工业大数据

智能制造—引领新一轮制造业革命

工业4.0时代,智能化、数字化作为生产制造的新标签,企业运营、产品的全生命周期以及行业价值链将生成诸多信息,数据作为信息载体,数据的获取、分析、预测、管理必然是企业信息化管理的核心,其中数据量的暴涨也为制造业带来困惑与挑战。工业大数据平台的建立,通过对不同设备的海量信息收集梳理,提高企业信息系统计算能力和数据消化能力,从订单生成到产品质量追溯,全方位实现数据管理,推动企业绿色生产,促进生产效率的提升。

生产订单预制
制造数据监控
生产过程虚拟模型
产品质量管理与分析
平台架构

建立Hadoop HDFS/HBA-BASE/Hive基础平台

建立日志存储与统一日志搜索服务

基于订单产品生产过程,采用统计分析及协同过滤等算法实现生产信息
挖掘与追溯

利用APEX/OLAP/D3/H5/oauth2,实现交互式报表、移动化、数据可视化平台构建

利用Oracle高级分析及模式匹配,对设备、生产数据进行预测分析

基于Mahout提供算法,通过聚类分析建立产品、设备、物流、能耗的多维度数字画像

大数据平台实施方案

生产订单预制—基于大数据的生产订单预制,综合考虑历史订单数据,参照季节与时间变化因素,兼顾宏观经济情况,行业竞争压力,市场需求等因素,建模预制订单。
产品质量管理与分析—依据产品参数,汇总整理造成产品质量不稳定的原因,建立产品质量分析模型,根据当前产品出现的质量问题,分析查找原因。
制造数据监控--对整个生产制造过程中的数据进行采集、处理并呈现,主要包括生产瓶颈监控、生产能耗与污染监控与工艺质量过程数据监控

生产瓶颈监控

传感器收集生产及生产相关数据建模,精确
把握生产,找出生产瓶颈。

生产能耗与污染监控

传感器监控生产流程能耗,快速发现异常,
对生产环节进行优化。

工艺质量过程数据监控

收集制造流程数据、制造设备数据建模,分
析生产趋势,找出生产黄金区间。

设备故障预测与健康管理系统PHM

PHM—健康管理解决方案

设备故障预测与健康管理是根据设备运行状态数据,结合系统健康度量指标,实时评估设备当前健康状况,基于历史大数据建立预测模型,实时监控设备运行健康状况,提前执行保养维护等策略,保证车间现场持续化生产。

基于多元采集数据、状态监控数据、维护历史记录等大量数据,结合特征提取与数据挖掘技术得到机器性能特征,并进行健康评估、故障诊断和原因分析。同时可基于历史数据挖掘出与性能衰退有关的特征,进行性能预测以及有效剩余寿命评估。

生肖走势图PHM功能模块

寿命模型

以历史故障、维修记录为输入数据,构建威布尔
分布模型,预测分析设备可靠度,输出可靠度值。

故障树生成与管理

以故障为根节点,故障表现为层节点,故障原因为叶节点建立树形数据结构,自动生成维护智能指导书。

基于状态的维护

利用机器运行时的数据判断机器状况,判断故障及
失效状态,进行预测性维护,寿命模型预测的升级。

PHM应用效用

PHM技术的引入,使得设备维修由被动转为预测性维护,保障了生产过程中设备的良好状态,实现设备运维效率的提升,运维成本的降低,经济效益的增加,最终达成运营效益的最大化。

设备故障信息自动统计
健康度感知
维护性预警
降低维修成本
故障树分析
后勤保障系统设计