摘要：云星數(shù)據(jù)分享胶背，如何基于海量工業(yè)數(shù)據(jù)巷嚣，利用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)技術(shù)幫助某知名制造企業(yè)提升生產(chǎn)制造良品率钳吟。
新一代的云計算/大數(shù)據(jù)技術(shù)正在給傳統(tǒng)工業(yè)發(fā)展方式帶來顛覆性廷粒、革命性的影響。傳感器红且、工控系統(tǒng)坝茎、物聯(lián)網(wǎng)等技術(shù)的廣泛應(yīng)用，推動工業(yè)企業(yè)實(shí)現(xiàn)生產(chǎn)流程各環(huán)節(jié)的互聯(lián)互通暇番，促進(jìn)互聯(lián)網(wǎng)與工業(yè)融合發(fā)展嗤放。
隨著信息化與工業(yè)化的深度融合，工業(yè)制造企業(yè)已經(jīng)積累和擁有了日益豐富的工業(yè)數(shù)據(jù)壁酬。工業(yè)大數(shù)據(jù)呈現(xiàn)出大體量次酌、多源性恨课、連續(xù)采樣、價值密度低岳服、動態(tài)性強(qiáng)等特點(diǎn)剂公。
這里還是要推薦下小編的大數(shù)據(jù)學(xué)習(xí)QQ裙:532218147，不管你是小白還是大牛吊宋，小編我都?xì)g迎纲辽，不定期分享干貨，包括小編自己整理的一份2018最新的大數(shù)據(jù)資料和0基礎(chǔ)入門教程璃搜，歡迎初學(xué)和進(jìn)階中的小伙伴敞贡。在不忙的時間我會給解答
我們理解大數(shù)據(jù)分析在工業(yè)制造行業(yè)主要有兩個應(yīng)用領(lǐng)域：
1.利用大數(shù)據(jù)進(jìn)行建模仿真：傳統(tǒng)生產(chǎn)企業(yè)在測試悼粮、驗(yàn)證環(huán)節(jié)需要生產(chǎn)出實(shí)物來評測其性能等指標(biāo)惕它，成本隨測試次數(shù)增加而不斷提升褒墨。利用虛擬仿真技術(shù)因块，可以實(shí)現(xiàn)對原有研發(fā)設(shè)計環(huán)節(jié)過程的模擬橘原、分析、評估涡上、驗(yàn)證和優(yōu)化趾断，從而減少工程更改量，優(yōu)化生產(chǎn)工藝吩愧，降低成本和能耗芋酌。
2.利用大數(shù)據(jù)提升良品率：實(shí)際工作中，對失效/殘次品的個案分析往往無疾而終雁佳，有價值的信息淹沒在量測誤差脐帝、實(shí)驗(yàn)噪聲或者不科學(xué)的實(shí)驗(yàn)設(shè)計里。而通過對于大量數(shù)據(jù)的分析糖权，噪聲信息會消失堵腹，差異點(diǎn)會疊加放大。生產(chǎn)的過程數(shù)據(jù)越多星澳，分析就越細(xì)致疚顷，在信息充足的情況下，工程師甚至可以將異常定位到機(jī)臺的某個機(jī)構(gòu)禁偎，從而實(shí)驗(yàn)設(shè)計也能合理化腿堤，目的化，極大地加速良率提升的腳步如暖。
但在具體大數(shù)據(jù)應(yīng)用領(lǐng)域上笆檀，工業(yè)企業(yè)普遍面臨：
不知道如何把大數(shù)據(jù)和企業(yè)自身業(yè)務(wù)結(jié)合起來；
大數(shù)據(jù)人才匱乏盒至；
數(shù)據(jù)采集和治理不完善酗洒，未形成閉環(huán)浸船；
工業(yè)領(lǐng)域有其獨(dú)特的領(lǐng)域知識，需要行業(yè)知識結(jié)合數(shù)據(jù)分析等困難和挑戰(zhàn)寝蹈。
最近云星數(shù)據(jù)與國內(nèi)某知名LCD生產(chǎn)企業(yè)在利用大數(shù)據(jù)提升良品率領(lǐng)域開展合作李命，利用大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)來研究關(guān)鍵因子，提升生產(chǎn)制造的良品率箫老。具體包括：對生產(chǎn)線上數(shù)以萬計的傳感器進(jìn)行工業(yè)數(shù)據(jù)(溫度封字、壓力、振動和噪聲等)采集和存儲耍鬓，通過建模分析識別出生產(chǎn)流程作業(yè)過程中的關(guān)鍵缺陷因子指標(biāo)阔籽；建立告警預(yù)警系統(tǒng)實(shí)現(xiàn)傳感器數(shù)據(jù)流指標(biāo)的實(shí)時監(jiān)控，一旦偏離關(guān)鍵因子設(shè)定的閾值牲蜀，就會觸發(fā)報警信號笆制，快速地發(fā)現(xiàn)錯誤或者瓶頸所在。通過關(guān)鍵因子與產(chǎn)品合格數(shù)據(jù)之間的聯(lián)動涣达，跟蹤識別關(guān)鍵因子的變化趨勢在辆，從而優(yōu)化提高產(chǎn)品良品率，達(dá)到提升生產(chǎn)效率度苔、降低成本的目標(biāo)匆篓。
那么云星數(shù)據(jù)采用何種數(shù)據(jù)分析邏輯來實(shí)現(xiàn)缺陷因子的識別？又是如何通過技術(shù)手段落地實(shí)現(xiàn)這樣的工業(yè)數(shù)據(jù)分析處理的呢寇窑？數(shù)據(jù)存儲和數(shù)據(jù)分析兩大核心平臺又分別提供那些核心功能呢鸦概？
首先，項(xiàng)目組專家成員通過業(yè)務(wù)分析甩骏，樣本數(shù)據(jù)收集窗市、建模仿真等手段識別出了如下的缺陷因子分析邏輯：
不同缺陷在時間上的聚集性
不同缺陷在不同因素上的分布傾向
過程異常與缺陷的相關(guān)性
不同缺陷在不同成分含量上的分布傾向
此后，算法專家將分析邏輯映射為數(shù)據(jù)算法(邏輯回歸饮笛、聚類咨察、關(guān)聯(lián)分析等)實(shí)現(xiàn)在分析平臺上對基礎(chǔ)平臺中存儲的數(shù)據(jù)集進(jìn)行分布式計算處理，獲得輸出結(jié)果(關(guān)鍵因子集缎浇、因子閾值參數(shù)等)扎拣。
總體邏輯架構(gòu)
大數(shù)據(jù)基礎(chǔ)平臺：重用現(xiàn)有的工具和基礎(chǔ)架構(gòu)，實(shí)現(xiàn)全自動的數(shù)據(jù)收集素跺、整理二蓝、轉(zhuǎn)換和存儲。充分利用 Hadoop/Spark 集群提供海量數(shù)據(jù)存儲能力指厌。
大數(shù)據(jù)基礎(chǔ)平臺
大數(shù)據(jù)分析平臺：充分基礎(chǔ)平臺上存儲的數(shù)據(jù)刊愚，在數(shù)據(jù)建模、模型訓(xùn)練上采用深度學(xué)習(xí)(Deep Learning)模式踩验。通過數(shù)據(jù)邏輯層上針對工業(yè)制造細(xì)分領(lǐng)域的生產(chǎn)流程鸥诽，提供監(jiān)督學(xué)習(xí)商玫、和非監(jiān)督學(xué)習(xí)兩種模式的模型訓(xùn)練機(jī)制的支持，可以進(jìn)行如數(shù)據(jù)清洗牡借、數(shù)據(jù)倉庫拳昌、特征工程等應(yīng)用。
云星大數(shù)據(jù)分析平臺
云星數(shù)據(jù)致力于幫助企業(yè)在工業(yè)生產(chǎn)過程中管理和應(yīng)用大數(shù)據(jù)钠龙。首先是利用云平臺炬藤、物聯(lián)網(wǎng)等技術(shù)實(shí)時監(jiān)測工業(yè)生產(chǎn)中的一系列設(shè)備，通過從設(shè)備中監(jiān)控到的數(shù)據(jù)碴里，再結(jié)合生產(chǎn)過程中的環(huán)境因素沈矿、產(chǎn)品質(zhì)量、過程控制等數(shù)據(jù)咬腋，給出數(shù)據(jù)驅(qū)動的生產(chǎn)優(yōu)化解決方案羹膳，實(shí)現(xiàn)提高精準(zhǔn)制造、高端制造根竿、敏捷制造的能力陵像，加速智能車間、智能工廠等現(xiàn)代化生產(chǎn)體系建立犀填，實(shí)現(xiàn)智能生產(chǎn)蠢壹。
