车间内部的技术——物联数据

　　众所周知，物联网的建设离不开大数据，而工业领域的大数据又分为四大类：物联数据、工程类数据、公共资源数据和管理类数据。其中，和工业物联网关系密切的就是物联数据。在传统的工业体系中，只能由人作为数据采集终端，用流程来固定设备的运行和工作，最后利用指标来衡量和评价组织的效率。而基于工业物联网的企业可以将人和物连接起来，再使物与系统产生联系，也就是把数据采集端由人变成物，由系统或人进行数据的分析和决策。基于这种大数据技术的物联网在工业领域的应用非常广泛，典型的要数车间的产品制造和生产管理。在车间内部，物联数据的应用主要有三个方面。

　　物联数据的组织方式

　　车间物联网一般通过无线网络通讯、导航定位、语音视频系统、射频识别设备和传感网络等组件，把制造流程和制造资源连接起来，形成人力、机器、原料、环节信息链，从而对这些资源进行自动化的跟踪、定位、识别、管理和监测。资源有两种属性。分别为静态属性和动态属性。

　　例如，车间内的一个智能机械手臂有设备编码、设备分类、设备名称、管理信息工作环境、切割参数、进给速度等静态属性，也有维修记录、设备负荷率、设备完备率和机械臂状态等动态属性。静态属性不随时间和生产的变化而变化，并在生产计划开始之前就已经确定，是车间管理维护中的恒定数据。而动态属性随着时间的推移、生产过程的进行和人为的修改而发生变化，可以这样说，动态数据就是一直处于变化之中的数据，车间物联网的数据有80%以上都是动态数据。下图就是车间物联网的数据体系架构，从中可以直观地看出动态数据的数量和分布特点：

　　物联数据的管理方法

　　车间物联网是一个非常繁琐的数据系统，它涉及数据管理的方方面面，包括数据存储和分析、复杂事件处理、数据集成和融合、数据质量控制以及安全访问机制等。

　　数据存储和分析很好理解，就是利用大型服务器或者云服务器将数据保存下来，然后利用云计算进行分析和处理。此外，其他四个方面则需要重点说明。

　　（1）数据质量控制。工业物联网的数据质量一般用完整度、置信度和精确度三个指标来确定，而数据质量包括射频识别质量和传感器网络数据质量等方面，采取的控制方法有清除误读、多读和冗余数据，将漏读的数据填补或者用概率统计和时空关联进行数据清洗。

　　（2）数据集成和融合。物联网数据空间具有类型多、异构和无统一规则等特点，所以，集成与融合可以分为五个方面：①车间内部的制造资源瞬息万变，这种变化很容易对数据的同一性、版本和模式更新等产生影响，所以要能及时的记录数据的变化过程；②以聚合数据模型为基本，研究怎样把异构的信息映射和转换到统一的数据框架中；③物联网中的数据都是独立分布的，在数据融合过程中，有时候需要自发探索出数据源；④为了寻找数据的溯源，一定要记录每一组数据的来源；⑤车间内的生产资源是不断变化的，这影响到了数据模式的更新、版本和一致性。

　　（3）复杂事件处理。在典型的车间物联网中，复杂事件的处理一般依靠上层系统。该系统可以监测各个部件的行为和状态，并控制部件按照一定的程序做出正确的反应、完成一定的工作，而物体的行为一般靠事件的形式来表达。

　　（4）安全访问控制。开放性是物联网的一大特点，有促进物联网飞速发展的作用，但同时也带来了不小的安全隐患。物联网系统中的海量数据和信息很容易被黑客通过技术手段破坏和修改，如果对方结合信息检索技术和推理技术，就有可能推算出物联网中的隐私数据，这给工业物联网的安全问题增加了不小的挑战。

　　物联数据的应用模式

　　（1）物联车间的生产管控。车间生产控制和管理中心作为整个生产的“大脑”，需要调度和计划车间的各项资源和工作能力。该区域通过集成MES、MDC、ERP等系统数据，以液晶大屏幕作为载体，显示出各个车间的生产情况、突发事件、改造情况和任务追踪等，并结合精细生产理念，对各个工作单元进行生产工作的全程管理、统计、归纳、预测和分析，实现数据的透明化管理，直观地展示企业生产任务的执行情况，提供更加准确的决策分析，确保生产任务可以准时顺利地完成。

　　（2）物联车间的质量控制。有时候，工厂生产的产品次品率很高，而且原因复杂，看似很难解决。例如，很多生产钢铁的车间加工出的成品钢材表面会形成一种纵条纹裂痕，不仅影响产品的效果和外观，还对产品的电磁性、碟片和层间电阻产生不小的影响，最终给对企业带来巨大的损失。而数据挖掘技术却像一根救命稻草，它可以对生产工艺流程和生产环境进行数据分析和整理，筛选出影响产品质量的所有可能原因，并建立优化模型，降低次品率，提高生产效率和质量。