本篇文章將結(jié)合當(dāng)前制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的現(xiàn)狀及實(shí)際案例分析，進(jìn)一步闡述說明工業(yè)數(shù)據(jù)分析的重要性。

　　制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀分析

　　20 世紀(jì) 80 年代，由于人工智能技術(shù)在制造領(lǐng)域的初步應(yīng)用，Wright 和 Bourne 在《Manufacturing intelligence》書中首次提出智能制造( Intelligent manufacturing) 的概念，并將其定義為通過集成知識(shí)工程、制造軟件系統(tǒng)、機(jī)器人視覺和機(jī)器人控制，針對(duì)專家知識(shí)與工人技能進(jìn)行建模，進(jìn)而使智能機(jī)器可以在無人干預(yù)狀態(tài)下完成小批量生產(chǎn)。

　　2021年12月28日，工業(yè)和信息化部等多部門印發(fā)《“十四五”智能制造發(fā)展規(guī)劃》(下稱《智能制造規(guī)劃》)以及《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》(下稱《機(jī)器人規(guī)劃》)。

　　《智能制造規(guī)劃》提出，到2025 年，規(guī)模以上制造業(yè)企業(yè)大部分實(shí)現(xiàn)數(shù)字化網(wǎng)絡(luò)化，重點(diǎn)行業(yè)骨干企業(yè)初步應(yīng)用智能化;到2035 年，規(guī)模以上制造業(yè)企業(yè)全面普及數(shù)字化網(wǎng)絡(luò)化，重點(diǎn)行業(yè)骨干企業(yè)基本實(shí)現(xiàn)智能化。

　　而德國(guó)政府在工業(yè)4.0概念的基礎(chǔ)上，歐盟委員會(huì)于2021年正式提出了工業(yè)5.0的概念，除了數(shù)字化與智能化，更加關(guān)注以人為本的需要。

　　圖1 全球主要國(guó)家智能制造發(fā)展戰(zhàn)略(來源e-works Research)

　　不管是中國(guó)的十四五智能制造規(guī)劃，還是德國(guó)工業(yè)4.0/5.0目標(biāo)，伴隨著一系列的行政崗要和示范項(xiàng)目落地，制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型已經(jīng)在聲勢(shì)浩大的推進(jìn)中。那么當(dāng)前的制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展究竟有何特征呢?

　　1)智能制造轉(zhuǎn)型方式多種多樣：工廠從自動(dòng)化到信息化，再?gòu)男畔⒒街悄芑?，整體的升級(jí)方式包括智能工廠、車間數(shù)字化、產(chǎn)線智能化、裝備信息化以及工廠數(shù)字化等，同時(shí)針對(duì)不同行業(yè)及不同規(guī)模的企業(yè)來說，智能制造的升級(jí)流程及成果尚未形成統(tǒng)一標(biāo)準(zhǔn)，根據(jù)“科創(chuàng)中國(guó)”案例庫(kù)的不完全統(tǒng)計(jì)來看，智能工廠及數(shù)字化車間的升級(jí)類型占比最大，超過50%;其次為信息化系統(tǒng)，第三至第五為智能制造標(biāo)準(zhǔn)化、智能裝備及智能生產(chǎn)線。

　　2)行業(yè)領(lǐng)導(dǎo)者發(fā)揮領(lǐng)頭羊作用：受益于各地政府的政策支持與指導(dǎo)，目前最先踐行數(shù)字化轉(zhuǎn)型的企業(yè)均為行業(yè)的領(lǐng)導(dǎo)者，包括汽車、家用電器、鋼鐵制品、醫(yī)療設(shè)備、制藥、工業(yè)設(shè)備等領(lǐng)域，根據(jù)世界經(jīng)濟(jì)論壇公布的第8批全球“燈塔工廠”名單來看，目前中國(guó)智能制造的“先行者”已經(jīng)達(dá)到37家，成為眾多正處于數(shù)字化轉(zhuǎn)型階段的工業(yè)企業(yè)的指路人。

　　3)中小型工廠仍處于設(shè)備聯(lián)網(wǎng)階段：受限于工廠規(guī)模及成本投入壓力，目前大多數(shù)的中小型工廠仍處于觀望及設(shè)備聯(lián)網(wǎng)階段，工廠內(nèi)部暫未實(shí)現(xiàn)進(jìn)一步的數(shù)據(jù)分析及應(yīng)用階段，以數(shù)據(jù)采集聯(lián)網(wǎng)及看板可視化為主，同時(shí)工廠內(nèi)部尚且沒有數(shù)字化或智能化轉(zhuǎn)型的強(qiáng)需求。

　　工業(yè)數(shù)據(jù)分析的實(shí)現(xiàn)方式及關(guān)鍵環(huán)節(jié)

　　國(guó)務(wù)院《十四五數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》1指出：數(shù)據(jù)要素作為新型生產(chǎn)要素，成為推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的核心引擎。對(duì)于工業(yè)制造業(yè)來說，如何識(shí)別關(guān)鍵數(shù)據(jù)及挖掘數(shù)據(jù)核心價(jià)值，是工業(yè)制造業(yè)數(shù)字化轉(zhuǎn)型的核心驅(qū)動(dòng)力。

　　工業(yè)數(shù)據(jù)分析具備自感知、自學(xué)習(xí)、自執(zhí)行、自決策、自適應(yīng)等特點(diǎn)，該技術(shù)利用知識(shí)圖譜、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理等技術(shù)，可以解決工業(yè)化聯(lián)網(wǎng)數(shù)據(jù)量巨大、數(shù)據(jù)維度多、實(shí)時(shí)分析難以及難以定量的問題，從而幫助工業(yè)企業(yè)實(shí)現(xiàn)實(shí)時(shí)精準(zhǔn)決策及動(dòng)態(tài)優(yōu)化的生產(chǎn)價(jià)值。

　　圖 2 工業(yè)互聯(lián)網(wǎng)體系架構(gòu)2.0

　　目前，工業(yè)數(shù)據(jù)分析已經(jīng)在諸多應(yīng)用場(chǎng)景落地運(yùn)用，包括：

　　a)調(diào)度與生產(chǎn)管理場(chǎng)景

　　b)故障診斷與參數(shù)優(yōu)化場(chǎng)景

　　c)異常預(yù)測(cè)與過程控制場(chǎng)景

　　d)設(shè)備/系統(tǒng)預(yù)測(cè)性維護(hù)場(chǎng)景

　　e)復(fù)雜質(zhì)量(缺陷)監(jiān)測(cè)場(chǎng)景

　　f)不規(guī)則物體分揀場(chǎng)景

　　g)設(shè)備/制造工藝優(yōu)化場(chǎng)景

　　h)供應(yīng)鏈風(fēng)險(xiǎn)場(chǎng)景

　　i)產(chǎn)品研發(fā)場(chǎng)景

　　j)企業(yè)決策管理場(chǎng)景

　　從工廠能耗優(yōu)化管理到產(chǎn)線質(zhì)量監(jiān)測(cè)，從制造工藝優(yōu)化到視覺識(shí)別檢測(cè)，工業(yè)數(shù)據(jù)分析均可從海量數(shù)據(jù)中挖掘出關(guān)鍵數(shù)據(jù)，最大化利用工業(yè)數(shù)據(jù)的隱含價(jià)值，為制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型提供重要支撐。

　　圖 3 霍尼韋爾工業(yè)數(shù)據(jù)分析解決方案架構(gòu)圖

　　而在實(shí)現(xiàn)方式上，工業(yè)數(shù)據(jù)分析需要與底層的物聯(lián)網(wǎng)接入、OT/IT數(shù)據(jù)融合進(jìn)行緊密配合，將工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)、企業(yè)信息化數(shù)據(jù)以及外部跨界數(shù)據(jù)等，進(jìn)行關(guān)鍵數(shù)據(jù)識(shí)別及篩選，即從工業(yè)數(shù)據(jù)處理和應(yīng)用的角度出發(fā)，工業(yè)數(shù)據(jù)生命周期主要包含預(yù)處理、建模、分析應(yīng)用3大關(guān)鍵環(huán)節(jié)：

　　1)工業(yè)數(shù)據(jù)預(yù)處理：對(duì)于底層物聯(lián)網(wǎng)接入采集到的初始工業(yè)數(shù)據(jù)，第一個(gè)關(guān)鍵環(huán)節(jié)就是通過自動(dòng)化的預(yù)處理方法對(duì)其進(jìn)行規(guī)范化表征，包括數(shù)據(jù)清洗、關(guān)鍵數(shù)據(jù)獲取與識(shí)別等，并為后續(xù)智能化的數(shù)據(jù)分析建模提供有效的高質(zhì)量的工業(yè)數(shù)據(jù)輸入;

　　2)工業(yè)數(shù)據(jù)建模：在工業(yè)數(shù)據(jù)預(yù)處理環(huán)節(jié)之后，第2個(gè)關(guān)鍵環(huán)節(jié)是提取核心數(shù)據(jù)及特征，根據(jù)需求構(gòu)建工業(yè)數(shù)據(jù)模型。在數(shù)據(jù)模型方面，最為關(guān)鍵的基礎(chǔ)就是數(shù)據(jù)的完整性及可靠性，通過反復(fù)的機(jī)器學(xué)習(xí)和計(jì)算，構(gòu)建出最佳數(shù)據(jù)模型;

　　3)工業(yè)數(shù)據(jù)分析應(yīng)用：在建立智能化的工業(yè)數(shù)據(jù)模型基礎(chǔ)上，第3個(gè)關(guān)鍵環(huán)節(jié)是面向領(lǐng)域的工業(yè)數(shù)據(jù)分析應(yīng)用，包括質(zhì)量管理模型、生產(chǎn)管理模型、能源管理模型、設(shè)備監(jiān)控管理模型、倉(cāng)儲(chǔ)自動(dòng)化模型以及物料管理統(tǒng)計(jì)模型等，具體而言，涉及故障診斷、缺陷檢測(cè)、目標(biāo)檢測(cè)、產(chǎn)品質(zhì)量預(yù)測(cè)、設(shè)備剩余壽命預(yù)測(cè)、供應(yīng)鏈風(fēng)險(xiǎn)預(yù)測(cè)、生產(chǎn)資源調(diào)度、產(chǎn)品質(zhì)量管控、供應(yīng)鏈優(yōu)化等 各類具體工業(yè)智能應(yīng)用。

　　應(yīng)用案例：工業(yè)數(shù)據(jù)分析在鋼鐵行業(yè)的價(jià)值體現(xiàn)

　　目前，工業(yè)數(shù)據(jù)分析已經(jīng)在眾多領(lǐng)域及工廠內(nèi)使用，不管是宏觀層面的智能制造還是微觀層面的設(shè)備預(yù)測(cè)性維保，工業(yè)數(shù)據(jù)分析作為必不可少的核心環(huán)節(jié)，承擔(dān)著“數(shù)據(jù)即價(jià)值”的重要目標(biāo)。以鋼鐵行業(yè)為例，搭接焊焊機(jī)作為一種成熟的焊接設(shè)備，在鋼鐵廠的生產(chǎn)線中承擔(dān)著重要的焊接作用。但由于多年的使用損耗，在實(shí)際的焊接使用過程中，會(huì)不可預(yù)測(cè)的出現(xiàn)焊接失敗，造成斷帶的情況。而由于難以明確觸發(fā)問題的因素，因此在解決該問題的時(shí)候，企業(yè)很難提前預(yù)防及有效改進(jìn)。

　　隨著數(shù)字化浪潮的來襲，新一輪產(chǎn)業(yè)變革蓬勃興起，以物聯(lián)網(wǎng)、大數(shù)據(jù)、5G、數(shù)字孿生及人工智能為代表的新一代信息技術(shù)與工業(yè)制造業(yè)開始加速融合，因此，在該案例中，霍尼韋爾利用其工業(yè)數(shù)據(jù)分析解決方案，將焊機(jī)的工業(yè)數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，并通過數(shù)理模型對(duì)焊接工藝進(jìn)行實(shí)時(shí)分析，最終有效提高焊接成功率。