杨凯:大数据在制造企业中的核心应用

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

我个人经过近几年与客户交流或者是参与各种研讨活动,“大数据”的热度逐年攀升。那对于制造企业来说,大数据,到底怎么应用,目前也是众说纷纭。今天利用这篇文章,来说说我的见解。

“德国工业4.0”中明确表示“工业4.0就是大数据驱动的智能制造,所有的生产装备、感知设备、联网终端,包括生产者本身都在源源不断地产生数据,这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期”。在《中国制造2025》中也提到了“工业企业中生产线处于高速运转,由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据,从数据类型看也多是非结构化数据,生产线的高速运转则对数据的实时性要求也更高。”。随着互联网及移动互联网的快速发展,对于非制造企业来说,获取数据的能力变得越来越容易,数据的多样性也越来越丰富。同样,随着云计算的发展,对于大量数据的处理、清洗、分析也不是难事。

可是,对于制造企业来说,商业运作与制造运营之间的数据应用现状就形成了非常鲜明的对比。甚至,概念增多之后,大家对于“大数据”的理解也不尽相同。将“大数据”简单的理解为“规模大”的数据,这是片面的。规模大,是数据处理规模从TB级增长到EB级。另外,还包括对于数据处理的速度,实时性要求在几秒甚至几毫秒内。数据的类型也不仅仅是结构性数据,非结构性数据、语言文本、多媒体数据才是制造企业的数据大军。数据的收集过程造成了数据本身的不确定性、不一致性和多义性,如何结合应用场景分析数据结果,成为了大数据的另外一个关键。制造企业的大数据是与企业产品生命周期紧密相关联的。

目前,制造企业中有20%左右的结构化数据,80%的非结构化数据。如果没有应用相关的信息系统,可能非结构化的数据比例会更高。这也就成为了制造企业应用大数据最困难的或者最不容易突破的核心。接下来,我结合艾普工华自2012年发布UniMax PCT产品以来的应用场景,结合产品生命周期总结分享一下的大数据在制造企业中的核心应用,也就是“工业大数据”的6个应用场景:

1、智能产品远程监控及故障预警诊断

在智能制造体系中,智能产品是企业往服务型制造转型的利器。也同样是为企业在现有体制内创造新的价值和新的商业模式的途径。智能产品的远程监控实现途径主要是安装专用传感器,将产品的运行参数、位置参数、作业数据进行监控,例如:产品工作负载、环境温度、产品温度、作业风险预警等等。

智能产品的故障预警机诊断主要是通过产品出现故障时的工况数据,对故障进行诊断分析,结合故障知识库,同步更新诊断意见。对故障过程进行快速的反应,帮助用户及时解决问题,提高售后服务的质量。目前在市场上的故障诊断,大部分还仅能够实现某个具体问题的预判和处理,还不能自主的学习故障处理模式。随着大数据的收集和知识库的积累,逐渐会提高故障预警和诊断的准确率和及时率。

2、生产运营状态监控

在工业企业产业链的各个环节,将条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAX、MES等技术在工业企业中得到广泛应用,尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用,通过收集由工业现场所产生的设备数据、订单数据、进度数据和故障信息等,经过大数据分析,实时掌握生产运营的状态。

通过生产运营状态的监控,实现整个企业制造过程的透明化,管理者可以得到正确的信息进而对所有制造资源进行全局性的有效评估。例如:已销售的产品可以通过主动性的适时维护得到经济有效的管理。可以结合智能产品的远程整体性的运行信息,形成制造和应用闭环的全生命周期重新设计优化,进而使下一代运行系统得到改进。

3、优化零件库存和可用性

通过分析车间某段时间的生产订单数据和零件库存的关系数据,分析预测订单的需求量,减少关键零部件的非法转移次数,提高库存的控制力。结合供应链的配送数据,实现供应链的优化和分析,进而优化企业零部件库存的成本占用情况和可用性。

需求管理:在大数据背景下,需求预测成为大的核心。通过大数据来做需求预测,能做到自动补货、自动调拨、整体库存分析、备货等,做到在生产排产之前,供应商就将零件送至举例客户最近的中转库。

产品预测:通过大数据来确定:在某时段,某地区,用户购买的产品类型、数量等。

库存补货:经过大数据分析,匹配补货的阶段和时间,保证库存在一个合理的范围内。

健康库存模拟与预测:模拟未来某一个时间点,提前做好采购、备货、周转和退货事务。

4、制造资源寿命最大化

制造资源的使用寿命监控,经过数据分析,对制造资源的维修、保养、维护进行及时预警,分析加工产品的制造资源的优质供应商、材质、采购周期等,从制造资源的设计、采购和使用全生命周期提高制造资源的寿命。例如:车间加工设备在使用环节,通过MES监控设备的主轴电流,经过大数据监控与对比,实时监测刀具破损情况,并及时报警停机,提升制造良率,消除机床空运转时间,优化刀具的使用次数。

5、最优化产品质量

及时收集车间生产产品过程中的生产数据和质量数据,通过对采集到的“大数据”进行科学分析,全面掌握所有产品中普遍存在的质量问题,使企业能够对症下药,彻底将其根治,提高产品质量。

大数据分析对整个生产运营的快速反馈控制将为企业提供端到端的可视化和可操作视角,有利于提升准入市场的产品的整体水平,从而减少大规模产品的召回事件。

例如:产品在经过测试环节后,每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求,一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。利用大数据质量管理分析平台,集中得到很多精确的质量故障原因分析结果,定点解决。

6、提升工艺研发质量

对新产品的研发和工艺设计,经过大数据分析,及时发现产品设计的不合理点和缺陷,及时修正,提高工艺研发的质量和效率。例如:基于刀具公差和材料尺寸公差等大数据的累积集成,提升产品开发水平,产品品质,减少问题重复发生,节省开发成本。基于模具、治具工件尺寸及公差的大数据的累积集成,提升整体工艺研发水平。

艾普工华的UniMaxPCT产品通过对生产系统中不同层级间的数据进行缩放支持,对生产运营提供基于WEB的全局可视化管理手段,为管理者提供准确的决策支持,为操作者提供实时的执行指南。应用行业领先的智能引擎,结合制造实时状况与人、机、料、法、环、测等实时数据,发现生产过程趋势,预测未来的资源利用状态,并可对可能发生的故障和事故进行预警。无论你是在车间、办公室、会议室、交通工具上等,均可以通过PC终端或APP终端随时随地获取所需要的实时数据及分析决策数据。面对目前全球供应链的闭环应用,UniMax PCT还将气候、环境、地理、政治等风险数据纳入数据漏斗,以支撑全局决策并提前预警。

在接下来的5-10年,逐步将财务、产品、订单、计划、库存、成本等商业大数据与机器设备、制造过程、制造资源、产品使用、物流空间、能源结构等工业大数据充分融合,构建企业级的大数据分析及运营平台,为企业在接下来的发展中提供有效支撑,以生产制造、资源计划、供应链管理、营销预测、策略分析、产业供应、决策支持为应用对象,驱动企业创新发展。

原文发布时间为:2017年6月20日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
122 1
|
8天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
22天前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
84 2
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
67 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
141 2
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
406 2
|
2月前
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
55 0
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
24天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
196 7