激活海量数据价值,实现生产过程优化

简介: EMQ云边协同工业互联网解决方案,将人工智能与云计算技术接入到传统的工业生产中,帮助企业实现数据流、生产流与控制流的协同,降本增效。

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。

图片来源:《工业互联网体系架构 2.0 报告》 图1.png

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:
图片2.png
云边协同工业互联网解决方案 图3.png

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。

边缘端算法模型集成,实时推理决策

eKuiper 可充分利用工业现场多维度的数据,吸收和沉淀人工经验,结合工业机理知识、数据统计学方法,利用机器学习和深度学习算法建立设备生产过程的优化模型,对生产过程进行优化控制,使设备运行更可靠、更稳定,提升企业经济效益。

eKuiper 支持调用 Python 科学计算、机器学习及深度学习算法库,支持调用 Matlab 转出的 C/C++ 算法模型,结合实时数据流实现边缘端的实时 AI 推理计算,将推理结果通过 Neuron 实时下发到自动化设备侧,实现生产过程的实时优化、持续优化。

边缘端算法模型集成,实时推理决策 图4.png

云边协同远程运维

EMQ 云边协同工业互联网解决方案提供了强大的远程运维能力。

整体方案基于分布式云原生技术,可以在 K8s、KubeEdge 等框架的基础上进行部署,一键实现 Neuron、eKuiper 等边缘服务的版本管理、升级、回滚等操作;在边缘服务配置管理上,支持平台端远程配置批量下发,降低了工业场景下大规模设备的数采及边缘计算的配置管理工作。

同时,基于云原生技术的部署方式,还可以支持边缘服务的高可用运行,包括单机高可用运行能力以及跨硬件设备的高可用运行。

在平台端通过统一收集边缘服务的日志及运行状态信息,可以对边缘服务的资源使用情况、软件运行状态以及各类告警信息进行实时远程监控,及时发现运行异常,保证系统稳定运行。

结语

将新一代信息技术与制造业深度融合,通过人、机、物的全面互联,构建起全要素、全产业链、全价值链全面连接的新型工业生产制造和服务体系,是支撑第四次工业革命的核心与关键。

EMQ 云边协同工业互联网解决方案,将人工智能与云计算技术接入到传统的工业生产中,帮助企业实现数据流、生产流与控制流的协同,提高生产效率,降低生产成本,助力工厂实现数字化、实时化及智能化转型。

版权声明: 本文为 EMQ 原创,转载请注明出处。

原文链接:https://www.emqx.com/zh/blog/activate-the-value-of-massive-data

目录
相关文章
|
30天前
|
供应链
代采系统如何利用大数据分析优化采购决策?
代采系统可以利用大数据分析来优化采购决策
|
存储 编解码 缓存
视频平台技术成本控制的量化方法
在线视频平台为用户提供服务时,面临的一个严重的挑战是,如何保证在为用户提供流畅 且稳定播放服务的前提下,尽量降低整体运营成本。本篇文章将围绕上述问题,重点讨论技术实践中的成本控制手段。
视频平台技术成本控制的量化方法
|
10月前
|
算法 计算机视觉
图像生成过程中遭「截胡」:稳定扩散的失败案例受四大因素影响
图像生成过程中遭「截胡」:稳定扩散的失败案例受四大因素影响
|
11月前
|
存储 文件存储 数据安全/隐私保护
为部署的系统做出正确的数据存储决策
为部署的系统做出正确的数据存储决策
|
11月前
|
数据采集 机器学习/深度学习 存储
「数据战略」结果驱动的企业数据策略:数据生命周期过程
「数据战略」结果驱动的企业数据策略:数据生命周期过程
|
11月前
|
数据采集
「数据战略」结果驱动的企业数据策略:持续的数据维护
「数据战略」结果驱动的企业数据策略:持续的数据维护
|
数据可视化 物联网 测试技术
评估企业扩展业务能力的新方法
评估企业扩展业务能力的新方法
364 0
|
存储 数据采集 机器学习/深度学习
数据能力的构建过程
数据能力的构建过程
292 1
|
人工智能
RPA软件如何升级电商工作价值?深度分析
工作,通俗点说就是干活儿,一提到是工作,大部分人会说自己不过是一个打工的,领着普通的工资,过着普通的生活,不能很有钱但是至少相对稳定,唯一心理有点委屈的就是同为打工的,为啥有些人赚的钱更多,有些人则干得很累却赚得很少,有人会说,那是别人运气好,选对了行业,这样说也没错,那为什么选对了行业就赚更多的钱?那是因为,别人创造了更高的价值,怎么计算自己工作创造的价值?我这里跟大家介绍一种测算方法。
RPA软件如何升级电商工作价值?深度分析