【智能制造】一种提质增效的在线实时数据分析方法

转载 2018年01月10日 00:00:00

唐洪华




互联网+持续发酵,云计算、大数据、物联网、移动互联网等新技术快速发展和应用,许多企业都在借助这些新技术的应用加速转型升级。


很多制造企业已经过DCS、PLC或MES收集了大量的工艺、设备、质量等数据。例如一个5000吨/天的水泥企业每秒大约1万个工艺、设备数据,1天大约3.456G,此外还有几百条质检数据。

 

本文将介绍如何利用生产工艺、设备和质检的大数据,及时发现质量异常,减少次废,提高产品质量,增加企业经济效益,帮助企业转型升级。一、基于控制图的大数据分析策略        基于控制图的大数据分析策略如图
640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1(1)选择特征值,例如反应温度、速度、焊条偏心度等;(2)确定采样频率、分组、分析时长、执行周期,需要根据特征值的特性来合理设计:
    a)分钟级,例如特种焊条生产每分钟60-80根,每30根测一次偏心度测量,可以5min分钟为1组,每组有10个数据,每次分析可以观察2小时(24组数据),执行周期为5min;    b) 小时级:例如化工企业反应釜温度监控,可以每10min一次,1小时6次,为一组,监控1天(24组数据),执行周期为1小时;    c) 班组级:例如某化工企业电解槽电解质浓度,每2小时一次,可以按班组,每个班4次,监控1周(21组数据),执行周期为一个班8小时    d) 天级:例如某化工企业设备震动,每4小时监控测量1次,以日为单位分组,每组4个数据,监控1个月(30组数据),执行周期为一日。
(3)根据确定的规则从实时数据库或关系数据库获取数据。(4)按照控制图统计方法来计算平均值、标准差(可以采用开源工具R语言来方便计算相关统计值和绘图)。(5)绘制控制图并显示到电子看板;640?wx_fmt=jpeg(6)异常判定规则及异常处理流程(后面详述)
(7)系统定义时钟在后台自动执行,如果发现异常,自动触发。
        关键点:        1、  特征值选择        2、  特征值统计参数的设计        3、  异常判定规则
二、控制图原理(略),感兴趣的读者自己百度。三、控制图异常类型准则1:1个点子落在A区以外(点子越出控制界限)
准则2:连续9点落在中心线同一侧准则3:连续6点递增或递减准则4:连续14点中相邻点子总是上下交替准则5:连续3点中有2点落在中心线同一侧B区以外准则6:连续5点中有4点子落在中心线同一侧C区以外准则7:连续15点落在中心线同两侧C区之内准则8:连续8点落在中心线两侧且无1点在C区中640?wx_fmt=jpeg注:详情请查阅中华人民共和国国家标准GB/T4091-2001四、异常触发当后台服务识别到异常,例如连续6点递增或递减,系统按设定的规则,将异常推送到相关岗位,例如【氯压机位移平均值连续6小时递增,请尽快处置】,并推送给主管领导。结论利用生产过程中的工艺、设备状态、质检的大数据,通过控制图的异常分析,及时发现质量异常,减少次废,提高产品质量,增加企业经济效益,帮助企业转型升级。






人工智能在工业企业中的应用探索--铜冶炼终点预测

人工智能在工业企业中的应用探索

----铜冶炼终点预测

唐洪华(用友网络科技股份有限公司)

2017.10


人工智能技术越来越多的进入社会生产和生活中, AI在预测、分类、聚类等方面有很好的适应性。工业企业中有很多预测场景,笔者试图用神经网络方法预测铜冶炼企业冶炼终点,经过初步探索应用效果还不错。特分享给大家。

1、问题

640?wx_fmt=png

 铜冶炼工艺如下图,铜冶炼过程中需要预测需要预测S1期、S2期、B2期的时间。从机理上,应该分析渣中含硫量(<0.5%)或烟气中氧化铅、硫化铅含量,但是受制于目前检测技术和检测时间及时性所限,没法及时检测也就没法用此办法及时预测时间。从理论上,有理论公式来计算各期时间。但是理论计算数据差异较大,适用性不强,所以一般情况是通过看样品颜色(含硫量决定样品颜色)来判断终点,这就依赖操作工人的水平。而转炉多吹5min,阳极炉多处理1小时,可见吹炼终点的准确控制对熔炼工序和后面阳极炉工序的生产效率和能耗以及产品质量等都有极大影响。所以吹炼终点的准确预测就显得非常重要。

640?wx_fmt=jpeg

2、经验公式和数据

640?wx_fmt=png

    在某智能工厂项目中,企业方提出铜冶炼吹炼终点预测子课题,企业方向笔者提供了经验公式(略)和部分数据。影响吹炼时间的因素包括:冰铜量、冰铜品位、溶剂量、风量、氧量、富氧率、床下物、锢铍等。数据举例如下图。

640?wx_fmt=png

3.预测方法-神经网络

640?wx_fmt=png

    根据笔者对AI的学习,对于此类问题,神经网络技术应该能给出比较好的预测。笔者用神经网络技术做了初步探索。对于神经网络的知识,爱好者可以自学,资料很多。本文不详细介绍。


4.学习预测过程

640?wx_fmt=png

01

数据清理

• 缺失值处理---把床下物和锢皮NA值填充为0

•  对Ts1时间统计分析,取正常值,中间45-60min数据,共112条。剔除12条时间偏差大的数据

• 去掉与预测分析无关的数据列:日期、炉次、炉渣、粗铜量

•得到分析用的数据集如下图

640?wx_fmt=png

02

训练集和预测集

    按5:5比例,从清洗后的数据中随机抽取样本得到训练集和预测集。

03

回归分析

    用多元回归模型,回归出新公式。

04

神经网络学习

    神经网络学习后得到的网络模型如下图:

640?wx_fmt=png

05

预测

例用此模型,用预测集数据,可以自学习得到学习后的预测时间。并与回归预测值和理论计算值对比,部分预测结果如下。

640?wx_fmt=png

06

预测结果检验

(1)归一化均方差NMSE

640?wx_fmt=png

    用实际时间、经验公式预测时间、回归模型测时间、神经网络学习预测时间,计算归一化均方差NMSE=(sum((Yi-Yi预测)^2)/ sum((Yi-Y平均)^2),NMSE越小越好,分析哪个算法更优。计算得到下表

预测方法

NMSE

神经网络

0.13

回归预测

0.15

理论计算

2.94

可见神经网络预测方法更佳。

(2)标准差

640?wx_fmt=png

    计算预测值-实际值的差异,并分析各组差异值的标准差(分析数据的离散程度)。得到下面数据

预测方法

预测值-实际值差异的标准差

神经网络

1.44

回归预测

1.57

理论计算

5.47

    用小提琴图分析各组差异值如下图,可以看出神经网络学习预测时间的准确度比回归模型和经验公式预测的结果都好。神经网络预测偏差分布的中位数接近于0,并且更集中。

640?wx_fmt=png

07

预测工具

    此预测采用的电脑为微软surface笔记本,软件为【用友精智工业互联网平台】,计算时间为1-2秒。

5.结论

640?wx_fmt=png

    利用神经元网络能很好预测转炉冶炼铜S1期终点预测,效率高,预测偏差小。通过S1期吹炼终点精准预测,可以帮助企业节能、降耗、提质、增效。

6.下一步

640?wx_fmt=png

(1)增加数据量,进一步验证模型。

(2)分析不同转炉的S1吹炼终点是否可以用相同的模型。

(3)下一步将探索实践具体在实际操作中应用,指导生产。


后记

    笔者初识人工智能级神经元网络大约在20年前读研期间(90年代是人工智能的一个小高潮),当时试图把AI技术用于工业企业智能化应用,但是算法、技术、及应用场景等没有合适的匹配,也就不了了之,但AI情怀一直挥之不去。

    最近两年AI技术突飞猛进,结合从事的智能制造、智能工厂业务,笔者2016年开始学习研究人工智能、机器学习、深度学习、神经网络等技术,2017年初重拾编码,尝试AI实际应用。2017年中机缘巧合,参与某智能工厂项目建设,企业正好有铜冶炼终点预测的困难,笔者把这个需求与AI结合做了些尝试,取得不错的预测结果。

    新时代新技术层出不穷,智能制造从业人员,应主动将新技术与传统产业转型升级结合,利用新技术帮助企业节能、降耗、提质增效。

640?wx_fmt=png




人工智能赛博物理操作系统

AI-CPS OS

人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

  1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

  2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

  3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

  1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

  2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

  3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

  4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

  5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

  1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

  2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

  3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


给决策制定者和商业领袖的建议:

  1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

  2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

    评估未来的知识和技能类型;

  3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

    发过程中确定更加明晰的标准和最佳实践;

  4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

    较高失业风险的人群;

  5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。





产业智能官  AI-CPS



用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链





640?wx_fmt=png

640?wx_fmt=png


长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市、“智能驾驶”新模式:“财富空间、“数据科学家”、“赛博物理”、“供应链金融”


官方网站:AI-CPS.NET




本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com






【智能制造】一种提质增效的在线实时数据分析方法

唐洪华互联网+持续发酵,云计算、大数据、物联网、移动互联网等新技术快速发展和应用,许多企业都在借助这些新技术的应用加速转型升级。很多制造企业已经过DCS、PLC或MES收集了大量的工艺、设备、质量等数...
  • np4rHI455vg29y2
  • np4rHI455vg29y2
  • 2018年01月10日 00:00
  • 250

基于智能仪表的冷却塔烟气温度自动控制系统

  • 2013年05月25日 22:53
  • 899KB
  • 下载

比赛三两事-天池工业AI大赛-智能制造质量预测-初赛

第一次参加阿里云的天池比赛,一些有趣的事情分享给大家。 1. 不到最后,都不知道自己的优秀都是蒙的。 天池比赛的测试集一般分为AB两组,其中A组测试集持续时间很长,可能有一个月,每天一次答题机会,...
  • jinghongluexia
  • jinghongluexia
  • 2018年01月20日 12:57
  • 194

三个层面理解智能制造

数字化工厂是智能制造的“硬件”基础,大数据挖掘分析是智能制造的“软件”灵魂,在数字工厂和大数据基础上实践新型商业模式才是智能制造的完整体现。这三者也并非“先有鸡后有蛋”或者“先有蛋后有鸡”的关系,而是...
  • libodls
  • libodls
  • 2017年03月05日 23:17
  • 858

【智能制造】工业4.0——从智慧工厂到智能生产

工业物联网的应用:工业4.0是如何帮助博世力士乐改进生产线的 万物云联网  图1、工业革命的不断演进 博世力士乐(Bosch Rexroth)利用工业4.0来实现零故障战略; 博世力士乐(...
  • np4rHI455vg29y2
  • np4rHI455vg29y2
  • 2017年11月07日 00:00
  • 2208

天池工业AI大赛-智能制造质量预测

竞赛笔记ID466记录丢弃750X1452,750X1350,750X1442,750X717,750X718,420X186 这几个字段去掉代表TOOL_ID后面的一些列一直到下一个TOOL_ID,...
  • dataastron
  • dataastron
  • 2018年01月13日 00:13
  • 178

中华文明的基本脉络---唐加文

转载地址:http://blog.sina.com.cn/s/blog_700e07540101623i.html 我们一般说中华文化五千年,其实它真的跨入成熟文明的门槛,是离现在4...
  • stpeace
  • stpeace
  • 2014年09月13日 16:51
  • 3933

智能制造的一些个人感想

制造业的是一个国家工业化水平的决定性因素。以信息物理生产系统为核心的第四次工业革命正在引领新一波的制造系统变革。 其实对于“工业4.0”、“互联网+”、“中国制造2025”、“工业大数据”等都是最近...
  • zhang_yin_liang
  • zhang_yin_liang
  • 2016年09月03日 15:51
  • 2454

这篇文章让你了解智能制造及其十大关键技术 - 全文

德国的工业4.0、中国制造2025、智能制造这三个词想必大家都不陌生,不过对于智能制造的内涵以及十大关键技术并不是每个人都了解,通过阅读本文你将对智能制造有一个更全面的了解。 智能制造是什么 ...
  • u013999597
  • u013999597
  • 2017年11月01日 13:33
  • 406

李克强:经济发展进入提质增效“第二季”

http://www.nbd.com.cn/articles/2013-09-12/773019.html 李克强:经济发展进入提质增效“第二季” http://www.nbd.com.cn 2...
  • lxqluo
  • lxqluo
  • 2013年09月12日 14:50
  • 961
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:【智能制造】一种提质增效的在线实时数据分析方法
举报原因:
原因补充:

(最多只允许输入30个字)