制造業(yè)大數(shù)據(jù)的“冷”思考？

當(dāng)前，大數(shù)據(jù)作為新一代信息技術(shù)的關(guān)鍵，逐漸成為新一輪產(chǎn)業(yè)革命的核心。制造業(yè)邁入了大數(shù)據(jù)時(shí)代，2012年，GE公司率先明確了“工業(yè)大數(shù)據(jù)”的概念。在制造業(yè)，產(chǎn)品的全生命周期從市場(chǎng)規(guī)劃、設(shè)計(jì)、制造、銷售、維護(hù)等過(guò)程都會(huì)產(chǎn)生大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，形成了制造業(yè)大數(shù)據(jù)，而這些數(shù)據(jù)符合大數(shù)據(jù)的三“V”的特征：規(guī)模性、多樣性以及高速性。除此以外，制造業(yè)大數(shù)據(jù)還具多源異構(gòu)、多尺度、不確定、高噪聲等特征。因此，研究和應(yīng)用制造大數(shù)據(jù)更具有挑戰(zhàn)性。 主要體現(xiàn)在制造大數(shù)據(jù)的存儲(chǔ)、管理、分析和展示方面。如何充分挖掘工廠中數(shù)據(jù)的價(jià)值，通過(guò)對(duì)制造大數(shù)據(jù)進(jìn)行分析，提升數(shù)字化工廠運(yùn)行效率，已成為制約數(shù)字化工廠向智慧工廠發(fā)展的瓶頸！

然而，大數(shù)據(jù)給我們帶來(lái)的思考：在制造業(yè)能用嗎？解決什么問(wèn)題？制造業(yè)大數(shù)據(jù)到底在哪些領(lǐng)域可以發(fā)揮它的作用？

首先，能用否？大數(shù)據(jù)已經(jīng)成為解決現(xiàn)實(shí)世界問(wèn)題的方法。要解決現(xiàn)實(shí)世界的問(wèn)題，第一種方法就是科學(xué)實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)的方法來(lái)發(fā)現(xiàn)現(xiàn)實(shí)世界的一些規(guī)律和解決和問(wèn)題； 第二種就是通過(guò)理論分析和推導(dǎo)方法；第三種就是科學(xué)計(jì)算，模擬仿真成為第三種解決問(wèn)題的范式；數(shù)據(jù)科學(xué)成為第四種解決問(wèn)題的范式，這個(gè)就是由美國(guó)圖靈獎(jiǎng)的獲得者，他出了一本書(shū)《第四種范式》，目前現(xiàn)在國(guó)外數(shù)據(jù)科學(xué)是一門(mén)非常熱門(mén)的學(xué)科，它是一門(mén)綜合交叉的學(xué)科。

大數(shù)據(jù)方法帶來(lái)了思維上的變化，主要是從三個(gè)方面來(lái)看的：

從因果到關(guān)聯(lián)，更強(qiáng)調(diào)事物之間的相關(guān)性而非因果性。

從局部到全體，采用全體數(shù)據(jù)進(jìn)行分析，而不是隨機(jī)樣本。

從精確到混雜，通過(guò)數(shù)據(jù)保證解的優(yōu)異性，不再一味追求精確的算法。

既然大數(shù)據(jù)已經(jīng)成為解決問(wèn)題的方法，那能用它。

因此，從數(shù)字化工廠向智能化工廠轉(zhuǎn)化的過(guò)程中面對(duì)著海量的數(shù)據(jù)，需要尋找它們相互之間的聯(lián)系和隱藏規(guī)律，實(shí)現(xiàn)透明化的目標(biāo)。

最后，在哪里用？大數(shù)據(jù)它給制造業(yè)提供的是一種全方位的全程式的一種服務(wù)，在產(chǎn)品全生命周期階段，從設(shè)計(jì)到制造、從使用到維護(hù)、直到維修階段，產(chǎn)生的正向數(shù)據(jù)以及逆向數(shù)據(jù)，這些數(shù)據(jù)都能全方位的使用。

在產(chǎn)品的設(shè)計(jì)中，傳統(tǒng)的設(shè)計(jì)師，基于經(jīng)驗(yàn)靈感和經(jīng)驗(yàn)，揣度消費(fèi)者的需求喜好，設(shè)計(jì)產(chǎn)品。在大數(shù)據(jù)時(shí)代，設(shè)計(jì)師通過(guò)對(duì)用戶行為和需求大數(shù)據(jù)進(jìn)行分析，精準(zhǔn)量化客戶需求，指導(dǎo)設(shè)計(jì)過(guò)程。

在制造階段，大數(shù)據(jù)技術(shù)可以幫助實(shí)現(xiàn)生產(chǎn)過(guò)程異常發(fā)現(xiàn)、產(chǎn)品質(zhì)量和生產(chǎn)調(diào)度優(yōu)化等方面。以生產(chǎn)異常發(fā)現(xiàn)為例，傳統(tǒng)的基于降維手段的異常發(fā)現(xiàn)方法，容易破壞信息完整性，不利于設(shè)備異常的發(fā)現(xiàn)。在大數(shù)據(jù)模式下，基于制造數(shù)據(jù)的分析對(duì)關(guān)鍵參數(shù)進(jìn)行提取，然后通過(guò)聚類分析手段發(fā)現(xiàn)設(shè)備異常模式，在此基礎(chǔ)上對(duì)設(shè)備控制優(yōu)化。大數(shù)據(jù)也能幫助提高產(chǎn)品的質(zhì)量控制，大家來(lái)自制造業(yè)可能知道SPC控制的是整個(gè)過(guò)程的單個(gè)參數(shù)，但是單個(gè)參數(shù)在正常范圍，為什么還會(huì)出現(xiàn)一些質(zhì)量問(wèn)題？可能每個(gè)參數(shù)均處于臨界狀態(tài)，綜合產(chǎn)生會(huì)產(chǎn)生一些質(zhì)量問(wèn)題，所以在這個(gè)過(guò)程中，傳統(tǒng)就是數(shù)據(jù)的篩選、參數(shù)分析，這個(gè)過(guò)程介入了人工的分析來(lái)進(jìn)行質(zhì)量的預(yù)測(cè)，數(shù)據(jù)篩選過(guò)程淘汰了許多有效的數(shù)據(jù)資源，參數(shù)分析過(guò)程經(jīng)常存在人工經(jīng)驗(yàn)判斷，使得預(yù)測(cè)模型對(duì)整個(gè)產(chǎn)品加工過(guò)程信息的描述殘缺不全，不能發(fā)現(xiàn)產(chǎn)品質(zhì)量問(wèn)題的深層次原因（如誤差累積）。 因此在大數(shù)據(jù)模式下，根據(jù)產(chǎn)品的加工工藝過(guò)程，對(duì)產(chǎn)品質(zhì)量相關(guān)數(shù)據(jù)按層次進(jìn)行組織，利用多隱藏層的神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)加工過(guò)程中產(chǎn)品質(zhì)量數(shù)據(jù)的相互作用機(jī)理，從而對(duì)產(chǎn)品質(zhì)量問(wèn)題進(jìn)行全面、深層次描述。大數(shù)據(jù)能提升大規(guī)模生產(chǎn)調(diào)度的全局性能，大家知道為什么我們企業(yè)生產(chǎn)調(diào)度一直會(huì)出現(xiàn)問(wèn)題，我們做的計(jì)劃好好地趕不上變化。因?yàn)樗龅挠?jì)劃，是在一個(gè)理想狀態(tài)下考慮約束做的計(jì)劃。我自己做生產(chǎn)優(yōu)化調(diào)度做了20多年，一直在尋找一種最優(yōu)的解決方案，研究智能方法，例如：遺傳算法、螞蟻算法等。但隨著工藝的復(fù)雜、環(huán)境的復(fù)雜、工藝的規(guī)模，整個(gè)問(wèn)題規(guī)模越來(lái)越大的時(shí)候，它已經(jīng)是一個(gè)很難解決的問(wèn)題。傳統(tǒng)的智能調(diào)度方法難以求解大規(guī)模的調(diào)度問(wèn)題，基于規(guī)則和瓶頸的方法在大規(guī)模問(wèn)題中又很難得到全局優(yōu)化解；大數(shù)據(jù)帶來(lái)了新思路，他采用全局的數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，從而形成全局的調(diào)度方案，能夠解決大規(guī)模生產(chǎn)中的全局調(diào)度問(wèn)題。

大數(shù)據(jù)能為產(chǎn)品的運(yùn)營(yíng)維護(hù)服務(wù)，很典型的案例就是GE的案例，建立一個(gè)平臺(tái)，為航空發(fā)動(dòng)機(jī)的監(jiān)控、運(yùn)行監(jiān)測(cè)、故障診斷提供一個(gè)全方位的服務(wù)。在產(chǎn)品的運(yùn)行和維護(hù)過(guò)程中，大數(shù)據(jù)模式一改傳統(tǒng)方法被動(dòng)的運(yùn)維模式，通過(guò)采集和分析智能設(shè)備的傳感器數(shù)據(jù)，進(jìn)行大數(shù)據(jù)分析，主動(dòng)進(jìn)行產(chǎn)品的安全監(jiān)測(cè)、故障診斷，優(yōu)化產(chǎn)品的運(yùn)行過(guò)程。大數(shù)據(jù)應(yīng)用過(guò)程中需要的是什么呢，首先需要的是能夠采集到數(shù)據(jù)，也就是需要產(chǎn)品是一個(gè)智能化的產(chǎn)品，所以 在智能制造中，首先要有智能化的產(chǎn)品，安裝傳感器，能夠?qū)崟r(shí)的傳遞數(shù)據(jù)，這為后面的運(yùn)行、維護(hù)服務(wù)提供了依據(jù)。

大數(shù)據(jù)不只是關(guān)于數(shù)據(jù)，而是采用傳統(tǒng)及新的分析方法來(lái)分析所有數(shù)據(jù)。針對(duì)大數(shù)據(jù)分析的結(jié)果采取行動(dòng)來(lái)提升業(yè)務(wù)才是最重要。隨著大數(shù)據(jù)技術(shù)的不斷地發(fā)展，國(guó)內(nèi)外已對(duì)大數(shù)據(jù)在制造領(lǐng)域中的應(yīng)用進(jìn)行了一些開(kāi)拓性的研究，代表性的有GE工業(yè)互聯(lián)網(wǎng)解決方案、Smart Factory計(jì)劃，SAP HANA平臺(tái)和Invensys數(shù)據(jù)分析平臺(tái)，并已在農(nóng)夫山泉、百事飲料等公司應(yīng)用。三一重工利用大數(shù)據(jù)技術(shù)通過(guò)對(duì)地理位置數(shù)據(jù)的關(guān)聯(lián)分析發(fā)現(xiàn)泵車主油缸故障與沿海地區(qū)杭深高鐵建設(shè)的強(qiáng)相關(guān)性，確定了沿海地區(qū)的鹽霧環(huán)境和水質(zhì)是導(dǎo)致油缸密封體腐蝕的主要原因。日本小松公司通過(guò)對(duì)挖掘機(jī)安裝傳感器與GPS定位系統(tǒng)，從而實(shí)時(shí)監(jiān)控車輛運(yùn)行情況，并通過(guò)大數(shù)據(jù)分析，對(duì)未來(lái)挖掘機(jī)市場(chǎng)的需求進(jìn)行預(yù)測(cè)從而調(diào)整生產(chǎn)、對(duì)用戶的使用習(xí)慣進(jìn)行分析與建議從而降低油耗。

以上的一些工業(yè)案例成為制造業(yè)大數(shù)據(jù)的先驅(qū)，然后，目前絕大多數(shù)制造業(yè)大數(shù)據(jù)的應(yīng)用沒(méi)能形成系統(tǒng)化的思路和方案，缺乏理論體系的支撐。 針對(duì)國(guó)內(nèi)在制造業(yè)大數(shù)據(jù)應(yīng)用基礎(chǔ)研究上的空白，我團(tuán)隊(duì)2014年申請(qǐng)了國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“大數(shù)據(jù)驅(qū)動(dòng)的智能車間運(yùn)行分析與決策方法研究”，并得到了資助。目前，圍繞車間制造大數(shù)據(jù)之間的耦合作用機(jī)理、車間性能的演化規(guī)律、車間運(yùn)行過(guò)程的調(diào)控機(jī)制三個(gè)基礎(chǔ)科學(xué)問(wèn)題進(jìn)行科學(xué)研究，來(lái)探索我們的大數(shù)據(jù)在我們的智能制造車間的運(yùn)行情況。解決問(wèn)題的思路是是一切都在用數(shù)據(jù)來(lái)說(shuō)話，利用大數(shù)據(jù)來(lái)解決工程問(wèn)題的科學(xué)研究思路是： 一切數(shù)據(jù)說(shuō)話。首先數(shù)據(jù)化：將設(shè)備狀態(tài)參數(shù)、計(jì)劃執(zhí)行情況等運(yùn)行參數(shù)，以及質(zhì)量、交貨期等性能指標(biāo)數(shù)據(jù)化；然后分析這些數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，用數(shù)據(jù)挖掘的方法預(yù)測(cè)交貨準(zhǔn)時(shí)率、產(chǎn)品合格率等車間性能的演化規(guī)律；從演化規(guī)律中，發(fā)現(xiàn)質(zhì)量指標(biāo)中某數(shù)據(jù)異常，找到影響該異常數(shù)據(jù)的關(guān)鍵參數(shù)，最后對(duì)關(guān)鍵數(shù)據(jù)進(jìn)行控制，保證交貨期和產(chǎn)品質(zhì)量。為了實(shí)現(xiàn)大數(shù)據(jù)應(yīng)用，我們提出了大數(shù)據(jù)驅(qū)動(dòng)的智慧工廠，它是生產(chǎn)車間、物聯(lián)網(wǎng)、云端、移動(dòng)互聯(lián)的有機(jī)融合。利用物聯(lián)網(wǎng)技術(shù)，使得車間生產(chǎn)過(guò)程、物流及之后的銷售、服務(wù)過(guò)程具備感知能力；全生命周期內(nèi)產(chǎn)生的各種制造數(shù)據(jù)保存到云端；借助大數(shù)據(jù)處理與分析技術(shù)，依托云計(jì)算平臺(tái)，幫助分析數(shù)字工廠運(yùn)行過(guò)程，提供決策支持，并通過(guò)移動(dòng)互聯(lián)方式展現(xiàn)。目前我們?cè)诰A制造的車間和發(fā)動(dòng)機(jī)裝配車間，開(kāi)展了一系列的工作。

最后，我認(rèn)為：實(shí)現(xiàn)以數(shù)據(jù)感知、數(shù)據(jù)處理分析、制造過(guò)程決策與支持、數(shù)據(jù)可視化技術(shù)為核心的智慧工廠已經(jīng)成為趨勢(shì)，大數(shù)據(jù)產(chǎn)業(yè)鏈及技術(shù)體系逐漸成熟，大數(shù)據(jù)必將加速數(shù)字工廠向智慧工廠的轉(zhuǎn)型。