【与320+全国社友,构建工业互联网认知体系】
深入工业互联网领域的的第一知识入口
【研习社导读】关于数据驱动的价值理念,却很少在实践中完整闭环应用,这造成了尽管是很好的理念和思想,但要想在企业和场景中应用,确实是一件不太容易的事情。
本文内容节选于毕马威和阿里研究院联合发布的《从工具革命到决策革命——通向智能制造的转型之路》(版权归发布者所有),选择了《恒逸石化– 用工业大脑实现能耗优化》的案例,重点阐释“数据采集 - 模型搭建 -模型应用 - 反馈控制 - 服务提升”,实现锅炉燃烧能耗优化的全过程。
[申请下载本报告,加微信ID:iamliuchengjun]
过去十多年来物联网、人工智能、数字孪生等科技的爆发性发展带来了算力和算法的巨大进步,传统制造业的数字化发展又带来了海量的数据。三者的日益融合逐渐形成了以“数据 + 算力 + 算法”为核心的智能制造技术体系。
数据是基础,也是智能经济的核心生产资料,在产业链各环节产生的大量数据是驱动智能制造提高精准度的核心;
数据(Big Data):工业数据的收集和分析早在传统工业信息化时期就一直在进行,有大量的数据来自于研发端、生产制造过程、服务环节。而工业从数据到大数据,最大的区别是实现数据的两化融合,将工业化数据与自动化域数据的叠加。在工业互联网时代,还需要纳入更多来自产业链上下游以及跨界的数据。实现工业大数据的主要核心技术包括物联网 (IoT)、MEMS 传感器和大数据技术等,其中尤以物联网和 MEMS 传感器为代表:
物联网(IoT):物联网是指通过嵌入电子传感器,执行器或其他数字设备的方式将所有物品通过网络链接起来,通过万物互联来收集和交换数据,从而实现智能化识别、定位、跟踪、监控和管理。物联网的几大关键技术包括传感器技术、RFID 标签和嵌入式系统技术。这些技术可以实现透明化生产、数字化车间、智能化工厂,减少人工干预,提高工厂设施整体协作效率、提高产品质量一致性。
传感器MEMS 全称为 Micro Electro Mechanical System,即微机电系统,是集微传感器、微执行器、微机械结构、微电源微能源、信号处理和控制电路、高性能电子集成器件、接口、通信等于一体的微型器件或系统,是一个独立的智能系统,可大批量生产,其系统尺寸在几毫米乃至更小,其内部结构一般在微米甚至纳米量级。
有了海量数据,就需要强有力的算力进行处理,而以云计算、边缘计算为代表的计算技术,为高效、准确地分析大量数据提供了有力支撑;
但是,仅有了数据和算力依然不够,没有先进的算法也很难发挥出数据真正的价值。以人工智能、机理模型等为代表的算法技术帮助智能制造发现规律并提供智能决策支持;
与此同时,以 5G、TSN 为代表的现代通讯网络凭借其高速度、广覆盖、低时延等特点起到了关键的连接作用。它将三大要素紧密地连接起来,让它们协同作业,发挥出巨大的价值。
由核心技术集群使能的“数据 + 算法 + 算力”模式使得制造领域中的数字世界、物理世界以及人三者间产生了融合,其中数字世界是指工业软件和管理软件、工业设计、互联网和移动互联网等;物理世界是指能源、工作环境、工厂以及机器设备、原料与产品等。
工业互联网研习社(ID:junguancha)认为,基于数据驱动和算法模型推动形成的应用服务,构成了智能化的逻辑闭环。只有在形成有效闭环,才可释放数据的价值,才能创造直接或间接的经济效益,制造企业客户才会买单。
【案例】恒逸石化– 用工业大脑实现能耗优化
【背景介绍】:恒逸石化是中国的一家大型化纤生产企业。化纤属于高耗能行业,公司每年煤炭消耗高达几亿元人民币。为了实现“十三五”计划所明确的以创新驱动,绿色低碳发展的行业发展目标,企业引入工业大脑的决策流程,通过数据采集 - 模型搭建 -模型应用 - 反馈控制 - 服务提升,实现锅炉燃烧能耗优化。
其本质是通过“数据 + 模型”,构建新型服务体系。
数据采集。恒逸石化对燃烧过程中涉及到的数百个变量参数进行深度挖掘,识别出对锅炉燃烧能耗影响最大的十几个关键参数,如进风量、燃料量、蒸汽压力、炉膛负压、烟气浓度、氧气量、烟气量、蒸汽体积等,并重点采集十几个关键参数与燃烧能耗一段时间内的历史数据,形成离线学习样本集。
模型搭建。基于确定的十几个关键参数,一方面,通过数理分析、机理推导,得出关键参数与燃烧能耗之间的机理模型,并基于机理模型定性分析出关键参数(控制量)与燃烧能耗(被控量)之间的变量关系(增减、比例、指数)、模型结构(一次、二次、高次),以及部分关键参数在一定物理条件下的合理变化范围,初步确定模型部分结构信息。
另一方面,基于大量的离线学习样本数据,通过数据挖掘(回归、聚类、分类、关联等)方法对已确定的机理模型进行反复训练优化,得到离线数据学习下精确的模型。
模型应用。训练后的模型可以部署在本地也可部署在云端,一旦模型部署应用,新的在线数据将源源不断输入到离线训练的模型中,一方面,基于在线优化算法可以动态优化,进一步完善模型参数。
另一方面,模型输出结果可以形成四类模型,用来解释工业现场四个基本问题:一是解释发生了什么,即监测模型,如故障报警,超界响铃等;二是解释为什么会发生,即诊断模型,如故障诊断模型、故障定位模型;三是解释接下来会怎样,即预测模型,如剩余寿命预测模型,功率预测模型;四是解释该怎么办,即决策模型,如维护策略模型,控制策略模型。
反馈控制。所有的模型最终都需要将输出的结果反馈给实际对象形成闭环,反馈控制存在两种方式:一种是模型输出辅助决策方案,如是否需要延长设备运行时间、提前启动应急系统,调整生产订单计划等,并由人参与到反馈闭环。
另一种是模型直接输出优化后的一组控制参数,直接作用到控制系统中,调整生产过程中风阀电机、进料量等参数,实现精准控制优化。当前,企业中广泛采用的是基于模型的辅助决策,并由人参与到反馈闭环过程。在环境扰动较小、系统模型相对简单生产过程中可采用直接作用到控制回路的方式。
服务提升。无论是优化后的决策方案还是优化后的控制参数一旦作用到实际物理对象中,都能够对设备运行的各项相关参数进行优化调整,进而改变系统整体能耗、停机维修成本等,产生实际的经济效益。恒逸石化基于“数据 + 模型”构建新型服务体系,实现燃煤消耗降低 4% 左右,蒸汽量提升约 3%,每年节省 1000 多万元燃煤成本。
『中国工业大数据大会·钱塘峰会』
杭州·5月7日
中国工业大数据大会·钱塘峰会连续四届在杭州萧山区主办,造奇智能新媒体连续三年必参加的精品峰会,本次大会拟邀中国科学院院士梅宏、中国工程院院士谭建荣、中国信通院总工程师余晓晖、工业富联副董事长李杰教授、浙江智能制造专家委员会主任毛光烈、美的集团总裁助理谷云松、正泰集团股份董事长南存辉等(长按二维码点击报名哦);
(与有未来的小编在一起,可加iamliuchengjun互动)
国内较早成立并开展运营的智能制造产业新媒体及内容服务、社群运营机构,聚焦新工业革命与智能时代的价值创造,以“深度影响智能制造进程,守望智能制造产业成长”为使命,聚焦智能制造、工业互联网、工业4.0、数字化转型及人工智能、大数据技术在工业领域的应用。
联接产业企业、大学、研究机构、政府、资本等产业核心力量,通过创新和融合力量,打造深度观察、行业洞见、丰富资讯于一体的原创型、产业新媒体平台,凭借有洞见的思考观点,在产业界独树一帜。目前已覆盖工业和制造领域行业人士数万人,总阅读量数百万人次。
2018年1月1日,[造奇智能]新媒体独家推出、业界首份聚焦工业互联网领域的高质量实名付费社群——工业互联网研习社。致力于打通工业互联网从资讯→信息→知识→认知→见识的链式通路,助力您的职业发展和机遇把握。同期推出数期工业互联网知识沙龙(付费版),助力社友走出“舒适区”。
“研习社社友”遍布上海、北京、深圳、苏州、杭州、武汉、芜湖、郑州等工业重镇,初步构建起覆盖工业互联网平台、工业软件、底层数据采集、工业数据分析、系统集成商、大学及产业资金、产业联盟在内的全国价值网络。