人们对智能制造技术越来越感兴趣,包括使用人工智能实现例常决策自动化、提高流程性能并协调供应链活动由此产生了对高质量数据强烈需求制造商理解这些新分析方法所生成的洞察力仅与其使用的数据相同好
当我们检查手机应用中的天气或交通条件时,我们期望看到通过传感器自动收集实时信息我们不期望有人手动计算表格 提供基于数天前数据的知识然而,在工厂信息方面,后一种假设似乎仍然很普遍。
幸运的是,现今可用技术收集并组织智能制造技术实时制作数据其中包括直接从机器和流程收集的数据,以及操作者任务期间输入的数据、产品检验和材料处理内容包括感应器和测量器结构化数据以及非结构化数据,如客户投诉日志
整理和上下文数据对有效挖掘和分析至关重要,超过进程控制或规范守法的初始使用并使用标准操作级信息模型组织高级分析
为了说明这一点,让我们研究不同部门如何跟踪数据与生产线机械按线相关流程工程使用可编程逻辑控制器监控按键实数据流收集各种数据点,如温度、压力、振荡和编译时间机器传感器数据都存储在一个时间序列历史数据库中
运维管理跟踪生产流数、物料消耗量和产品量的起始和完成时间使用制造执行系统并存关系数据库跟踪生产作业
在这种典型假设中,每个部跟踪数据,以满足其保存记录和报告的具体需求。系统拥有者对数据用户、数据使用方式和首选访问方式有全面理解智能制造的目标是组织并提供综合生产数据优化总体生产过程
智能制造信息平台可使用数据网格或数据结构架构提供共享数据基础设施、治理、整合和访问全企业数据消费者同时,它为管理各部门数据和系统域主保留分散数据职责
建立这种信息平台确实需要某种汇编,但有iot边缘网关可连通性,并存云数据可扩缩性
信息平台还应包含元数据目录,以便通过标准信息模型发现并存取数据这有助于提高数据制作者与数据耗用应用之间的互操作性,包括AI监测过程
机械按序示例(见下图)信息模型将包含历史数据以及MES生产作业相关数据数字仪表板可基于实时数据自动监控性能和调度任务智能制造应用和AI技术用于分析综合数据、识别模式和确定最优生产条件
技术升级后,制造商可以向人工电子表格告别并接受实时数据和AI驱动方法允许优化内部流程并赋予能力参与高度综合数字供应商网络
更多智能制造技术信息访问CESMII.org并MSA.org.
Conrad Leiva副总裁 生态系和员工队伍开发CESMII智能制造学院康拉德拥有30多年制造工系统工程师经验,并有10余年与行业领先者一起研究智能制造系统和做法MESA国际和CESMII
