中國自動化網為網民提供全面的工業自動化資訊、自動化商務信息。

自動化 > 新聞 > 工業互聯網與高質量發展—基于工業互聯網的智能制造數據管理

工業互聯網與高質量發展—基于工業互聯網的智能制造數據管理

當前欄目:新聞|發布者:阿堅|來源:自動化網|發布時間:2022-09-28 10:53:35|閱讀:

本篇文章3138字,讀完約8分鐘

制造業應用工業互聯網工程,是從產品的設計(結構、功能、工藝)、生產計劃、采購備料、生產制造、檢驗、交付、售后服務等多個環節,采集數據信息,通過網絡和平臺進行匯聚處理,然后借助數字化模型、計算環境、智能化算法,以及業務工具APP等,輸出面向特定場景的業務功能服務,比如設備狀態監控與控制、在線檢驗與試驗分析、作業優化調度、能耗監測分析、協同設計和生產、遠程維護、經營情況分析統計、預測決策等。

從另一方面講,工業互聯網、智能制造,是信息技術對工業的賦能,在業務、、工業需求的牽引下,利用了新一代信息技術(物聯網、邊緣計算和云計算、大數據、人工智能、微服務、區塊鏈等),將數據作為過程要素、信息載體,通過物聯網和大數據更多維度感知和描述工廠對象,通過通信技術和高性能計算更快速傳遞和處理工業信息,通過大數據和人工智能更深入掌握事物的內部規律和發展趨勢,進而獲得了通過人工或傳統技術無法實現的能力,更實時地掌握設備狀態、生產狀況、客戶和供應鏈情況,更精準地掌握產品缺陷、設備故障原因、物流信息、顧客需求意見等,更加快速智能地反饋應對生產工藝問題、顧客抱怨和期望、供應鏈緊張、產品滯銷、生產場所安全風險隱患等,最終提升整個企業的競爭力。

這里,數據作為生產要素,規模越來越大,據國際數據公司(IDC)統計,近年來全球大數據存儲量的增速,每年都保持在40%,2019年全球大數據存儲量達41ZB(1ZB=1012GB),中國的數據產生量約占全球數據產生量的23%。數據價值越來越突出,已經是企事業單位和政府部門的重要資產,成為業界和社會共識,并得到我國政府重視。2020年9月,國務院國資委正式印發《關于加快推進國有企業數字化轉型工作的通知》,加快集團數據治理體系建設,明確數據治理歸口管理部門,加強數據標準化、元數據和主數據管理工作,定期評估數據治理能力成熟度。加強生產現場、服務過程等數據動態采集,建立覆蓋全業務鏈條的數據采集、傳輸和匯聚體系。加快大數據平臺建設,創新數據融合分析與共享交換機制。強化業務場景數據建模,深入挖掘數據價值,提升數據洞察能力。2021年6月10日,第十三屆全國人民代表大會常務委員會第二十九次會議通過《中華人民共和國數據安全法》,為規范數據處理活動,保障數據安全,促進數據開發利用,保護個人、組織的合法權益等提供了堅實可靠的法律依據。2022年6月,中央全面深化改革委員會召開第二十六次會議,審議通過了《關于構建數據基礎制度更好發揮數據要素作用的意見》,意見指出:數據作為新型生產要素,是數字化、網絡化、智能化的基礎。

數據作為一種新型資產,具有許多傳統資產所不具備的特點:無形,無消耗,可自動生成,可復制,時效性,動態性,規模價值大,可多目的、多次使用,涉及權益復雜,等等。在企業日常生產經營過程中會動態產生更多數據,越來越多的數據量和愈加復雜的數據關系,帶來數據所有權、數據量梳理、防止數據濫用、管理冗余數據、定義數據標準等帶來挑戰。同時,數據價值難以評估,價值是用戶相關的,且有時效性,某些類型數據價值可能隨規模積累、時間推移而變化。如果任由數據規模不斷發展而不加管理的話,會帶來諸如以下風險:

數據隨意存儲、復制,數據定義不一致,導致數據混亂,進而帶來業務混亂,最常見的比如物料庫存計數重復、物品重名等;

數據時效性不加管理,導致無效的歷史數據和最新有效數據混到一起,最后帶來無效、甚至錯誤的計算結果,可能會造成對設備運行的監控參數錯誤、經營效益的分析錯誤等;

數據在傳輸、共享的過程中遺失、被非法獲得,可能帶來企業工作無法正常開展、企業商業秘密的泄露,比如企業的核心原料配方、客戶信息等;

數據在使用時缺少科學正確的算法、統一的計算口輕,或者數據樣本的選擇范圍不正確,導致產品檢驗試驗的結果錯誤,給企業帶來損失。

其次,數據資產的類型也比較復雜,需要從不同的維度來劃分:

從結構方面講,分為結構化數據、半結構化數據和非結構化數據,結構化數據即常見的來自關系數據庫(行和列)、表格的結構化數據,半結構化數據包括CSV,日志,XML,JSON等,非結構化數據包括電子郵件,文檔,PDF等,以及二進制流式數據(圖像,音頻,視頻)等,數據的傳輸、處理、應用要求都不同,需要采取不同的管理技術手段;

從業務進行分類是比較常見的,對于典型的制造業來講,包括圍繞產品的研發、供應鏈、生產、質檢、設備、能源等業務要素的各類數據,比如生產環節包括生產計劃、派工管理、報工管理、生產訂單、設備管理、生產下料的各類數據,種類繁多,數據的流向、路徑復雜;

從數據應用的方式可分為主數據、交易數據、作業數據、視頻數據、日志數據等,這些數據動靜態特點不同,在傳輸、存儲、標準化方面要求不同;

從數據采集的來源來講,又可分為現場設備采集數據、人機交互數據、系統接入數據、外部接入數據等,對數據權屬、責任、安全、實時性等要求各不相同。

從以上兩個方面可以看出,只有高質量的數據才能保障企業的數字化、智能化業務正常開展運行,需要基于資產管理方式,對數據進行有序管理,以保障數據的正確、有效、完整,為企業信息化打牢基礎。尤其是制造業,產品類型、生產經營環節多,涉及人、機、料、法、環、測多因素,比金融業、能源、服務等行業的數據管理更復雜。

基于工業互聯網的制造業數據管理,有兩大特點,一是數據通過互聯網收集、通過平臺匯聚,不再是過去各個單獨的信息化系統,基于系統自帶的數據庫進行管理,而是有了數據中臺、數據湖、數據倉庫、數據市場這些資源集散的功能了;二是數據更加融合共享、發揮更多價值,需要大一體的標準化、安全化等管理手段了。

目前,通過IT界、工業界的學者、專家的不斷總結積累,國際上已經形成較為成熟的數據管理方法論,包括國際數據管理協會發布的《DAMA-DMBOK數據管理知識體系指南》、國際數據治理研究所的《DGI數據治理框架》、我國的《DCMM數據管理能力成熟度模型》等,從企業的數據管理規劃、組織機構、職能分配、數據資產的需求與整合、數據標準化、數據質量控制、數據的價值實現、數據安全等多方面,提供了系統化、體系化的指導方法,以保證通過數據管理工作,產生預期的管理效果。

對于制造業,在數據管理工作推進時,可以從以下方面著重考慮,以應對可能存在的困難和風險:

根據企業規模設立數據管理領導機構和專職管理人員,發揮領導者在頂層目標方向規劃和組織資源的作用,因為數據會涉及到不同部門,需要跨部門的合作;

數據資產的盤點梳理工作,對各環節、各部門、各業務系統存在的數據進行清查梳理,掌握數據的分布、類型、功能、規模、存在的問題等,是制定管理方法、選擇管理和技術手段的前提,考慮到數據平臺的集散功能,可以先從數據平臺盤點開始,掌握數據分布的大概情況;

數據管理制度制定,結合企業組織機構、業務數據分布、發展方向等特點,制定適配的規則制度,確立數據的權屬、責任、管理職責、具體流程要求等;

數據標準化,是數據管理的基座,通過對業務術語、共享數據標準、數據模型、編碼、校驗規則、應用算法、分類分級、安全防護的統一規范要求,來實現數據互通共享、安全應用和價值發揮。

對于數據管理的成效的檢驗評估,可以選擇一些諸如DCMM、DSMM等評估模型,對一些技術和管理措施進行定性或定量的評估,有條件的還可以進一步探索對數據的價值、作用量化評估。

數據得到有效管理,將會更加統一、規范、便于流通共享,數據唯一、有序、關系清晰、便于分類分級管理和應用,最終提高產品設計、生產制造、檢驗試驗、交付服務的效率和質量。

*根據本次活動參與嘉賓:國家工信安全發展研究中心物聯網實驗室主任李云志專訪整理


特別聲明:本站的所有文章版權均屬于自動化網,未經本網授權不得轉載、摘編或利用其它方式使用上述作品,已經本網授權的文章,應在授權領域內應用,并注明來源為:“自動化網”。。

標題:工業互聯網與高質量發展—基于工業互聯網的智能制造數據管理? ??地址:http://www.ggp9.com/article/19551.html

相關推薦:

日韩精品毛片免费观看-国产精品三区在线观看-亚洲欧美日韩乱伦中文-亚洲高清无码高清视频在线