智能制造技术数据分析与处理(基于“数据+智能”的制造新模式研究)
引言
伴随着新一轮科技革命和产业革命的逐步深入，数字化浪潮给传统制造行业带来了不少挑战，与此同时大数据、人工智能等新技术与制造业加速融合，为制造业转型升级创造了更多机遇。
在工信部、发改委等八部门联合发布的《“十四五”智能制造发展规划》中，提出了我国智能制造“两步走”的发展战略：到2025年，规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化；到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。由此可见，“数智”融合驱动制造业创新发展是中国推进制造强国战略主攻方向，也是实现制造业转型升级的主要技术路线。其中，“数”是指大数据，“智”是指人工智能，大数据提供生产过程数据采集、加工处理、数据分析和可视化的能力，而人工智能提升对异构数据的处理能力，与生产制造业务场景深度融合，实现智能预测、智能决策、智能识别等数据分析智能化，并将业务环节中的知识和经验进行沉淀。目前大数据与人工智能形成多方位深度融合、相互促进发展，大数据为人工智能技术发展供应数据燃料，人工智能也为大数据发展带来算力提升和算法引擎。
我们认为，只有将数据与智能切实融入到制造业中，以“数智”赋能提升制造企业核心竞争力，加速打造制造新模式，形成新动能，方能真正实现制造业智能化转型升级，进而带动整个行业高质量发展。
“数据+智能”驱动下的制造新模式
基于“数据+智能”制造新模式的本质在于如何利用数据的自动自主流动化解生产过程的不确定性：让正确的数据、在正确的时间、以正确的方式，自动传递给正确的人和机器，以实现生产资源高效配置。新模式将以制造运营管理为核心，围绕计划管理、质量管控、设备管理、物流仓储、能源精控五大业务主线，借助“数据+算力+算法”的核心技术体系，将生产要素及过程状态转化为数字化信息，实现“人机料法环测”生产要素全方位互联互通，达到生产链条全程可视。并将生产过程中产生的海量数据与专家经验相结合，使“数据”转化为“洞察”，将信息及决策建议及时准确推送至相关高层领导、生产主管和一线执行人员，增强企业洞察决策能力，实现“感知-洞察-评估-响应”闭环的智能运作与循环提升，完成由人为经验决策到数据+智能决策的转变，以有效和协调的方式响应客户需求,达到制造的敏捷性。
1）制造新模式-计划管理
过去生产计划主要依靠经验测算编制，但随着生产规模扩大、设备增加、产品订单随时出现变化及产品交期越来越短等各种制约条件的影响，传统工具和人工测算已无法有效支持生产计划的科学制定。伴随着大数据和人工智能等技术的不断完善与应用，利用排产模型、流程算法，进行生产计划的协同及拆分，逐渐实现了生产计划管理由依靠经验测算向基于模型计算转变。
我们认为，计划管理应提升基于约束理论模拟仿真的高级自动排产能力，以生产瓶颈因素为出发点，通过推拉结合的方式，考虑多种策略模拟仿真自动生成多种排产方案，自主对比并选择最优方案，对于异常插单现象能够自适应的进行动态调整。以国内某电子制造企业高级计划与排程平台为例，基于多种人工智能技术和数学优化算法，综合考虑插单频率、生产能力等因素，自动拆分生产计划，提供从物料齐套到生产排程（制定生产优先级、确保产线、订单和物料的匹配）的方案建议，解决了制造业生产计划耗时长、效率低、无法兼顾多个目标等问题，实现了生产计划管理的智能化。生产资源动态调度也是计划管理重要提升方向，主要是基于生产计划，在调度执行环节，以车间实时数据为输入，结合分析模型预警、报警，并针对生产异常做出动态资源调度决策，保证生产稳定运行。以国内某大型电站设备制造企业智能作业车间动态调度为例，首先，采用基于设备传感器等IoT技术使生产管理人员可在最短的时间内掌握订单和生产现场的变化；其次，利用数据模型驱动机制，保证作业过程异常能够及时、准确发现。最后，借助调度算法实现作业车间动态调度，实现生产计划与生产执行之间高效协同，达到稳定生产、资源均衡等目标。
2）制造新模式-质量管控
传统制造业中质量管理通常是被动的，由问题驱动管理，即发现生产质量问题，相关人员才会干预处理。这种质检把关，无法在生产过程中起到预防、控制的作用。但是在数字化新技术的加持下，可以通过数据的实时获取和过程的监控，进行过程的质量预警和实时干预，实现结果控制为主转变为过程控制为主；并将数据进行贯通和整合，利用新的分析技术和分析工具进一步挖掘质量数据价值，实现质量分析处理由经验控制为主向科学决策转变。
质量管理业务应借助质量管理工具，对生产过程关键工艺进行分析诊断，持续提升质量稳态控制。通过质量管理平台和工具汇聚来料质量检验、过程质量检验、成品质量检验等环节数据，基于质量标准模型，诊断模型，通过对质量数据的全面感知，实时分析质量趋势变化，识别影响因素，自动诊断问题，及时采取措施，控制质量风险，以实现正向过程质量强管控。其次，基于覆盖完整生产过程的质量管理平台支撑，实现对生产制造环节围绕“人、机、料、法、环、测”的完整过程追溯及诊断，并基于原辅料、在制品、成品的条码管理，实现生产批次可追溯，问题可定位，以实现反向结果便追溯。以国内某头部家电制造企业质量管理平台为例，利用数字化工具进行深度分析，按科学逻辑判断，实现质量全流程智能分析、智能管控、智能预测及智能决策。通过品质检测设备进行设备联机，对测试结果自动分析、自动判定，减少人为干预，提升检查准确性，提高产品质量；应用5G+AI+云技术，对来料OCR文本识别检测图文正确，采用声纹识别噪音异常，以及对纸箱标签进行视觉检测防错等，以智能识别与控制取代人工质检；通过工业大数据分析，根据品质检测设备运行参数，预测设备失效情况，提早对设备进行保养维修。
3）制造新模式-设备管理
过去的制造企业中，设备管理仅实现了单机设备自动化，也缺乏对设备全生命周期的管理，设备运维主要围绕故障维修展开，且存在过度保养的情况。如今，利用先进的实时传感设备、数据采集技术和智能分析技术等实现对设备状态分析、设备运维指令发送、设备部件状态自调整、自动创建运维工单及工单完成情况监控，能够对整合设备管理运行每个环节进行全程的记录，实现智能化的设备管理。设备管理模式逐渐从单机自动化向设备的互联智能转变，形成整个制造过程的智能设备互联集成。此外，对设备的运维方式也实现了转变，即从人工经验运维到设备状态监控的精准运维，借助智能传感器及先进技术，对设备运行状态进行监控，提供可分析的稳定数据流，对数据进行积累和关联分析，判定故障趋势和设备状态趋势以开展精准维修。
设备管理应首要提升基于设备互联互通的三维可视化监控能力，基于传感器或设备开放接口，借助IoT、大数据等先进技术，实现设备智能健康状态管理、数据分析、故障预警等，通过现场大屏以可视化的形式进行展示，以降低设备故障率。随着设备数据不断积累沉淀，设备管理可逐步提升健康状态实时监控的精准运维能力。基于设备故障预测模型，通过对设备实时数据的全面感知，辨识设备的健康状态，从而预测设备的工作寿命和潜在故障类型。以国内某头部家电制造企业设备智能运维为例，基于大数据和人工智能算法，依据收集真实的设备运行数据，构建设备机理模型和诊断模型。利用机器学习算法，对设备当前和未来运行状态进行判断、预测，可借助设备大数据对故障进行精准定位，实现智能预警和诊断，提供设备维修维护的最佳时机，降低操作人员的专业门槛和工作复杂度，大大缩减设备维护时间。
4）制造新模式-物流仓储
厂内物流仓储在生产过程中占据着极为重要的地位，借助大数据和人工智能等技术手段，物流仓储管理的方式也在逐步发生改变。通过对生产过程中自动匹配物料消耗进度的实时感知，结合生产物资库存情况，实施自动配送。同时对于原材料在库和配送中的异常状况进行及时预警，帮助操作人员采取相关措施以减少物料异常的不良影响，实现物资供应由被动式响应向主动式供应转变。
生产过程中物流管理应提升根据生产实时需求拉动内部原辅料的及时配送能力，基于对原辅料实时数据的全面感知，包括机台现边库存和实际消耗等，实现可基于生产计划的执行、成品的物料配盘等信息实现原料自主配盘，自动准时配送。同时，仓储部分应不断强化全局库存物资实时精细化盘点能力，比如借助模拟仿真技术构建仓库货位可视化模型，配合使用RFID（无线射频识别）按货位划分实时统计物资存放数量，对不同种类库存物资进行精细的自动化盘点，更加直观体现货位使用情况，实现全局综合立体可视化管控。以某世界知名电商的智能仓储为例，整套智能仓储体系可实现连续动态盘点，库存精准率达到99.99%，并通过精准的库位管理实现了全球库存精准定位，借助大数据分析对库存需求进行预测，从配货规划、运力调配，以及末端配送等方面做好充足准备，平衡了订单运营能力，极大程度地降低了爆仓风险。
5）制造新模式-能源精控
顺应数字技术的革故鼎新，能源管理模式也由过去粗放式、过度供应逐步向基于能耗定额和能源消耗监控的精准供应转变，根据动能管控与工艺指标等历史数据的分析，通过生产关联的能源仿真模型的研究，运用大数据和人工智能等技术，优化能源调度策略，完成设备的智能群控，最终实现能源需求侧驱动的智能化控能。
能源精控应首要提高根据生产动态需求拉动的能源精准供给能力，借助模拟仿真、大数据等先进技术，掌握生产生活水电燃汽能源使用的动态需求，综合考虑多种影响因素，立足供给侧和需求侧，得到最优供能策略实现精准供能。建立能耗异常分析模型，洞察能耗问题，提供按考核对象、分类、分项、区域、工艺、工段、产品单耗等方式统计产品的各种能耗，并对比分析计划产量、实际产量、完成率、耗能总量、平均单耗能等关键指标，以降低单位产品能源消耗，提高经济效益。以国内某卷烟厂能源管控为例，依托智慧制造平台，充分利用能管系统大数据，建立能源仿真模型及能源消耗预警机制，同时结合部门用能需求与职责划分、各类能源介质供用特点、各系统或区域供用能管控手段、历史用能监测数据等多个维度，建立“一区一策”精准供能策略，提高了精细化管理水平，进一步强化了过程管控效果。
结束语
综上所述，依据由点聚线、由线成面的总体原则，通过“数据+智能”双轮驱动，并与业务进行深度融合的方式，贯穿于计划、质量、设备、物流、仓储、能源等制造活动的各个环节，打造具有自感知、自决策、自学习、自执行、自适应等功能的新型制造模式，实现了生产模式、决策模式和商业模式创新，带动行业价值链重塑，从而加速推动制造业由大变强和高质量发展。
本文是为提供一般信息的用途所撰写，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。