制造分析學和工業(yè)物聯(lián)網(wǎng)

制造分析學和工業(yè)物聯(lián)網(wǎng)

最近，制造業(yè)又開始了一場由連通性和高級分析學引起的變革。鑒于商品高度個性化的趨勢，交貨時間的縮短，制造商面臨的更多的責任問題，連通性和分析學被視為關鍵的推動因素。在制造業(yè)中使用分析學的首要目標是通過降低成本來提高生產(chǎn)率同時不影響質(zhì)量。也使制造過程變得高效。從廣義上講，我們看到了對分析學的需求:

·減少測試和校準時間。

·提高質(zhì)量。

·降低保修成本。

·提高產(chǎn)量。

·進行預見性維護。

大數(shù)據(jù)分析以及機器學習技術的進步提供了可用于制造分析學的各種各樣的新工具。包括在批處理和流傳輸模式下分析學Tb級數(shù)據(jù)的能力，在許多變量之間找到復雜多變量非線性關系的能力以及區(qū)分因果關系與相關性的機器學習算法。

大數(shù)據(jù)分析和機器學習的進步使得能夠有效地檢測影響質(zhì)量和產(chǎn)量的關鍵因素。這與相關領域知識相結(jié)合，可以快速檢測出故障的根本原因。

從不同的設備收集數(shù)據(jù)并存儲在數(shù)據(jù)庫中，需要一個制造數(shù)據(jù)分析學的框架。用于制造分析學的大數(shù)據(jù)軟件堆棧可以是開源、商業(yè)以及專有工具的混合。

完成項目的關鍵問題是全堆棧供應商目前不提供完整的解決方案。現(xiàn)在最佳的解決方案是模塊化。重點是真正的分布式組件，成功的核心思想是將開源和商業(yè)組件進行融合。

除了以上提出的最佳架構，各種商業(yè)物聯(lián)網(wǎng)平臺也是可以利用的。這樣的平臺提供了許多特征作為物聯(lián)網(wǎng)和分析學的標準服務，包括身份管理和數(shù)據(jù)安全性。最佳的架構提供的靈活的定制的功能，實施起來比標準商業(yè)解決方案更有效率。然而，實施這樣的解決方案可能需要在實施現(xiàn)場有相應的數(shù)據(jù)科學團隊。因此，選擇依據(jù)以下幾個因素：非功能需求，成本以及物聯(lián)網(wǎng)和分析學專業(yè)知識。

刊名：IEEE Intelligent Systems（英）

刊期：2017年03期

作者：P.Lade et al

編譯：閆相同