最新新闻
我要投稿
联系电话:027-87592219/20/21转188
投稿邮箱:tb@e-works.net.cn
您所在的位置:首页 > 智讯 > 国内资讯

工业物联网与大数据分析应用的四个重点

发布时间:2016-08-16 作者:张礼  来源:互联网
关键字:工业物联网 大数据 
工业物联网平台技术的出现不仅仅是提升了分析的广度,更出现了加速淡化了传统分层模型的趋势与可能性。

    从质量系统到制造执行系统(MES),从单个控制器到基本嵌入控制设备 (PLC)到复杂嵌入式设备,很多的制造性企业早已获得了大量的数据以及数据采集的相关经验。

    随着成熟度日益上升,加之使用案例的延展,制造性企业在享受过去的成果的同时,也在慢慢掌握并且启用新的数据源,包括逐步开始着眼从资产/设备中增加数据。

    李杰教授在8月3日的全球首席信息官论坛的发言中谈到,没有背景的数据是没有价值的、不可用的,同样也是无法分析的。这也是工业物联网的融合全面多元数据的核心意义所在。这让我不禁想起宋代诗人杨万里的那首传世佳作:《晓出净慈寺送林子方》的传世佳作。

1

毕竟西湖六月中,风光不与四时同。

接天莲叶无穷碧,映日荷花别样红。

    莲花虽较为常见,但尤以西湖的莲花名声远扬。西湖六月风光有其特色,杨万里在诗句中并没有流露出对酷暑的不耐烦,而充分肯定了朋友林子方的高洁品格。如果没有那碧波万顷的西湖与荷叶的背景信息,现代的我们似乎很难体味诗人此刻的心态与心事。从今天的大数据分析角度来看,这与环境数据有异曲同工之妙。让我借此来简略分析一下架构工业物联网的数据流构架与大数据。

    我们不要太早地去设定框架

    当企业在考虑采用工业物联网(IIoT)链接与工业大数据分析的时候,最好的方法是找到一个适合企业的案例或应用作为入口。这已经是一种较为普遍的惯性思维模式。但这似乎并不是我们想像中的那么简单,因为我们很容易发现,要找到非常通用的、适合众多企业的单一使用案例并不存在。相反地,这些应用场景却分布在制造业企业部门的各个传统驱动要素里面,包括能源、可靠性、质量、生产、设计等等。换句话来讲,就是工业物联网与大数据的结合没有固定的模式,没有固定的架构,可是,我们今天却给出了太多的框架。

    过紧或过松的工程与制造公差所引发的故障导致客户无法享用产品或者是成品的货到即损质量问题等,都属于成功的工业物联网的应用案例。在结合多方实地调研以及与企业的项目合作之后,我们发现,远程监控在这两年依然居于工业物联网与大数据结合案例的首位。能源效率的管理紧随其后,而资产可靠性与设备智能所带来的质量提升则位居第三。业务转型措施被多数企业看作长期使用案例,更有可能成为明年及以后的目标。

    正是这些早期的成功案例,使得新的应用创新以及应用的方向转变成为可能。例如,从出售资产变为出售能力等共享经济的模式。美国NSF智能维护系统中心主任李杰教授在《工业大数据》一书中指出,实现制造业的价值化,实现用户需求、产品设计、制造和营销的配合,根据生产状况实现系统自我调整,降低生产过程中的浪费以及制造工业环保与安全是大数据工业制造的五大核心支撑。

    重视显性因素和不显性因素的必要融合

    五大支柱的焦点就是显性因素和不显性因素的融合。我们曾经关心的是产品的制造、产品的制造工艺、产品本身的质量等显性因素。考虑的因素都是可以触摸的、可直观判断的。在工业大数据里,要解决的问题却是那些不显性因素。设备处在一个在亚健康状态,我们不仅看不到,更不明白问题的根源在那里。

    由于问题大部分与显而易见的关系有关,其中包括隐形的讯息、零配件供应商、复杂的制造流程、多变的环境状况和客户使用方案等。对于未来的智能制造而言,想要达到零宕机、零排放或是零维修等目的,我们必须突破的一个关键点,就是关注相关隐形的因素,做好量化与数据交叉关联分析。

    今时今日,多数公司依然通过信息系统层次结构的控制来实现对数据流的管理,我们已经看到不少企业开始尝试从下至上、向顶层的企业应用系统和分析管控平台输送IIoT的数据的方式。而另外一种尝试就是从外源数据层,数据也同时通过企业各种门户流向的工业物联网的云端。现在的问题就是,外源的数据能否在直接与现有自动化设备相连的门户的“物”的一侧实现,或通过传感器和连接器的第二系统实现对接。

自动化

图2 自动化

2
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
相关资料推荐