周翔 張俊文

【摘要】隨著智能制造的興起以及企業(yè)數(shù)字化改造帶來的數(shù)據(jù)爆發(fā)式增長，大數(shù)據(jù)概念及其相關(guān)技術(shù)受到了國內(nèi)外學(xué)者的廣泛關(guān)注和重視。對大數(shù)據(jù)進(jìn)行存儲、挖掘，從海量數(shù)據(jù)中獲取有用信息，助力企業(yè)生產(chǎn)作業(yè)中的客觀規(guī)律分析進(jìn)行輔助決策，成為大數(shù)據(jù)分析的重要應(yīng)用場景。本文通過文獻(xiàn)綜述，從智能制造背景下大數(shù)據(jù)的發(fā)展歷程、大數(shù)據(jù)特性以及大數(shù)據(jù)分析主要方向三方面對國內(nèi)外大數(shù)據(jù)分析研究現(xiàn)狀進(jìn)行了總結(jié)，結(jié)合大數(shù)據(jù)分析架構(gòu)對五項(xiàng)大數(shù)據(jù)關(guān)鍵技術(shù)展開分析，并對目前大數(shù)據(jù)領(lǐng)域所使用的分析工具進(jìn)行了總結(jié)。最后，在分析了當(dāng)前大數(shù)據(jù)分析在智能制造中應(yīng)用存在的五點(diǎn)問題后，歸納了智能制造大數(shù)據(jù)分析的四大未來趨勢。

【關(guān)鍵詞】智能制造;工業(yè)大數(shù)據(jù);大數(shù)據(jù)分析

引言

在大數(shù)據(jù)時(shí)代，結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)無處不在并呈幾何級數(shù)增長，潛在價(jià)值巨大，被譽(yù)為未來新石油。各行各業(yè)發(fā)揮各自領(lǐng)域的專業(yè)優(yōu)勢，不斷增加對大數(shù)據(jù)應(yīng)用的投入。數(shù)字化轉(zhuǎn)型已成為行業(yè)發(fā)展的迫切需要，數(shù)據(jù)可視化的需求呈現(xiàn)爆發(fā)式增長，將數(shù)據(jù)轉(zhuǎn)化為圖形。其出乎意料的洞察力讓用戶能更直觀快速地看到相應(yīng)的信息，能夠?qū)?shù)據(jù)有更全面的了解，數(shù)據(jù)可視化成為一種必然趨勢。

1智能制造背景下大數(shù)據(jù)分析技術(shù)及趨勢

1.1可視化分析技術(shù)

可視化分析是展示分析過程以及分析結(jié)果的有效技術(shù)，旨在借助于圖形化手段，清晰、有效地傳達(dá)與溝通信息，用戶得以通過人機(jī)交互界面直觀地了解和掌握數(shù)據(jù)中隱含的規(guī)律，明確所需的分析結(jié)果。隨著大數(shù)據(jù)的興起與發(fā)展，物聯(lián)網(wǎng)、地理信息系統(tǒng)、企業(yè)BI等主流應(yīng)用領(lǐng)域逐漸催生了幾類特征鮮明的信息類型，主要包括文本、網(wǎng)絡(luò)（圖）、時(shí)空以及多維數(shù)據(jù)等，這些與大數(shù)據(jù)密切相關(guān)的數(shù)據(jù)類型交叉融合，形成了以文本可視化、網(wǎng)絡(luò)（圖）可視化、時(shí)空數(shù)據(jù)可視化以及多維數(shù)據(jù)可視化等為主要研究領(lǐng)域的大數(shù)據(jù)可視化分析技術(shù)。

1.2數(shù)據(jù)信息挖掘技術(shù)

數(shù)據(jù)信息的挖掘指的是數(shù)據(jù)庫中知識發(fā)現(xiàn)的一個(gè)環(huán)節(jié)，從海量的信息中借助算法發(fā)掘其中的關(guān)鍵信息的活動。數(shù)據(jù)信息挖掘也就是在數(shù)據(jù)庫內(nèi)部進(jìn)行知識發(fā)現(xiàn)的操作，在海量的、完整度有可能缺失的、有干擾的或者是隨機(jī)存在的實(shí)際數(shù)據(jù)信息中，捕捉到其中的預(yù)先不了解的但又是具有實(shí)用價(jià)值的信息以及知識的操作過程。數(shù)據(jù)信息挖掘所能捕捉到的知識種類可能包含有模型、統(tǒng)計(jì)規(guī)律、應(yīng)用規(guī)則、使用模式以及條件約束等等。數(shù)據(jù)信息挖掘過程使用的關(guān)鍵技術(shù)一般包括：統(tǒng)計(jì)學(xué)知識以及機(jī)器語言學(xué)習(xí)，數(shù)據(jù)庫和數(shù)據(jù)庫可視化等技術(shù)，這當(dāng)中的統(tǒng)計(jì)學(xué)知識通常用于研究數(shù)據(jù)信息的捕捉、研究分析、解析和標(biāo)記等功能，機(jī)器語言的學(xué)習(xí)一般考察電腦系統(tǒng)怎樣根據(jù)數(shù)據(jù)信息進(jìn)行學(xué)習(xí)的過程，數(shù)據(jù)庫和數(shù)據(jù)信息倉庫層面一般指的是數(shù)據(jù)發(fā)掘過程可以使用的可以伸縮的一種數(shù)據(jù)庫的技術(shù)，用來獲取大型數(shù)據(jù)集合中實(shí)現(xiàn)高效以及可以伸縮的功能，信息數(shù)據(jù)檢索功能指的是搜索相關(guān)文檔以及其中的關(guān)鍵信息的一類技術(shù)。

1.3云計(jì)算技術(shù)的應(yīng)用

數(shù)據(jù)傳輸安全。在數(shù)據(jù)分析中應(yīng)用云計(jì)算網(wǎng)絡(luò)技術(shù)，可有效保證數(shù)據(jù)安全。在實(shí)際應(yīng)用中，用戶端的數(shù)據(jù)越多，越容易遭受安全威脅，當(dāng)病毒攻擊計(jì)算機(jī)系統(tǒng)時(shí)，云計(jì)算技術(shù)可以實(shí)現(xiàn)對病毒的攔截，確保計(jì)算機(jī)數(shù)據(jù)安全。通常利用云計(jì)算技術(shù)監(jiān)控?cái)?shù)據(jù)傳輸路徑，假如有病毒或黑客攻擊，就會預(yù)警，確保傳輸通道安全。數(shù)據(jù)使用安全。為了更好地提升計(jì)算機(jī)用戶數(shù)據(jù)信息及系統(tǒng)安全，要加強(qiáng)對用戶身份的認(rèn)證，利用實(shí)名制方式來認(rèn)證用戶身份。這樣一旦出現(xiàn)網(wǎng)絡(luò)安全問題，可以有效鎖定可疑目標(biāo)，減少惡意攻擊。用戶在登錄計(jì)算機(jī)時(shí)，可進(jìn)行用戶名及密碼的核實(shí)，防止不法分子竊取數(shù)據(jù)信息。

1.4設(shè)備故障識別

智能制造時(shí)代，快速、準(zhǔn)確地進(jìn)行設(shè)備故障識別和預(yù)警，是制造業(yè)企業(yè)的迫切需求。但是，由于設(shè)備本身結(jié)構(gòu)和機(jī)理的復(fù)雜性，加上設(shè)備所處環(huán)境的復(fù)雜性，一旦設(shè)備發(fā)生故障，通過故障診斷專家和專業(yè)技術(shù)人員進(jìn)行人工分析去定位識別故障，找到故障因素十分困難。基于大數(shù)據(jù)理論和人工智能算法，通過提取設(shè)備運(yùn)行過程中采集的多維監(jiān)測數(shù)據(jù)，構(gòu)建設(shè)備故障識別模型，及時(shí)有效地識別出設(shè)備故障，并進(jìn)行維保，提升設(shè)備健康運(yùn)行時(shí)長，減少或避免設(shè)備故障停機(jī)帶來的生產(chǎn)損失，是智能制造大數(shù)據(jù)分析的一大重要應(yīng)用。

1.5生產(chǎn)排程

在生產(chǎn)線上，生產(chǎn)排程是生產(chǎn)過程中至關(guān)重要的環(huán)節(jié)，合理有效的生產(chǎn)排程是高效率生產(chǎn)的重要保障。而生產(chǎn)線又是一個(gè)多機(jī)、多人、多物料、多工序、復(fù)雜環(huán)境綜合作用的復(fù)雜系統(tǒng)，整個(gè)生產(chǎn)線有數(shù)十上百道工序，每道工序又包含了多級操作，每步操作又對應(yīng)了不同的設(shè)備和人員。對于這樣一個(gè)復(fù)雜系統(tǒng)，依靠人力統(tǒng)籌人、機(jī)、料、法、環(huán)、測等生產(chǎn)資源進(jìn)行生產(chǎn)排程往往需要耗費(fèi)大量時(shí)間，且排程結(jié)果往往不盡人意。通過大數(shù)據(jù)分析，綜合考量5M1E因素，利用智能算法自動優(yōu)化生產(chǎn)資源組合，從而快速提供一套滿足生產(chǎn)要求的排程方案。

2發(fā)展趨勢

大數(shù)據(jù)時(shí)代對可視化技術(shù)的需求越來越高。數(shù)據(jù)信息更新及發(fā)展速度之快，要求可視化技術(shù)能即時(shí)產(chǎn)生數(shù)據(jù)關(guān)聯(lián)。面對日益繁雜的數(shù)據(jù)，常規(guī)的可視化方法已經(jīng)顯得力不從心，甚至無法對數(shù)據(jù)進(jìn)行及時(shí)有效的處理。因此，大數(shù)據(jù)時(shí)代的到來對數(shù)據(jù)可視化的發(fā)展既是機(jī)遇也是挑戰(zhàn)，研究人員需要不斷創(chuàng)新，才能滿足日益擴(kuò)大的需求。具體包括以下方面。（1）數(shù)據(jù)量龐大，超出了單機(jī)、外存模型甚至小型計(jì)算集群的處理能力極限，而目前的軟件和工具運(yùn)行效率不高，需要探索全新的思路來解決這個(gè)問題。（2）在數(shù)據(jù)獲取和分析過程中，容易產(chǎn)生數(shù)據(jù)質(zhì)量問題，需要對數(shù)據(jù)的不確定性給予特別關(guān)注。（3）數(shù)據(jù)變化很快，常常是流式數(shù)據(jù)，務(wù)必尋找流數(shù)據(jù)的實(shí)時(shí)分析和可視化方法。

3結(jié)語

本文從智能制造大數(shù)據(jù)分析切入，分析了大數(shù)據(jù)的特性，從大數(shù)據(jù)分析的架構(gòu)展開，闡述了大數(shù)據(jù)分析過程中涉及到的關(guān)鍵技術(shù)，針對大數(shù)據(jù)分析在智能制造領(lǐng)域的應(yīng)用，提出了大數(shù)據(jù)分析過程中存在的幾點(diǎn)問題，最后，展望了智能制造大數(shù)據(jù)分析的未來趨勢。

參考文獻(xiàn)：

[1]閔陶，冷晟，王展等.面向智能制造的車間大數(shù)據(jù)關(guān)鍵技術(shù)[J].航空制造技術(shù)，2018，61（12）：51-58.

[2]仇善海.淺談制造業(yè)智能化大數(shù)據(jù)關(guān)鍵技術(shù)[J].科學(xué)與信息化，2019，（22）：87，90.