數據采集在工業智能制造升級中的重要作用

數據采集是工業物聯網的基礎，沒有數據的數字化智能工廠將是無源之水，工業智能制造的價值在很大程度上取決于采集數據的數量和質量。而車間則是制造企業使用與產生數據的重要場所。這些數據既包括MES等信息化系統里運行與產生的數據，也包括生產設備產生的各種狀態與制造參數等數據。

工業互聯網平臺結合行業知識對這些數據進行進一步處理和挖掘，以量化、可視化等方式，定位生產中存在的問題并進行優化，可為企業智能制造提供源源不斷的新動能，有效地提升企業競爭力。由于行業不同、應用場景不同，對制造數據的分類也不盡相同。

首先是對制造本身的理解。從狹義上的理解，制造主要是將原材料加工成產品的生產過程，但如果從廣義的上理解，制造可以涵蓋產品研發、企業資源管理、產品工藝、生產過程、市場營銷、售后維護等等不同的方面，制造數據的范圍就變得非常龐大，數據采集的方式自然也就多種多樣了。

其次，不同行業對制造數據的分類也不同。比如流程行業，可分為工藝數據、過程數據以及作業實績。工藝數據主要是指溫度、壓力、電流、電壓等直接影響生產效率、產品質量的數據。過程數據是指生產過程中所使用或者產生的數據，比如物料、計劃、生產節拍等等。而實績數據包括投入產出數量、合格率等等。

在離散制造行業，主要的制造數據包括設備數據、生產過程數據、質量數據等。設備數據：設備運行狀態信息、實時工藝參數信息、故障信息、維修/維護信息等；生產過程數據：生產計劃、產品加工時間、加工數量、加工人員、加工參數、產品完工率等；質量數據：產品質量信息、工藝質量信息等。最后，劃分的標準也不同。也有人將能源數據、測量測試數據等都定為單獨的一類。

對采集到的各種數據進行加工處理后，以各種方式進行輸出和展現，使相關人員第一時間了解設備生產的實時情況，如實時狀態、加工工藝數據等，便于做出及時、科學的管理決策。

生產工藝數據優化主要表現在：設備工藝參數監控，將采集到的設備工藝參數，如溫度、壓力等，與設定的標準參數進行實時比對與管控，從而實現對生產過程進行實時、動態、嚴格的工藝控制，確保產品質量的穩定性。

工藝改進與優化，對制造過程的主要工藝參數與完工后的產品合格率進行綜合分析，便于為工藝改進與優化。生產過程追溯，通過產品制造的過程數據實現對產品制造歷史的追溯，達到問題復現、質量追溯等目的。

隨著物聯網等技術的發展，制造數據采集在設備兼容性、數據豐富性、數據價值挖掘等方面都有了快速發展，下面分別從數據的采集廣度、采集深度及價值利用等方面進行闡述。

采集的“廣度”

采集的對象可分為兩類，一類是本身就具備數字化功能的設備，如數控機床、熱處理設備、機器人、AGV、自動化立體倉庫等數字化設備。另一類是“啞設備”，就是本身不具有數字化功能，但可以通過改造或者借助信息化手段，使相關信息能進入數字化系統的設備、設施、物料、人員等，都可歸于該類。如對普通機床通過增加智能采集硬件，對物料通過二維碼、RFID等方式，對人員通過刷卡或者信息系統進行相應的數據采集。通過對更多設備、設施、物料等的采集，實現更廣的兼容性，這是制造數據采集在廣度方向的發展趨勢。

采集的“深度”

充分發揮數字化設備及相關信息化系統越來越好的開放性，以及越來越強大的傳感器、物聯網等采集技術，使采集的數據種類更豐富，準確度更高，實時性更強，并且成本更低，從而性價比更高地采集到更多的各種數據，為大數據深度挖掘與價值體現提供數據原料基礎。

應用的“高度”

數據是智能制造的基礎，結合制造業行業知識對這些數據進行充分的挖掘與利用，對制造企業具有非常重要的意義。利用這些數據，首先實現了設備或生產過程的可見性，對設備或生產處于什么狀態，可一目了然。通過與設備維修維護等行業知識的結合，知道發生了什么事情，這是數據的認知性應用。

通過大數據分析，預測將來可能出現的故障等問題，實現設備的可預測性維護，避免因為設備的宕機而影響整條產線的正常運轉，實現生產流暢的生產。自適應是數據最高層級的應用，通過數據采集、狀態感知、實時分析、自主決策，甚至是機器的自學習，系統根據實時狀態進行動態調整與優化，甚至是自我修復，實現高效、高質、無憂的智能化生產。

總之，隨著傳感器技術的突飛猛進及成本的迅速下降，使得傳感器無處不在，實時的數據采集成為可能，各種設備運行和生產制造大數據的快速積累，為工業互聯網平臺提供源源不斷的高質量數據，并與行業知識深度結合，就可以充分發揮工業互聯網平臺的價值，很好地促進企業的智能化轉型升級。

以上就是今天和大家分享的工業數據采集內容，我們專注于為制造型企業提供智能工廠規劃服務，如果覺得此文讓你小有收獲，可以搜索“德誠智能”與我們進行互動學習。