激活海量数据价值，实现生产过程优化

69 阅读 0 评论 46 点赞

我是靠谱客的博主冷艳舞蹈，最近开发中收集的这篇文章主要介绍激活海量数据价值，实现生产过程优化，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

背景

在全球掀起的新一轮工业转型浪潮中，智能制造面临巨大发展机遇。得益于云计算、大数据和人工智能技术的加持，工业转型升级进入新阶段，人们逐渐意识到由数据驱动催生的新商业模式所带来的巨大价值，数据和算法模型的结合与碰撞，为复杂系统不确定性的化解、洞见发掘以及企业决策提供了强有力的数据支撑和新的引擎动能。

目前，在工业领域，数据的采集及全面感知能力已经初步具备。而激活海量数据的价值，通过自下而上的信息流和自上而下的决策流构成工业智能化应用的闭环，是工业智能化转型的关键。主要有以下几个手段：

将原先工人和专家的经验、以人为主的决策反馈，转变为基于机器或系统自主建模、决策、反馈的模式；
通过构建算法模型，强化制造企业的数据洞察能力，解决工业中机理或经验复杂不明的问题；
基于知识汇聚实现大规模推理，实现更广流程更可靠的管理与决策。

挖掘数据价值实现生产过程优化

无论是流程行业还是离散行业，生产过程的优化和稳定控制都是保障企业降低运行成本、提高生产效率、打造核心竞争力的前提。在工业 4.0 时代智能化转型的背景下，充分利用海量数据价值实现过程优化和现场稳定控制是企业持续思考、探索的命题，也是一种普遍存在的需求。

例如在钢铁行业，加热炉是轧钢工序的重要设备，通过对加热炉数据进行实时采集，结合先进控制优化算法，在节约煤气成本的基础上，可以保证炉温稳定，提高钢坯质量。

在化工行业，企业主要关注原料性质变化、生产负荷调整，目前大多数检测方式为人工定时取样离线送检，普遍耗时较长、步骤多，难以实现对生产进行有效的反馈和优化控制。利用实时数据建模分析，可以实现对反应过程的精确把握、实时干预，降低因为干预不及时造成的原料浪费。

在智慧工厂场景，通过对机台数据的实时数采，结合 MES 系统历史数据分析校验，重新对机台参数值进行修正，实时迭代，可以保证机台生产过程中更少的人工干预以及更加稳定的产品质量。

在工业节能降耗领域，通过对能源数据全流程的采集，结合动能设备、生产自动化系统以及MES系统，形成系统间的智能联动，基于生产计划，可以实现对能源需量的精细预测，提高企业能耗管理水平。

EMQ 云边协同工业互联网解决方案

EMQ 云边协同工业互联网解决方案，通过云原生技术以及云边协同架构，实现对海量工业设备数据的连接、移动、处理、存储与分析。方案主要包括以下软件：

多源数据集成

数据流式分析引擎 eKuiper 可以提供工业现场各类数据的灵活对接能力，实现工厂 MES、ERP、数据库以及各类第三方应用的数据拉取集成，通过流式计算能力对数据进行清洗处理，流表结合的能力实现工业现场人机料法环之间的交互与协同。工业协议网关软件 Neuron 将工厂内 PLC、非标自动化设备、SCADA 以及各类仪器仪表通过现场总线方式进行实时数据采集。同时 Neuron 通过 MQTT 和 Restful API 等方式可以对工厂设备进行反向控制，结合控制优化算法，可以实现数据的低延迟处理分析及生产过程优化。

通过 Neuron+eKuiper 对多维度数据的高效采集，可以将工厂内机器设备的实时数据、生产经营相关业务数据、产品设计工艺数据以及工厂各类生产管理软件中数据进行汇聚分析，实现生产过程优化，降低生产损耗、提高生产产出。