德国“工业4.0”强调通过信息网络与物理生产系统的融合,即建设信息物理融合系统(Cyber-Physical System,CPS)来改变当前的工业生产与服务模式。美国GE公司倡导的“工业互联网”,则强调通过智能机器间的连接并最终将人机连接,结合软件和大数据分析,来重构全球工业。
事实上,无论工业4.0还是工业互联网,其主要特征都是智能和互联,而主旨都在于通过充分利用信息通讯技术,把产品、机器、资源和人有机结合在一起,推动制造业向基于大数据分析与应用基础上的智能化转型。智能制造时代的到来,也意味着工业大数据时代的到来。工业大数据的应用,将成为未来提升制造业生产力、竞争力、创新能力的关键要素,也是目前全球工业转型必须面对的重要课题。
一、制造业向智能化转型将催生工业大数据时代
(一)制造业从5M模式向6C模式转型将催生工业大数据
在工业3.0或工业自动化时代,传统制造业模式的特征可以用5个字母(5M)来概括,即Material(材料,包含了其功能与特性)、Ma-chine(机器,指加工能力和精度)、Methods(方法,指产能和生产效率)、Measurement(测度,指如何探测与改进)、Modeling(建模,指对生产流程的预测、优化和防范)。在智能制造时代,制造业生产方式也许应该用六个字母(6C)来定义,即Connection(连接,主要指传感器和网络)、Cloud(云储存,即任意时间和需求的数据)、Cyber(虚拟网络,包括模式与记忆)、Content(内容,是指相关性及含义)、Community(社群,包含分享和交际的功能)、Customization(定制化,指个性化的价值与服务)。在制造智能化时代,工业机器、设备、存储系统以及运营资源可以利用现代网络通信技术连接成网络。这些工厂与机器设备不仅可以随时随地进行信息分享,而且互相连接的系统可以独立地自我管理(自组织)。
要达到这一目标,现有的工业制造系统需要对制造设备本身的以及产品制造过程中产生的数据进行更深入的分析,也就是说,企业必须掌握通过工业IT设施收集、传输和分析处理大数据的能力。随着智能传感器技术如RFID的发展,数据的收集已经变得简单和可行,而云计算等技术的发展,也使得分析与处理大数据变得高速与高效。在工业4.0模式中,CPS系统将通过M2M通信(Machine -to-Machine,机器对机器)在工业机器与设备之间实现信息交换、运转和互相操控,被制造的产品可以与机器设备交流,机器可以自组织生产,智能工厂能够自行运转。因此可以说,工业大数据是由一个工业体系或者一个产品制造流程智能化催生出来的数据,即是制造业智能化的必然结果,也是制造业智能化的必要条件与基础。
(二)工业大数据为研究工业复杂系统动态行为机理提供可能
工业大数据同我们传统提到的消费、商业中的大数据概念有相似的一面,但又有差异。工业领域大数据主要呈现大体量、多源性、连续采样、价值密度低、动态性强等特点。大数据应用技术出现前,除结构化数据外,其他半结构化、非结构化等类型数据很难通过机器分析来挖掘应用价值,而目前大数据应用技术、建模技术与仿真技术等信息技术,为研究工业领域机理不清的复杂系统的动态行为开辟了可能途径。例如,风力涡轮机制造商在对天气数据及涡轮仪表数据进行交叉分析的基础上,可以对风力涡轮机布局进行改善,从而增加风力涡轮机的电力输出水平并延长其服务寿命。
工业自动化、智能化系统的建模,控制系统的运行、管理与优化,无不涉及到大量的图像及数据信息。同样,企业的综合生产指标、生产计划调度、生产线的质量控制等等,同样涉及到大量复杂的数据。而通过信息化手段对流程进行优化整合,必须要用到大数据技术,以此实现工业系统的优化运行。因此,大数据应用对于工业领域动态模型建设、安全运行及监控、多目标优化控制方法等多个方面将有促进作用。
1 2 下页