在建立了业务管理的价值链和创新管理的知识产权链的这些流程后，我们可以对整个制造过程进行有效的计划、决策和执行，大幅度地提高了生产的效率和绩效。在这个基础上，工业互联网则将进一步实现对生产的效率和绩效优化。
利用工业互联网的技术，收集覆盖装备操作情况、运行状态、工况状态、环境参数，反映关于产品和设备实况的数据，并通分析，可以进一步对整个生产过程进行优化。这些优化包括对制造设备的实时监控、故障检测和诊断、预测性维护、整体设备效率、质量检测、能耗管理、人员安全监管等等。
对这些生产过程和设备数据的分析，也将超越目前在生产环节，如MES，SCADA或DCS系统中的，普遍基于阈值监测等基本分析方法，越来越多地基于机理模型，和机器学习、深度学习和AI等高级数据模型分析方法，提供更准确更及时的分析结果。这些分析的结果，不仅直接用于支持上述的优化功能，如预测性维护等，而且可以反馈回到制造管理系统，如MES，ERP等，使其根据设备的现状，对生产过程进行必要的动态调整。
显然，这些数据分析大多也适用于在制造环境之外的装备的运维过程中。通过数据分析对这些装备运维的优化，对装备实现资产绩效管理，增加其正常运行时间和可靠性，降低维护成本和能耗，提高运营绩效，也正是工业互联网在制造业之外的主要应用。
在此同时，利用数字标签、传感器和无线通讯技术，我们可以在物流的各个环节追踪货物的地理位置以及如温度、湿度，震动等环境参数，以监管货物的运输质量和交付时间，并把任何异常情况报告给ERP业务管理链，使其及时为此调整生产计划。
值得注意的是，很多这样的数据分析有很强的时延要求，需要采纳流式数据分析的模式。在另一方面，制造的各个流程和环节产生海量的数据。这些数据蕴藏着关于生产流程有价值的信息。对这些数据作时间纵向性，长周期、跨环节、跨流程，跨域的大数据挖掘分析，是对进一步宏观性地优化生产过程的一个重要手段。这些批量性的大数据分析可以帮助识别和消除生产流程中效率和绩效瓶颈、确定不良率与工艺参数和操作工序等关键数据的关联性，生产计划与排程目标和实际的差异的因素分析，客户对产品反馈分析，产品维护状况分析等等。
来源：知识自动化（zhishipai），作者：林诗万
铸造精｜中国强
立鑫晟将继续加大产品研发、技术创新、组建产业联盟，以“三三五”战略为核心。
推动产业升级，弘扬中国制造。
共有条评论 网友评论