还剩3页未读,继续阅读
文本内容:
【工业大数据】工业大数据从智能制造到工业互联网2020-07-07原文清华高校大数据系统软件国家工程试验室总工程师、工业互联网产业联盟副秘书长王晨在由清华高校全球私募股权争辩院举办的“智能+时代新机遇”论坛上发表了以《工业大数据从智能制造到工业互联网》为题的演讲他所在的清华高校大数据系统软件国家工程试验室,是2017年由国家发改委正式批复、清华高校唯逐一个在大数据方面的国家级试验室在演讲中,他引见了试验室对于工业大数据的理解,工业大数据如何赋能智能制造,以及如何在智能制造的基础上将来走向工业[|工业产生转型升级作用的路径大数据系统软件国家工程试验室将工业产生转型升级的作用的路径,总结为加减乘除四个象限所谓加和减就是智能制造智能制造更关注于企业内部的事情,狭义的智能制造关注制造,即生产环节,广义的智能制造则包含企业的全寿生命周期,从研发设计到生产制造再到运维服务智能制造不外乎在在现有流程上加了一些东西、减了一些东西,它基本可以被总结为八个字提质、增效、降本、控险今日,智能制造做的事情就是加法和减法但在这个时代光做加减法是不够的,比如私募股权机构投资一个企业,企业每年做一点加法,投资人可能不会满足,而是期望企业实现指数级的增长如何实现?工业互联网可能就是实现乘法和除法的路径乘法就是平台效应比如淘宝,容纳很多的商店在它的平台上开店挣钱就是一个案例但是在工业领域,能否可以构建一个工业互联网平台?以服装行业为案例传统的第一代的服装企业,比如雅戈尔,有本人的设计、工厂、店面,即完整的产业链条其次代服装企业,比如海澜之家,舍弃工厂选择全代工生产,转为做营销,以门店为资产互联网时代的服装企业,比如韩都衣舍,既没有工厂也没有店面,成本几乎为零,全部的店面依靠淘宝,只担任快速设计、把控供应链,最终的“总盘子”虽然不肯定有传统企业那么大,但是利润率高因此除法就是企业聚焦本人的核心竞争力轻资产高利润运营,这是将来中国中小企业创新创业之道打造工业互联网的平台生态,不是说只要这个平台才能挣钱,但平台上的每个人都有可能挣钱试验室接触了也做了很多与工业大数据的使用,并将其分为了三个层次第一个层次是单元级即针对工业设备,不只限于设备的近程运维,还包括对设备毛病的提前预警、毛病分析,以及设备的优化运转、资产管理等等首先我们需要将设备的运转形态进行精确的数字化测量,这种测量手段其实是将工业大数据的连续空间离散化这个连续空间很简单,而能测量的物理量、精度、传感器数量都是无限的,所以全空间采样无法实现但随着数字化水平提高、信息化进程推动、智能化使用迭代,将来的测量过程也会升级其次个层次是工厂层次这个层次不是关注单体设备,而关注整个工厂的运营效率、产质量量和平安、环保问题工业讲求的是包括人、物料、工艺、设备、环境在内的要素,在简单的动态系统中能够协同作用假设把全中国都看作一个大工厂,怎样在产业链条上提升本人的效率?我们今日唱工业大数据,做“智能+”,就是这个用途首先要回答数据在哪里,其实数据在任何一个地方以前工业上管数据管的相对粗糙,传统在信息化领域做的相对较好的是管理信息化,而现在很多工业数据只是用来做监控以及做毛病发生时做数据的回放这些数据拿来怎样做两化融合(信息化和自动化的数据融合)没有做第三层次是怎样拿到其他人的数据?比如说挖掘机要自动化施工,需要了解GIS数据、环境数据,但这些都不是传统制造业企业拥有的数据这说明今日工业大数据的内涵,比传统的数据内涵要大得多自动化以及跨界全体的数据,构成工业大数据的体系工业大数据的分类和挑战实际上,工业数据有三个特点第一个特点是多模态过去很简约粗暴地将数据分成结构化数据、半结构化数据、非结构化数据,但工业企业不是这样今日看到的很多好像格式不一样的、非结构化的工程数据,真正把它打开的时候是不一样的非结构化数据的使用效率取决于结构化的程度,只要结构化才可以被高效利用;其次个特点是高通量,很多设备是不停机的,全部的数据是7*24小时连续产生的,量格外大;第三个特点是强关联,在工业的不同行业,数据关联遵照不同的规律而非简约的聚合所以工业大数据本身的特点带来了格外多的挑战除了数据猎取的挑战,随之而来的就是数据分析、使用的挑战这里边最大的限制是因果关系,即数据驱动的方法只能告知我们关联性,而无法不能告知我们因果性比如淘宝推举商品,只晓得推举相关商品,却不关怀这个事情的因果一一为什么用户是这样的人但这在工业上是行不通的,尤其是把握方面,因此模型需要长时间的分析和验证工业领域存在白盒模型和灰盒模型,白盒模型即工业机理,企业会依据工业机理设计工序、产品结构和工艺,这是第一步当它们被设计完之后,运转中又会消灭大量的不确定性,这些不确定性的衰退靠的就是专家、工匠的阅历,让整个流程生产变得愈加稳定和高效,这是灰盒态不再对机理和学问本身进行分析和理解的数据模型,是一种黑盒模型工业大数据和工业智能的本质就是,将这些阅历和学问量化学习出来,挖掘心中有口中无的隐性学问,或者尝试通过数据方法把统计关系找到,再交还给工匠分析工业就是工业,它存在的时间比信息化时间长,积淀比信息化多,而大数据和人工智能技术只是给工业上带来小的变化,尝试帮它去衰退不确定性大数据、人工智能在工业中的使用首先是智能制造比如某个机床的良品率下降,那么机床可以猜到刀具可能磨损了,自动提出要换刀,或者炉温过热,就自主将温度往下调两度假如设备可以自主告知、自主变化,而不是依据事先设定的规律来操作,这才是智能化真正的数字化车间该当是什么样的?分了三个层次第一层是大数据集成以攀钢为例,它做钢轨最大的问题是产质量量,很多钢轨表面不平整,必需要修正假如发觉表面不平整会怎样办?调整工会猜想缘由、调试、再生产,经过很多迭代之后调稳而大数据能够建立数据集成体系,让决策者看到每个钢轨发生了什么、把握参数是什么、检测参数是什么这样一个以物料为中心、以工序流程为轴的数据集成体系,能够为调整工供应更多更好的决策信息;其次层是大数据统计分析能不能将好的批次的数据和差的批次的数据进行叠加对比,看把握参数的差异?大数据可以猜想形成问题的缘由,至少可以排序,让调整工依据排序来做检查和调整;第三层是机理模型通过大量的数据和反馈,工业企业可以构建一个相对精确、正向的仿真模型,并在数字挛生体、数字空间进行调试,最终在工厂里进行测试,这就是数字挛生带来的智能化体系那么工业互联网的规律对于智能制造来说转变了什么?从业务的角度来讲,工业互联网更多关注产业互联网的边界,而不关注企业内部的生产环节,它可以被总结成三个融合跨界一是业务融合跨界,通过对产业链上下游业务边界的拓展,企业可以尝试整合上游的上游,也可以服务于下游的下游,我们是一个产业链协同视角下的大工厂;二是数据链条融合跨界,业务的拓展带来了数据边界的拓展,今日的数据不局限于企业原有的数据比如说要服务于建筑商,需要环境数据、操作数据、气象数据;三最根本的是技术转变,相比IT技术的进展,工业软件和IT产业不在一条进展曲线,但现在通过云计算技术可以轻量级地让用户做这样的开发,对于激励、学问的沉淀,可以在很多领域产生了技术溢出机会工业互联网平台的消灭,让工业企业能将花大量时间研发的仿真模型有可能沉淀成小而精的新外形工业软件先进制造业+工业互联网。