1、4、产品质量控制;供应商管理提升1、风险预测与分析;2、交付时间与路径优化;3、供应商评价与信用管理;客户需求管理提升1、客户行为的需求挖掘;2、准确个性化的产品定价;3、产品的预测性保养与维 修;4、更好的产品体验;运营价值提升1、更好的管理资产;2、合理的资源消耗;3、避免人为的错误;4、实时推荐技术工 具;5、增强用户高效与便捷,生产过程建模,设备数据建模如上图显示的机器学习算法,多级算法分析引擎可以根据对工厂已安装设备的数据采集和工艺流 程,自动绘制内在的逻辑关系,并显示哪个工艺流程和数据流之间直接或间接的相互关系,以及 这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来
2、侦测异常,通过行为和 运营表现来标记质量与效率,并进行微观辩证性的根源问题分析。,结果的相似和关联性,产线数据建模,模型算法-DNN,神经网络是一组模拟人脑进行模式识别的算法组合,通 过聚类或者标记原始数据进行数据感知,它可以识别真 实世界包含在向量中的数据,如图片、声音、文本等。,深度神经网络与单层神经网络的区别是数据通过了多步模式识别的隐藏 层处理,传统的神经网络机器学习算法依赖于一个输入一个输出一个隐 藏的浅层神经网络学习,而深度神经网络是在一个以上的隐藏层学习。,模型与数据,异常检测,事件处理,环境分析,人机协同,能效增强,质量强化,实时数据处理,历史数据处理,模型分析实时数据检测设备
3、 状态、预防设备故障、优化 生产过程、提升产品质量、能效增强、人机协同。,通过对历史数据清洗整合,进行模型的训练,优化模型 参数,进行更加有效的生产 和运营。,强化模型,设备预测性维 修,预测与 优化,生产过 程优化,设备预 测性维 修,质量提 升,人机协 同,异常检 测,时间单元对于故障警告日志进行时间单元划分,将故障或警告视为事件,事件到下一个事件发生时间间隔超过一定时间 的视为不同单元。,伴随概率对于同一个时间单元里的故障和警告进行联合概率分析,计算任意两个事件在单元里同时发生的概率。故障事件对于某一种故障的前序事件进行观察,事件与上一次事件间隔时间以内或上一次相同故障发生之间的故障或警
4、 告视为前序事件,统计不同前序事件发生的次数。关联分析通过伴随发生概率分析,了解任意事件之间的关联性,寻找同时发生概率高的事件。通过故障的前序事件分析,了解故障前序发生的事件,了解前序事件与故障的关系。,异常检测,预测与 优化,生产过 程优化,异常检 测,设备预 测性维 修,人机协 同,质量提 升,时间序列将采集到的底层设备数据进行时间序列分析,生成时间序列数据图形,将图像特征按时间段进行观察。聚类分析对建模后时间序列数据的按照时间端特征进行提取并聚类,聚类的结果对应到采集到的生产国产数据。关联分析对于不同分类数据的相关性,通过拉长时间轴的长度进行分析。行为分析对采集到的事件和分类数据的进行关
5、联性分析,并对应到产线运营行为上。,生产过程优 化,预测与 优化,设备预 测性维 修,生产过 程优化,质量提 升,人机协 同,异常检 测,能力平衡通过分析工序的Cycle time,工序瓶颈以及相应的等待事件,该出每一步工序所需要能力平衡的建议。异常事件通过对过程事件的分析发现经常性出现异常事件的原因,原因:机器、人员、原材料、能源等。缺陷事件通过分析过程中反馈记录的质量信息,进行相关因素分析,通过改善相关因素进行质量改善。按因优化将挖掘发现的过程事件原因进行进行合并处理,改出相应的优化方案。,人机协同优化,预测与 优化,生产过 程优化,人机协 同,质量提 升,设备预 测性维 修,异常检 测,
6、调度优化对机器和人员的执行调度,通过对历史操作数据的分析分析出相应岗位最适合的人并进行作业人员画像保 证人机良好的协同。人因分析在具体的任务作业过程中,对作业人员的操作行为及执行结果进行因果关联分析,并给出良好作业的关键 行为要素。,目录,1,工业大数据蓝图,3,工业大数据建模,2,工业数据湖,4,预测与优化,5,主要业务规划,大数据业务规划,大数据技术、工具、方法,对钢铁企业生产业务的理解,规划依 据,业务 蓝图,数据 蓝图,技术 蓝图,大数据管理平台架构,大数据处理技术架构,海量、高速实时数据 的低成本管理与快速 处理,大数据管理与控制,大数据采集管理,数据获取策略、质量 管理、存储管理、ETL。,基于大数据的应用规划,重点设备 预测维修,高炉异常 事件防控,产品质量 提升,人员作业 优化,生产效率 优化,智能制造大数据战略,PLC、DCS、SCADA(控制及采集数据),产线设备与工业网络,1、设备参数。2、调度行为。,处,炼钢生产过程大数据应用,钢材生产过程大数据应用,PLC、DCS、SCADA(控制及采集数据),产线设备与工业网络,轧钢 设 备 主 轧 机,MES、EMS(信息系统),质量分析趋势图直方图散点图因果图,钢厂数据湖,轧机监测温度厚度张力,速度电机扭矩轧制力,物料跟踪,跟踪模型 扎线位置 扎线状态 辊道长度,谢谢你的观看,
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1