實(shí)施自動(dòng)化、減少一線員工以及設(shè)備的智能化正在讓工業(yè)產(chǎn)生越來越多的數(shù)據(jù)，而隨之不斷出現(xiàn)的基于數(shù)據(jù)分析的應(yīng)用也在加快工業(yè)的數(shù)字化進(jìn)程，這種“良性循環(huán)”使得數(shù)據(jù)正在成為工業(yè)革命的真正“驅(qū)動(dòng)力”。當(dāng)然，這是理想狀態(tài)的“數(shù)據(jù)驅(qū)動(dòng)”的數(shù)字化轉(zhuǎn)型，事實(shí)上當(dāng)前絕大部分工業(yè)企業(yè)并不能有效的利用工業(yè)數(shù)據(jù)。一個(gè)真正的工業(yè)數(shù)據(jù)分析應(yīng)用應(yīng)該至少在采集數(shù)據(jù)、清理和上下文化數(shù)據(jù)、計(jì)算KPI指標(biāo)、提供基于角色的可視化和儀表板以及優(yōu)異的工業(yè)互聯(lián)網(wǎng)平臺(tái)等方面具備卓越的能力。

01卓越工業(yè)數(shù)據(jù)分析特點(diǎn)

a采集數(shù)據(jù)

首先應(yīng)用必須具有直接從工廠車間設(shè)備收集數(shù)據(jù)的能力，它應(yīng)該能夠直接獲取到 PLC、傳感器、DCS 等所有現(xiàn)場硬件和軟件的一手?jǐn)?shù)據(jù)，并能夠從中提取有意義的信息。同時(shí)針對(duì)工業(yè)體系中必不可少的人，包括操作工、班組長、主管等，應(yīng)用也應(yīng)該為其提供便捷的數(shù)據(jù)錄入渠道。因?yàn)?，人作為工業(yè)體系中最“智能”的角色，能夠提供給應(yīng)用一種“設(shè)備數(shù)據(jù)無法達(dá)到”的具備上下文意義的數(shù)據(jù)。

b清理和上下文化數(shù)據(jù)

提到工業(yè)數(shù)據(jù)、大數(shù)據(jù)，很多人想到的可能是“海量”、“各種各樣”等等，似乎工業(yè)數(shù)據(jù)分析就是一個(gè)“大籮筐”，什么都能裝。事實(shí)上并非如此，數(shù)據(jù)分析應(yīng)用從設(shè)備收集數(shù)據(jù)時(shí)，必須對(duì)其進(jìn)行清理和過濾。因?yàn)閬碜怨I(yè)設(shè)備和系統(tǒng)的數(shù)據(jù)如果不放到有意義的上下文環(huán)境中，就是毫無意義的。比方說一個(gè)溫度值可以是一個(gè)鍋爐的參考值，也可以是車間溫度值，當(dāng)不為這些數(shù)據(jù)提供上下文環(huán)境時(shí)，他們可以說毫無意義。同時(shí)，還有一些數(shù)據(jù)可能對(duì)于數(shù)據(jù)分析應(yīng)用來說毫無價(jià)值，可能在現(xiàn)場就被過濾掉了。這樣做是為了減少“噪聲”，以及實(shí)現(xiàn)更好的資源優(yōu)化，畢竟“大數(shù)據(jù)”也是需要計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等資源的，并確保數(shù)據(jù)已準(zhǔn)備好用于顯示和計(jì)算。

所謂的上下文化數(shù)據(jù)，也就是采集數(shù)據(jù)時(shí)，應(yīng)添加與相關(guān)工廠、部門、班次，產(chǎn)品、操作工和生產(chǎn)線等相關(guān)的上下文。比如質(zhì)量問題、停機(jī)時(shí)間等數(shù)據(jù)在收集設(shè)備參數(shù)和設(shè)置、壓力、速度等相關(guān)支持?jǐn)?shù)據(jù)，以幫助診斷問題，還應(yīng)盡可能的添加大概原因，以幫助后續(xù)的分析。這一點(diǎn)似乎超出了很多人的想象，因?yàn)樵谒麄冄劾铩按髷?shù)據(jù)”就像魔棒，能夠讓隨便一堆數(shù)據(jù)“化腐朽為神奇”，然而，事實(shí)上大數(shù)據(jù)也需要“有意義的數(shù)據(jù)”。

c計(jì)算KPI指標(biāo)

精確的 KPI 指標(biāo)是任何持續(xù)改進(jìn)項(xiàng)目的關(guān)鍵，但是在開始追蹤KPI之前，企業(yè)必須制定一套行之有效的指標(biāo)體系。在這方面企業(yè)可以參考一些傳統(tǒng)經(jīng)典的指標(biāo)體系，比方說ISO 22400指標(biāo)體系實(shí)用性就比較廣。當(dāng)然，這些可參考指標(biāo)體系只是一個(gè)基礎(chǔ)，最重要的是企業(yè)能夠在這些基礎(chǔ)指標(biāo)之上，根據(jù)自身的業(yè)務(wù)體系摸索一套適用自身的指標(biāo)體系，進(jìn)而通過相關(guān)應(yīng)用實(shí)時(shí)計(jì)算諸如 OEE、吞吐量、周期時(shí)間、停機(jī)時(shí)間等指標(biāo)。

d基于角色的可視化

就當(dāng)前來看，可視化也存在一些誤區(qū)，很多人都被當(dāng)前一些酷炫大屏所吸引，但實(shí)際上數(shù)據(jù)分析應(yīng)用的可視化最重要能力是以有意義的方式可視化數(shù)據(jù)，簡單來說，就是可視化的數(shù)據(jù)應(yīng)該“在正確的時(shí)間為正確的人提供正確的數(shù)據(jù)”。比如，寄云科技為麥格納-格特拉克、金明精機(jī)等知名高端制造企業(yè)提供的可視化部分，就包含工廠級(jí)“大屏”、部門級(jí)“中屏”以及現(xiàn)場級(jí)“小屏”，分別對(duì)應(yīng)不同的角色，從操作工到班組長、主管和工廠經(jīng)理等每個(gè)人都有對(duì)應(yīng)的“可視化”數(shù)據(jù)接口。

e優(yōu)異的工業(yè)互聯(lián)網(wǎng)平臺(tái)

無論是以上幾種核心能力，還是最終的數(shù)據(jù)分析應(yīng)用，都應(yīng)該建基在優(yōu)異的工業(yè)互聯(lián)網(wǎng)平臺(tái)之上。以寄云NeuSeer工業(yè)互聯(lián)網(wǎng)平臺(tái)為例，它覆蓋了邊緣端，到邊緣物聯(lián)網(wǎng)平臺(tái)，數(shù)據(jù)治理平臺(tái)，到數(shù)字孿生平臺(tái)，有全流程的數(shù)據(jù)生命周期平臺(tái)，提供從傳感器到數(shù)據(jù)收集到分析的完整解決方案，提供對(duì)機(jī)器、設(shè)備和人員數(shù)據(jù)的可視性，并將其全部置于上下文中，幫助客戶實(shí)現(xiàn)平臺(tái)和應(yīng)用的構(gòu)建，幫助客戶管理數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)價(jià)值。

02工業(yè)企業(yè)如何使用數(shù)據(jù)分析

數(shù)據(jù)分析的應(yīng)用，理論上來講是沒有界限的，比如，可用性、質(zhì)量和產(chǎn)量等等都能通過數(shù)據(jù)分析來實(shí)現(xiàn)優(yōu)化。我們僅從可用性這個(gè)場景來展現(xiàn)真正有效的數(shù)據(jù)分析的思路和應(yīng)用。總體來講，不同的數(shù)據(jù)分析應(yīng)用需要充分的考慮相關(guān)工藝、流程等特點(diǎn)，對(duì)問題進(jìn)行分步拆解，結(jié)合多方面的數(shù)據(jù)，實(shí)現(xiàn)超過傳統(tǒng)OEE等分析能力的應(yīng)用。

其中，可用性衡量與計(jì)劃時(shí)間表相比設(shè)備運(yùn)行的時(shí)間。尤其高端制造企業(yè)必須對(duì)其進(jìn)行測(cè)量以減少停機(jī)時(shí)間。比如寄云科技服務(wù)的汽車零部件制造商麥格納-格特拉克、高端裝備制造商寶雞石油機(jī)械等，為了確定設(shè)備或單元的可用性，寄云科技通過基于數(shù)據(jù)分析的智能制造、預(yù)測(cè)性維護(hù)等應(yīng)用，采集告警信息、PLC信號(hào)等信息，并支持操作工等人員手工錄入擴(kuò)充信息，最終匯總計(jì)算停機(jī)時(shí)間。

減少停機(jī)時(shí)間意味著需要匯總所有的停機(jī)時(shí)間，在這方面，以寄云科技服務(wù)的格特拉克為例，以往產(chǎn)線對(duì)設(shè)備的運(yùn)行狀況了解并不全面，到底幾臺(tái)機(jī)床在運(yùn)轉(zhuǎn)，哪些是有故障的，哪些是處于等待，哪些是停機(jī)狀態(tài)，等等，借助物聯(lián)網(wǎng)以及MDAS系統(tǒng)應(yīng)用，不但能夠?qū)崿F(xiàn)全產(chǎn)線的設(shè)備狀態(tài)可視化實(shí)時(shí)展現(xiàn)，還能實(shí)現(xiàn)結(jié)合上下文的分析和報(bào)告，比如，停機(jī)時(shí)間原因是輪班還是暫時(shí)停止，每種原因占比多少，如何減少相應(yīng)的停機(jī)，有哪些多發(fā)的停機(jī)原因，停機(jī)現(xiàn)象呈現(xiàn)的趨勢(shì)等等，都能通過相應(yīng)的分析可視化圖像展示。

03數(shù)據(jù)分析洞察優(yōu)化生產(chǎn)力

生產(chǎn)績效指標(biāo)分析和優(yōu)化。比如，寄云科技與全球知名汽車零部件制造商麥格納·格特拉克工廠協(xié)作推進(jìn)智能制造項(xiàng)目落地，通過寄云NeuSeer工業(yè)互聯(lián)網(wǎng)平臺(tái)采集數(shù)據(jù)，構(gòu)建工藝流程監(jiān)控、關(guān)鍵指標(biāo)監(jiān)控，覆蓋設(shè)備端、工廠層、產(chǎn)線層到集團(tuán)層等不同層面的指標(biāo)，打通MES、ERP等OT/IT系統(tǒng)和應(yīng)用，最后的效果是每一條產(chǎn)線減一人，OEE指標(biāo)從83%提升到92%，然后MTBF優(yōu)化了6%，效果非常明顯。

質(zhì)量溯源和預(yù)測(cè)分析。彩虹集團(tuán)某產(chǎn)線生產(chǎn)手機(jī)蓋板玻璃，產(chǎn)品加工工藝復(fù)雜，會(huì)經(jīng)過很多道工序，其中很重要的一個(gè)質(zhì)量挑戰(zhàn)是翹曲，就是玻璃在一定面積內(nèi)不平整，而翹曲又關(guān)系到很多道工序，以往很難精確追溯翹曲的源頭，靠人工的方式大概需要四到五周，這種時(shí)間窗口對(duì)產(chǎn)能和質(zhì)量的影響是嚴(yán)重的。寄云科技為其提供生產(chǎn)質(zhì)量溯源和預(yù)測(cè)分析，基于寄云NeuSeer工業(yè)互聯(lián)網(wǎng)平臺(tái)對(duì)全流程工藝數(shù)據(jù)進(jìn)行分析，形成虛擬量測(cè)模型，開發(fā)相關(guān)數(shù)據(jù)智能應(yīng)用，最終把時(shí)間從四到五周縮到三到四天，并可以在某參數(shù)發(fā)生變化時(shí)預(yù)測(cè)幾小時(shí)之后該變化會(huì)不會(huì)影響產(chǎn)品質(zhì)量，從而助其實(shí)現(xiàn)總體良率提高百分之三到五。

預(yù)測(cè)性維護(hù)。某石油機(jī)械智能裝備項(xiàng)目采用寄云預(yù)測(cè)性維護(hù)方案，整合鉆機(jī)設(shè)備的設(shè)計(jì)、運(yùn)行、環(huán)境、運(yùn)維檔案等數(shù)據(jù)資源，深入分析并挖掘基于機(jī)理的機(jī)組失效模型，掌握故障和性能退化趨勢(shì)，形成具有遠(yuǎn)程監(jiān)控、智能報(bào)警、預(yù)測(cè)性維護(hù)、健康報(bào)告為一體的智能預(yù)測(cè)性維護(hù)應(yīng)用，實(shí)現(xiàn)有效減少維修成本，關(guān)鍵故障提前預(yù)警，有效減少事故，減少由于故障造成的損失。

04平臺(tái)+數(shù)據(jù)智能應(yīng)用雙輪驅(qū)動(dòng)

工業(yè)數(shù)據(jù)分析從技術(shù)角度來看歸根結(jié)底其實(shí)是“平臺(tái)+數(shù)據(jù)智能應(yīng)用”，正如寄云科技提出的“平臺(tái)+數(shù)據(jù)智能應(yīng)用雙輪驅(qū)動(dòng)”戰(zhàn)略：“以NeuSeer工業(yè)互聯(lián)網(wǎng)平臺(tái)為主線，數(shù)據(jù)智能應(yīng)用為基礎(chǔ)的雙輪驅(qū)動(dòng)模式”。從橫向集成的角度，制造企業(yè)需要通過平臺(tái)去連接人、機(jī)、物等各類工業(yè)要素，獲取各種設(shè)備實(shí)時(shí)數(shù)據(jù)和生產(chǎn)過程數(shù)據(jù)，再深入結(jié)合行業(yè)的機(jī)理模型，輔以機(jī)器學(xué)習(xí)和人工智能分析，構(gòu)建生產(chǎn)指標(biāo)的優(yōu)化能力，實(shí)現(xiàn)反饋控制和實(shí)時(shí)決策能力，進(jìn)而優(yōu)化生產(chǎn)制造過程。
編輯：lyn