《从大数据到智能制造》书摘

东北偏北
引言是本书写的最好的地方,尤其在方法论方面说的比较清楚
智能制造并不仅仅是一个技术体系或文化,更重要的是背后对智慧的理解、解决问题的逻辑和重新定义制造的思维。
制造系统的核心要素可以用五个m来表述,材料、装备、工艺、测量和维护。
而智能制造系统区别于传统制造系统,最重要的要素在于第六个m,即建模,并且就是通过这第六个M来驱动其它五个要素,从而解决和避免制造系统的问题。智能制造所要解决的核心问题是知识的产生和传承过程。
智能制造系统运行的逻辑是发生问题,模型分析问题,模型调整五个要素,解决问题,模型积累经验并分析问题的根源,模型调整五个要素,避免问题。实现从问题中产生数据,从数据中获取知识。再利用知识避免问题的闭环过程。
制造业的发展过程,其核心是制造哲学的进步过程,经历了标准化、合理化+规范化、自动化+集成化、网络化+信息化四个阶段,这背后的制造哲学可以概括为以低成本生产高质量的产品,通过全流程改善降低浪费、次品和事故,通过产品全生命周期的数据管理,为用户提供所需要的能力和服务。
通过分析数据从而预测需求、预测制造、解决和避免不可见问题的风险,和利用数据,整合产业链和价值链,...
显示全文
引言是本书写的最好的地方,尤其在方法论方面说的比较清楚
智能制造并不仅仅是一个技术体系或文化,更重要的是背后对智慧的理解、解决问题的逻辑和重新定义制造的思维。
制造系统的核心要素可以用五个m来表述,材料、装备、工艺、测量和维护。
而智能制造系统区别于传统制造系统,最重要的要素在于第六个m,即建模,并且就是通过这第六个M来驱动其它五个要素,从而解决和避免制造系统的问题。智能制造所要解决的核心问题是知识的产生和传承过程。
智能制造系统运行的逻辑是发生问题,模型分析问题,模型调整五个要素,解决问题,模型积累经验并分析问题的根源,模型调整五个要素,避免问题。实现从问题中产生数据,从数据中获取知识。再利用知识避免问题的闭环过程。
制造业的发展过程,其核心是制造哲学的进步过程,经历了标准化、合理化+规范化、自动化+集成化、网络化+信息化四个阶段,这背后的制造哲学可以概括为以低成本生产高质量的产品,通过全流程改善降低浪费、次品和事故,通过产品全生命周期的数据管理,为用户提供所需要的能力和服务。
通过分析数据从而预测需求、预测制造、解决和避免不可见问题的风险,和利用数据,整合产业链和价值链,这才是大数据的核心目的。
利用大数据推动智能制造有主要以下三个方向,一把问题变成数据,利用数据对问题的产生和解决进行建模,把经验变成可持续的价值。二把数据变成知识,从可见解决问题延伸到不可见问题,不仅要明白how,还要理解why。三把知识变成数据,这里的数据指的是生产中的指令、工艺参数和可执行的决策,从根本上解决和避免问题。
对知识的理解积累和传承方式的差异,决定了制造哲学和文化。解决问题的手段和方法,决定了所获得知识的形式,而将知识抽象化加以运用的过程和形式,则决定了知识传承的形式,这个过程可以通过人来完成(日本)、数据来完成(美国)、设备来完成(德国),或是系统来完成,这也是决定一个国家制造哲学的最根本原因。
提升产品质量的方式有很多种,但是我认为中国制造目前最需要提升的是标准化规范化和合理化,至于是应该是使用自动化、信息化、机器换人还是工匠精神等方式,应该是具体的行业和企业的情况而定。
如何定义服务型制造:
服务的无形性生产过程和消费过程的不可分割性,使得传统的以库存管理为基础的制造运作管理理论不再适用,需要建立基于能力管理的服务型制造系统的运作模式。发展不同类型的制造及服务能力,建立制造及服务能力知识库,开发规范化的制造及服务能力协作接口,形成不同模块即插即用的能力,以根据客户的需求,实现能力模块的快速发现配置运作和重构,是服务型制造系统运作管理的根本特点。
知识成为服务型制造系统运作的基础。在服务型制造系统的运作中,主要包括技术知识、生产过程知识和顾客知识,知识的获取和运用能力将成为企业的核心竞争力。数据作为产生知识的主要途径,将成为企业的核心资产知识交易将成为企业之间协同和增值服务的主要方式。
仅仅实现数据,从设备到办公室的纵向集成是不够的,仅仅是数据的传输集成和可视化,那么数据被利用和挖掘的价值很小,还有很大一部分价值需要通过对数据的深度挖掘和分析来获得。
工业大数据很难有普适性的方法和模型。数据分析工具+领域知识这样的模式决定了工业大数据的分析模型一定是应用定制化的,因此很难有一个通用的平台能够解决所有问题。这是Predix的挑战和困难。
企业只有构筑基于产品设计知识制造过程知识或者顾客需求知识的隐性知识壁垒,开发动态制造及服务能力,在不同流程内部隐性知识封装的基础上,相互之间基于开放的知识接口,实现不同流程的协作。

IMS中心对于PHM/PPM的研究有着5S( Streamlining,Smart Processing, Synchronizing, Standardizing and Sustaining) 的系统化方法论,并且支持该方法论的核心技术,即以PHM为导向的分析算法集合——Watchdog Agent工具包已经在美国国家仪器(NI)的LabVlEW软件平台上正式发布。

总之, 李杰教授对工业技术和数据的认知是属于知识自动化的路线,其领导的IMS代表了当今工业大数据的领先水平。
0
0

查看更多豆瓣高分好书

回应(0)

添加回应

从大数据到智能制造的更多书评

推荐从大数据到智能制造的豆列

了解更多图书信息

值得一读

    豆瓣
    我们的精神角落
    免费下载 iOS / Android 版客户端