数据助力工业互联网应用发展

郑忠斌 李世强 刘子昊 孙学伟

摘  要：工业互联网作为物联网的发展，被业内众多专家普遍认为是未来工业制造业的蓝图，随着大数据技术的不断发展，大数据技术为工业互联网提供了有力的技术支持并由此产生了众多的发展应用，文章将根据大数据在工业互联网中的几个应用来浅谈大数据技术对于工业互联网的推动。

关键词：工业互联网;大数据;智能工厂

中图分类号：TP393         文献标志码：A         文章编号：2095-2945（2019）25-0181-02

Abstract： As the development of the Internet of things， the industrial Internet is generally regarded by many experts in the industry as the blueprint of the future industrial manufacturing industry. With the continuous development of big data technology， big data technology provides strong technical support for the industrial Internet and has produced a large number of development and applications. This paper will discuss the promotion of big data technology to the industrial Internet according to several applications of big data in the industrial Internet.

Keywords： industrial Internet; big data; intelligent factory

1 概述

与传统的工业生产有着巨大的不同，工业互联网是一个前所未有的新领域，其拥有着极其丰富的组成部分和创新架构。当艾什顿教授在麻省理工学院把RFID标签贴到工厂生产的商品上之后，物联网这一概念开始被广泛传播，而工业互联网就是物联网在工业领域的深入应用，几乎所有业内人士都认为工业互联网是我们工业企业未来发展的蓝图，特别是在目前我国传统工业企业发展面临转型的关键时刻，工业互联网更是我们发展的不二方向。而作为工业互联网发展的核心基础技术之一的大数据技术更是重中之重。

2 大数据技术在工业互联网中的应用

2.1 预防性维修

带有故障或故障症候的生产设备往往会给工厂带来巨大的经济损失，据不完全估计，丰田集团每天的净利润高达4.2亿人民币，一旦停止生产造成的损失将是难以估計的。为了降低因生产设备而造成的意外停产，各工业企业都有制定自己的维修维护计划，但是在传统的工业企业中，这种维修维护更多的是靠着“老师傅”或是技术人员的工作经验，故在这其中存在着很大的主观性，容易造成过度维修浪费经费和缺乏维修导致意外停工的情况出现。而当大数据技术加持的工业互联网出现之后，这种由之前技术人员通过主观经验而确定维修计划的弊病就一去不复返了，基于大数据技术的预测维修使用方案的目的是实现生产设备的无故障运行，尽可能降低因生产设备故障而造成的停工和经济损失，其核心是故障诊断与预防维修，主要的处理流程是通过安装传感器在生产设备上来收集设备的生产参数，大数据将会根据此种生产参数和生产设备的历史损坏记录而建立相应的数据库，不仅仅是一家公司的设备数据会连入此数据库，全国乃至全世界的此设备的生产信息都可以连入此数据库，大数据能够根据以往的维修记录智能的确定在什么时候对设备进行什么样的保养或维修能够最经济的使用该设备，并极大的减少意外停工事件的发生。目前市场上大部分的生产设备还没有建立有效的预测性维护使用方案，而在英特尔的实验性的智能工厂中，有预测性维护使用方案的生产设备的健康状况要好于其他设备65%以上，设备的生命周期更是高出其他设备一半以上。预测性维修方案除了在工厂生产车间有众多应用之外，在常见的工程机械装备中也有很多应用，例如在挖掘机、吊车、自卸车上，油缸起着动力源的作用，但是由于其内部的压力很高，一旦发生危险将会造成十分严重的后果，在油缸发生故障之前，排量和活塞往复运动的次数成正态分布，预测性维修方案可以建立对应的数字模型，从而建立以残差数据为输入信息的判别函数，最终通过油缸偏离正常取值范围的情况来制定维修保养计划。预防性维修方案的意义不仅仅在于为使用者提供有保证、可靠的生产设备，更深远的意义在于设备的使用数据建立的数据库可以直观的反映出设备的制造缺陷，通过分析这些缺陷的成因制造商可以轻松的分析出产品的薄弱环节，从而在以后的生产中改进设计方案，逐步完善设备的可靠度，提高设备的效率，从而促进该行业乃至生个工业生态链的快速发展。

2.2 智能化服务

智能化服务实现的是一种通过分析用户需求来智能化的为用户提供更好的服务的新技术，其主要实现方式为使用摄像头，传感器等数据采集元件收集用户使用产品或服务的众多信息，随后由传输系统送至后台，根据收到的数据信息中央处理器将构建需求的结构模型，进行数据挖掘和商业智能分析，不仅可以深入分析用户的习惯、喜好等较为显性的需求外，还可以进一步深入的分析与时空、身份、工作生活状态关联的隐性需求，主动给用户提供精准、高效的服务。

智能化服务主要根据工况数据的采集，使用大数据技术进行对数据的分析、监控以此来实现对于故障的预判，将传统陈旧的服务模式向智能化、数字化、信息化服务的新型服务模式慢慢过渡，一步步实现从售前到售后服务的全流程数字信息化，以实现对于服务质量的全程监督。大数据技术作为主要的支撑技术将贯穿整个智能服务，如智能服务中需要的原料需求预测，通过用户采购订单、当前库存状态结合补货所需要的时间、步骤，以及工具对不同时间段、趋势、波动性进行深入的分析，达到配件需求的精度等级。一方面帮助上游配件供应商提高生产速度，另一方面降低易损件备用间的库存水平，节约流动资金，为下游经销商降低备件所需要的库存金额。

2.3 智能化生产

大数据加持的工业互联网在工业生产中有着十分深远的应用，在煤炭的生产过程中，大数据加持的工业互联网可以实现建立智能的生产指挥控制系统，此系统能够用充分的整合传统的挖掘采集、运输、通风换气、电力供应等控制系统，将传统的生产系统数字化，在大数据的帮助下实现煤炭挖掘、水洗加工、装载外运等环节的高度协调以实现生产流程的无缝对接，以及挖掘采集、运输、通风换气、电力供应等生产参数的深度分析，通过数字化的分析以实现煤矿的安全生产，分析可能造成事故的各种征兆，最大程度的减少伤亡事故的发生。典型的智能化煤矿生产模式为数据收集系统、数据传输系统、数据分析云平台、数据分析处理等。数据收集系统主要包括矿井下各种智能传感器，如摄像机、红外传感设备等通过井下的智能传感设备网络对井下的生产数据等进行实时不间断的采集。数据传输系统包括连接各种设备的光导纤维、无线网络等，通过有线和无线的方式连接各种传感器和中央数据处理器。数据分析云平台存能够对智能传感器接收到的数据进行分类，并按照一定方式存储各类数据，以此为大数据分析做出基础工作。神华集团通过使用大数据加持的工业互联网实行智能控制，减少井下工作人员200余人，同时节省掉了3500余万元的人工成本，极大程度的提高了工作效率，实现了透明化生产、智能化的数据分析，是我国典型的工业互联网案例。

3 结束语

目前世界上工业互联网产业仍处于初级阶段，我国的工业互联网水平更是有待提高，成熟的、可大规模推广的企业应用成功案例较少，工业互联网安全的研究及产业支持仍处于起步阶段。此外在工业互联网的发展初期需要制定一系列标准和端口问题，这需要我们付出巨大的人力成本和时间成本，但是我们仍需迎难而上，从管理、技术、安全等多方向协同构建工业互联网。随着大数据技术的飞速发展，未来工业互联网必将推动企业乃至整个工业制造业行业的巨大发展甚至变革。

参考文献：

[1]戴驱，刀亚娟，吴威.大数据时代智能水电站建设思路[J].水电站机电技术，2018（1）：23-27.

[2]刁振飞.三次产业革命的制度创新研究[D].中央民族大学，2017（03）：51-52.

[3]富士康工业的工业互联网之路[J].中国工业和信息化，201（09）：15-16.

[4]大數据应用解决方案[J].工业互联网创新中心有限公司，2018（04）：42-43.

[5]我国工业互联网平台建设面临的四大瓶颈[J].通信产业报，2018（04）：66-67.

[6]马铁宝，田丰，刘云璐.DT时代的工业互联网生态[J].电信网技术，2016（08）：19-20.