基于前端收集的多维工业数据，并加以集成、处理与分析，由此才可以形成“工厂大脑”。
工业互联网在落地时通常绕不开对工业数据的收集、处理和分析，而工业数据分散繁杂的问题也是阻碍制造业企业建设工业互联网实现数字化生产的一道坎。
工业企业在其设备终端与上层生产管理软件如MES、SCADA、PMC之间需要一个可以低时延、快速响应的工业数据平台。
第三期原力加速营企业大制科技推出了一款工业大数据平台，该平台基于前端硬件边缘智能机收集多维工业数据，可以对工业数据进行集成、处理与分析，进而实现设备控制、工艺控制与过程质量判断等多项功能。
大制科技创始人兼CEO郭云表示，公司推出的工业大数据平台主要分为前端数据接入（包括采集、集成与存储）和数据处理及分析两大部分。
由于工业数据种类繁多、格式非标，因此实现多维数据收集主要的难点在于确认采集哪些数据和如何采集并集成高质量的数据两方面。大制科技工业大数据平台收集的高质量数据分别来自设备与现有系统。
其中只能从设备中采集的是运行数据（如焊接电流、扭矩枪扭矩、压力、温度、电压等）与状态标识（如程序号、报警信号、启动信号、接近传感器信号等）；设定参数（如焊接电流、目标扭矩、电机转速等）、业务信息（产品型号、产品序号、设备组织、工艺步骤等）及运维信息（如生产计划、人员配置、点检记录、维护记录等），这些则来自于设备与现有系统。
数据接入部分为了采集分散在机器人、PLC、CNC、专机设备等多个终端的工业数据，大制科技首先历时4年完成了工业数据接入与集成的框架，将设备与设备之间、工艺与工艺之间以及设备与工艺之间的数据关系厘清，统一标准。此外，前端硬件设备边缘智能机实现了通过设备和系统底层协议实时采集数据，可以统一采集和汇总来自不同设备厂商、集成商、IT系统商的多种终端设备数据。另外，相较于普通网关或组态软件通过总控层采集数据导致采样频率较低，大制科技边缘智能机采样频率最高可达到50Hz，采样量可达数据点/s。数据传输也具备低时延性，只需要ms。采集完成后，大制科技还会基于嵌入式的操作系统将这些工业数据标定时间，形成时间序列数据并存储，作为后续算法模型分析处理的基础。数据处理分析部分大制科技首先会基于工业知识和算法，将数据处理为不同工况下的多种特征值，进而提炼成能够反映系统物理变化的诊断因子，使用机器学习方法进行学习训练模型，从而在运行过程进行比对评价。这种无监督方式可以在异常样本较小的情况下仍然能够实现对设备和工艺实时状态的分析判定。其次，随着异常样本不断积累，大制科技还会将SPC方法和AI算法结合起来，诊断出具体原因加以预警或控制，提高对设备和工艺控制的有效性。大制科技工业大数据平台除了可以对设备进行预测性维护外，还可以对工艺进行实时评价和反向控制，进而提升企业生产的良品率。例如某些零部件厂商客户的产品良率在85%左右，部署大制科技产品将提升至92%及以上。目前大制科技主要针对焊接、装配、喷涂三个通用性工艺实现相关功能，未来将向其他工艺拓展。在对设备和工艺实现过程控制的基础上，未来大制科技还将对产品质量实现过程判断，最终替代企业生产过程中的质检工序，将设备综合效率OEE提升20%以上。结合设备和工艺的控制，以及过程质量判断，工厂将实现30%以上的效率提升。业务落地方面大制科技目前重点推进的领域为汽车行业，已经和上汽大众、上汽通用、一汽大众等汽车厂商展开合作，产品已经完成POC，进入小批量销售阶段。此外，大制科技也在向其他领域拓展，例如半导体设备行业和注塑行业等。今年公司订单收入预计将接近千万元。团队方面郭云，毕业于同济大学、香港大学MBA，曾任COMAU中国区管理委员会成员、机器人事业部副总监。核心团队成员也曾在IBM、通用汽车、GE等大型跨国公司任职，在工业领域具有多年经验。大制科技正在寻求融资，资金将用于技术研发及市场开拓。来源：36氪
编辑：创营
点击"阅读原文"
预览时标签不可点收录于话题#个上一篇下一篇