高价值制造创新智慧工厂新型能力,制造业大数据应用场景

微构大数据2018-11-08 19:53:41


导读

产品的全生命周期从市场规划、设计、制造、销售、维护等过程都会产生大量的结构化和非结构化数据,形成了制造业大数据。微构大数据从制造业大数据定义、国家发展战略部署、产生及特点、应用场景等方面简要分析对制造业大数据制造的思考与实践。


工业是国民经济不可或缺的一环,也是一个国家强大竞争力背后的力量支撑。中国制造业约占整个世界制造业20%的份额,在500余种主要产品中,我国有220多种产量位居世界第一。2014年,我国共有100家企业入选‘财富世界500强’,其中制造业企业占56家。

 

长期以来,制造业方面都在想方设法创造出各种各样的技术和方法来改进制造工艺,实现自动化并确立全球化规模的供应链,以提高生产效率和产品价值。在经过长期粗放式发展之后,现代国内制造业发展面临着稳增长和调结构的双重困境,进入了“爬坡过坎”的关键时刻。

 


目前国内仍处于制造业化进程中,与先进国家相比还有较大差距。制造企业整体的规模化、标准化、自动化和信息化水平发展不一、参差不齐。新一代大数据信息技术与制造业深度融合,正在引发影响深远的产业变革,形成新的生产方式、产业形态、商业模式和经济增长点。

 

制造业定义


2013年以前一般把工业分为轻工业和重工业(重工业中包含化工业,也可以把化工单独分类),把为国民经济各部门提供物质技术基础的主要生产资料的工业成为重工业,例如石油开采、煤炭开采、电力、机械设备制造等;


主要提供生活消费品和制作手工工具的工业成为轻工业,例如食品制造、饮料制造、日用化学制品、医疗器械制造、文化和办公用机械制造等。


2013年以后,对于工业分类采用了新的标准,新标准借鉴了联合国经济和社会事务统计局制定的《全部经济活动国际标准行业分类》(International StandardIndustrial Classification of All Economic Activities),简称《国际标准行业分类》。


从2013年下半年起,国家统计局在工业数据发布中不再使用“轻工业”、“重工业”分类,而以采矿业、制造业、电力热力燃气及水生产和供应业分类代替。



其中制造业包括农副食品加工业 、食品制造业 、酒、饮料和精制茶制造业、烟草制品业、纺织业、纺织服装、服饰业、皮革、毛皮、羽毛及其制品和制鞋业、木材加工及木、竹、藤、棕、草制品业 、家具制造业、造纸和纸制品业、印刷和记录媒介复制业、文教、工美、体育和娱乐用品制造业、石油加工、炼焦和核燃料加工业、化学原料和化学制品制造业、医药制造业、化学纤维制造业、橡胶和塑料制品业、非金属矿物制品业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、金属制品业、通用设备制造业、专用设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设 备制造业、电气机械和器材制造业、通信设备、计算机和其他电子设备制造业、仪器仪表制造业、其他制造业、废弃资源综合利用业、金属制品、机械和设备修理业;

 

制造业大数据是指在工业领域,主要通过传感器等物联网技术进行数据采集、传输得来的数据,由于数据量巨大,传统的信息技术已无法对相应的数据进行处理、分析、展示,而在传统工业信息化技术的基础上借鉴了互联网大数据的技术,提出的新型的基于数据驱动的工业信息化技术及其应用。

 

世界国家工业发展战略部署


美国先进制造业战略

2012年2月,美国发布了《先进制造业国家战略计划》报告,将促进先进制造业发展提高到了国家战略层面。从投资、劳动力和创新等方面提出了促进美国先进制造业发展的三大原则、五大目标及相应的对策措施。


2014年,美国白宫发布《2014年全球大数据白皮书》,指出美国大型企业在投资大数据科技方面的关键驱动因素:分析运营和交易数据的能力、洞察客户线上消费的行为、以向市场提供新的高度复杂的产品、对组织中的机器和设备进行更加深入的感知。


中国制造2025战略

2015年5月,国务院正式印发《中国制造2025》规划。规划中提出将重点推动信息化与工业深度融合,把智能制造作为两化深度融合的主攻方向,着力发展智能装备和智能产品,推进生产过程智能化,培育新型生产方式。



同年12月,工信部、国标委联合发布《国家智能制造标准体系建设指南(2015年版)》。为推动智能工厂的建设,国务院又发布了《促进大数据发展行动纲要》,建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。


德国工业4.0战略

2015年4月,德国提出来“工业4.0”战略。强调通过信息网络与工业生产系统的充分融合,使产品与生产设备之间、工厂内部纵向之间、工厂与工厂之间,都能通过CPS(物理信息系统)联结为一个整体,从而实现生产的智能化,提升制造业的灵活性和工程效率。


法国新工业战略

2015年,法国推出“新工业法国战略”,总体布局为“一个核心,九大支点”。一个核心即“未来工业”,主要内容是实现工业生产向数字化、智能化转型。九大支点,包括新资源开发、可持续发展城市、环保汽车、网络技术、大数据技术、新型医药等。


2015年5月,法国经济、工业与就业部又公布了未来工业计划,该计划将在“新工业战略”的第二阶段中扮演核心角色,主要目标是建立更为互联互通、更具有竞争力的法国工业,旨在使工业工具更加现代化,实现经济增长模式转变。


制造业大数据产生途径


制造业大数据是制造型企业创新转型的驱动力和催化剂,随着三维设计、3D打印、机器人技术等在制造型企业广泛应用。制造业大数据广泛分布在产品设计、制造、物流、服役等各环节。



生产经营相关业务数据

来自传统企业信息化范围,被收集存储在企业信息系统内部。此类数据是工业领域传统的数据资产,正在逐步扩大范围;


设备物联数据

生产设备和目标产品在物联网运行模式下,实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据,这是制造大数据新的、增长最快的来源;


外部数据

与工业企业生产活动和产品相关的企业外部互联网来源数据;


智能化制造

以智能制造业机器人为典型代表的智能制造装备已经开始在多个领域得到应用。    

 

制造业大数据特点和挑战


制造业大数据区别其他行业大数据有自身的特点和挑战:


多源性获取,数据分散、非结构化数据比例大

制造业大数据来源广泛且分散,有来源于产品制造现场工控网监控数据,有来源于互联网的客户、供应商数据,有来源于企业内网的经营管理数据;

海量异构多源多类数据难以有效集成,语义描述困难,不能实现面向系统生命周期管理的数据协同管理。


数据关联性强,有关联也要有因果

制造业大数据的产生和应用都围绕产品全生命周期、企业主价值链等,数据间关联性强且分析准确性要求高;

不但要利用大数据给出决策也要用大数据给出决策依据;

制造业大数据预测精度低,准确性和可靠性不高,无法满足安全性要求。


持续采集、具有鲜明的动态时空特性

制造业大数据来源于工控网络和传感设备,具有实时性强、连续性、稳定性要求高等特点;

需要采用可靠的数据采集、存储、管理的工具进行管理;

另外涉及国计民生领域还要求整个平台安全可控。


与具体制造业领域紧密相关

制造业大数据产生依赖于CPS网络和智能产品,但目前面向信息物理融合系统的分析方法单一,无法实现闭环、多层次、多阶段、自比较等的综合分析;

面向智能设备和智能产品的故障检测能力不足,健康预测管理水平低,无法实现面向产品可靠性的深层次分析。


要保证准确率的前提下还要保证实时性

工业领域准确率起码要99%,轨道交通要更准确,只要生产线不停,就会源源不断的产生数据;

工业大数据还需要实时的达到分析和应用。制造业大数据分析的实时性要求高,动态控制困难,量化难度大。

 

制造业大数据应用场景


物料品质监控

原物料品质不稳定其实有迹可循,然而传统SPC监控要等到发生问题时才会做出警示,此时不仅己经影响产品品质,更不容易找出原因,微构大数据则是主动分析趋势变化,发现潜在问题即早做出预警,以便能及早解决(更换物料)维持产品品质。


改善生产流程

使对机器的性能测量和可追踪性变成可能。通过在生产中心给所有的机器安装传感器,让生产经理得到每个部分及时可见的操作情况。通过深度分析还能帮助了解生产质量和培训每个机器和操作者的差异性。


大数据的运用对流水线作业的生产型企业来说价值无限,并且这种情况在现在变得越来越普及。对机器生产来说,需要量化和可视化每天的产能对公司财务表现的影响。大数据深度分析将为制造商展现出那些缺失的关联,那些使日常生产行为与财务表现一致的关联。使生产计划者和高级管理人员知道在机器层面如果设施运转正常,最大化产能。


良率保固分析

对制造业者来说,产品良率过低或是出售后于保固期间内发生问题,不仅会增加成本,更直接影响企业形象与客户满意度。因此结合生产设备、产品良率及维修保固相关资料,建立预测模型,以预测良率并降低保固成本。


定制产品设计

只卖高利润的定制产品的和按需生产的产品会对生产造成一定影响。对许多复合型生产商来说,定制和按需生产会带来更高的毛利润,但同样,如果生产流程没有很好的规划会导致成本的指数级增长。


使用微构科技深度分析平台,制造商们可以在销售的同时发现在按需生产的环节配置中哪个环节他们可以在目前的生产计划中将影响控制到最小,比如人员配置和车间配备的程度等。


产品质量标准管理

随着时间的推移,运用微构大数据产品可以让生产商提升质量的可见性和对供应表现预测的准确性。对厂商来说,通过大数据的运用和深度分析可以让他们实时的看到产品质量和运输的准确率,当接受对时间要求很高的产品订单时可以做出更好的抉择。此时,对质量标准的管理变得比对物流进程管控更加重要。


设备异常监控与预测

传统SPC监控虽然也涵盖设备参数,但有时设备仍然会发生问题,工程师也不知道设备发生问题该怎么处理最有效,运用微构大数据产品设备感测资料及维修日志,找出发生设备异常的模式,监控并预测未来故障机率,好让工程师可以即时执行最适决策。


理解用户需求

传统的市场调研随着互联网的普及变成用户需求洞察,手段和形式都发生了很大变化。现在企业通过内部和外部数据结合微构大数据分析技术,在这些千丝万缕的关系中找到最合理的优化路径,帮助改善现有产品方案。


通过大数据把功能和竞争对手进行对标进行分析,就可以告诉研发部门应该做,哪些不做。对产品进行市场用户需求的评测,从用户的角度,通过用户的心声做建模,再通过数据可视化展现来看说用户到底想要什么。


产品研制协同

通过建立统一的设计开发环境,实现知识的积累和重用。建立设计平台,对产品研制过程中的各种工作内容进行集成展现和管理,并根据用户角色和工作内容的不同,管理并查看相应的内容,用户可通过研发设计工作台直接开始设计工作。



协同设计研发平台一方面通过数据、产品数据、运营数据管理为基础,将设计经验、工艺信息、制造信息、产品服役过程信息(零部件寿命、质量问题记录等)、客户需求等统一纳入设计需求范畴,也即完成客户等纳入需求考虑,保证设计需求的全面响应,实现定制化奠定基础,逐步协助企业服务化转型;另一方面具体执行设计研发业务支持基于多学科融合的综合,支持多学科并行设计等。


全面质量控制

通过集成管理的数据,进行产品问题的向上及向下追溯,一方面追踪问题根源并对其影响范围进行确定(如存在多少在制品等)并干预,保证后续产品的质量;另一方面根据问题根源,改进原材料或设计工艺等,从根源上解决问题,降低问题重复带来的损失。


当产品产生问题时回馈制造商形成质量问题记录单,零部件制造企业基于完整的产品全生命周期数据管理可通过微构大数据产品追溯实现零部件批次、设计信息、工艺信息、制造过程信息的快速定位,进而由专业人员进行分析质量原因并采取响应的改进措施。


保证后续零部件/半成品按更改后的文件制造生产,使问题重复再现得到改善;对同一样已交付使用的零部件采取一定的维护更换或召回处理,规避由某零部件问题造成工程停产的更大损失。


企业经营管控

通过问题看板展示相关负责人或领导可直观的了解现行问题及项目进展等情况,追溯科研能力及生产能力相关的缺失,及时予以科研流程及生产流程的干涉,从根本上解决问题,达到企业价值及客户需求。



大数据对于企业透明化的经营管控可实时的、直观的、全面的展现企业现状、及时地发现问题、快速的定位问题根源并提出相应措施,最终回归到企业价值体现及经营目标建设。


缓解供应链风险

在供应链中,大数据应用围绕着可追溯性、采购和仓储三个主要孤岛开展。通过从外部和在线渠道(例如金融分析师建议和媒体评论)挖掘历史和实时数据,制造商可以发现未来趋势,并在发生金融危机时获得应急措施的宝贵时间。大数据的其他应用包括维护最佳库存水平和改进采购决策。


零件生命周期预测

零件或耗材有其生命周期,制造业者多半根据供应商建议进行定期更换,却忽略了生产及环境条件对耗损速度的影响,导致以下两种情况经常发生,一是在太早更换零件,造成不必要的开销,二是太晚更换零件,导致品质受影响。微构大数据产品根据生产及设备状态资料、零件资讯,精准预测零件生命周期,在需要更换的最佳时机提出建议,帮助制造业者达到品质成本双赢。


制程监控提前警报

制造业的制程参数相当多且彼此会互相影响,若是因为制程参数偏移而影响产品品质,工程师只能单一站点逐步追查,相当耗费时间,而微构大数据是建立产品品质预测模型,找到最佳的制程黄金区间,一旦发现制程参数偏移到区间外,便即时发出警报,让工程师可以即时进行调整或其他决策。


大规模定制

大数据是制造业智能化的基础,其在制造业大规模定制中的应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等,核心是定制平台。定制数据达到一定的数量级,就可以实现大数据应用。


通过对大数据的挖掘,实现流行预测、精准匹配、时尚管理、社交应用、营销推送等更多的应用。同时,大数据能够帮助制造业企业提升营销的针对性,降低物流和库存的成本,减少生产资源投入的风险。


个性化需求

一方面需要制造业企业能够生产提供符合消费者个性偏好的产品或服务,一方面需要互联网提供消费者的个性化定制需求。由于消费者人数众多,每个人需求不同,导致需求的具体信息也不同,加上需求不断变化,就构成了产品需求的大数据。    


消费者与制造业企业之间的交互和交易行为也将产生大量数据,挖掘和分析这些消费者动态数据,能够帮助消费者参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。


制造业企业对这些数据进行处理,进而传递给智能设备,进行数据挖掘,设备调整,原材料准备等步骤,才能生产出符合个性化需求的定制产品。



国务院印发《促进大数据发展行动纲要》,明确提出,推动大数据发展和应用,在未来5至10年打造精准治理、多方协作的社会治理新模式,建立运行平稳、安全高效的经济运行新机制,构建以人为本、惠及全民的民生服务新体系,开启大众创业、万众创新的创新驱动新格局,培育高端智能、新兴繁荣的产业发展新生态。



目前国内制造业缺乏创新性、逻辑性的思维能力。大数据能够为制造业提供全方位的服务,从产品设计到制造、从使用到维护、维修等售后服务阶段,产生的正向数据以及逆向数据,都将得到全面应用。


通过对制造大数据进行分析,提升数字化工厂运行效率,大数据作为新一代信息技术的关键,逐渐成为新一轮产业革命的核心。实现以数据感知、数据处理分析、制造过程决策与支持、数据可视化技术为核心的智慧工厂已经成为趋势,大数据产业链及技术体系逐渐成熟,大数据必将加速数字工厂向智慧工厂的转型。


阅读更多微构科技大数据报告分析:

大数据助力智慧物流,新一代物流产业数据价值分析


科技赋能农业变革:“大数据+农业”重新定义产业体系


未来互联网+大数据时代,DT革命互联网大数据应用简析


大数据时代下房地产市场变革,房产大数据信息化应用简析


未来能源互联网技术革命,能源产业大数据应用解析


深度干货,李彦宏、马云、马化腾数博会演讲实录(附全文)


IOT大数据大世界大未来,物联网产业大数据应用简析


中国大数据产业发展评估报告(2018年)


DT时代商业革命,大数据金融行业应用发展分析




Copyright © 古田计算器虚拟社区@2017