製造數據的生命週期
數據是智能製造的關鍵推動力。但是，數據是沒有用的，除非將其“轉換”為用戶可以直接理解的具體信息內容和上下文。通常，在從數據中獲取具體信息之前，數據需要經過多個步驟。數據收集，傳輸，存儲，預處理，過濾，分析，挖掘，可視化和應用程序的完整過程可以稱為“數據生命週期”。在數據生命週期的各個階段都利用製造數據。如下圖所示，典型的製造數據生命週期包括數據收集，傳輸，存儲，處理，可視化和應用程序。
01 數據源｜Data Source
整個製造價值鏈和產品生命週期中收集的數據量正以前所未有的速度增長。如數據驅動的智能製造的前世今生（一）所述，製造數據來自設備，產品，人工，信息系統和網絡。
02 數據採集｜Data Collection
來自不同來源的數據以多種方式收集。最重要的是，它通過IoT進行收集，從而可以通過智能傳感器，RFID（射頻識別）和其他傳感設備立即收集設備和產品數據，從而可以實時監視設備和產品的健康狀況。例如，內置傳感器可以連續測量，監視和報告製造設備和產品的持續運行狀態，例如溫度，壓力和振動。RFID使自動識別，跟蹤和管理大量工件以及生產所需的材料成為可能。
此外，新興的移動互聯網為通過智能終端（例如PC，電話，筆記本電腦和平板電腦之類的設備）收集用戶數據鋪平了道路。例如，通過SDK（軟件開發工具包）或API（應用程序編程接口），可以收集基本用戶數據，包括用戶數量，用戶配置文件，位置和時間。另外，Web爬蟲是一種廣泛使用的數據採集技術，用於根據工程師和AI預先定義的特定條件收集公共數據。Web爬蟲技術使製造商能夠以自動高效的方式獲取公共數據。最後但並非最不重要的一點是，可以通過數據庫技術隨時獲取和使用來自制造信息系統的管理數據。
03 數據存儲｜Data Storage
必須安全地存儲和有效集成從製造過程中收集到的大量數據。一般而言，各種類型的製造數據可以分類為結構化的數據（例如，數字，符號，表格等），半結構化的（例如樹，圖形，XML文檔等）和非結構化的數據（例如日誌），音頻，視頻，圖像等）。傳統上，製造企業主要關注結構化數據存儲，因為很難直接管理企業數據庫中的非結構化數據。基於對象的存儲體系結構使數據集合可以作為對象進行存儲和管理；這為集成半結構化和非結構化數據提供了更靈活的解決方案。此外，通過雲計算，可以以極具成本效益，節能和靈活的方式實現數據存儲。此外，藉助雲服務，可以保護數據的分佈和異構性，從而實現高度可擴展和可共享的數據存儲模式。
04 數據處理｜Data Processing
數據處理是指為了從大量數據中發現知識而進行的一系列操作。數據必須轉換為信息和知識，製造商才能做出明智的決策。最重要的是，必須對數據進行認真的預處理，以消除冗餘，誤導，重複和不一致的信息。具體來說，數據清理涉及以下活動：缺失值，格式，重複項和垃圾數據清理。數據約簡是通過功能或案例選擇將大量數據轉換為有序，有意義和簡化形式的過程。數據精簡完成後，將通過數據分析和挖掘來利用經過清理和簡化的數據以生成新信息。數據分析的有效性可以通過多種技術顯著提高，包括機器學習，大規模計算以及使用預測模型。一些高級數據挖掘方法包括聚類，分類，關聯規則，迴歸，預測和偏差分析。通過以上數據處理工作，可以從大量動態且模稜兩可的原始數據中獲得可理解的知識。
05 數據可視化｜Data Visualization
可視化旨在通過圖形方式清楚地傳達和傳達信息，從而使最終用戶能夠以更加明確的方式理解數據。最常用的可視化技術包括語句，圖表，圖表，圖形和虛擬現實。實時數據可以通過用戶的智能終端在線顯示。通過可視化，可以使數據處理的結果更易於訪問，更直接且更易於使用。
06 資料傳輸｜Data transmission
數據在不同的信息系統，網絡物理系統和操作人員之間不斷流動。因此，數據傳輸在維護分佈式製造系統和資源之間的通信和交互方面起著至關重要的作用。物聯網，互聯網和通信網絡的最新進展大大鞏固了實時，可靠和安全傳輸各種類型數據的技術基礎。結果，幾乎可以隨時隨地有效地集成分佈式製造資源。
07 數據應用｜Data Applications
數據已經進入製造企業日常生產和運營的幾乎所有方面。首先，在設計階段，通過數據分析，可以揭示有關客戶，競爭對手和市場的新見解。基於通過數據分析獲得的理解，設計人員可以準確快速地將客戶的聲音轉換為產品功能和質量要求。結果，製造商將變得“更貼近客戶”，並且在應對動態變化的市場方面會更加敏捷。其次，在生產過程中，對製造過程和設備進行實時監控和跟蹤。這樣，製造商可以及時瞭解變化。數據分析可以導致關於是否，何時以及如何調整製造過程和設備的明智決策。另外，數據可以促進產品質量的控制和改善。
數據分析可以提供質量缺陷的早期警告和根本原因的快速診斷，這兩者都可以快速確定。因此，可以及時調整製造系統以控制產品質量。最後，關於產品利用率和MRO，可以及早發現潛在的產品故障，從而可以採取預防措施，例如預防性維護，故障預測和自動升級。例如，通過開發預測模型，可以使用歷史數據分析來預測故障的發生。
effiar簡介
effiar是國內領先的企業級智能眼鏡軟件平臺。在AR工業領域，使用者無需技術就可以通過effiar任務管理中心進行拖拽等簡單操作，為特定業務場景定製智能眼鏡方案應用。該平臺包括專家遠程協作、工作流、AR、數據互聯、多媒體知識庫等多個模塊，使用者可以根據業務需要自由剪裁或者互相嵌套。
THE
END
往期精選
一文徹底讀懂為何現代製造業急需數字孿生？|effiar說
