制造分析学和工业物联网

制造分析学和工业物联网

最近，制造业又开始了一场由连通性和高级分析学引起的变革。鉴于商品高度个性化的趋势，交货时间的缩短，制造商面临的更多的责任问题，连通性和分析学被视为关键的推动因素。在制造业中使用分析学的首要目标是通过降低成本来提高生产率同时不影响质量。也使制造过程变得高效。从广义上讲，我们看到了对分析学的需求:

·减少测试和校准时间。

·提高质量。

·降低保修成本。

·提高产量。

·进行预见性维护。

大数据分析以及机器学习技术的进步提供了可用于制造分析学的各种各样的新工具。包括在批处理和流传输模式下分析学Tb级数据的能力，在许多变量之间找到复杂多变量非线性关系的能力以及区分因果关系与相关性的机器学习算法。

大数据分析和机器学习的进步使得能够有效地检测影响质量和产量的关键因素。这与相关领域知识相结合，可以快速检测出故障的根本原因。

从不同的设备收集数据并存储在数据库中，需要一个制造数据分析学的框架。用于制造分析学的大数据软件堆栈可以是开源、商业以及专有工具的混合。

完成项目的关键问题是全堆栈供应商目前不提供完整的解决方案。现在最佳的解决方案是模块化。重点是真正的分布式组件，成功的核心思想是将开源和商业组件进行融合。

除了以上提出的最佳架构，各种商业物联网平台也是可以利用的。这样的平台提供了许多特征作为物联网和分析学的标准服务，包括身份管理和数据安全性。最佳的架构提供的灵活的定制的功能，实施起来比标准商业解决方案更有效率。然而，实施这样的解决方案可能需要在实施现场有相应的数据科学团队。因此，选择依据以下几个因素：非功能需求，成本以及物联网和分析学专业知识。

刊名：IEEE Intelligent Systems（英）

刊期：2017年03期

作者：P.Lade et al

编译：闫相同