基于工业互联网环境下的大数据技术应用研究

罗立辉

【关键词】工业互联网;大数据技术;应用

大数据技术作为一种集合现代逻辑计算、智能算法、网络安全、提前预警等技术保障的先进技术，能够为工业生产构架良好运维系统的同时，还提升了工业经营效益，如降低人力资源支出、设备成本资源支出等。尤其在结合现代绿色环保、智能、持续、共享等的基础上，还能提升工业生产质量、效果，提升企业社会、市场发展与竞争的适应力。因此，文章的研究具有现实而积极的意义。

基于工业互联网的大数据技术主要是指利用信息技术、通信技术、监控基础等，采取工业生产设备作业过程中形成的有价值数据，一般用于工业车间生产要素的调控、预测等（具体图1所示），旨在降低设备生产风险的同时，提升决策、方法的效益。深入剖析其概念，其包含以下特征：较大的数据容量。基于工业产业的特殊性，为挖掘有潜在价值的信息，工业大数据一般拥有较大的体量。能够满足互联网数据、大型设备等要素的接入需求，甚至一些体量达到EB级别;多样性。工业大数据拥有广泛的数据来源和多样的数据类型，能够适应工业、互联网的接入需求，如管理系统、机器设备等;快速性。其在相关感应设备和相关邏辑算法基础上，能够快速获取和处理相关工业数据，甚至对一些数据的处理达到了毫秒级;价值密度低。工业大数据更加重视相关信息的有用性和价值驱动性，比如智能制造、个性化定制及生产经营效率等;时序性。其主要是指该数据拥有一定时间和空间顺序，如不同阶段设备运行状态数据，不同空间订单需求量完成度等;强关联性。其主要是指数据信息同各项生产要素拥有非常强的管理度，如研发设计、零部件生产、整装、设备运行状态、设备隐患维修数据等;准确性。工业大数据所获取的信息是设备等要素生产的直接数据，该数据经过相关加工，具有可靠性、完整性和真实性特征，因此其最终分析的数据结果具有非常高的精准度。

从分析工业大数据全生命周期可以看出，工业大数据技术基于现代感应技术和算法，能够精准定位工业产品的全生产流程，实现产品全环节的有效驱动其应用意义主要包含以下几个方面：

（一）优化产品设计，推动产品创新

工业企业利用智能传感器收集设备产品运行过程中形成的相关数据，如用户使用偏好、习惯等信息，并利用智能终端汇总、分析、研究这些数据，有助于企业挖掘产品功能，推动产品创新发展，如基于产品性能的人性化、功能化设计。尤其在设备故障数据收集基础上，还能不断完善、改进、重构产品体系，继而在满足用户使用需求的同时，实现产品个性化、差异化创新。甚至在有条件的情况下，还能够创新产品生产及商业等模式，继而实现设备生产目的。

（二）提升管理质量，强化监控效果

要想全面控制设备生产过程，应根据其生产要素，收集所有影响要素，如人员技术、原材料质量、温度、设备振动、加工温度等。同时，为更加严格地管理生产流程，还应做好工艺流程的监督工作。而大数据信息收集系统不仅能够满足大数据技术的信息收集要求，还能通过信息收集、分析，精准定位各项流程的能耗、产能等，继而实现更高维度的监控目的。尤其在精准提供各项控制要素后，能助力相关技术、管理人员编制更加合理、科学、透明的生产和管理技术，可在一定程度上提升管理质量。

（三）强化风险控制，提升经营效益

受多种因素影响，企业车间的生产过程中可能存在各种问题，若不及时采取措施应对，必然会影响企业经营效益，甚至还会让企业面临破产的红线。而基于大数据体系的工业车间生产体系，不仅精准定位设备效率，还能够通过数据模拟预知产品可能存在的缺陷，如安全隐患、计算缺陷、工艺参数等问题，甚至还能提前预警，而这便会在一定程度上避免生产故障等问题。如图2基于大数据技术的健康故障预测与健康管理能够实现工业数据各项数据的有序管理，运维、故障、异常等健康管理。因此，在企业车间中融人大数据技术拥有非凡的价值。

（一）架设基于工业互联网的大数据技术构架

基于工业大数据技术相关特性，相关企业应做好其数据采集、数据应用两个维度系统的搭建（如图3），并在此基础上，做好工业互联网接人工作，以实现工业数据的汇总收集、计算分析等。具体而言，要做好设备数据采集、数据实时接入处理工作，即要设计外加传统器、内置传感器等设备，用以收集设备、系统所产生的实时数据等。

（二）基于工业大数据应用路径分析

基于工业互联网的大数据技术适用于企业车间工业生产全过程，即适用于工业车间相关产品研发、生产制造、在线运维等。

1.产品的设计研发

基于现代技术的工业环境，其竞争环境更加复杂、多变，因此如何高效率、高质量地完成产品设计研发，成为每个工业产品关注的重点。工业大数据技术可为产品设计研发提供良好的模拟、智能等协同技术，能在缩短产品设计研发周期的同时，提升产品设计质量。如可通过模拟仿真技术，模拟产品相关构架、形态等，并以此为依据模拟其运行情况，调整产品参数等。具体而言，一是利用感知技术获取产品真实数据，并将其映射至虚拟网络，然后利用朴素贝叶斯法、半监督法等，提取相关数据，以实现产品设计数字化、智能化的目的。二是利用物理规划、遗传算法、模拟逻辑等技术，评估、分析设计方案，为设计人员产品对最优设计方式的选择奠定良好基础。三是利用关联规则和应用回归等方式，持续优化产品性能，继而提升产品开发质量。

2.产品的生产制造

基于大数据采集技术的工业产品制造，能够降低生产制造过程的能耗、提升质量管理效果、优化产品相关参数以及实现生产调度问题优化工作等，尤其在工业大数据技术模型和算法基础上，其提升效果更加明显：

（1）降低产品生产能耗

降低产品能耗作为工业大数据技术核心要素，是目前工业大数据主要应用趋势。利用数据管理技术能更加有效、快速地识别产品生产过程中的能耗情况，定位能源浪费等问题，有助于能源的高效利用与节约。例如。通过大数据技术的分析系统，可清晰定位能源消耗的有效应对措施。具体而言，工业大数据技术利用数据采集建模，集中分析整个产品生产过程能源消耗趋势，并针对能耗环节进行管理、控制，从而帮助管理人员做好减能工作。同时，除了利用模型分析，工业大数据技术还能够通过空间解析、遗传网络、神经网络、回归等方式，精准预测产品实际生产所需的能源数据，继而为管理和控制人员设备控制、管理奠定良好基础，如调控设备运行参数等。

（2）提升管理质量

企业工业车间是否拥有潜力受到其管理质量的影响，而通过工业大数据技术可实现管理质量的全面提升，如优化管理流程、完善生产缺陷、提升产品质量等。比如，以车间管理质量为基础，融合大数据关联技术，构建工业互联网、大数据循环平台，可集成产品生产数据，并提升产品数据分析的针对性，从而在一定程度上提升产品质量。同时，通过结合用户需求、生产计划、工业产品生产数据搭建关联性强的控制模块，还能实现工业生产的智能化。这样不仅可避免人为生产失误，还能在降低生产成本，提升车间管理质量。

（3）优化产品参数

传统工业生产产品参数的优化一般依靠实验或经验，而基于大数据技术的工业生产体系，可更智能、高效、可靠的实现产品数据优化工作。依托工业大数据技术可集合生产线全流程信息，如产品历史数据、产品优化方向等。在整合这些要素基础上，通过逻辑算法建立相关模型，能够全面、详细地展示产品工艺参数变化趋势，为管理、技术人员参数优化奠定良好基础。比如，在汽車轮胎生产工艺中，通过分析其历史摩擦力参数、硬度等规格参数的历史数据，可更加精准的把控最佳参数，从而实现其产品性能和生产流程设备参数的优化。

（4）优化生产调度

在工业大数据技术影响下，车间生产资料调度系统开始转变为更加高效的现代管理系统，即更加智能化、高效性、便捷性、可视化，继而推动生产调度工作深化发展。通过将监控、传感等设备安装在工厂相关流程，可实现实时采集现场物资使用数据。同时，依据其收集、分析结果，调整生产资料投入情况，以提升生产资料调度质量和效果。目前，为实现智能调度，其系统一般涉及聚类分析、遗传算法及决策树等技术。比如，对于任务车间存在的调度问题，大数据技术一方面可依据其包含的决策树，分析可能已经产生的相关数据，并利用调度规则，驱动逻辑系统得出调度内容，继而提升调度效率。另一方面可依据遗传算法、离散事件模拟等技术，有效解决环境对调度数据的动态影响，继而实现调度的综合控制。

3.在线运维管理

现代工业的发展需要关键设备、大型装备等的支撑，因此这些设备的健康状态，对于工业企业而言非常重要。而基于工业互联网的大数据技术，可实现设备的在线运维等工作，做到远程管理、运维等。如在低延时、高速度、广连接基础上，大数据技术可通过机器学习、红外图谱诊断算法、支持向量机、关联规则、K-means等统计和智能分析方式，更好的识别产品图谱，更好的分析产品生产数据，更好的识别设备可能存在的安全隐患或异常状态。据此，通过工业大数据技术可进行预测性维护和设备故障诊断等，不仅可在一定程度上降低人为检测失误率，还能降低运维成本，提升运维安全性、实效性、可靠性、方向性，从而实现工业产业的在线运维发展。具体而言：

第一，预测性维护。预测性维护通过利用工业大数据和机器学习算法建立预测模型，在设备运行状态监测和退化机理经验的基础上，尽早发现故障隐患和预测设备剩余寿命，并依据预测结果延长设备运行时间。比如，利用高斯混合模型和SOM等无监督学习算法，将不同的流程环节的机器数据进行适应性分类，然后针对各个设备数据、参数等，搭建预测维修模型，制定维修决策，减小设备意外故障对工业企业车间生产的影响。同时，还可利用贝叶斯方法和退化模型全面分析传感数据，实现工业互联网环境下基于事件驱动的机床状态监测和剩余寿命预测网的搭建，在该预测网和监测网基础上，可依据剩余寿命合理安排工件生产任务，从而提升实现企业生产效益。此外，除了这些模型和算法，基于神经网络、聚类、支持向量机和随机森林等算法构建预测模型，能够及时、准确地预测设备可能发生的故障，从而提高设备使用率，提升其效能输出，降低停机维修造成的经营损失等，甚至在合理使用基础上，还能使设备在保障安全的前提下合理超期服役。

第二，设备故障诊断。对设备的实时监测有助于企业掌握设备的运行状态，快速诊断设备的运行故障。传统的设备故障诊断，首选的衡量指标是平均运行长度和平均信号时间，但通过统计得到的运行状态参考结果具有局限性。而工业大数据则突破这一限制，即该技术能够实时监控机器运行状态，并预测、诊断其可能存在的问题。利用无线传感器网络和射频识别技术。可以实时采集不同来源的设备监测数据，在此基础上，结合支持向量机、深度神经网络等机器学习算法和模型对数据进行分析，帮助企业做出准确的故障预测和诊断。

综上，在现行工业发展环境下要想提升工业产品效果，适应更加复杂的工业生产环境，相关企业应在探究自身不足的基础上，寻找工业互联网下的大数据应用路径，并深入分析该技术应用同自身生产的契合点，明确融合方向。当然，为保障融合效果，相关企业还应依据自身产业实际情况，全面梳理、分析有效结合点，避免资源浪费，达到工业大数据技术应用的初始目的。