关于我

最近来访

加入的俱乐部

文章分类

文章档案


最新评论

1. re: 大数据时代,您还在用“假数据”进行管理吗?
百度开户:www.cnctui.com--baidukaihu
2. re: 工业互联网,莫拜错了师傅
既要好高骛远,也要脚踏实地。--马大侠
3. re: 刍议智能制造“三范式”中的名称与图示
“三范式”的划分创造性地厘清了智能制造的发展阶段,帮助企业明确了发展方向及具体的落脚点,有效地避免了很多制造企业在智能制造进程中的好高骛远,比如过于理想化地追求“高大上”的人工智能等等。 膜拜了--peterpan1234
4. re: 朱铎先:智能制造的“四多四少”
朱经理,您好: 我是武汉制信科技有限公司(e-works)的编辑田耘。“2017(第二届)工业软件与制造业融合发展高峰论坛”拟于2017年9月1日在北京隆重举行,e-works将在会议期间推出《2017(第二届)工业软件与制造业融合发展高峰论坛论文集》。我们觉得您的这篇文章比较符合这次论文集的征稿要求,计划收录在论文集中。希望得到您的授权,非常感谢,盼复。 --生活正当时
5. re: 厉害了马云,几句话就把工业4.0讲明白了
有意思,哈哈,最喜欢看这三哥对话。--FreeICQ
6. re: 李克强:智能制造,“傻大黑粗”转型升级“窈窕淑女”
赞!--真挚
7. re: 从工业4.0与工业互联网中,看德美两国“智能”的不同
很明显,我们的自动化、数字化、网络化、智能化等方面均落后于德国与美国等工业发达国家。我们还处在“2.0补课、3.0普及、4.0示范”的多进程并行发展的复杂阶段。同时,我们也不能简单地认为“2.0补课、3.0普及”就是买些高档数控设备,来个”机器换人“就可以的。还应该清醒的意识到,在2.0、3.0两个阶段100多年的历史中,德美等发达国家所沉淀下来的“人”的优势:高素质的劳动者、科学的企业管理、成熟的社会化协作等等,这些软的方面,恰恰也是我们的短板,是我们必须也要“补课”、也要“普及”的。--wanzhoujun6885
8. re: 【工业4.0系列谈之二】工业4.0,德国绝地反击的利器!
不错 学习了!很有价值的博文--萍踪侠影
9. re: 参加“第二届中国数字工厂推进大会”,提出“三元战略”与“六维智能”
顶--枫叶悠悠
10. re: 兰光创新出席“第十届MES年会”并提出“智能工厂”新标准
当天有幸听了朱总的演讲,发现兰光的mes相比其他厂商来说还是很有自己的特点的--zhezhu8307
11. re: 大数据时代,您还在用“假数据”进行管理吗?
感谢“山高月小”的留言,具体情况您可以拨打客服热线400-650-2125 进一步咨询,谢谢!--朱铎先
12. re: 大数据时代,您还在用“假数据”进行管理吗?
楼上了解这家企业么?想知道这是哪家企业,真有做的这么好么?有机会想去取取经--【匿名用户】:E-works热心网友 山高月小
13. re: CPS系统助力海尔模具实现少人化智能工厂
智能工厂与智能制造是目前工厂信息化的一种发展趋势,未来三年内将会受到越来越多的企业关注--【匿名用户】:E-works热心网友 生命1号
14. re: CPS系统助力海尔模具实现少人化智能工厂
工业创新!值得所有的制造业人来学习!--PLM爱好者
15. re: 趣谈各国问候语的由来
原来一句问候语还有这么多的知识,学习了!--PLM爱好者
16. re: 论军工行业MES系统的五大关键技术
感谢分享!加油!从军工到地方全面开花。--真挚
17. re: 大数据时代,您还在用“假数据”进行管理吗?
武汉这家企业的基础管理还是不错的,新技术效果明显也被认可,有些基础管理混乱的企业有人想拉一把还被排斥。 好文章,感谢分享!--真挚
18. re: 【选型征文】离散行业MES选型“三忌”
谢谢黄总认可!--朱铎先
19. re: 【选型征文】离散行业MES选型“三忌”
思路值得借鉴。--黄培
20. re: 浅谈德国世界杯夺冠背后的软实力
科技的社会~智慧的地球,生活中和科技沾边的东西越来越多了--【匿名用户】:E-works热心网友 午夜
21. re: 兰光创新隆重推出“数字化智能工厂”微信平台
谢谢黄总光临!给您也做一个卡通照片?:)--朱铎先
22. re: 兰光创新隆重推出“数字化智能工厂”微信平台
朱总的卡通相片不错啊。--黄培
23. re: ESB企业服务总线实现DNC与PDM集成应用
很好的文章 学习了 !--萍踪侠影

评论排行榜

 


  作者:朱铎先
  数据采集是工业互联网的基础,没有数据的工业互联网将是无源之水,工业互联网的价值在很大程度上取决于采集数据的数量和质量。
  2017年,IBM商业价值研究院联合牛津经济研究院对来自112个国家12,854位高管进行了问卷调查。本次调查统计结果表明,这些高管认为企业的数据只有20%是来自互联网,80%是企业自身拥有的生产经营等环节数据,这些数据被人工智能等新技术处理后,可使传统企业具有超过互联网公司的优势。
  而车间则是制造企业使用与产生数据的重要场所。这些数据既包括MES等信息化系统里运行与产生的数据,也包括生产设备产生的各种状态与制造参数等数据。工业互联网平台结合行业知识对这些数据进行进一步处理和挖掘,以量化、可视化等方式,定位生产中存在的问题并进行优化,可为企业智能制造提供源源不断的新动能,有效地提升企业竞争力。
  一、制造数据采集的数据分类
  由于行业不同、应用场景不同,对制造数据的分类也不尽相同。
  首先是对制造本身的理解。从狭义上的理解,制造主要是将原材料加工成产品的生产过程,但如果从广义的上理解,制造可以涵盖产品研发、企业资源管理、产品工艺、生产过程、市场营销、售后维护等等不同的方面,制造数据的范围就变得非常庞大,数据采集的方式自然也就多种多样了。
  其次,不同行业对制造数据的分类也不同。比如流程行业,可分为工艺数据、过程数据以及作业实绩。工艺数据主要是指温度、压力、电流、电压等直接影响生产效率、产品质量的数据。过程数据是指生产过程中所使用或者产生的数据,比如物料、计划、生产节拍等等。而实绩数据包括投入产出数量、合格率等等。
  在离散制造行业,主要的制造数据包括设备数据、生产过程数据、质量数据等。
  设备数据:设备运行状态信息、实时工艺参数信息、故障信息、维修/维护信息等;
  生产过程数据:生产计划、产品加工时间、加工数量、加工人员、加工参数、产品完工率等;
  质量数据:产品质量信息、工艺质量信息等。
  最后,划分的标准也不同。也有人将能源数据、测量测试数据等都定为单独的一类。
  本文基于离散行业的划分习惯,按照狭义上的制造进行数据种类的划分,即设备数据、生产过程数据、质量数据三类,能源数据可合并到设备数据,测量测试数据可并入质量数据类。
  二、制造数据采集的方式
  目前,制造数据的主要采集方式有设备自动采集、人工终端反馈、其他外围终端采集等。
  1.设备自动采集
  这类系统有些是设备厂家提供,优点是对自家设备研究的很深入,但对其他厂家,特别是竞争对手的产品兼容性就差很多,因此,在市场面上更多的是采用第三方厂家提供的专业数据采集系统。这种设备数据采集系统,在离散制造行业叫MDC(机床监控与数据采集系统,Manufacturing Data Collection),在流程制造业用SCADA系统(数据采集与监视控制系统)实现设备数据的自动采集。如图1所示的MDC显示界面。
  设备数据自动采集的手段主要有以下三种:
  带网卡的数控机床——通过机床网卡,实现对设备状态的远程自动采集。采集的内容包括运行参数(主轴转速、进给速度、主轴功率、刀具坐标等)以及加工产品、加工数量、报警信息等。该种采集方案的优点是采集的数据种类多、实时性强。缺点是,受控制系统的限制,目前主要是西门子、发那科、海德汉、华中数控等部分主流系统支持。当然,由于这是智能制造的发展趋势,越来越多的机床控制系统也开始支持网卡的数据采集。
  PLC采集——通过设备PLC输出接口,结合其通讯协议,实现对设备状态采集,包括温度、压力、流量、液位等。优点是支持PLC采集的系统比较多,适用面广。缺点是从采集效果上,略逊色网卡采集的效果,但内容也相对丰富,基本满足制造业的需求。
  硬件采集——对一些比较老旧的设备,因其无数据输出接口或者没有通讯协议,可通过此种方式进行数据采集。优点是几乎适合任何设备,缺点是采集的数据种类有限。
 
  2.人工终端反馈采集
  对于不能实现自动采集的生产工位,可通过现场工位机、移动终端、条码扫描枪等数字化设备进行数据采集。采集内容包括生产开工、完工时间、生产数量、检验项目、检验结果、产品缺陷、设备故障等。该种采集方式优点是对设备的要求低,适用场景广,但缺点是受制于人的主动性,在数据的实时性、准确性、客观性等方面都有所欠缺。
  3.其他外围终端采集
  采用RFID、集成等方式实现制造数据采集。
  RFID:RFID射频识别是一种非接触式的自动识别技术,它通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预,可应用于各种恶劣环境。
  与其他设备集成。如三坐标测量机等检测设备,可通过与设备进行集成,读取产品检测信息,用于质量管理与追溯。
  三、制造数据的状态管理
  在制造数据采集的基础上,需要对采集到的相关数据进行上分析并指导生产的改进与优化。
  1.设备状态数据分析
  对采集到的各种数据进行加工处理后,以各种方式进行输出和展现,使相关人员第一时间了解设备生产的实时情况,如实时状态、加工工艺数据等,便于做出及时、科学的管理决策。
  2.生产工艺数据优化
  主要表现在两方面:
  设备工艺参数监控:将采集到的设备工艺参数,如温度、压力等,与设定的标准参数进行实时比对与管控,从而实现对生产过程进行实时、动态、严格的工艺控制,确保产品质量的稳定性。
  工艺改进与优化:对制造过程的主要工艺参数与完工后的产品合格率进行综合分析,便于为工艺改进与优化。
  3.生产过程追溯
  通过产品制造的过程数据实现对产品制造历史的追溯,达到问题复现、质量追溯等目的。
  四、制造数据采集的发展方向
  随着物联网等技术的发展,制造数据采集在设备兼容性、数据丰富性、数据价值挖掘等方面都有了快速发展,下面分别从数据的采集广度、采集深度及价值利用等方面进行阐述。如图2所示。
  1.采集的“广度”
  采集的对象可分为两类,一类是本身就具备数字化功能的设备,如数控机床、热处理设备、机器人、AGV、自动化立体仓库等数字化设备。另一类是“哑设备”,就是本身不具有数字化功能,但可以通过改造或者借助信息化手段,使相关信息能进入数字化系统的设备、设施、物料、人员等,都可归于该类。如对普通机床通过增加智能采集硬件,对物料通过二维码、RFID等方式,对人员通过刷卡或者信息系统进行相应的数据采集。
  通过对更多设备、设施、物料等的采集,实现更广的兼容性,这是制造数据采集在广度方向的发展趋势。
  制造数据采集的发展方向
  2.采集的“深度”
  充分发挥数字化设备及相关信息化系统越来越好的开放性,以及越来越强大的传感器、物联网等采集技术,使采集的数据种类更丰富,准确度更高,实时性更强,并且成本更低,从而性价比更高地采集到更多的各种数据,为大数据深度挖掘与价值体现提供数据原料基础。
  3.应用的“高度”
  数据是智能制造的基础,结合制造业行业知识对这些数据进行充分的挖掘与利用,对制造企业具有非常重要的意义。
  利用这些数据,首先实现了设备或生产过程的可见性,对设备或生产处于什么状态,可一目了然。通过与设备维修维护等行业知识的结合,知道发生了什么事情,这是数据的认知性应用。
  通过大数据分析,预测将来可能出现的故障等问题,实现设备的可预测性维护,避免因为设备的宕机而影响整条产线的正常运转,实现生产流畅的生产。
  自适应是数据最高层级的应用,通过数据采集、状态感知、实时分析、自主决策,甚至是机器的自学习,系统根据实时状态进行动态调整与优化,甚至是自我修复,实现高效、高质、无忧的智能化生产。
  总之,随着传感器技术的突飞猛进及成本的迅速下降,使得传感器无处不在,实时的数据采集成为可能,各种设备运行和生产制造大数据的快速积累,为工业互联网平台提供源源不断的高质量数据,并与行业知识深度结合,就可以充分发挥工业互联网平台的价值,很好地促进企业的智能化转型升级。

微信公众号:兰光创新

发表于: 2019-03-04 10:28 阅读(20) 评论(0) 收藏 好文推荐

本博客所有内容,若无特殊声明,皆为博主原创作品,未经博主授权,任何人不得复制、转载、摘编等任何方式进行使用和传播。

作者该类其他博文:

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册