海克斯康洞见｜工业4.0时代背景下的智能大数据

当今，对于诸如大数据，智能数据，智能大数据，预测分析，工业4.0或者智能工厂的讨论越来越热烈。这些主题与其发展进程对质量管理领域有何影响呢？是否会产生诸如质量4.0等概念？对于这些问题，其实可以有很明确的答案：“质量服务于工业”！

这些术语代表的主题领域是密不可分的。为了更好地解释这些关系，首先关注这些术语的含义以及它们同工业产品质量之间的关联。同样需要弄清的是，这些术语只是标志着一个全新时代发展的开始。事实上，我们完全无法预见由此造成的影响。如同20年之前，谁会想到因特网的商业化会在今天以如此深刻的方式影响到我们生活的各个方面？工业4.0的概念也是一样的——只有时间会告诉我们这些新机遇将带来的影响。只有在未来才能评估其好处、优点和缺点。然而，我们不得不根据已有的信息做出反应，同时对于未来的风险进行探究，寻求可能的情况并估计其发生的可能性。这是唯一能够预先展开的研究。

German Bitkom协会在一篇文章中是这样定义大数据的：“大数据指的是在经济层面上合理地获取和应用决策相关的知识，这些知识从不同结构的性质通用的信息中提取。而这些信息来自于各种方式，并且快速变化。”根据这一定义，大数据意味着企业试图对一些目前只能猜测的数据进行测量、分析、计算、评估和评定。

为什么大数据会存在？

最基本的条件是可以实现在最小的空间里储存大量信息。更深层次的原因是目前自动化传感器和数据录入系统对实时数据以高传输率和高处理速度转移，这其中不需要包含任何手工输入。这些方面导致产生的数据量是未知的。举一个例子， 生成5个艾字节需要

· 到2003年以前，超过1000年

· 2011年，2天

· 2013年，10分钟。

这一递降趋势将不断持续并且眼下无法看到尽头。图1显示了随时间变化的各种技术的数据通信。到2020年，5G数据通信方式已经席卷而来。

图1：数据增长

海克斯康|MSC提供了创成式设计软件MSC Apex Generative Design，结合自动化、智能化算法高效进行产品的轻量化设计，能够快速识别零件的几何设计参数，以便最大限度地降低材料成本、缩短打印时间。它能直接与制造仿真衔接，并将制造约束条件考虑在内。这样设计师就可以根据与负载相匹配的零件性能来优化出质量轻、性能好的零件。

随着全球化的发展，运输和通信方式的复杂性水平不断提升。毫无疑问，经济生活的单方面关系越来越复杂。这就是为什么个人和公司都迫切需要高水平决策来控制过程和运营的原因。图2用一个简单的图说明了基于生成和储存的信息如何找到高质量的解决方案。这些答案通过数据分析的结果而得出，分析记录下的数据，并且以统计表格和图形的形式提供分析结果。我们把这个过程称作知识获取。

图2：有效知识的获取

但是，仍有可能存在另一个问题：“大数据是新兴体现在什么地方？”即使是在过去，我们也同样收集，存储和计算大量的数据。图3显示了在工业生产中主要数据来源和相应的数据管理系统。此外，图中包含了不同类型的数据处理和结果的显示方式。在大数据的时代下，我们必须在现有的数据源中添加“产品和服务网络”（新数据源）。

图3：大数据 = 传统 + 新型

从这一点上看，大数据指的是对于不同来源的大量数据记录和存储，以及对这些数据进行“实时”（接近实时）分析，以应对当前任务或者回答最新的问题。

如何巧妙地使用大数据？

如今大数据面临的问题是什么？收集和存储数据只是一方面。另一方面才是更重要的，即对于存储的信息进行分析和评定。（预测的）分析是口号。预测分析会应用统计过程、预测模型、优化算法、挖掘数据、挖掘文本以及挖掘图片来达到期望的结果。不管怎样，这些程序能在多大程度上有效，取决于数据接近事实的程度，例如它有多少代表性。假定所有数据的主要部分是结构化的；专家甚至估计超过80%的数据是非结构化的。从不同数据源收集与储存的非结构化的数据通常会变为数据墓地。这样的数据基础即使再多，进行分析后也无法达到期望的结果，相反地，得到的结果往往是不完整和模糊的。这也导致人们对于获取的知识没有任何信心并且总是会存在质疑。

面对这些问题，不得不创建公司基础设备平台来记录不同数据源的大量数据并且进行结构化的管理和评估。大数据并不是真正的追求，真正需要始终贯穿的理念是“智能数据”。这是唯一能实现实时评估数据并在几秒内提供评定结果的方法。通过创建智能数据获得知识，能从这个新发展中提取更多的附加价值。执行数据录入储存数据后，通过“数据整合”（见图4）来达到上述要求。

图4：数据整合

通过数据整合的智能数据

如今数据源多种多样；然而，承载这些数据源的设备之间没有实现互联互通。实现互联互通的基础需要设计不同来源的数据结构，也就是必须得指定存储哪些数据至哪个位置，明确相应的存储方式以及想要存储的数据量。这里就需要利用一个标准来定义不同来源的数据，这个标准需要规范数据传输和存储以避免不同数据系统提供的数据扩散，并且保证数据保持一致性。所以这个标准将是可靠评估的基础。

Q-DAS制定的“Q-DAS® ASCII 转换格式” 逐步成为世界范围内关于特定文件格式下的测量值转换的标准。AQDEF（高级质量数据交换格式）定义了这种数据格式的内容。同时，许多公司在采购新的测量仪器时也需要满足这个文档的要求。这些要求确保了对于所需信息的数据域是可用的，以便能以更良好的结构在数据库中存储数据域。

然而，即使这些域是可用的，也不能确保正确完成。这就是为什么真实性检验是数据整合的一个重要部分，它能评估信息传输的完整性和意义。为了进行真实性检验，必须使用干预机制来完成这些任务。通常来说，只能检测到错误的数据或者丢失的信息，如果需要，则在已被记录数据源的数据上直接添加一些更多的信息。

一步步开发关于新数据源（见图4）的Q-DAS® ASCII 转换格式并且扩展诸如跟踪、分组和包含或不包含相应测量值的过程参数的储存等方面的应用。基于新数据源的要求，会为存储数据至数据库添加新的域。

智能工厂的要求是提高传感器的性能来观察真实世界，存储选项和不同系统的网络。工业4.0的前景与任意类型数据的存储，评估和各自应用程序的可用结构有高度联系。这被认为是未来的生产系统，因为它将在未来的控制海量数据方面扮演重要角色。换句话说，大数据关系着工业制造-这是我们今天的愿景！

（季园 海克斯康创新资讯 ）

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@blueai.net.cn。