制造业如何开展高效的数据分析

实施自动化、减少一线员工以及设备的智能化正在让工业产生越来越多的数据，而随之不断出现的基于数据分析的应用也在加快工业的数字化进程，这种“良性循环”使得数据正在成为工业革命的真正“驱动力”。当然，这是理想状态的“数据驱动”的数字化转型，事实上当前绝大部分工业企业并不能有效的利用工业数据。一个真正的工业数据分析应用应该至少在采集数据、清理和上下文化数据、计算KPI指标、提供基于角色的可视化和仪表板以及优异的工业互联网平台等方面具备卓越的能力。
# 01卓越工业数据分析特点
## a采集数据
首先应用必须具有直接从工厂车间设备收集数据的能力，它应该能够直接获取到 PLC、传感器、DCS 等所有现场硬件和软件的一手数据，并能够从中提取有意义的信息。同时针对工业体系中必不可少的人，包括操作工、班组长、主管等，应用也应该为其提供便捷的数据录入渠道。因为，人作为工业体系中最“智能”的角色，能够提供给应用一种“设备数据无法达到”的具备上下文意义的数据。
## b清理和上下文化数据
提到工业数据、大数据，很多人想到的可能是“海量”、“各种各样”等等，似乎工业数据分析就是一个“大箩筐”，什么都能装。事实上并非如此，数据分析应用从设备收集数据时，必须对其进行清理和过滤。因为来自工业设备和系统的数据如果不放到有意义的上下文环境中，就是毫无意义的。比方说一个温度值可以是一个锅炉的参考值，也可以是车间温度值，当不为这些数据提供上下文环境时，他们可以说毫无意义。同时，还有一些数据可能对于数据分析应用来说毫无价值，可能在现场就被过滤掉了。这样做是为了减少“噪声”，以及实现更好的资源优化，毕竟“大数据”也是需要计算、存储、网络等资源的，并确保数据已准备好用于显示和计算。
所谓的上下文化数据，也就是采集数据时，应添加与相关工厂、部门、班次，产品、操作工和生产线等相关的上下文。比如质量问题、停机时间等数据在收集设备参数和设置、压力、速度等相关支持数据，以帮助诊断问题，还应尽可能的添加大概原因，以帮助后续的分析。这一点似乎超出了很多人的想象，因为在他们眼里“大数据”就像魔棒，能够让随便一堆数据“化腐朽为神奇”，然而，事实上大数据也需要“有意义的数据”。
## c计算KPI指标
精确的 KPI 指标是任何持续改进项目的关键，但是在开始追踪KPI之前，企业必须制定一套行之有效的指标体系。在这方面企业可以参考一些传统经典的指标体系，比方说ISO 22400指标体系实用性就比较广。当然，这些可参考指标体系只是一个基础，最重要的是企业能够在这些基础指标之上，根据自身的业务体系摸索一套适用自身的指标体系，进而通过相关应用实时计算诸如 OEE、吞吐量、周期时间、停机时间等指标。
## d基于角色的可视化
就当前来看，可视化也存在一些误区，很多人都被当前一些酷炫大屏所吸引，但实际上数据分析应用的可视化最重要能力是以有意义的方式可视化数据，简单来说，就是可视化的数据应该“在正确的时间为正确的人提供正确的数据”。比如，寄云科技为麦格纳-格特拉克、金明精机等知名高端制造企业提供的可视化部分，就包含工厂级“大屏”、部门级“中屏”以及现场级“小屏”，分别对应不同的角色，从操作工到班组长、主管和工厂经理等每个人都有对应的“可视化”数据接口。
## e优异的工业互联网平台
无论是以上几种核心能力，还是最终的数据分析应用，都应该建基在优异的工业互联网平台之上。以寄云NeuSeer工业互联网平台为例，它覆盖了边缘端，到边缘物联网平台，数据治理平台，到数字孪生平台，有全流程的数据生命周期平台，提供从传感器到数据收集到分析的完整解决方案，提供对机器、设备和人员数据的可视性，并将其全部置于上下文中，帮助客户实现平台和应用的构建，帮助客户管理数据，发现数据价值。
# 02工业企业如何使用数据分析
数据分析的应用，理论上来讲是没有界限的，比如，可用性、质量和产量等等都能通过数据分析来实现优化。我们仅从可用性这个场景来展现真正有效的数据分析的思路和应用。总体来讲，不同的数据分析应用需要充分的考虑相关工艺、流程等特点，对问题进行分步拆解，结合多方面的数据，实现超过传统OEE等分析能力的应用。
其中，可用性衡量与计划时间表相比设备运行的时间。尤其高端制造企业必须对其进行测量以减少停机时间。比如寄云科技服务的汽车零部件制造商麦格纳-格特拉克、高端装备制造商宝鸡石油机械等，为了确定设备或单元的可用性，寄云科技通过基于数据分析的智能制造、预测性维护等应用，采集告警信息、PLC信号等信息，并支持操作工等人员手工录入扩充信息，最终汇总计算停机时间。
![](/media/202402/2024-02-13_225605_188107.png)
减少停机时间意味着需要汇总所有的停机时间，在这方面，以寄云科技服务的格特拉克为例，以往产线对设备的运行状况了解并不全面，到底几台机床在运转，哪些是有故障的，哪些是处于等待，哪些是停机状态，等等，借助物联网以及MDAS系统应用，不但能够实现全产线的设备状态可视化实时展现，还能实现结合上下文的分析和报告，比如，停机时间原因是轮班还是暂时停止，每种原因占比多少，如何减少相应的停机，有哪些多发的停机原因，停机现象呈现的趋势等等，都能通过相应的分析可视化图像展示。
# 03数据分析洞察优化生产力
![](/media/202402/2024-02-13_225552_145601.png)
生产绩效指标分析和优化。比如，寄云科技与全球知名汽车零部件制造商麦格纳·格特拉克工厂协作推进智能制造项目落地，通过寄云NeuSeer工业互联网平台采集数据，构建工艺流程监控、关键指标监控，覆盖设备端、工厂层、产线层到集团层等不同层面的指标，打通MES、ERP等OT/IT系统和应用，最后的效果是每一条产线减一人，OEE指标从83%提升到92%，然后MTBF优化了6%，效果非常明显。
![](/media/202402/2024-02-13_225546_186414.png)
质量溯源和预测分析。彩虹集团某产线生产手机盖板玻璃，产品加工工艺复杂，会经过很多道工序，其中很重要的一个质量挑战是翘曲，就是玻璃在一定面积内不平整，而翘曲又关系到很多道工序，以往很难精确追溯翘曲的源头，靠人工的方式大概需要四到五周，这种时间窗口对产能和质量的影响是严重的。寄云科技为其提供生产质量溯源和预测分析，基于寄云NeuSeer工业互联网平台对全流程工艺数据进行分析，形成虚拟量测模型，开发相关数据智能应用，最终把时间从四到五周缩到三到四天，并可以在某参数发生变化时预测几小时之后该变化会不会影响产品质量，从而助其实现总体良率提高百分之三到五。
![](/media/202402/2024-02-13_225540_121740.png)
预测性维护。某石油机械智能装备项目采用寄云预测性维护方案，整合钻机设备的设计、运行、环境、运维档案等数据资源，深入分析并挖掘基于机理的机组失效模型，掌握故障和性能退化趋势，形成具有远程监控、智能报警、预测性维护、健康报告为一体的智能预测性维护应用，实现有效减少维修成本，关键故障提前预警，有效减少事故，减少由于故障造成的损失。
# 04平台+数据智能应用双轮驱动
工业数据分析从技术角度来看归根结底其实是“平台+数据智能应用”，正如寄云科技提出的“平台+数据智能应用双轮驱动”战略：“以NeuSeer工业互联网平台为主线，数据智能应用为基础的双轮驱动模式”。从横向集成的角度，制造企业需要通过平台去连接人、机、物等各类工业要素，获取各种设备实时数据和生产过程数据，再深入结合行业的机理模型，辅以机器学习和人工智能分析，构建生产指标的优化能力，实现反馈控制和实时决策能力，进而优化生产制造过程。