道中来。这样可以从源头上降低设备的故障率,是更高级别的人工智能技术对制造业带来的革命性变革。