AR工业趋势|数据驱动的智能制造的前世今生(一)_effiar观点

导读:本文翻译自sciencedirect的Data-driven smart manufacturing一文 互联网技术、物联网、云计算、大数据和人工智能的进步对制造业产生了深远影响。收集到的大数据越来越多,进而为如今传统的制造模式往智能制造转型提供了一个巨大的机会。这使得企业能够采用数据驱动的战略,从而提高自己的竞争力。

介绍

制造商们正在拥抱虚拟和现实融合的概念。诸如德国的工业4.0,美国的工业互联网及中国智能制造2025这种制造的策略相继被提出。它们促进了现代信息技术在制造业中的应用,推动了智能制造的发展。智能制造旨在将产品生命周期中获取的数据转化为智能制造,从而对制造的各个方面产生积极的影响。在现代制造业中,制造系统生成的数据呈爆炸式增长,每年超过1000EB(1EB=1024PB=1152921504606846976B)。对制造数据进行系统的计算分析,可以做出更明智的决策,从而提高智能制造的效率。换句话说,数据驱动制造是智能制造的必要条件。因此,数据正成为增强制造业竞争力的关键因素,制造商也开始认识到数据的战略重要性。

大数据的价值不仅取决于所能承担的的庞大数据量,还取决于隐藏在其中的信息和知识。随着物联网(IoT)、云计算、移动互联网和AI等新兴IT技术的出现,可以在战略上加以利用,并有效地整合,以支持数据驱动的制造。例如,许多创新的物联网解决方案促进了传感器在制造业中的部署,以收集实时制造数据。云计算可实现网络数据存储,管理和异地分析。用户可以通过各种移动设备轻松访问分析结果。AI解决方案使“智能”工厂能够以最少的人力参与做出及时的决策。云计算支持网络数据存储、管理和离线分析。用户可以通过各种移动设备轻松访问分析结果。AI解决方案使“智能”工厂能够在最少人力参与的情况下及时做出决策。

关于制造数据的历史观点

如下图所示,长期以来,信息记录在纸上,而制造是通过手工来实现的,因此信息技术与制造技术的结合既无益处也不可行。自1940年代ENIAC(即第一台电子计算机)问世以来,信息技术(IT)的飞速发展一直在推动制造业朝着信息化方向发展。1950年代开发了第一台数控铣床,宣布制造业进入了数控时代。自1960年代以来,集成电路的发展为计算机硬件和软件的发展铺平了道路。自1980年代以来,TCP / IP,局域网(LAN),万维网(WWW)和搜索引擎相继出现,以满足对数据存储,索引,处理和交换的不断增长的需求。所有这些信息技术已广泛应用于制造业。结果,提出了许多先进的制造技术,例如计算机集成制造(CIM),计算机辅助设计(CAD),制造执行系统(MES),计算机辅助制造(CAM),企业资源计划(ERP)和网络制造(NM)等。最近,新IT的兴起(例如,物联网,云计算,大数据分析和人工智能)继续革新制造范式,从而导致了一系列新的制造概念。例如,制造网格,网络物理制造系统,云制造等。由于IT与制造之间的深度融合,制造智能度逐渐提高。结果,制造数据也变得越来越丰富。结果,提出了许多先进的制造技术,例如计算机集成制造(CIM),计算机辅助设计(CAD),制造执行系统(MES),计算机辅助制造(CAM),企业资源计划(ERP)和网络制造(NM)等。最近,新IT的兴起(例如,物联网,云计算,大数据分析和人工智能)继续革新制造范式,从而导致了一系列新的制造概念。由于制造技术和信息技术之间的深度融合,制造智能度逐渐提高。结果,制造数据也变得越来越丰富。讨论了制造数据在四个阶段的演变(见下图)。

手工艺品时代的数据

在第一次工业革命之前,人类社会长期处于手工制造阶段。手工制品主要是由工匠设计和制造的。手工业作为最基本的制造业形式,其复杂性较低。因此,在生产过程中产生的数据是有限的,因为它主要以人类经验的形式存在。此外,经验主要是通过口头方式代代相传,主要基于学徒制。关键信息和数据很容易丢失,使得生产和质量控制无法实现。由于其数量和质量极低,在手工业时代产生的生产资料既没有得到重视,也没有得到充分的利用。然而,由于手工制作涉及人类高度的创造力,即使在今天,它也被用于制造奢侈品(如珠宝、手表、皮包)。

数据处理

数据处理是指为了从大量数据中发现知识而进行的一系列操作。数据必须转换为信息和知识,制造商才能做出明智的决策。最重要的是,必须对数据进行认真的预处理,以消除冗余,误导,重复和不一致的信息。具体来说,数据清理涉及以下活动:缺失值,格式,重复项和垃圾数据清理。数据约简是通过功能或案例选择将大量数据转换为有序,有意义和简化形式的过程。数据精简完成后,将通过数据分析和挖掘来利用经过清理和简化的数据以生成新信息。数据分析的有效性可以通过多种技术显着提高,包括机器学习,大规模计算以及使用预测模型。一些高级数据挖掘方法包括聚类,分类,关联规则,回归,预测和偏差分析。通过以上数据处理工作,可以从大量动态且模棱两可的原始数据中获得可理解的知识。

手工艺品时代的数据

一般来说,机器时代包括两个阶段(分别是第一次工业革命和第二次工业革命)。第一次工业革命的结果是,在早期的工厂中将机器用作生产工具,从而极大地增加了制造规模。在此期间,人与生产中的机器之间的关系是高度互补的(即,早期的机器只能由熟练的操作员操作以实现其功能)。因此,制造商开始强调两种特殊类型的制造数据:与工人有关的数据和与机器有关的数据。与工人相关的数据(例如,出勤,生产率和绩效)用于促进有关薪资结构,绩效基准和工作时间表等问题的决策。与机器相关的数据用于支持有关机器维护,维修和更换的决策。但是,与手工业时代相比,第一次工业革命并未对数据的收集,存储,分析,传输和管理方式进行重大改变。实际上,工人仍然根据经验来手动处理数据。

第二次工业革命(或技术革命)的结果是,机床和可互换零件被广泛地并入现代工厂的“新”制造工艺(例如贝塞麦酸性转炉炼钢法)中,从而显着提高了制造效率,并且制造模式转移到了批量生产模式。第二次工业革命引发了数据处理方式的一些显着变化。特别是,由于管理人员和工人之间的工作分工,受过良好教育的管理人员越来越多地处理制造数据。此外,管理人员开始采用更系统的方法来记录和分析制造数据。原始数据被广泛地记录在书面文档中(例如,说明,日志,便笺和图表),而不是存储在人的内存中。使用科学方法确定不同数据集之间的依赖关系。在此期间,制造商开始利用制造数据进行成本降低,质量控制和库存管理。特别是,引入了统计模型来分析各种与质量相关的制造数据,例如生产计划,吞吐量,产品质量,故障率,原材料消耗和报废率。

总而言之,在机器时代,尽管通过科学方法分析了大量的制造数据,但是仍然由人工操作员(即管理人员)而不是计算机来人工处理数据。因此,制造数据的利用率仍然较低。

信息时代的数据

在信息时代(或数字时代),信息技术被广泛应用于制造过程中。结果,公司能够收集的制造数据量呈指数增长。许多因素促成了数据的增长。首先,制造商广泛采用了信息系统(例如CRM,MES,ERP,SCM,PDM等)来促进生产管理。其次,计算机系统(例如CAD,CAE,CAM和FEA)被广泛用于辅助新产品以及制造过程的创建,仿真,修改和优化。第三,现代工厂普遍使用工业机器人和自动机械。越来越多的电子设备和数字计算机被用来自动控制生产设备。

信息技术的发展为制造商更好、更快、更便宜地满足客户需求铺平了道路。

在信息时代,数据存储在计算机系统中,并由信息系统进行管理。例如,客户数据(例如家庭住址,电话号码,人口统计学),销售数据(例如成品的类型,数量,价格和发货日期),供应链数据(例如产品的类型,数量,价格和供应商)原材料),财务数据(例如资产,不动产,有形财产,公用事业,无形财产等),生产计划数据,物料清单,库存数据(例如类型,数量,物料和制成品的位置)仓库)和维护数据全部由CRM,MES,ERP,SCM,PLM等管理。因此,可以轻松地在不同部门或组织之间进行交换。由于使用了计算模型,因此数据分析的效率得到了显着提高,尽管分析结果仍需要操作人员进行解释才能做出决定。在此期间,制造商开始利用数据来推广一些高级制造模型,例如大规模定制,可持续制造,柔性制造,智能制造和云制造。但是,信息孤岛(无法与其他系统通信的信息系统)仍然很普遍。没有有效的方法来分析非结构化,分散,重复和孤立的数据。结果,仍然很难从数据的价值中受益,特别是对于中小型制造企业。

大数据时代的数据

随着物联网技术的兴起,云计算,大数据分析,人工智能以及其他技术的进步,催生了大数据时代。在制造业中,大数据是指在整个产品生命周期中生成的大量多源,异构数据,其特征是5V,即大容量(即大量数据),多样性(即数据本身进入不同的形式,并且是由各种来源生成的),速度(即,数据以非常高的速度生成和更新),准确性(即,数据与一定程度的偏差,不一致,不完整,歧义性,时延,噪声,和近似值)和价值(即隐藏在数据中的巨大价值)。

一般来说,制造过程中生成的大数据可以按照以下类别进行分类:

a)从制造信息系统(例如MES,ERP,CRM,SCM和PDM)收集的管理数据。信息系统拥有与产品计划,订单相关的各种数据 调度,物料管理,生产计划,维护,库存管理,销售和市场营销,分销,客户服务和财务管理。

b)通过工业物联网技术从智能工厂收集的设备数据,包括与实时性能,操作条件和生产设备的维护历史有关的数据。

c)从互联网来源(例如电子商务平台(例如,亚马逊,沃尔玛和淘宝)和社交网络平台(例如,Twitter,Facebook,LinkedIn和YouTube))收集的用户数据。这种类型的数据包括用户统计数据,用户个人资料,用户对产品/服务的偏好以及用户行为(例如,有关在线浏览,搜索,购买和查看历史记录的数据)。

d)物联网技术从智能产品和产品服务系统收集的产品数据,包括产品性能,使用环境(例如时间,位置和天气),环境数据(例如温度,湿度和空气质量)和用户生物学数据。

e)通过开放数据库从政府收集的公共数据。这些数据集处理与知识产权,公民基础设施,科学发展,环境保护和医疗保健有关的数据。对于制造商而言,公共数据可用于保证制造过程和制成品严格遵守政府法规和行业标准。

在新IT的支持下的大数据时代,制造商收集,存储和处理数据的能力得到了显着增强。近年来出现了许多具有成本效益和灵活的数据收集,存储和处理解决方案,例如物联网和云计算。这使得包括中小企业在内的不同规模的制造企业都可以从数据价值中受益。在制造业中,对大数据的有效分析使制造商能够加深对客户,竞争对手,产品,设备,过程,服务,员工,供应商和监管机构的了解。因此,大数据可以帮助制造商做出更合理,更及时,更明智的决策,并增强其在全球市场上的竞争力。

effiar是由北京慧星视界科技有限公司研发的一款工业AR平台。effiar由WorkGuide更名而来。在AR工业领域,使用者无需技术就可以通过effiar任务管理中心使用拖拽等简单操作,为特定业务场景定制智能眼镜方案应用。该平台包括专家AR远程协作、AR巡检、AR运维、工作流、AR培训、AR+iot、多媒体知识库等多个模块,使用者可以根据业务需要自由剪裁或者互相嵌套。

4.0版本支持更多MR眼镜,以及数字孪生体验,使工作人员能够感知工作环境和设备,更多内容参考开发者。