论文发表 | 论文范文 | 公文范文
最新公告:目前,本站已经取得了出版物经营许可证 、音像制品许可证,协助杂志社进行初步审稿、征稿工作。咨询:400-888-7501
您现在的位置: 新晨范文网 >> 工程论文 >> 数据采集论文 >> 正文

智能制造中数据采集探析

定制服务

定制原创材料,由写作老师24小时内创作完成,仅供客户你一人参考学习,无后顾之忧。

发表论文

根据客户的需要,将论文发表在指定类别的期刊,只收50%定金,确定发表通过后再付余款。

加入会员

申请成为本站会员,可以享受经理回访等更17项优惠服务,更可以固定你喜欢的写作老师。

摘要:

智能制造包含智能制造技术和智能制造系统,智能制造系统不仅能够在实践中不断地充实知识库,具有自学习功能,还有搜集与理解环境信息和自身的信息,并进行分析判断和规划自身行为的能力,智能制造技术涉及方方面面的专业技术,同时结合互联网、物联网、大数据、云应用等场景,实现智能与智慧。而所谓“环境和自身的信息”通俗讲即为各类数据,企业管理系统必须对接生产数据,才能有效地分析和智能化控制和应用,围绕生产数据不落地及实际应用展开,浅谈如何让管理与生产不脱节。

关键词:

生产大数据;智能制造;数据采集

随着“中国制造2025”出台指引内地制造业,各企业积极响应,结合互联网+、物联网、大数据、云应用等场景,走进中国制造2025的第一个年头。所谓智能与智慧,当下中国的2.0、3.0企业其实是要通过规划企业的信息化系统,协助管理出效益,逐步提升自动化水平,最终纵向集成、横向集成、端与端集成,实现智能化制造。智能制造的信息化系统将协助管理,是管理的手段、工具,是系统工程、是持续工程,而且必须与生产、与设备交互信息,让生产大数据不落地采集,对其数据分析及应用,物物感知、自动响应,才能回馈生产、指导生产,并能够持续优化,按需分配、按需生产,也即智能制造、智慧工厂。数据采集作为生产过程信息的收集手段,而数据采集系统也就成为连接底层自动化系统与高层信息化系统的桥梁,为企业信息化提供有效的基础数据,包括工艺参数、设备数据、质量数据、能源数据、干预干扰数据等等,数据采集将管理同生产紧密结合,使得信息一体化系统形成“信息源于生产,又最终指导生产”的闭环有效系统。本文针对制造业数据采集,介绍管理系统如何实施,为智能制造打通信息流、业务流。

1数据采集

数据采集面向上下层级,将下层各种对象中的数据源按照一定规律采集预处理后,与上层系统进行交互,因此数据采集系统通过对基础数据的处理后,又派生出生产实绩数据、能耗实绩数据、质量实绩数据、设备运行数据、异常信息数据、物流跟踪信息以及逻辑处理与接口信息。数据采集关系到各个生产流程中信息的连续性,最终影响上层一体化信息系统的决策、追溯、判别和分析。数据采集派生数据与管理系统的计划、标准、财务、成本、仓库、采购、决策等相关联,构成整体信息化的信息流,覆盖智慧工厂业务流转与智能制造执行。

1.1数据分类

采集数据分类,可以分为工艺数据、过程数据以及作业实绩。工艺数据如温度、压力、在线检测、电流电压以及介质流量,这些工艺数据影响产品质量,对产品质量追溯和持续优化起到进一步分析作用;过程数据比如工序的所有状态信息,比如物料、介质消耗量等消耗,这些信息作为物料跟踪的属性,便于生产过程节奏把控、单位能耗分析以及成本分析;过程数据作业实绩是通过物料跟踪处理,形成各区间的班组生产作业记录,如当班投入实绩、产出实绩、当班待处理记录以及异常判废实绩;设备停服役以及设备运行参数作为设备分析和设备管理的依据。其次物料跟踪所需的信号包括人员干预干扰信息,均作为物料流转必不可少的属性。其次智能机构、周边系统以及其他感知设备,在今后都存在各种间接或直接的交互方式,以便更柔性制造、相互协调、无缝对接。

1.2采集对象

采集的数据(Data)是对实绩、概念或指令的一种表达形式,可由人工或自动化装置进行处理。数据本身之间是没有关联的,只有给这些数据赋予了各种机制或规律属性后,才有质量实绩收集与分析的意义,也变成为信息。数据处理是系统工程和自动控制的基本环节。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。即为工艺沉淀、质量分析等等去追溯、查询、再提升提供有效信息。数据采集的主要对象包括:与基础自动化(PLC、DCS等系统)通讯;与智能仪表通讯;与机电一体化设备或系统(在线检测等);与周边各系统通讯。与这些采集对象通过各自交互能力,比如相关协议、接口标准化、文件或数据库表单交互等途径,能够获取大量零散又无关联的数据信息,这是智能制造大数据应用平台及生产、质量分析的基础。

1.3数据应用

数据采集的目的不同,所采取的数据处理也就存在差异,包括采集频率、采集触发条件、存储时间以及展现形态。对全流程质量数据的采集及处理,形成一体化质量管理系统,用来质量异议追溯查询及分析,这个必须要有过程管理系统系统的物料跟踪模块支撑;在局部或相关区域对能源介质数据采集、分析及管理,形成能源监控或能源管理系统,目的是能耗分析与统计比对,有助于能源分配及节能减排;单独对检化验或计量进行数据采集与应用,形成计量、检化验系统,是将物料计量及过程成分进行有效采集和管理;将实绩与合同计划关联,能实现合同动态跟踪;将标准与运行反馈实绩关联,能做到设备控制预警等应用;包括大数据应用及云应用,制造业这些有效应用均离不开现场基础数据,解决现场信息孤岛,使得信息化整体效应,透明流转,提高企业效率。

2相关系统介绍

质量一体化系统主要功能应包括但不局限于质量数据归集、在线质量监控、产品和行业规范管理、在线质量判定、全流程工艺质量追溯、表面缺陷跟踪、质量查询与质量报表、质量分析与改进管理、客户技术档案管理等功能模块。能源监控、管理系统提供水、电表、燃气等基础数据,按班组、加工单元进行统计报表,降低人工抄表强度及人工失误、干预等,而且有效监管公司能源平衡,提供权威的能源消耗及考核数据,有助于能源大数据分析比对及能源预测。过程控制系统通过全程物流自动跟踪,数据自动采集,将数出同源、数据不落地,避免人员干预,降低操作强度;将工艺参数、设备数据、质量数据、成本及能耗数据按业务收集;同时实现与生产执行层形成完整的信息流闭环,也可以结合专家或模型系统,做到自学习智能控制。计量检化验系统:计量管理一般指司磅作业及相关信息的捆绑管理;检化验流程一般包括分析检验任务的下达/接收/反馈、样品登录与样品接收、检验任务委派、结果数据输入、分析结果的审核、分析结果的发布、结果的判定与异常情况处理、报告生成和发布、留样管理、数据查询等几大标准过程模块,将零散的检化验信息集中采集并管理。系统功能架构图,参考如图1所示。

3结束语

所谓智能制造,就是将物物感知、系统系统交互,彼此互相认识和了解,进行自学习自适应,用信息化解决重复的、流程的、标准的问题,结合新技术做到无缝对接,可持续分析和自我学习总结与完善,不断沉淀知识库,将人从实操中解放出来,进行信息化管理及应用提升,最终提高生产制造效率。

作者:杨建云 殷鹏程 单位:上海宝信软件南京分公司自动化工程部

智能制造中数据采集探析责任编辑:冯紫嫣    阅读:人次