搞智能制造，不懂?dāng)?shù)據(jù)分析你就out了

2021年10月21日 90 次閱讀 智能制造 本文共2344字，預(yù)計(jì)閱讀時(shí)間7分鐘

前言

前些天到某工廠調(diào)研，車(chē)間的管理人員頗為無(wú)奈地對(duì)我們吐槽，近幾年花了不少力氣做生產(chǎn)現(xiàn)場(chǎng)設(shè)備層的數(shù)據(jù)采集，現(xiàn)在數(shù)據(jù)倒是有了，但是沒(méi)人知道怎么去利用這些數(shù)據(jù)、如何分析這些數(shù)據(jù)。

相信上述情形是現(xiàn)階段國(guó)內(nèi)工業(yè)現(xiàn)場(chǎng)的普遍現(xiàn)象，當(dāng)然，還有很多現(xiàn)場(chǎng)連設(shè)備層的數(shù)據(jù)采集都沒(méi)有實(shí)現(xiàn)。在智能制造的大背景下，對(duì)數(shù)據(jù)的分析、充分挖掘其中的價(jià)值是智能制造的關(guān)鍵內(nèi)容。從下圖“工業(yè)4.0的6個(gè)成熟度水平”可以看出，后三個(gè)發(fā)展階段“透明性”，“預(yù)測(cè)性”，“自適應(yīng)性”都是通過(guò)對(duì)于數(shù)據(jù)的深入分析來(lái)實(shí)現(xiàn)的。詳細(xì)解讀可參見(jiàn)《對(duì)IIC工業(yè)互聯(lián)網(wǎng)參考架構(gòu)的理解》

今天就和大家聊聊數(shù)據(jù)分析在智能制造中的應(yīng)用，探討一下如何在制造業(yè)中應(yīng)用數(shù)據(jù)分析技術(shù)。

什么是數(shù)據(jù)分析

與數(shù)據(jù)分析相關(guān)的概念有很多，比如統(tǒng)計(jì)分析、數(shù)據(jù)挖掘等等，個(gè)人認(rèn)為，對(duì)這些概念的事情也不必太去鉆牛角尖。

數(shù)據(jù)分析就是從數(shù)據(jù)中提煉信息，發(fā)掘知識(shí)，形成洞察（insight），并最終輔助決策的過(guò)程。

數(shù)據(jù)分析會(huì)涉及到很多領(lǐng)域的知識(shí)，包括統(tǒng)計(jì)學(xué)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等等。

數(shù)據(jù)分析在制造業(yè)的應(yīng)用現(xiàn)狀

根據(jù)我的經(jīng)驗(yàn)，數(shù)據(jù)分析在制造業(yè)的應(yīng)用并不深入。工廠對(duì)數(shù)據(jù)的利用，目前更多地停留在統(tǒng)計(jì)分析（形成報(bào)表），以及相關(guān)指標(biāo)的計(jì)算等（參見(jiàn)《28個(gè)生產(chǎn)制造關(guān)鍵指標(biāo)，你們廠用了幾個(gè)？》）。并沒(méi)有深入挖掘數(shù)據(jù)中隱藏的信息，進(jìn)而形成能夠輔助決策的洞察。

尤其對(duì)于來(lái)自設(shè)備層的海量數(shù)據(jù)，包括設(shè)備運(yùn)行狀態(tài)、設(shè)備報(bào)警、設(shè)備故障等，目前大部分的生產(chǎn)現(xiàn)場(chǎng)只是用來(lái)進(jìn)行監(jiān)控，實(shí)現(xiàn)可見(jiàn)性以及事故發(fā)生以后的原因分析、追責(zé)等。缺乏更深入的預(yù)測(cè)性分析（Predictive）、規(guī)范性分析（Prescriptive）。

數(shù)據(jù)分析在智能制造領(lǐng)域的應(yīng)用方向

下圖是從LNS Research的一份研究報(bào)告中截取的，個(gè)人認(rèn)為這四個(gè)單詞——Descriptive, Diagnotic, Predictive, Prescriptive——完美地詮釋了數(shù)據(jù)分析在智能制造的應(yīng)用方向。

而“描述性，診斷性，預(yù)測(cè)性，規(guī)范性”也闡述了數(shù)據(jù)分析的四個(gè)漸進(jìn)的階段，這四個(gè)階段與工業(yè)4.0成熟度水平是不謀而合的。

• Descriptive 描述性。掌握正在發(fā)生的事件信息。
• Diagnotic 診斷性。事件發(fā)生的原因。
• Predictive 預(yù)測(cè)性。預(yù)測(cè)即將發(fā)生的事件。
• Prescriptive 規(guī)范性。在預(yù)測(cè)的基礎(chǔ)上，結(jié)合相關(guān)相關(guān)業(yè)務(wù)流程，向生產(chǎn)運(yùn)營(yíng)人員提供行動(dòng)建議。

數(shù)據(jù)分析的分類(lèi)

從技術(shù)角度出發(fā)，可以將智能制造領(lǐng)域的數(shù)據(jù)分析分為兩類(lèi)：

• 基于實(shí)時(shí)數(shù)據(jù)的在線(xiàn)實(shí)時(shí)分析
• 基于歷史數(shù)據(jù)的離線(xiàn)大數(shù)據(jù)分析

結(jié)合上圖中的工業(yè)互聯(lián)網(wǎng)三層系統(tǒng)架構(gòu)，實(shí)時(shí)分析位于邊緣側(cè)，大多以網(wǎng)關(guān)作為載體，由于受邊緣側(cè)計(jì)算資源的限制，邊緣側(cè)的分析更多是基于預(yù)先設(shè)定好的規(guī)則（模型），進(jìn)行簡(jiǎn)單直接的數(shù)據(jù)過(guò)濾、聚合、轉(zhuǎn)換等操作。邊緣側(cè)的分析講究實(shí)時(shí)性，能夠?qū)崿F(xiàn)及時(shí)的響應(yīng)。常見(jiàn)的實(shí)時(shí)分析包括報(bào)警的觸發(fā)等。

而邊緣側(cè)的分析規(guī)則、模型則來(lái)源于平臺(tái)層的大數(shù)據(jù)分析的結(jié)果或需求。大數(shù)據(jù)分析會(huì)針對(duì)海量的歷史數(shù)據(jù)進(jìn)行更為復(fù)雜的分析，如預(yù)測(cè)性分析、規(guī)范性分析等。

因此，智能制造中的數(shù)據(jù)分析應(yīng)為邊緣側(cè)的實(shí)時(shí)分析與平臺(tái)層的大數(shù)據(jù)分析相結(jié)合。

數(shù)據(jù)分析在制造業(yè)應(yīng)用的難點(diǎn)

• 缺乏歷史數(shù)據(jù)的積累。尤其對(duì)于來(lái)自設(shè)備層的數(shù)據(jù)，往往用于實(shí)時(shí)狀態(tài)監(jiān)控，除了故障類(lèi)數(shù)據(jù)之外，大量的過(guò)程狀態(tài)數(shù)據(jù)都被丟棄。
• 數(shù)據(jù)采集困難。在OT層面，目前在生產(chǎn)現(xiàn)場(chǎng)很多設(shè)備并沒(méi)有完善通訊功能和數(shù)據(jù)交互接口；在IT層面，信息化的覆蓋率不足，沒(méi)有實(shí)現(xiàn)生產(chǎn)運(yùn)營(yíng)全部環(huán)節(jié)的信息化，而且，現(xiàn)有信息系統(tǒng)由于建設(shè)初期缺乏信息集成方面的規(guī)劃，也呈現(xiàn)信息孤島的現(xiàn)象。
• 缺乏復(fù)合型人才。應(yīng)該說(shuō)，現(xiàn)階段數(shù)據(jù)分析技術(shù)更多的應(yīng)用在互聯(lián)網(wǎng)等領(lǐng)域，在制造業(yè)的應(yīng)用尚處于嘗試階段，因此，缺乏既了解生產(chǎn)制造相關(guān)業(yè)務(wù)、又熟悉數(shù)據(jù)分析技術(shù)的復(fù)合型人才。目前，這方面項(xiàng)目的開(kāi)展，如設(shè)備的預(yù)測(cè)性維護(hù)項(xiàng)目，更多的需要多方合作，IT公司出數(shù)據(jù)科學(xué)家，設(shè)備廠商出設(shè)備工程師，工廠出設(shè)備運(yùn)維人員，共同努力，才能促進(jìn)相關(guān)項(xiàng)目的開(kāi)展。
• 不同數(shù)據(jù)源的數(shù)據(jù)聚合難度大。在智能制造領(lǐng)域，進(jìn)行分析的數(shù)據(jù)有來(lái)源于MES等業(yè)務(wù)系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，也有來(lái)源于生產(chǎn)設(shè)備的呈現(xiàn)時(shí)間序列的實(shí)時(shí)數(shù)據(jù)。進(jìn)行數(shù)據(jù)分析的第一步就是將相關(guān)數(shù)據(jù)進(jìn)行聚合，使其格式統(tǒng)一，具備應(yīng)用相關(guān)分析技術(shù)的條件。而這一過(guò)程目前在工業(yè)現(xiàn)場(chǎng)也是難度較大的工作，相關(guān)從業(yè)人員還需要項(xiàng)目的歷練和經(jīng)驗(yàn)的積累。

數(shù)據(jù)分析的實(shí)施建議

在當(dāng)前階段，由于國(guó)內(nèi)大部分工業(yè)現(xiàn)場(chǎng)還處于自動(dòng)化和信息化升級(jí)的過(guò)程中，而數(shù)據(jù)分析的應(yīng)用涉及到數(shù)據(jù)采集、傳輸、存儲(chǔ)、分析等諸多環(huán)節(jié)，因此，進(jìn)行數(shù)據(jù)分析往往需要不菲的資金投入，這無(wú)疑提升了進(jìn)行嘗試的門(mén)檻。因此，我提出以下兩點(diǎn)建議，希望能夠促進(jìn)數(shù)據(jù)分析應(yīng)用的小步快跑，逐步實(shí)現(xiàn)智能化的目標(biāo)。

1、從數(shù)據(jù)采集做起，充分利用數(shù)據(jù)采集所帶來(lái)的直接受益。其實(shí)，我們的企業(yè)不妨從數(shù)據(jù)采集做起，先圍繞數(shù)據(jù)采集做一些簡(jiǎn)單直接的業(yè)務(wù)價(jià)值實(shí)現(xiàn)，而不急于做高大上的復(fù)雜分析與技術(shù)應(yīng)用（如機(jī)器學(xué)習(xí)等）。從中不斷獲取業(yè)務(wù)上的回報(bào)，增強(qiáng)推動(dòng)智能化的信心，并在此過(guò)程中逐步積累歷史數(shù)據(jù)，為預(yù)測(cè)性分析、規(guī)范性分析等高級(jí)應(yīng)用做數(shù)據(jù)積累。

基于數(shù)據(jù)采集的簡(jiǎn)單直接的常見(jiàn)應(yīng)用包括以下幾項(xiàng)：

• 設(shè)備監(jiān)控
• 過(guò)程監(jiān)控
• OEE計(jì)算
• 產(chǎn)品數(shù)據(jù)的追蹤

2、盡快制定設(shè)備采購(gòu)與信息系統(tǒng)建設(shè)的數(shù)據(jù)交互、信息集成接口等標(biāo)準(zhǔn)。已有設(shè)備及信息系統(tǒng)的改造是需要花錢(qián)的，而且相關(guān)廠商也未必十分配合。因此，要確保未來(lái)采購(gòu)的設(shè)備及系統(tǒng)在信息集成方面具備相對(duì)較好的條件，這樣也算是亡羊補(bǔ)牢，為時(shí)未晚嘛。在這方面，歐洲的一些制造業(yè)企業(yè)已經(jīng)走在了前面，甚至已經(jīng)將MQTT、OPC UA等協(xié)議作為設(shè)備采購(gòu)的硬性技術(shù)要求。