制造業正邁入大數據時代

    在德國的工業4.0中，大數據被認為是物理與信息融合中的關鍵技術。在美國GE提出的工業互聯網中，大數據分析作為聯機數據處理分析的核心，被認為是重構全球工業、激發生產力的關鍵技術。在我國提出的《中國制造2025》中，云計算、物聯網和大數據作為新一代的信息技術，成為兩化融合的關鍵技術。無論是工業4.0、工業互聯網還是《中國制造2025》，智能制造是共同目標，工業互聯網是基石，大數據是引擎。

    制造業邁入了大數據時代，2012年，GE公司率先明確了“工業大數據”的概念。在制造業，產品的全生命周期從市場規劃、設計、制造、銷售、維護等過程都會產生大量的結構化和非結構化數據，形成制造業大數據，而這些數據符合大數據的三“V”的特征：規模性、多樣性以及高速性。除此以外，制造業大數據還具有多源異構、多尺度、不確定、高噪聲等特征。因此，研究和應用制造大數據更具有挑戰性，主要體現在制造大數據的存儲、管理、分析和展示方面。如何充分挖掘工廠中數據的價值，通過對制造大數據進行分析，提升數字化工廠運行效率，已成為制約數字化工廠向智慧工廠發展的瓶頸。

    大數據方法帶來思維變化

    能用大數據來解決工廠的什么問題？大數據方法能為未來工廠的目標服務嗎？未來工廠就是智慧工廠，它追求的終極目標是一切都透明化。在制造業不同的階段，所追求的目標是不一樣的。

    上個世紀初，制造業追求目標是成本更低，出現了可互換零件原理，形成了大批大量生產模式。在上世紀中葉，為了追求更高的質量，這時候采用了全面質量管理。到上個世紀80年代，市場需要不同的產品，產品的多樣化出現，多品種小批量生產模式流行，計算機技術應用到產品設計制造過程，出現了計算機集成制造系統，也就是信息化系統。不同時代企業追求目標不同，所采用的解決問題的方法也不同。未來的智能工廠追求透明化，要達到透明化的目標，可采用的方法就是分析推理，大數據方法事實上是一種分析推理法。因此，從數字化工廠向智能化工廠轉化的過程中面對著海量的數據，需要尋找它們相互之間的聯系和隱藏規律，實現透明化的目標。

    最后，在哪里用？大數據給制造業提供的是一種全方位的全程式的一種服務，在產品全生命周期階段，從設計到制造、從使用到維護，直到維修階段，產生的正向數據以及逆向數據，這些數據都能全方位地得到使用。

    大數據提供全方位全程服務

    在產品的設計中，傳統的設計師基于經驗靈感和經驗，揣度消費者的需求喜好設計產品。在大數據時代，設計師通過對用戶行為和需求大數據進行分析，精準量化客戶需求，指導設計過程。

    在制造階段，大數據技術可以幫助實現生產過程異常發現、產品質量和生產調度優化等方面。以生產異常發現為例，傳統的基于降維手段的異常發現方法，容易破壞信息完整性，不利于設備異常的發現。在大數據模式下，基于制造數據的分析對關鍵參數進行提取，然后通過聚類分析手段發現設備異常模式，在此基礎上對設備控制優化。大數據也能幫助提高產品的質量控制。SPC控制的是整個過程的單個參數，但是單個參數在正常范圍為什么還會出現一些質量問題？可能每個參數均處于臨界狀態，綜合后會產生一些質量問題，所以在這個過程中，傳統就是數據的篩選、參數分析，這個過程介入了人工的分析來進行質量的預測，數據篩選過程淘汰了許多有效的數據資源，參數分析過程經常存在人工經驗判斷，使得預測模型對整個產品加工過程信息的描述殘缺不全，不能發現產品質量問題的深層次原因(如誤差累積)。而在大數據模式下，根據產品的加工工藝過程，對產品質量相關數據按層次進行組織，利用多隱藏層的神經網絡深度學習加工過程中產品質量數據的相互作用機理，從而對產品質量問題進行全面、深層次描述。

    大數據能提升大規模生產調度的全局性能，隨著工藝的復雜、環境的復雜、工藝的規模，整個問題規模越來越大的時候，它已經是一個很難解決的問題。傳統的智能調度方法難以求解大規模的調度問題，基于規則和瓶頸的方法在大規模問題中又很難得到全局優化；大數據帶來了新思路，它采用全局的數據之間的關聯關系，從而形成全局的調度方案，能夠解決大規模生產中的全局調度問題。<