安全是工业消费的根本条件,对工业消费来说,设备、消费过程的异常运行将导致产品的质量下降、严重时甚至形成安全事故以及人员伤亡.但是据资料显示,21年全国安全消费事故起数和死亡人数同比分别下降11%和5.9%,发明了新中国成立以来连续27个月无特别严重事故的历史最长间隔期,而且消费效率不减反增,这一成果离不开工业消费中对新兴技术的使用。
在消费过程中,利用传感器广泛采集关键设备、消费线运行以及产品质量检测获得的图像、视频以及时序等多元异构数据,利用大数据分析、机器学习、深度学习等方法停止有监视或无监视的分类和聚类,实现工业消费过程的智能在线异常检测、诊断以及溯源.
“预测”是对工业消费具有重要的促进作用,大数据技术、云效劳技术和人工智能技术的快速开展促进了预测效果的不时进步.结果,基于数据驱动的预测技术在预测性维护、质量预测等方面获得了广泛的应用.对预测性维护来说,利用工业设备运行数据和退化机理经历知识,预测设备的剩余有效使用时间并制定维修战略,实现高效的预测性维护,进而降本、增效、提质和安全.对质量预测来说,通过产线状态及相关消费数据分析预测出产品质量,并将消费流程调整为最佳产出状态以防止残次品,数字孪生技术的开展大大促进了质量预测技术.
“优化”则是进步工业消费效率的重要手腕,主要分为设备级和系统级的优化.机床等工业设备的参数对产品的质量具有重要影响,因而常用监视式特征挑选和非监视式特征挑选方法,提取影响加工精度的关键工艺参数,运用智能优化算法实时优化,实现工业提质增效.复杂工业消费通常由一系列工业设备组成消费工序,进而由多个消费工序构成消费线,利用监测设备和产线运行状态的数据,借助智能优化算法,协同各个消费工序共同实现消费全流程的产品质量、产量、消耗、本钱等综合消费指标,保证消费全流程的整体优化运行.
将这些技术运用到工业消费中必定会产生更大的价值,当然也相信将来有更多、更简单的方式来实现真正的安全高效消费。
忽米网——让工业更有智慧
来自《工业人工智能的关键技术及其在预测性维护中的应用现状》 |