尊龙凯时

尊龙凯时分享：没有数据收罗，工业互联网将是无源之水

宣布日期：

2023-05-18

数据收罗是工业互联网的基础，没有数据的工业互联网将是无源之水，工业互联网的价值在很洪流平上取决于收罗数据的数目和质量。

2017年，IBM商业价值研究院团结牛津经济研究院对来自112个国家12,854位高管举行了问卷视察。本次视察统计效果批注，这些高管以为企业的数据只有20%是来自互联网，80%是企业自身拥有的生产谋划等环节数据，这些数据被人工智能等新手艺处置惩罚后，可使古板企业具有凌驾互联网公司的优势。

而车间则是制造企业使用与爆发数据的主要场合。这些数据既包括MES等信息化系统里运行与爆发的数据，也包括生产装备爆发的种种状态与制造参数等数据。工业互联网平台团结行业知识对这些数据举行进一步处置惩罚和挖掘，以量化、可视化等方法，定位生产中保存的问题并举行优化，可为企业智能制造提供源源一直的新动能，有用地提升企业竞争力。

一、制造数据收罗的数据分类

由于行业差别、应用场景差别，对制造数据的分类也不尽相同。

首先是对制造自己的明确。从狭义上的明确，制造主要是将原质料加工成产品的生产历程，但若是从广义的上明确，制造可以涵盖产品研发、企业资源治理、产品工艺、生产历程、市场营销、售后维护等等差别的方面，制造数据的规模就变得很是重大，数据收罗的方法自然也就多种多样了。

其次，差别行业对制造数据的分类也差别。好比流程行业，可分为工艺数据、历程数据以及作业实绩。工艺数据主要是指温度、压力、电流、电压等直接影响生产效率、产品质量的数据。历程数据是指生产历程中所使用或者爆发的数据，好比物料、妄想、生产节奏等等。而实绩数据包括投入产出数目、及格率等等。

在离散制造行业，主要的制造数据包括装备数据、生产历程数据、质量数据等。

1）装备数据：装备运行状态信息、实时工艺参数信息、故障信息、维修/维护信息等;

2）生产历程数据：生产妄想、产品加工时间、加工数目、加工职员、加工参数、产品完工率等;

3）质量数据：产品质量信息、工艺质量信息等。

最后，划分的标准也差别。也有人将能源数据、丈量测试数据等都定为单独的一类。

本文基于离散行业的划分习惯，凭证狭义上的制造举行数据种类的划分，即装备数据、生产历程数据、质量数据三类，能源数据可合并到装备数据，丈量测试数据可并入质量数据类。

二、制造数据收罗的方法

现在，制造数据的主要收罗方法有装备自动收罗、人工终端反响、其他外围终端收罗等。

1. 装备自动收罗

这类系统有些是装备厂家提供，优点是对自家装备研究的很深入，但对其他厂家，特殊是竞争敌手的产品兼容性就差许多，因此，在市时势上更多的是接纳第三方厂家提供的专业数据收罗系统。这种装备数据收罗系统，在离散制造行业叫MDC(机床监控与数据收罗系统，Manufacturing Data Collection)，在流程制造业用SCADA系统(数据收罗与监视控制系统)实现装备数据的自动收罗。如图1所示的MDC显示界面。

装备数据自动收罗的手段主要有以下三种：

1）带网卡的数控机床——通过机床网卡，实现对装备状态的远程自动收罗。收罗的内容包括运行参数(主轴转速、进给速率、主轴功率、刀具坐标等)以及加工产品、加工数目、报警信息等。该种收罗计划的优点是收罗的数据种类多、实时性强。弱点是，受控制系统的限制，现在主要是西门子、发那科、海德汉、华中数控等部分主流系统支持。虽然，由于这是智能制造的生长趋势，越来越多的机床控制系统也最先支持网卡的数据收罗。

2）PLC收罗——通过装备PLC输出接口，团结其通讯协议，实现对装备状态收罗，包括温度、压力、流量、液位等。优点是支持PLC收罗的系统较量多，适用面广。弱点是从收罗效果上，略逊色网卡收罗的效果，但内容也相对富厚，基本知足制造业的需求。

3）硬件收罗——对一些较量老旧的装备，因其无数据输出接口或者没有通讯协议，可通过此种方法举行数据收罗。优点是险些适合任何装备，弱点是收罗的数据种类有限。

尊龙凯时分享：没有数据收罗，工业互联网将是无源之水

图1 兰光MDC的显示界面(绿色—运行、黄色—待机、红色—故障)

2. 人工终端反响收罗

关于不可实现自动收罗的生产工位，可通过现场工位机、移动终端、条码扫描枪等数字化装备举行数据收罗。收罗内容包括生产开工、完工时间、生产数目、磨练项目、磨练效果、产品缺陷、装备故障等。该种收罗方法优点是对装备的要求低，适用场景广，但弱点是受制于人的自动性，在数据的实时性、准确性、客观性等方面都有所欠缺。

3. 其他外围终端收罗

接纳RFID、集成等方法实现制造数据收罗。

1）RFID：RFID射频识别是一种非接触式的自动识别手艺，它通过射频信号自动识别目的工具并获取相关数据，识别事情无须人工干预，可应用于种种卑劣情形。

2）与其他装备集成。如三坐标丈量机等检测装备，可通过与装备举行集成，读取产品检测信息,用于质量治理与追溯。

三、制造数据的状态治理

在制造数据收罗的基础上，需要对收罗到的相关数据举行上剖析并指导生产的刷新与优化。

1. 装备状态数据剖析

对收罗到的种种数据举行加工处置惩罚后，以种种方法举行输出和展现，使相关职员第一时间相识装备生产的实时情形，如实时状态、加工工艺数据等，便于做出实时、科学的治理决议。

2. 生产工艺数据优化

主要体现在两方面：

1）装备工艺参数监控：将收罗到的装备工艺参数，如温度、压力等，与设定的标准参数举行实时比对与管控，从而实现对生产历程举行实时、动态、严酷的工艺控制，确保产品质量的稳固性。

2）工艺刷新与优化：对制造历程的主要工艺参数与完工后的产品及格率举行综合剖析，便于为工艺刷新与优化。

3. 生产历程追溯

通过产品制造的历程数据实现对产品制造历史的追溯，抵达问题复现、质量追溯等目的。

四、制造数据收罗的生长偏向

随着物联网等手艺的生长，制造数据收罗在装备兼容性、数据富厚性、数据价值挖掘等方面都有了快速生长，下面划分从数据的收罗广度、收罗深度及价值使用等方面举行叙述。如图2所示。

1. 收罗的“广度”

收罗的工具可分为两类，一类是自己就具备数字化功效的装备，如数控机床、热处置惩罚装备、机械人、AGV、自动化立体客栈等数字化装备。另一类是“哑装备”，就是自己不具有数字化功效，但可以通过刷新或者借助信息化手段，使相关信息能进入数字化系统的装备、设施、物料、职员等，都可归于该类。如对通俗机床通过增添智能收罗硬件，对物料通过二维码、RFID等方法，对职员通过刷卡或者信息系统举行响应的数据收罗。

通过对更多装备、设施、物料等的收罗，实现更广的兼容性，这是制造数据收罗在广度偏向的生长趋势。

尊龙凯时分享：没有数据收罗，工业互联网将是无源之水

图2 制造数据收罗的生长偏向

2. 收罗的“深度”

充分验展数字化装备及相关信息化系统越来越好的开放性，以及越来越强盛的传感器、物联网等收罗手艺，使收罗的数据种类更富厚，准确度更高，实时性更强，并且本钱更低，从而性价比更高地收罗到更多的种种数据，为大数据深度挖掘与价值体现提供数据质料基础。

3. 应用的“高度”

数据是智能制造的基础，团结制造业行业知识对这些数据举行充分的挖掘与使用，对制造企业具有很是主要的意义。

使用这些数据，首先实现了装备或生产历程的可见性，对装备或生产处于什么状态，可一目了然。通过与装备维修维护等行业知识的团结，知道爆发了什么事情，这是数据的认知性应用。

通过大数据剖析，展望未来可能泛起的故障等问题，实现装备的可展望性维护，阻止由于装备的宕机而影响整条产线的正常运转，实现生产流通的生产。

自顺应是数据最高层级的应用，通过数据收罗、状态感知、实时剖析、自主决议，甚至是机械的自学习，系统凭证实时状态举行动态调解与优化，甚至是自我修复，实现高效、高质、无忧的智能化生产。

总之，随着传感器手艺的突飞猛进及本钱的迅速下降，使得传感器无处不在，实时的数据收罗成为可能，种种装备运行和生产制造大数据的快速积累，为工业互联网平台提供源源一直的高质量数据，并与行业知识深度团结，就可以充分验展工业互联网平台的价值，更好地增进企业的智能化转型升级。

本文泉源于网络，仅作内容分享。

声明：部分内容泉源于网络，如侵权请后台留言联系删除。

上一篇:西门子S7-1200与G120变频器的Modbus RTU通讯下一篇:西门子V90伺服变频器常见EMC滋扰故障剖析