智能制造背景下大數據分析技術及趨勢研究

周翔 張俊文

【摘要】隨著智能制造的興起以及企業數字化改造帶來的數據爆發式增長，大數據概念及其相關技術受到了國內外學者的廣泛關注和重視。對大數據進行存儲、挖掘，從海量數據中獲取有用信息，助力企業生產作業中的客觀規律分析進行輔助決策，成為大數據分析的重要應用場景。本文通過文獻綜述，從智能制造背景下大數據的發展歷程、大數據特性以及大數據分析主要方向三方面對國內外大數據分析研究現狀進行了總結，結合大數據分析架構對五項大數據關鍵技術展開分析，并對目前大數據領域所使用的分析工具進行了總結。最后，在分析了當前大數據分析在智能制造中應用存在的五點問題后，歸納了智能制造大數據分析的四大未來趨勢。

【關鍵詞】智能制造;工業大數據;大數據分析

引言

在大數據時代，結構化、非結構化和半結構化數據無處不在并呈幾何級數增長，潛在價值巨大，被譽為未來新石油。各行各業發揮各自領域的專業優勢，不斷增加對大數據應用的投入。數字化轉型已成為行業發展的迫切需要，數據可視化的需求呈現爆發式增長，將數據轉化為圖形。其出乎意料的洞察力讓用戶能更直觀快速地看到相應的信息，能夠對數據有更全面的了解，數據可視化成為一種必然趨勢。

1智能制造背景下大數據分析技術及趨勢

1.1可視化分析技術

可視化分析是展示分析過程以及分析結果的有效技術，旨在借助于圖形化手段，清晰、有效地傳達與溝通信息，用戶得以通過人機交互界面直觀地了解和掌握數據中隱含的規律，明確所需的分析結果。隨著大數據的興起與發展，物聯網、地理信息系統、企業BI等主流應用領域逐漸催生了幾類特征鮮明的信息類型，主要包括文本、網絡（圖）、時空以及多維數據等，這些與大數據密切相關的數據類型交叉融合，形成了以文本可視化、網絡（圖）可視化、時空數據可視化以及多維數據可視化等為主要研究領域的大數據可視化分析技術。

1.2數據信息挖掘技術

數據信息的挖掘指的是數據庫中知識發現的一個環節，從海量的信息中借助算法發掘其中的關鍵信息的活動。數據信息挖掘也就是在數據庫內部進行知識發現的操作，在海量的、完整度有可能缺失的、有干擾的或者是隨機存在的實際數據信息中，捕捉到其中的預先不了解的但又是具有實用價值的信息以及知識的操作過程。數據信息挖掘所能捕捉到的知識種類可能包含有模型、統計規律、應用規則、使用模式以及條件約束等等。數據信息挖掘過程使用的關鍵技術一般包括：統計學知識以及機器語言學習，數據庫和數據庫可視化等技術，這當中的統計學知識通常用于研究數據信息的捕捉、研究分析、解析和標記等功能，機器語言的學習一般考察電腦系統怎樣根據數據信息進行學習的過程，數據庫和數據信息倉庫層面一般指的是數據發掘過程可以使用的可以伸縮的一種數據庫的技術，用來獲取大型數據集合中實現高效以及可以伸縮的功能，信息數據檢索功能指的是搜索相關文檔以及其中的關鍵信息的一類技術。

1.3云計算技術的應用

數據傳輸安全。在數據分析中應用云計算網絡技術，可有效保證數據安全。在實際應用中，用戶端的數據越多，越容易遭受安全威脅，當病毒攻擊計算機系統時，云計算技術可以實現對病毒的攔截，確保計算機數據安全。通常利用云計算技術監控數據傳輸路徑，假如有病毒或黑客攻擊，就會預警，確保傳輸通道安全。數據使用安全。為了更好地提升計算機用戶數據信息及系統安全，要加強對用戶身份的認證，利用實名制方式來認證用戶身份。這樣一旦出現網絡安全問題，可以有效鎖定可疑目標，減少惡意攻擊。用戶在登錄計算機時，可進行用戶名及密碼的核實，防止不法分子竊取數據信息。

1.4設備故障識別

智能制造時代，快速、準確地進行設備故障識別和預警，是制造業企業的迫切需求。但是，由于設備本身結構和機理的復雜性，加上設備所處環境的復雜性，一旦設備發生故障，通過故障診斷專家和專業技術人員進行人工分析去定位識別故障，找到故障因素十分困難。基于大數據理論和人工智能算法，通過提取設備運行過程中采集的多維監測數據，構建設備故障識別模型，及時有效地識別出設備故障，并進行維保，提升設備健康運行時長，減少或避免設備故障停機帶來的生產損失，是智能制造大數據分析的一大重要應用。

1.5生產排程

在生產線上，生產排程是生產過程中至關重要的環節，合理有效的生產排程是高效率生產的重要保障。而生產線又是一個多機、多人、多物料、多工序、復雜環境綜合作用的復雜系統，整個生產線有數十上百道工序，每道工序又包含了多級操作，每步操作又對應了不同的設備和人員。對于這樣一個復雜系統，依靠人力統籌人、機、料、法、環、測等生產資源進行生產排程往往需要耗費大量時間，且排程結果往往不盡人意。通過大數據分析，綜合考量5M1E因素，利用智能算法自動優化生產資源組合，從而快速提供一套滿足生產要求的排程方案。

2發展趨勢

大數據時代對可視化技術的需求越來越高。數據信息更新及發展速度之快，要求可視化技術能即時產生數據關聯。面對日益繁雜的數據，常規的可視化方法已經顯得力不從心，甚至無法對數據進行及時有效的處理。因此，大數據時代的到來對數據可視化的發展既是機遇也是挑戰，研究人員需要不斷創新，才能滿足日益擴大的需求。具體包括以下方面。（1）數據量龐大，超出了單機、外存模型甚至小型計算集群的處理能力極限，而目前的軟件和工具運行效率不高，需要探索全新的思路來解決這個問題。（2）在數據獲取和分析過程中，容易產生數據質量問題，需要對數據的不確定性給予特別關注。（3）數據變化很快，常常是流式數據，務必尋找流數據的實時分析和可視化方法。

3結語

本文從智能制造大數據分析切入，分析了大數據的特性，從大數據分析的架構展開，闡述了大數據分析過程中涉及到的關鍵技術，針對大數據分析在智能制造領域的應用，提出了大數據分析過程中存在的幾點問題，最后，展望了智能制造大數據分析的未來趨勢。

參考文獻：

[1]閔陶，冷晟，王展等.面向智能制造的車間大數據關鍵技術[J].航空制造技術，2018，61（12）：51-58.

[2]仇善海.淺談制造業智能化大數據關鍵技術[J].科學與信息化，2019，（22）：87，90.