大数据在智能工业中的应用

  大数据在智能工业中的应用

张电

南宁市中小企业服务中心    广西   南宁   530000

摘要：近年来随着互联网技术的飞速发展和移动智能终端的普及，数据信息已然成为了各行业争先抢夺的社会资源，而信息化资源也在不断的推动着社会向着便捷化发展。大数据技术的出现给工业创新与发展带来了新的发展契机，尤其是信息的收集、处理及研判方面有着前所未有的优势。未来随着互联网技术的飞速发展和移动智能终端的普及，工业大数据在智能制造中具有广阔的市场空间和前景，其应用价值还将无限的被体现、被放大。

关键词：大数据，工业，智能

一、前言

近年来随着互联网技术的飞速发展和移动智能终端的普及，社会也步入了大数据时代，伴随而来的是数据信息体量越来越大，类型越来越多，时效性越来越强。数据信息已然成为了各行业争先抢夺的社会资源，而信息化资源也在不断的推动着社会向着便捷化发展。大数据技术的出现给工业创新与发展带来了新的发展契机，尤其是信息的收集、处理及研判方面有着前所未有的优势。而伴随着信息化技术和产业的发展，工业领域再次掀起了革命，全世界各国都在抢抓信息化和智能化技术的机遇来促进产业结构的转型升级，无论是美国提出的“工业互联网”，还是德国提出的“工业4.0”其核心的内容都与大数据、智能化技术有关，我国提出的“中国制造2025”也与信息化数字技术系系相关。也正是由于大数据产业和技术的发展促使传统的管理方法、管理模式在发生天翻地覆的变化，所以工业领域紧跟时代脚步发展和应用大数据对于工业产业结构转型升级就具有非常重要的意义。

二、工业大数据的概念

2.1大数据的特征

1、方式比数据本身更值钱

在现在的智能工业中，大数据被大家经常提起。在全球范围内对大数据的定义里面，特别强调大数据是企业专有的信息财产，已经成为企业固有资源的一部分，但我们不仅要关注数据，更要关注数据的处理方式。数据量自身的大小并不是判断数据价值的核心标准，数据的实时性和准确性才会对数据的价值产生直接的影响，这也是我们需要重视数据处理方式的重要原因。

2、数据的形式具有多元化

我们对数据形式的常规理解一般仅局限于结构化数据和非结构化数据。其实，最终的大数据可以从人类和机器两大核心模块产生，在智能科技和现代工业相融合的过程中，我们更加提倡多元化的数据形式，让其能够为不同的结构化数据进行服务，同时我们需要加强数据的采集、分析，让它成为智能工业的核心工作。

3、大数据让信息更加透明、透彻

大数据能在现代化的工业供应链中，让我们更准确的把握从采购、生产、物流到销售整个过程，能够帮助我们分析客户的需求，它的应用场景包括了实时核心、交易、服务、后台服务等。我们通过手机、传感器、3D打印机和电脑等载体，可以保障生产，满足法律法规的要求，改善客户服务质量，也可以提前预测可能产生的生产经营问题并作出提前的防范，降低可能产生的损失。

2.2工业大数据的概念

所谓的大数据是众多信息数据合集的总称，工业大数据是只是其中的一种，而这种数据的来源是工业领域的智能化生产过程。事实上大数据技术对信息分析与处理运用了统计学的原理，即通过收集和分析各类数据信息，从而获得一段时间内某一个样本的发展趋势。传统的数据和信息分析往往受限于抽样了数量，所以分析结果的精确度相对比较差，而利用大数据技术不仅能够收集海量的数据，还能够对大量的数量模型化呈现出来，为决策提供科学的支撑。

三、工业大数据在智能工业中的应用优势

3.1有利于产品创新

在产品设计前期，工业企业可以利用信息化技术对产品的初步设计或是设计意向通过网络向客户投入评测，通过大数据筛查来进一步完善产品的设计。例如现如手机制造企业往往在新机正式发布前便会有一些产品的相关设计参数在网络上公布，而企业可以借助云计算和大数据对用户的意见进行收集从而对产品进行修改完善。而在产品的使用过程中，现如今很多工业产品都会在产品内部安装传感器以便于对用户在使用产品过程中的使用习惯和偏好等相关数据进行实时采集、存储和传输，而通过数据的收集、分析便可以明确产品的改进方向。除此之外，通过大数据和云计算还可以了解到同类型产品的优点、缺点从而汲取精华为本企业产品的设计、生产提供比较精准的设计方向和理念。通过工业大数据，可以以全方位、数字化的视角对工业的发展进行剖析，将结构化、非结构化的数据进行有效的分析，从而建立相应的数据模型，使得企业实现智能化的生产制造。例如传统的工业电气设备及产品在设计时，采用的是串行的设计流程，从设计到最后的生产需要很长的一个过程，而且在这个过程中是无法试验或预评估产品的使用效果，这也就倒致了设计过程会反复的修改后才能得到一个达到预期目标的产品。而这样的研发不仅浪费大量的时间，而且还浪费了大量的人力、物力和财力。利用智能化的设计软件，就可以大大的降低研发成本。设计者使用智能化的软件可以随时对设计的产品进行模拟评估，即便是出现了较大的失误，也可以在设计过程中随时更改设计程序，特别是在设计过程中可以借助云计算、大数据来实现设计程序的设计，不仅能够使得设备可以集成很多功能，而且还能够自带故障处理程序，进一步提升了设备的智能化。

3.2有利于实现科学严格的生产管控

利用工业大数据可以实现企业生产的智能化，同时可以使得企业的管理流程得以优化。企业通过对生产过程之中的数据进行有效的收集，通过大数据技术进行分析，将数据结果与预期结果进行对比分析，从而对生产工艺进行不断的跟更新和完善，从而使得企业可以有效对生产过程进行控制，提升生产之中的产品质量和生产效率，使得企业实现对产品生产过程的科学化管控。在生产过程中，关键设备的零部件出现故障，厂内设备维护人员无法维修时，虽然第一时间通知了设备厂商，但如果设备厂商的库存缺货，则需要拉动生产，在生产完成后再次入库、出库。直到售后维护人员获取配件后，才能前往客户现场对设备进行维修。假如设备厂商能够预测设备故障发生的时间，就能提前对设备进行维护，极大的提高了设备的运行效率。也就说如果在设备故障前，提前进行维护，则能减少因设备宕机影响生产的状况，这个场景被称之为设备“预测性维护”，是一种基于状态的维护。设备预测性维护的历史由来已久，通过采集设备关键数据，通过诸如频谱分析、机器学习等方法进行故障预测，随着设备控制器采集、环境感知、非接触感知等技术进一步发展，更多有用的预测性维护将有效的提高设备效率。

3.3有利于企业安全管理

对于工业企业而言安全管理主要涉及两个方面，即防范安全风险和安全生产。当前无论是国内经济形式还是国外经济形式，对于工业企业的发展都存在很多不确定的因素，再加上国家对于环境保护的重视程度越来越高，因此在风险增加的时候企业的经营决策就要更加的谨慎。对于每一项决策必须要有翔实的数据为基础，并通过科学的论断来增强决策的可行性，以此来减少企业的决策失误，降低企业的经营风险，而大数据产业的出现正好可以弥补传统企业管理的不足，对于市场的风险能够及时的进行预警，从而为决策者提供较为准确的信息，例如在库存管理方面，在库存数据上应用“有用的”人工智能技术，则能进一步提高库存管理的效率。通过典型的机器学习算法，如神经网络算法可以对库存进行预测，如“材料价格、订单价格、订单量、合格率、实际成本和订单总额”作为候选的库存影响因素，而历史库存作为参考指标，通过对原始数据的影响因素分析、相关性分析、主成分分析以及神经网络的训练实现库存的预测。再比如，可通过聚类算法对库存进行分类，将库存物品的“周转率、缺货率、资金占用率”等作为评价库存指标，对库存数据进行分析，分析了企业的库存数量与企业资金的流动，从而使之既能满足客户的需求，又保证库存量不占用大量资金。

在安全生产方面，企业可以利用大数据智能化技术对生产过程进行全过程安全管控。工业领域而引入智慧管理系统可以通过实时监控对于人员的行为状态进行监控。通过现场实际监控收到的数据与大数据通过云计算进行对比分析以此来智能化的分析现场操作人员的行为安全状态，以此来保证人员的行为安全。除此之外，通过智慧系统可以对生产所用机械设备的可靠性、安全防护性能、安全保护性能进行实时监测。一是，实时监测机具的可靠性。机具的可靠性是指机具在规定的时间及条件之下保持功能正常的性能，很多工业设备由于承担的工作强度比较大，而维修和维护有所疏忽，机具的可靠性便会有所降低。而机具的可靠性一旦出现问题就会对施工安全造成很严重的威胁。通过智能化的监测设备可以有效的提醒及时进行维护，以确保机具正常可靠。二是实时监测机具的安全防护性能。所谓的安全防护性能是指机具在工作的过程中通过隔离措施或是自身防护措施达到防止事故发生的特性。通常情况下，在施工过程中为了确保施工安全，常常将人与机器尽可能隔离开来，同时为了便于机器的随时控制有些设备设施还带有遥控技术，其目的就是为更加便于对机具的控制，增强安全防护的能力，通过智能监测设备可以及时的提醒生产操作过程中的不安全因素。三是实时监测机具的安全保护性能。安全保护性能能常是指机具自身设定的一些应急停车措施。例如设备如果出现漏电情况，或是短路的情形就会应急停车。安全保护性能就是通过一定的防护手段确保机具在操作方式不对的情况之下能够拒绝指令、命令，以此来确保施工的安全。在这方面智慧系统可以起非常大的作用，特别当设备运转的过程中如果监测到异常的情况，可以通过智能化的程序设定来有效的避免事故的发生。

3.4有利于提高营销效率

对于工业企业而言市场营销简言之就是对产品的推广。但是由于目前很多企业的管理者在经历了计划经济进代的任务分配和计划配置，导致了在市场经济和互联网经济发展模式之下对于产品的市场营销并不重视。许多制造企业的产品无论是质量还是价格本应该在市场中很有竞争力，但是由于企业对于产品的定位、价格、销售渠道都不清晰，所以造成了产品的销售迟滞和不畅，甚至很多企业对于产品的生产加工并不能紧跟市场的需求，所以导致了产品的销路不畅。正是因为制造企业缺乏有效的产品营销策略，所以致使企业产品难以与市场需求相衔接。工业大数据可以将用户数据与企业数据进行融合，从而有效搭建使用户企业用户群体的数字化模型。对于企业来说，企业也可以通过这些数据很大程度上把握用户的个性化需求，从而提高用户对企业的好感度，使得企业与用户双方受益。从而使得进行有效的决策和营销。

3.5有利于构建产业链生态圈

随着大数据技术的发展，企业与企业之间、行业与行业之间的联系也日渐紧密，以汽车行业为例，传统的汽车企业与互联网并没有太多的交集，但是现如今随着智能化技术的应用与普及，使得汽车企业和互联网之间实现了有机的结合，特别典型的就是现如今的智慧驾驶系统，以华为公司为例，其在通信技术方面拥有非常大的优势，再加上鸿蒙操作系统的万物互联，成为了其跨与汽车行业领域的纽带和桥梁，从而实现了跨终端、全场景的无缝协同，同时还可以以用户为中心持续打造个性化体验。事实上近年来习近平总书记反复强调要“强龙头、补链条、聚集群”，对于工业企业而言，随着材料科学技术的不断发展，行业与行业之间的界限在不断的模糊，而大数据成为了跨行业合作发展的桥梁，也为成为了构建产业链生态圈的基础。

四、总结

总之，当前世界范围内的各个国家都致力于通过技术创新引领产业升级，而大数据的发展和应用不仅实现了资源的节约、环境与经济的协调发展，还让绿色化、智能化的发展趋势成为了现实，所以工业大数据在智能制造中具有广阔的市场空间和前景，其应用价值还将无限的被体现、被放大。

参考文献：

[1]. 推动大数据在工业中的应用[N]. 人民邮电,2020-05-16(006).

[2]童群.大数据在工业制造业的应用与研究[J].网络安全技术与应用,2018(10):107-108.

[3]许宁.基于大数据的数据挖掘技术在工业信息化中的应用探究[J].现代工业经济和信息化,2017,7(22):50-51+54.

[4]梁楠,李磊明.大数据技术在工业领域的应用综述[J].电子世界,2016(17):8-9.

[5]赵永生,徐明昱.浅析大数据在工业制造业的应用与研究[J].智能城市,2016,2(04):86.

[6]罗立辉.工业大数据的应用和实践研究[J].信息记录材料,2022,23(02):167-169.