【工业大数据在智能制造中的应用及案例探析16000字（论文）】

工业大数据在智能制造中的应用及案例分析目录第1章绪论 [27]对于传统制造企业来说，想要实现智能制造。首先要处理好工业数据的手机与处理，三一重工经过多年的技术积累不断的攻克难关，建立了众多业务监控和管理系统，来打破信息孤岛从而能整合资源同意处理。其次要基于对设备运行情况、故障信息、质量检测等相关数据的采集和分析后，如何针对整个生产链条进行统一的可视化管控，真正实现“智能智造”。接入将近23万台设备(6万台活跃设备)，实时监测并可视化显示设备运行情况，应用大数据分析工具对大型机械装备进行故障分析，及时排除故障。可以预见的是，针对海量数据的可视化分析和展示服务，将成为传统制造企业搭建物联网平台的重要组成部分。§4．2生产过程优化与生产工艺升级工业大数据作为智能制造与制造业中交叉的一个重要的分析与处理技术，对于二者的反作用也是非常巨大的。工业大数据技术虽然应用很广泛，比如在人工智能，工业机器人，航空产业等；但是想要正确高效的把工业大数据技术应用到智能制造中不仅去需要足够的了解相关技术和理论基础，而却需要对生产流程与分析相当熟悉。首先，应用工业大数据技术，建立数据模型对于研究其应用十分重要。模型的建立需要通过工厂的内外系统构架中进行结构性和非结构型分析，从而应用在智能制造业中。传统的生产企业在追求高额利润的过程中，大多数情况下只以稳定生产和产品数量为中心，对于其他的生产管理技术与方法并没有进行学习研究与及时应用。从我国现存的生产企业可以看出来，只有不断的进行技术创新，紧跟时代潮流，尊重科学才能在广袤无垠的企业家中脱颖而出，为相关产业带来质量的提省和飞跃。所以，只有通过工业大数据技术与建立数据模型的方法去进行生产过程与生产工艺优化，才能有效地避免传统企业的生产管理的缺点，来满足企业对于生产效率和成本控制的要求。§4．2．1车间制造现场实时数据采集与监控SCADA系统通过工业大数据技术可以实现生产制造车间现场的数据采集，传统的由生产线负责人记录的数据存在许多弊病。比如，一个生产车间的主任为了让自己的绩效更加好看或许会瞒报一些产次品的数据，或者忙累了一天的小组长让他花费时间去记录自己一天的生产数据，他会觉得这是无关紧要的所以人为存在的因素一定会导致采集的数据的不准确性，那么，如果我们运用这些充满缺陷，不全满的生产数据去进行我们的实验分析，模型建立的话，一定会失败的。所以，在实时智能生产后，智能生产可以通过传感器，工业互联网等现代化技术对收集的数据进行分析，然后提出生产的改进方案，进而对生产过程和生产工艺做出优化。工业大数据拥有超强的数据处理转化能力，通过工业大数据处理转化为生产工序的控制参数值，把大而乱的数据进行有效整合形成机器能够识别和运用的数据。再用分析处理过的数据和工艺标准进行上下限超差对比，并通过追溯系统对质量异常工序对应的生产。对“人机作料法环”影响因素进行关联分析和影响度分析，建立基于累积大量生产工序数据的工艺控制参数优化分析AI模型，对各成型控制参数进行分析，实现生产过程和生产工艺的优化。实例分析分析目标：针对设备生产相关数据进行分析，发现影响设备生产的因素。数据表：每日仓库物料表数据概述：共收集88231条，选取数据的时间为2016-09-05至2018-07-22期间所有数据。详细说明如下表属性名称属性说明Facotry工厂代码Workshop车间号Producetime生产日期EquipmentID设备IDQualifiedproductivity合格产品数量Totalproductivity总生产数CompletionRate完成率可视化数据分析结果：对于完成率字段，根据日期统计，如图4所示。可以看到，图中有几次设备生产数量极低的情况。结论：（1）节假日时间，设备有生产数据的数量极低，大概率是工厂放假，设备关闭，导致图中设备停产。（2）图中图中圆圈标注的2017-07-20、2017-08-04、2017-11-02的几次大规模停产，都不在法定节假日时间范围内，只有少部分设备开工生产的情况是不正常的，可以根据该情况，检查当时记录，找出具体原因，解决问题，同时指导排查计划。§4．2．2数据融合改善工艺满足客户个性化定制随着我国制造业水平不断提升，产品的质量早已经达到了一个很高的标准。其中，客户的要求业在不断的提升，价格实惠早就已经是不能为企业带来利润的发展战略了。在如今这个大同世界，人人都在标新立异，树立自己的与众不同来带来心灵的满足。再此，生产制造企业要紧紧的跟着大众的眼光去生产产品。那么生产出的定制产品再加上质量良好，一定可以赢到客户的青睐，产品获利，再次不断更新产线，实现真正的智能制造。但是，怎么才能了解客户的需求和要求呢？这显然是一个很重要的问题。再此就要运用工业大数据技术了；通过数据融合技术广泛的收集数据，包括各式各样的数据，然后运用大数据处理技术，进行分类处理。然而，传统的数据收集往往是通过调查问卷和客户的反应，但是通过建立云处理平台，在数据收集，分析和处理上都给企业生产带来了很好的便宜。实例分析分析目标:潍柴动力:满足顾客的个性化定制服务需求,打造一个全流程的智慧型企业潍柴在其发展的历史进程中把"两化融合"提高到了战略地位,实现企业在困境中能够进行升级转型。运用大数据技术在潍柴智慧驱动平台基础上,集成智慧制造工厂,智慧物流和现代化智能管理的一系列现代化成果。作为当前我国汽车传统产业现代汽车制造业的重要领导者和重要龙头企业,在我国新一轮"互联网+"推动制造产业转型的发展浪潮中,潍柴始终一直坚持以"互联网+制造"为企业核心思想和发展理念,以加快实现汽车智能移动制造为汽车制造发展领域的一个主攻略为战略发展方向,通过将移动互联网、大数据、云计算、人工智能等各种新一代汽车信息基础技术直接有效融入覆盖到我国潍柴汽车企业的研发、生产、销售、服务等整个企业运行运营管理控制全过程,将会把潍柴企业打造发展成为一个走向现代化和数字化的汽车制造商和现代智慧化的民营企业。潍柴公司项目选取"一号工厂",利用物联cps、云计算、大数据等目前全球技术领先的新型第一代电子信息网络技术,建立以我国现代智能工业电子通讯信息网络和智能设备系统为主要制造技术核心基础、装备制造自动化和人工智能过程控制和以系统制造为主要技术核心的现代智能一体化工厂,培育以移动互联网人工协同、柔性敏捷智能制造等创新产品模式为主要技术特征的现代智能装备制造的新产品和配套服务经营新模式,探索打造出人工一体化现代智能装备制造的新服务业态,"低成本、高效率、高质量"可以满足不同行业客户的各种个性化量身定制的服务需求,为我们广大客户自身创造了远远都要超出他们所认为预期的商业价值。

§4．3本章小结本章主要通过研究了设备生产故障与诊断和生产过程优化与工艺升级来对工业大数据在产业升级优化中的问题。在生产故障诊断与优化中，主要运用了决策树模型的设备诊断与处理，代替了传统的生产线停工在聘请专家来解决设备故障问题。通过大数据技术收集设备的生产数据，包括设备的磨损，温度，老化等几个方面的研究，来实时监控设备，并通过建立方法库来快速解决故障大大缩短了生产线停工时间，为企业生产率带来提升。在生产过程优化与工艺升级中通过研究实时监控SCADA系统和个性化服务定制来进行生产工艺的升级。在产业升级优化中带来良好的处理方法。

第5章结论与展望本文针对研究工业大数据在智能制造中的应用研究，在中国制造2025和工业4．0的大背景下，随着智能化，数字化的不断发展，顺势实现制造工业智能化生产的大目标已迫在眉睫。在智能化生产的过程中会产生各个类别的数据，科学合理的运用工业生产的数据，对于其生产本身也是一种重要的反馈。工业大数据技术正是通过数据收集，数据分析，数据处理的新一代技术。在智能生产制造的过程中科学的管控生产过程和对产品质量管理是整个生产过程管理的主要方面；运用大数据技术可以提高生产效率的同时，带动产品的质量管控的更新，生产出质量可靠的产品。其次，在产业优化升级的过程中保证设备的诊断与优化和生产过程优化与生产工艺升级，给制造行业带来了新的技术。包括建立数据库模型代替专家来对设备进行定期的维护，通过决策树模型完整的刻画出真实的生产过程，对于研究生产过程的改善和生产工艺的升级带来了质的提升。在未来的制造生产中，工业大数据技术，制造物联和云平台将会持续的给工业生产带来前所未有的有利之处。当下，我们需要做的就是不断的进行技术上的革新，不断的学习新的科学技术。正确的运用好工业大数据技术和相关技术的有效融合，一定会让智能制造的产业更上一层楼的。

参考文献杨宁．工业大数据在智能制造中的应用价值分析[J]．中国新通信，2019，21(02):120-121．赵颖，侯俊杰，于成龙等．面向生产管控的工业大数据研究及应用[J]．计算机科学，2019(B06):45-51．RizwanP,RajasekharababuM.PerformanceImprovementofDataAnalysisofIoTApplicationsUsingRe-StorminBigDataStreamComputingPlatform[J].SonJ,RyuH,YiS,etal.SSFile:Anovelcolumn-storeforefficientdataanalysisinHadoop-baseddistributedsystems[J].InformationSciences,2015,316:68-86.段成．智能制造背景下工业大数据的数据质量控制探讨[J]．机械设计与制造工程，2018．闵陶，冷晟，王展等．面向智能制造的车间大数据关键技术*[J]．航空制造技术，2018，61(12):51-58．童群．工业大数据在智能制造中的应用价值[J]．电子技术与软件工程，2018．周亚勤，汪俊亮，鲍劲松等．针织生产智能管控的通用数据模型研究[J]．中国机械工程，2019，030(002):143-148，219．任杉，张映锋，黄彬彬．生命周期大数据驱动的复杂产品智能制造服务新模式研究[J]．机械工程学报，2018，054(022):194-203．徐迭石．大数据环境下车间生产异常的智能发现与响应方法研究[D]．哈尔滨理工大学．王献美．基于大数据的智慧云物流理论、方法及其应用研究[D]．浙江理工大学．于东，毕筱雪，刘劲松等．开放式、智能化“蓝天数控”系统及应用实践［Ｊ］．航空制造技术，2019，62（6）：22-29．LIMJ,CHAEMJ,YANGY,etal.Fastschedulingofsemicon-ductormanufacturingfacilitiesusingcase-basedreasoning[J]，IEEETrans.Semicond.Manuf.,2016,29(1):22-32.王成龙．基于数据挖掘技术的生产调度问题研究[D]．浙江大学，2015．于艺浩．基于数据的车间实时调度系统的研究与开发．沈阳工业大学．徐玉婷．MES车间生产调度系统及其数据挖掘方法的研究[D]．南京航空航天大学．刘娜．纺织领域中数据挖掘技术的应用研究[D]．大连海事大学，2004．鲁钊，陈世平．基于ID3算法的机械制造业决策应用[J]．计算机应用，2011，31(11):3087-3090．海尔集团．海尔COSMOPlat-工业大数据平台[EB/OL]．(2017-4-28)[2018-4-23]．https://cosmoplat．com/solution/micro/?solutionId＝132胡亮，刘洋．工业大数据在航天制造领域的集成应用研究[J]．军民两用技术与产品，2015，No．349(23):48-51．中国电子技术标准化研究院．《工业大数据白皮书(2017版)》正式发布[J]．机器人技术与应用，2017(03):3-3．宋辉．聚类分析系统的设计与实现及在工业中的应用[D]．天津科技大学，2004．辛旭明．基于过程监控的数据挖掘系统及其应用[D]．东华大学，2004．ChenWC，TsengSS，WangCY．ANovelManufacturingDefectDetectionMethodUsingDataMiningApproach[C]．InnovationsinAppliedArtificialIntelligence，InternationalConferenceonIndustrialandEngineeringApplicationsofArtificialIntelligenceandExpertSystems，Iea/aie2004，Ottawa，Canada，May17-20，2004．Proceedings，2004：77-86．HongSJ，LimWY，Che