TUhjnbcbe - 2021/7/5 13:30:00
引言：在工业大数据的市场已经快速增长的今天，工业数据是否真的很可靠？工业数据是否已经欺骗了大量的工业生产？我国当下人工智能发展的速度如此之快的今天，工业是否可以搭上人工智能的便车？又或许工业和人工智能早已实现融合？在大数据AI的加持下，工业4.0时代将展现什么样的业态？我们对于未来有什么美好的展望？下面这篇文章，小编带大家一起了解。在新一轮信息技术与制造业融合的趋势下，新时代的“工业革命”正席卷全球。在大数据、人工智能、工业互联网等新兴技术快速发展的背景下，我们认为工业数字化是制造强国的必经之路，随着工业数字化程度的不断深化，将有助于我国加快建设成工业制造强国。工控领域信息安全事件频出，关键信息基础设施被攻击将对国计民生造成直观的严重影响，因此政策以“工业互联网+安全生产”为抓手进行推动。工业互联网安全与生产系统紧密结合，基于大数据和AI的工业态势感知成为更完整的安全方案，确保智能化的工业系统安全运营。一、大数据是工业数字化的入口1、工业大数据市场规模快速增长数据成为工业领域新的“生产资料”。根据IDC数据，全球数据量达到42ZB，预计年达到ZB，复合增速为57%。大数据急速膨胀不断在各个领域催生新的应用生态，工业领域成为下一个蓝海。随着我国工业自动化、信息化水平不断提升，数据市场也在快速增长。根据赛迪顾问，年我国工业大数据市场达到.9亿元，预计未来保持30%以上的高增长。工业数据涵盖企业运营、产品生产、工艺流程、市场销售等多个环节的信息，深度挖掘将大幅提升生产效率、降低生产成本，已经成为当前智能制造新的“生产资料”。制造过程数据的提取挖掘，是当前智能制造迈上新台阶的关键。根据数据来源，工业大数据可分为企业运营相关的数据、企业外部数据、制造过程的数据。在经过多年企业信息化发展后，企业管理ERP、销售CRM等内部运营类数据已经有了一定的积累。互联网的快速发展，也为售后服务、产品跟踪、市场运营、行业发展提供了广阔的数据支持。而当前最重要的，则是生产制造环节的数据挖掘。工业制造已经由3.0的自动化，逐步迈向4.0的智能化。以智能制造设备、工业机器人、各类传感器、智能仪器仪表为核心，通过构建广泛的物联网生产系统，汇聚生产过程中的物料、加工、流程等多维度数据，实现生产过程的全面优化。从客户需求到销售、订单、计划、研发、设计、制造、采购、供应、库存、售后服务、运维等整个企业和产品全生命周期各个环节，工业大数据打通后，利用人工智能技术，实现真正智能制造。2、工业数据的可靠可用是数字化应用的前提工业数据是整体应用框架的第一步，入口价值凸显。根据中国电子技术标准化研究院的《工业大数据白皮书》，整个工业大数据的应用分析框架分为5个部分，分别为数据提供者、系统协调者、应用提供者、大数据框架提供者以及数据消费者：1）数据提供者主要就是为后续系统的分析和演绎提供高质量的数据；2）系统协调者主要职责在于规范和集成各类所需的数据应用活动；3）大数据框架提供者主要是为数据消费者提供各种处理方式和工具；4）工业大数据应用提供者，主要将原始数据进行收集、预处理、分析、可视化等操作后给数据消费者；5）数据消费者主要职责就是将数据高效利用到生产、设计、服务等各个环节。所以，从整个工业大数据应用框架来看，工业数据作为整个应用框架的入口有非常重要的作用，提供数据的质量高低、预处理数据的效果好坏都直接影响着最终工业数据的应用效果。工业数据的质量问题可以通过预处理进一步加强。目前，在工业大数据的应用中，工业数据还有数据分散、数据质量差以及数据受背景影响较大等问题。具体来说：1）数据分散是指工业数据零散地分布在各个系统中，比如PLC、SCADA、DCS系统从机器设备实时采集的数据，数据交换接口同步的数据，以及存放在公司数据库的业务数据等，这些零散的数据采集回来之后需要进一步的归类和分析；2）数据质量差是指由于工厂复杂的应用环境，通过传感器采集的数据会包含很多的噪音数据，影响后期进一步的分析和应用；3）数据受到设备参数设定、工况、环境等背景信息的影响，主要是因为工厂生产实践较为复杂，影响数据的因素较多。可以通过多种数据预处理方法有效提高数据质量。针对前文所述的工业数据质量问题，可以通过多种数据预处理方式对数据进行处理，以提高其可靠性、可用性，目前来说，主要的处理方法有工况分割、数据清洗、数据质量检测、数据归一化、数据样本平衡、数据分割等。具体来说：1）工况分割，主要是将设备在不同运行状态下的数据分割出来，做有针对性的信号处理与特征提取，常用的工况分割变量有速度参数、环境参数、负载信息等；2）数据清洗，将数据中存在的异常点尽可能的剔除，降低对后续模型训练的干扰；3）数据质量检测，通常