王晨宇

摘 要：近幾年，隨著制造業(yè)、信息技術(shù)的不斷融合、發(fā)展，我國迎來了以“智能制造”為代表的新一輪工業(yè)發(fā)展變革。本文首先概述了大數(shù)據(jù)在制造業(yè)中的應(yīng)用，然后圍繞數(shù)據(jù)集成、數(shù)據(jù)處理、數(shù)據(jù)分析三個(gè)方面，對工業(yè)大數(shù)據(jù)在智能制造中的應(yīng)用進(jìn)行了論述，以期為廣大從業(yè)者提供有價(jià)值的參考。

關(guān)鍵詞：工業(yè)大數(shù)據(jù)；大數(shù)據(jù)技術(shù)；智能制造

智能化目前已經(jīng)成為了制造業(yè)發(fā)展的重要主題，大量數(shù)據(jù)采集設(shè)備在產(chǎn)品制造車間投入使用，在產(chǎn)品制造的過程中采集了海量的數(shù)據(jù)。利用大數(shù)據(jù)技術(shù)，將這些數(shù)據(jù)整合、歸類、分析，就能夠進(jìn)一步提高制造企業(yè)的生產(chǎn)管理水平。制造業(yè)作為我國國民經(jīng)濟(jì)中的重要構(gòu)成部分，和大數(shù)據(jù)技術(shù)的融合發(fā)展已經(jīng)成為了一個(gè)必然的趨勢。在這樣的背景下，探討工業(yè)大數(shù)據(jù)在智能制造中的應(yīng)用，對于制造業(yè)的進(jìn)一步發(fā)展，顯得有極其重要的促進(jìn)意義。

一、大數(shù)據(jù)在制造業(yè)中的應(yīng)用

數(shù)據(jù)本身并不能推動(dòng)智能制造的發(fā)展，而是要通過合理的整合、分析，發(fā)現(xiàn)數(shù)據(jù)隱藏的價(jià)值，提出促進(jìn)制造企業(yè)發(fā)展的方案，才能夠有效提高企業(yè)的制造水平、管理水平，如圖1所示，智能制造、大數(shù)據(jù)之間的關(guān)系大致可分為三個(gè)層次：第一，將制造中存在的問題轉(zhuǎn)換為定性、定量的數(shù)據(jù)內(nèi)容，然后從中找到相應(yīng)的解決方法；第二，將數(shù)據(jù)內(nèi)容轉(zhuǎn)化為企業(yè)產(chǎn)品制造相關(guān)的知識(shí)內(nèi)容，為制造規(guī)劃策略的制定提供數(shù)據(jù)支撐，避免一些已經(jīng)出現(xiàn)過的問題再次發(fā)生；第三，將制造相關(guān)的理論知識(shí)，轉(zhuǎn)化為可視化數(shù)據(jù)，深度探究數(shù)據(jù)和制造問題的聯(lián)系，達(dá)到優(yōu)化生產(chǎn)流程的目的[1]。

目前，部分制造企業(yè)已經(jīng)將大數(shù)據(jù)技術(shù)應(yīng)用在某些具體的生產(chǎn)場景中，如車間設(shè)備調(diào)度、生產(chǎn)制造工藝優(yōu)化、制造故障追蹤、設(shè)備故障溯源、制造流程優(yōu)化等等。國內(nèi)外學(xué)者在大數(shù)據(jù)在制造業(yè)中的應(yīng)用也進(jìn)行了大量的分析論述，其中具有代表性的是：利用大數(shù)據(jù)技術(shù)分析車間內(nèi)的物資流動(dòng)數(shù)據(jù)，優(yōu)化物資流動(dòng)過程，協(xié)調(diào)車間內(nèi)的人力、物力調(diào)動(dòng)，達(dá)到降低制造成本，提高制造效率的目的；利用粒子群算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法構(gòu)建車間內(nèi)制造生產(chǎn)調(diào)度模型，為產(chǎn)品制造提供可靠的理論支撐；利用產(chǎn)品制造數(shù)據(jù)，構(gòu)建工藝數(shù)據(jù)模型，實(shí)現(xiàn)制造工藝快速優(yōu)化、設(shè)計(jì)。從文章例舉的研究案例可看出，大數(shù)據(jù)在制造業(yè)中的應(yīng)用較為廣泛，并且大數(shù)據(jù)也呈現(xiàn)出極強(qiáng)的適用性、實(shí)用性，對于智能制造的發(fā)展有著重要的促進(jìn)作用[2]。

二、智能制造中的大數(shù)據(jù)關(guān)鍵技術(shù)

（一）數(shù)據(jù)集成

大數(shù)據(jù)技術(shù)的本質(zhì)，就是將不同形式、不同格式、不同來源、不同性質(zhì)、不同用途的數(shù)據(jù)，通過判斷其邏輯結(jié)構(gòu)或者形式結(jié)構(gòu)，進(jìn)行合理的分類、集中，為系統(tǒng)儲(chǔ)存提供一系列相對穩(wěn)定的、系統(tǒng)的數(shù)據(jù)集合。在智能制造中，能夠?qū)⒅圃煜嚓P(guān)數(shù)據(jù)有機(jī)集中起來，解決制造業(yè)長久存在的“數(shù)據(jù)孤島”問題[3]。

在數(shù)據(jù)集成的過程中，為獲取更有價(jià)值的數(shù)據(jù)內(nèi)容，往往需要對數(shù)據(jù)進(jìn)行降噪、轉(zhuǎn)換等工作，而在智能制造中，產(chǎn)生的相關(guān)數(shù)據(jù)覆蓋面比較廣，如MES數(shù)據(jù)、ERP數(shù)據(jù)、數(shù)控程序數(shù)據(jù)、產(chǎn)品三維模型數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等，這些數(shù)據(jù)呈現(xiàn)出多維度、高噪聲等特點(diǎn)，若是未經(jīng)過處理，直接對數(shù)據(jù)的潛在價(jià)值、特征進(jìn)行挖掘分析，其效率可想而知，為提高大數(shù)據(jù)技術(shù)的實(shí)際應(yīng)用價(jià)值，在分析前必須對這些數(shù)據(jù)進(jìn)行合理的歸集、抽取、轉(zhuǎn)化（將多維度數(shù)據(jù)轉(zhuǎn)化為單維度且便于處理的結(jié)構(gòu)），然后將這些數(shù)據(jù)儲(chǔ)存到數(shù)據(jù)庫中[4]。另外，大數(shù)據(jù)技術(shù)在智能制造中的應(yīng)用，在分析、集成的過程中可能會(huì)出現(xiàn)多讀、漏讀等等問題，這些問題就直接影響了數(shù)據(jù)的真實(shí)性、準(zhǔn)確性、實(shí)用性，所以在數(shù)據(jù)歸集、抽取的過程中，還要對數(shù)據(jù)進(jìn)行清洗處理，并根據(jù)數(shù)據(jù)的完整性、精確性，對數(shù)據(jù)進(jìn)行有針對性的修復(fù)以及錯(cuò)誤修正，具體可利用過濾規(guī)則多級組合優(yōu)化理論、D-S證據(jù)理論、增量聚類理論實(shí)現(xiàn)對數(shù)據(jù)的清洗、降噪、歸集[5]。

數(shù)據(jù)最終的儲(chǔ)存、管理也是大數(shù)據(jù)技術(shù)在智能制造中應(yīng)用的重點(diǎn)，采集到的數(shù)據(jù)內(nèi)容必須采取合理的儲(chǔ)存方式存放在數(shù)據(jù)庫中，以此來為后期的挖掘、分析工作奠定基礎(chǔ)。相較于傳統(tǒng)的半自動(dòng)化制造、自動(dòng)化制造，智能制造產(chǎn)生的數(shù)據(jù)種類更多，所以傳統(tǒng)的數(shù)據(jù)庫已經(jīng)不能夠滿足數(shù)據(jù)儲(chǔ)存需求，目前基于Hadoop架構(gòu)開發(fā)的“HDFS”文件系統(tǒng)在業(yè)界得到了廣泛認(rèn)同（該系統(tǒng)的工作原理可見圖2），智能制造產(chǎn)生的數(shù)據(jù)能夠按照事先規(guī)劃好的文件體量進(jìn)行合理的劃分，文件根據(jù)其體量大小傳輸至不同的DataNode，以此來提高數(shù)據(jù)訪問效率、提高數(shù)據(jù)儲(chǔ)存質(zhì)量。

（二）數(shù)據(jù)處理

工業(yè)大數(shù)據(jù)的應(yīng)用可輻射至描述、故障診斷、問題預(yù)測、技術(shù)調(diào)整等多個(gè)方面，為滿足智能制造中不同的需求，需要根據(jù)需求合理的調(diào)整技術(shù)方法，如分布式計(jì)算、流處理、內(nèi)存處理等等。

其中，分布式計(jì)算是一種較為新穎的計(jì)算方法，它將計(jì)算任務(wù)分解為一個(gè)個(gè)小任務(wù)，然后將計(jì)算任務(wù)交由多個(gè)計(jì)算終端處理，最終再將這些結(jié)果匯總。在智能制造方面，應(yīng)用最為廣泛的是MapReduce處理框架，在實(shí)際應(yīng)用中，MapReduce處理框架能夠利用普通計(jì)算機(jī)進(jìn)行計(jì)算，并能夠處理普通計(jì)算機(jī)無法處理的數(shù)據(jù)內(nèi)容，如圖3所示，MapReduce處理框架將待處理的數(shù)據(jù)內(nèi)容分解為固定的體量，然后將這些數(shù)據(jù)傳輸至相應(yīng)的Map模塊，在計(jì)算的過程中將相對應(yīng)的鍵值寫入磁盤，Reduce在根據(jù)磁盤中的鍵值，將最終的結(jié)果匯總并傳輸至文件系統(tǒng)，MapReduce處理框架的應(yīng)用提高了單臺(tái)計(jì)算機(jī)的實(shí)際處理能力，適合對大規(guī)模、大體量的工業(yè)數(shù)據(jù)進(jìn)行有效處理。

（三）數(shù)據(jù)分析

工業(yè)數(shù)據(jù)常見的分析技術(shù)為神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘，智能制造中遭遇的問題一般比較復(fù)雜，通過對工業(yè)數(shù)據(jù)的有效分析，能夠在不了解問題因果的情況下，快速的分析出數(shù)據(jù)之間的內(nèi)在聯(lián)系，從而獲取最接近事實(shí)的信息。目前，STKmeans在智能制造領(lǐng)域也初露頭角，該算法的分析效率、質(zhì)量優(yōu)于傳統(tǒng)的分析方法，極具借鑒價(jià)值。

結(jié)束語：

綜上所述，工業(yè)大數(shù)據(jù)在智能制造發(fā)展、轉(zhuǎn)型的過程中，起著極其重要的促進(jìn)作用。目前，工業(yè)大數(shù)據(jù)在我國制造業(yè)中的應(yīng)用仍舊處于起步階段，工業(yè)大數(shù)據(jù)的應(yīng)用需要廣大從業(yè)者的進(jìn)一步分析、探究。但大量事實(shí)證明，除了要探究更高水平的技術(shù)方法，還要進(jìn)一步提升工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量，而我國在這方面的研究較少，需廣大從業(yè)者加以重視。

參考文獻(xiàn)：

[1]段成. 智能制造背景下工業(yè)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量控制探討[J]. 機(jī)械設(shè)計(jì)與制造工程， 2018.

[2]何文韜， 邵誠. 工業(yè)大數(shù)據(jù)分析技術(shù)的發(fā)展及其面臨的挑戰(zhàn)[J]. 信息與控制， 2018（04）：18-30.

[3]王煜. 三一舉辦智能制造盛宴——工業(yè)大數(shù)據(jù)應(yīng)用制造沙龍匯在長沙市召開[J]. 工程機(jī)械， 2016（4）.

[4]周本華， 吳旭光， 郭培龍， et al. 現(xiàn)場數(shù)據(jù)采集技術(shù)及在智能制造系統(tǒng)中的應(yīng)用[J]. 制造技術(shù)與機(jī)床， 2016（6）：33-39.

[5]朱雪初， 喬非. 基于工業(yè)大數(shù)據(jù)的晶圓制造系統(tǒng)加工周期預(yù)測方法[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2017（10）：95-102.