工业大数据:车间物联网数据管理

《制造业数据管理的再认知》一文中我们将工业大数据分为公共资源数据、工程类数据、管理类数据和物联数据。这篇文章主要谈谈物联数据,也是数据管理部分的最后一篇了。传统的管理系统将人作为数据采集端,用流程来固化组织的行为,用指标来衡量评价流程和组织的效率。工业企业的物联网,就是要将人和物联系起来,将系统和物联系起来,将物作为数据采集端,由人或系统进行数据分析和决策。数据的分析与优化是物联网的关键技术之一,也是未来物联网发挥价值的关键点。物联网在工业中有很多种应用方式,如物流仓储、生产制造、产品运维等,我们这里重点讲讲生产制造和产品运维。

第一节 物联数据的组织方式

工业企业的生产制造物联网应用一般称为车间物联网或者叫制造物联,通过使用RFID传感器、无线网络通信、GPS定位、语音视频系统等技术把制造计划与制造资源“人、机、料、法、环”等信息链接起来,从而对五大制造资源智能化识别、定位、跟踪、监控和管理,从而满足企业指挥调度、环境监测等方面的管理要求。五大制造资源分为静态属性和动态属性,如一台机床设备的静态属性又可以分为管理信息(设备编码、设备名称、设备分类等)、静态参数(工作环境、进给速度、切削参数等)、动态参数(机床状态、车床完备率、车床负荷率、维修记录等)。静态属性不受生产过程的影响,并在生产流程开始之前已经确定,是车间现场管理中的常量数据,但这些数据并非永远固定不变,它们可在生产过程结束后由用户进行调整;动态数据是一直处于变化中的数据,车间物联网数据大多属于动态数据。

工业大数据:车间物联网数据管理

  第二节 物联数据的管理技术

车间物联网是一种典型的复杂信息系统,涉及数据管理的各个方面,主要包括:数据质量控制、数据融合与集成、复杂事件处理、数据存储与处理,以及安全访问控制等。

数据质量控制:物联网的数据质量可以用精确度、置信度和完整性三个指标来衡量。在提高射频识别、传感器网络数据质量控制方面,主要采用清除多读和误读数据、填补漏读的数据。数据清洗通常采用概率统计和时空关联的方法。

数据融合与集成:物联网数据空间内数据对象的多态性表现在多类型、异构和无统一模式。因此,一方面需要构建车间统一的数据模型,用统一的方式表达数据;第二方面以统一数据模型为基础,研究如何将异构数据映射和转换到统一的数据框架中;第三方面物联网中的数据源是分布、自治和独立的。在数据集成过程中,有时需要自动地发现相关的数据源;第四方面要记录数据的来源,从而实现数据的溯源;第五方面车间制造资源是不断变化的,这种变化会对于数据的一致性、版本和模式更新等产生影响,要能够记录数据演化的过程。

复杂事件处理:在典型的物联网应用中,上层系统负责监测各个物体的状态和行为,并控制其按照既定的程序作出智能反应并完成相应行为。物体的行为通常以事件形式表达。

安全访问控制:由于物联网的开放性,如何保护好了传感数据的隐私性成为一个棘手问题。因为这些海量数据很容易获取、如果几何互联网检索信息,使用复杂的推理技术,就可推演出隐私信息。物联网的物体异构性和移动性增加了隐私保护的复杂性。

第三节 物联数据的应用模式

1、物联车间的生产管控:车间生产指挥调度中心作为整个生产的“大脑”,需要统筹调度车间的各项资源及生产能力,该中心通过集成ERP、MES、MDC等系统数据,以电子大屏幕为载体,展示各生产现场作业情况、突发事件、事件跟踪、改进情况等。结合精益生产理念,对各生产单元的生产任务执行进行全过程管理,通过统计、分析、归纳、预测后,实现生产数据可视化管理,为全景展示公司生产任务执行情况,提供企业决策支持分析,确保生产任务按质、按量的准时完成。

工业大数据:车间物联网数据管理

2、物联车间的质量控制:某钢铁企业是中国最大的特种钢材生产企业,在其某条硅钢生产线上,由于多种复杂因素的作用,成品表面有时会形成一种称为纵条纹的瓦楞状缺陷。纵条纹缺陷不仅影响产品的外观效果,而且对产品的物理性能如层间电阻,电磁性能和叠片性能等有着直接的影响,其纵条纹缺陷钢占生产量的30%左右,每年给企业带来巨大的损失。通过数据挖掘技术对生产工艺流程数据进行深入分析和挖掘,建立产品质量优化模型,减低次品率,提升产品质量。

工业大数据:车间物联网数据管理


本文转自d1net(转载)
上一篇:gitlab+jenkins+maven+docker持续集成(五)——Maven 项目构建配置


下一篇:开发者论坛一周精粹(第四十期) 提货券教程 域名删除规则