基于工业大数据的智能制造新模式研究

张梅芳

摘   要：随着制造业信息技术的应用，大量生产数据沉淀并等待发掘利用。工业大数据技术不仅对生产数据有效地收集和管理，同时开拓了智能制造远程运维新模式。为更深入地探索工业大数据与智能制造的有机融合，从两者的产生背景、技术特点和融合模式等角度进行了系统阐述。在此基础上，对该融合模式的创新应用进行了归纳和总结，然后介绍了创新融合模式在水泥生产企业的应用，最后对基于工业大数据的智能制造新模式研究进行了总结与展望。

关键词：工业大数据智能制造远程运维新模式

中图分类号：F424                                   文献标识码：A                       文章編号：1674-098X（2020）03（b）-0039-02

随着传统企业向制造服务业转型的进程，工业数据也历经多年的积淀。尤其是从事制造服务业的企业，以及工业互联网平台企业，都拥有海量的工业数据，逐步形成大数据规模。探索工业企业运行所产生的大数据的运用，正推动着智能制造新模式应用的创新。

经研究，对于多年来从事国际化生产管理服务的企业，在实现制造业产能“走出去”升级为制造服务业“走出去”的基础上，需要进一步实现制造服务业“走出去”高端化进程。生产制造服务在海外的业务开展，人力成本越来越高，并且随着工业4.0的推进，工厂装备、生产线管理等逐渐走向智能化。我们现在正处在变革和创新的潮流下，在这场竞争中，谁拥有先进的技术和服务，谁就占据了市场的高地。为适应这种快速变化的发展趋势，本文提出工业大数据应用，推动远程运维服务模式应用，为客户优化产业链管理，降低设备维护成本，从而提升客户服务水平;通过生产网络协同管理实现生产效益的提高，同时能够通过高技术水平的平台服务，实现轻资产、低成本运行。制造业工业大数据的应用，不仅在技术上有所突破，更加在制造服务模式上有了开创性的拓展。

1  工业大数据与智能制造融合模式概述

随着国际化进程，传统制造企业正在走向全球化运营管理，服务范围呈现全球化。若以单点式管理模式，使用传统管理工具，必然不能满足全球化运维管理的要求，远程运维服务模式逐渐成为制造企业所要探索和使用的重要方向。远程运维是以工业大数据为基础展开的，其最能体现数据运维的新思想、新模式。当管理者面对跨国界、跨时区的工厂运维支持时，需要工业数据通过合理的数据平台传输和展现，为远程运维提供及时、准确的决策和管理支撑。

本文重点研究了适用于建材制造企业的大数据平台的关键技术及相关应用，解决生产过程中设备、产品质量和运行数据的管理问题。通过与远程数据中心集成，创新地实现了工厂生产过程中智能化、专业化、实时性的管理。本项目的实施，解决了在全球性项目服务和管理过程中遇到的各种问题，在提高效率、降低成本的同时，为企业创造更多经济利润。

2  远程工业大数据中心设计

工业大数据平台以数据中心的DCS数据为基础辅以人工填报的数据能够实现制造企业的全方位信息化管理从而规范管理制度，提升管理效率。企业的管理者可以随时随地掌握企业的运营状况，从而做到有的放矢，及时发现问题并进行相应的升级优化。工业大数据平台以建设远程工业大数据中心为基础，初步服务工业企业，逐步扩大客户范围，以平台模式提供丰富的数据服务内容。

远程工业大数据中心主要分为两部分，区域工业数据中心建设和核心工业数据中心建设。区域工业数据中心通过组建独立数据采集和通讯的工业以太网，对下连接区域内多个生产线数据，对上与核心工业数据中心系统的关系型数据库做二次整合对接，实现在某一核心市场建立辐射周边的数据服务中心，从而能够汇集辐射的工厂数据，根据需要为区域市场服务。核心数据中心汇聚所有区域中心的数据，实现数据的集中统一管理和全球运营分析。

通过数据平台基础设施的建设，打造三级存储模式：在工厂内通过组建独立数据采集和通讯的工业以太网，连接生产现场主要设备、PLC、工业控制系统等，将采集到的数据存储企业内部，然后将该区域内的工厂通过网络专线汇集到区域工业数据中心进行二级集中存储，所有区域工业数据中心的数据通过加密专线在北京建立工业数据中心进行三级存储。

3  工业大数据与智能制造融合模式及预期效果

基于工业大数据与智能制造的发展现状，以及二者在远程运维新模式的应用，提出利用工业大数据实现与智能制造的融合模式。

从生产制造角度，实际生产过程的设备、产品、人员等方面存在很大不可量化、不可预测导致的不确定性。例如不同厂家、不同型号的零件生命周期差别很大;工人操作失误造成的资源浪费、加工过程中零件的磨损引起的设备故障;现场执行过程的不可控等。这些不确定性直接影响生产调度安排、产品质量、安全控制、生产决策的准确性。因此，利用大数据技术，收集生产过程数据，对这些不确定性进行分解和量化，降低不确定性带来的偏差，保证生产过程尽可能透明，进而提高了生产效率。从管理角度，企业还可根据数据分析结果及时更换零件、维修设备、监督工人，实现标准化运转。

从设备维护角度，通过对设备重要指标参数的记录，与故障现象直接绑定分析，可以评估设备健康状况及运行工况，发现问题提前预警，既能够延长设备使用寿命又能够减少生产损失。

从质量管理角度，通过对结果数据和过程数据的建模、分析，针对质量控制指标进行全过程监测，覆盖原料、半成品、成品的质量指标，记录详细准确，实现产品质量溯源。

從数据价值角度，搭建大数据平台，有利于产业数据集成，挖掘数据价值，对于未来人工智能的引入提供数据样本。最大程度发挥数据价值，数据集成后充分应用大数据技术，形成数据产业链。

4  应用实例

为了验证工业大数据与制造业的结合应用，选择在多家水泥企业运行管理中进行了探索实践。多家水泥企业分布在各个地域，为了实现对国外现场的集中管理，在国内总部也部署一套系统。总部的系统和工厂本地的系统进行双向的数据同步，本地系统实时监测总部系统数据库的变化并采用“拉”的方式同步用户、权限、系统配置等公共数据，同时通过实时分析本地数据库日志将本地业务数据采用“推”的方式同步到总部数据库。

（1）数据采集及数据存储。

OPC数据采集客户端：在海外工厂部署分布式控制系统（DCS）通过其OPC接口将现场所有设备的运行参数（温度、压力、压差等）以及设备的维护记录等一系列结构化的数据经专网传输至实时数据库集群中。

（2）数据应用与分析。

设备运行状态、工艺参数、故障数据实时采集并传输，基于大数据分析，逐步实现设备预防性维护与产品良率稳定提升，确保资源充足供给。

工业大数据平台整体采用成熟的 Hadoop 分布式架构，在核心数据中心以外采用边缘计算方式，初步进行分析和处理，经分析后的数据再通过全球链路，传输至核心机房。不同节点构成较好的灾备系统，同时在数据安全方面有较好的分层加密应用。平台通过分布式运算架构，实现海量数据在线和离线的深度挖掘分析;通过大数据引擎，对数据进行流式处理，实现数据分析的时效性;通过大数据可视化平台，各层级管理人员能够及时发现随机或异常信息，进行及时决策和不断改进;通过统一的大数据可视化系统，各个层级管理人员能够快速直观了解到生产现场的全部信息，包括：设备的电量、开关状态、电机转速等运行状态，当前的生产数据，如原料消耗、生料产量、熟料产量、产品产量、能耗数据、环境监测数据等，以及当日的统计数据，如设备运行时间、设备台时、电量消耗、综合能耗等。一旦出现异常，及时采取相应措施，确保生产顺利进行。同时从中也能够发现需要不断革新改善的项目，达到旧价值改善、新价值开发的创新管理模式。

5  结语

基于工业大数据的智能制造融合模式有助于提高企业制造效率以及智能化水平，促进传统的生产制造型企业向数字型、智能型和服务型转型，从而建立远程生产运维的新模式生态。工业大数据是实现远程生产运维的重要技术手段，加快我国制造服务业的发展速度，并拓展为全球市场。

目前，工业大数据仍处于起步阶段，应进一步推进基于制造业的工业大数据研究，制定相关行业标准，加强新一代信息技术、大数据分析技术、智能科学技术和产品专业技术的深度融合。

参考文献

[1] 董春涛，李文婷，沈晴霓，等.Hadoop YARN大数据技术框架及其资源调度机制研究[J].信息通信技术，2015（1）：77-84.

[2] 胡一.基于大数据的电子商务个性化信息推荐服务模式研究[D].吉林大学，2015.

[3] GE Predix牵手微软Azure加速工业数字化进程[J].智能制造，2016（7）：11.

[4] 李末军.智能制造领域研究现状及未来发展探讨[N]. 工程技术研究， 2017（3）.

[5] Ren L，Zhou W M. Optimization Research and Application of Unbalanced Data Set Mulitclassification Algorithm[M]. International Conference on Intelligent Human-Machine Systems and Cybernetics. New YORK：IEEE，2016：39-42.

[6] Park K， Baek C， Peng L M. A Development of Streaming Big Data Analysis System Using In-memory Cluster Computing Framework： Spark[M]. PARK J J， JIN H，JEONG Y S， et al. Lecture Notes in Electrical Engineering. NEW YORK： SPRINGER， 2016：157-163.