工业大数据下的智能优化控制.docx

机械11401 鲁孟良 201401785工业大数据下的优化控制过程和应用分析摘要：随着现代大型工业生产自动化程度的不断提高，基于互联网与工业融合的智能制造时代已悄然来临，工业大数据技术与应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素，是驱动产品智能化、生产过程智能化、管理智能化、新业态新模式智能化的重要推动力，在深入分析全局协同运行优化问题特征与关键科学问题的基础上，将控制与优化、智能行为与智能方法等相结合成为自动化控制研究的新思路，这将大大优化生产控制的过程，为企业带来数亿的价值。为此在此探讨一下如何利用好大数据来实现生产制造的优化控制。关键字：工业、大数据、优化、应用一、利用海量数据对发生过程建模指导生产通过采集大量数据并加以分析，可以从以往的经验导向转变为数据和事实导向。智能的优化算法，拟定预方案排产，并监控方案与现场实践的误差，动态的调整方案排产。制作业面对多种类小批量的出产形式，数据的精细化主动及时便利的搜集及多变性致使数据剧烈增大，再加上十几年的信息化的前史数据，关于需求疾速呼应的APS来说，是一个无穷的应战。大数据能够给予咱们更详细的数据信息，发现前史猜测与实践的误差概率，思考产能束缚、人员技能束缚、物料可用束缚、工装模具束。例如对一个汽车的各种零件使用过程中的特性研究，预测可能会发生的故障。对消费者进行个性化推荐，研究消费者习性，这都能带来巨大的社会价值。二、利用预测分析技术发现隐形问题（1）制造系统中显性或隐性的问题，比如质量缺陷、精度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等。（2）数据：从制造系统的5M要素中获得的，能够反映问题发生的过程和原因的数据。也就是说数据的获取应该是以问题为导向，目的是去了解、解决和避免问题。（3）知识：制造系统的核心，也就是我们平时所说的knowhow，包括制程、工艺、设计、流程和诊断等。知识来源于解决制造系统问题的过程，而大数据分析可以理解为迅速获取和积累知识的一种手段。因此大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量的数据，通过对大数据的分析和挖掘可以了解问题产生的过程、造成的影响和解决的方式；当这些信息被抽象化建模后转化成知识，再利用知识去认识、解决和避免问题。当这个过程能够自发自动地循环进行时，即我们所说的智能制造。从这个关系中不难看出，问题和知识是目的，而数据则是一种手段。三、利用大数据推动智能制造的三个主要方向1）把问题变成数据，利用数据对问题的产生和解决进行建模，把经验变成可持续的价值。（2）把数据变成知识，从“可见解决问题”延伸到“不可见问题”，不仅要明白“how”，还要去理解“why”。（3）把知识再变成数据，这里的数据指的是生产中的指令、工艺参数和可执行的决策，从根本上去解决和避免问题。在第一个方向上最成功的应用案例应该是美国曾利用统计科学对汽车的设计和生产过程中的质量问题进行建模和管理，随后推广到了飞机制造等其他先进制造领域，对美国制造精度的提升起了重要的推动作用。在第二个方向上的典型应用是制造系统中的数据预测性分析，包括虚拟量测、健康管理、衰退预测等。核心是通过先进的分析算法对数据中的隐性知识进行挖掘和建模，并在制造过程中预测和避免问题。第三个方向上的典型应用是反向工程，即从问题的结果出发，利用知识反向推出问题发生的原因和过程；或是从产品最终的结果出发，反向推出产品的设计和制造过程，以及这样去设计和制造的原因。这不仅需要知识，还需要了解知识之间的相关性和逻辑关系。在接下来的一节里将着重分析每一个方向上的实施路径。 四、工业大数据对企业的影响1、商品毛病确诊与猜测　　这能够被用于商品售后服务与商品改善。无所不在的传感器、互联网技术的引进使得商品毛病实时确诊变为实践，大数据运用、建模与仿真技能则使得猜测动态性成为可能。在马航MH370失联客机搜索进程中，波音公司获取的发动机作业数据关于断定飞机的失联途径起到了要害作用。咱们就拿波音公司飞机系统作为案例，看看大数据运用在商品毛病确诊中怎么发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状况，这些数据不到几微秒就被丈量和发送一次。以波音737为例，发动机在飞行中每30分钟就能发生10TB数据。　　2、工业物联网出产线的大数据运用　　现代化工业制作出产线安装有数以千计的小型传感器，来勘探温度、压力、热能、振荡和噪声。因为每隔几秒就搜集一次数据，运用这些数据能够完成许多方式的剖析，包括设备确诊、用电量剖析、能耗剖析、质量事故剖析（包括违背出产规则、零部件毛病）等。首要，在出产技能改善方面，在出产进程中运用这些大数据，就能剖析整个出产流程，了解每个环节是怎么履行的。一旦有某个流程偏离了标准技能，就会发生一个报警