摘要：云星數(shù)據(jù)分享，如何基于海量工業(yè)數(shù)據(jù)，利用大數(shù)據(jù)分析、機器學習技術幫助某知名制造企業(yè)提升生產制造良品率。

新一代的云計算/大數(shù)據(jù)技術正在給傳統(tǒng)工業(yè)發(fā)展方式帶來顛覆性、革命性的影響。傳感器、工控系統(tǒng)、物聯(lián)網(wǎng)等技術的廣泛應用，推動工業(yè)企業(yè)實現(xiàn)生產流程各環(huán)節(jié)的互聯(lián)互通，促進互聯(lián)網(wǎng)與工業(yè)融合發(fā)展。

隨著信息化與工業(yè)化的深度融合，工業(yè)制造企業(yè)已經積累和擁有了日益豐富的工業(yè)數(shù)據(jù)。工業(yè)大數(shù)據(jù)呈現(xiàn)出大體量、多源性、連續(xù)采樣、價值密度低、動態(tài)性強等特點。

這里還是要推薦下小編的大數(shù)據(jù)學習QQ裙:532218147，不管你是小白還是大牛，小編我都歡迎，不定期分享干貨，包括小編自己整理的一份2018最新的大數(shù)據(jù)資料和0基礎入門教程，歡迎初學和進階中的小伙伴。在不忙的時間我會給解答

我們理解大數(shù)據(jù)分析在工業(yè)制造行業(yè)主要有兩個應用領域：

1.利用大數(shù)據(jù)進行建模仿真：傳統(tǒng)生產企業(yè)在測試、驗證環(huán)節(jié)需要生產出實物來評測其性能等指標，成本隨測試次數(shù)增加而不斷提升。利用虛擬仿真技術，可以實現(xiàn)對原有研發(fā)設計環(huán)節(jié)過程的模擬、分析、評估、驗證和優(yōu)化，從而減少工程更改量，優(yōu)化生產工藝，降低成本和能耗。

2.利用大數(shù)據(jù)提升良品率：實際工作中，對失效/殘次品的個案分析往往無疾而終，有價值的信息淹沒在量測誤差、實驗噪聲或者不科學的實驗設計里。而通過對于大量數(shù)據(jù)的分析，噪聲信息會消失，差異點會疊加放大。生產的過程數(shù)據(jù)越多，分析就越細致，在信息充足的情況下，工程師甚至可以將異常定位到機臺的某個機構，從而實驗設計也能合理化，目的化，極大地加速良率提升的腳步。

但在具體大數(shù)據(jù)應用領域上，工業(yè)企業(yè)普遍面臨：

不知道如何把大數(shù)據(jù)和企業(yè)自身業(yè)務結合起來；

大數(shù)據(jù)人才匱乏；

數(shù)據(jù)采集和治理不完善，未形成閉環(huán)；

工業(yè)領域有其獨特的領域知識，需要行業(yè)知識結合數(shù)據(jù)分析等困難和挑戰(zhàn)。

最近云星數(shù)據(jù)與國內某知名LCD生產企業(yè)在利用大數(shù)據(jù)提升良品率領域開展合作，利用大數(shù)據(jù)分析和機器學習來研究關鍵因子，提升生產制造的良品率。具體包括：對生產線上數(shù)以萬計的傳感器進行工業(yè)數(shù)據(jù)(溫度、壓力、振動和噪聲等)采集和存儲，通過建模分析識別出生產流程作業(yè)過程中的關鍵缺陷因子指標；建立告警預警系統(tǒng)實現(xiàn)傳感器數(shù)據(jù)流指標的實時監(jiān)控，一旦偏離關鍵因子設定的閾值，就會觸發(fā)報警信號，快速地發(fā)現(xiàn)錯誤或者瓶頸所在。通過關鍵因子與產品合格數(shù)據(jù)之間的聯(lián)動，跟蹤識別關鍵因子的變化趨勢，從而優(yōu)化提高產品良品率，達到提升生產效率、降低成本的目標。

那么云星數(shù)據(jù)采用何種數(shù)據(jù)分析邏輯來實現(xiàn)缺陷因子的識別？又是如何通過技術手段落地實現(xiàn)這樣的工業(yè)數(shù)據(jù)分析處理的呢？數(shù)據(jù)存儲和數(shù)據(jù)分析兩大核心平臺又分別提供那些核心功能呢？

首先，項目組專家成員通過業(yè)務分析，樣本數(shù)據(jù)收集、建模仿真等手段識別出了如下的缺陷因子分析邏輯：

不同缺陷在時間上的聚集性

不同缺陷在不同因素上的分布傾向

過程異常與缺陷的相關性

不同缺陷在不同成分含量上的分布傾向

此后，算法專家將分析邏輯映射為數(shù)據(jù)算法(邏輯回歸、聚類、關聯(lián)分析等)實現(xiàn)在分析平臺上對基礎平臺中存儲的數(shù)據(jù)集進行分布式計算處理，獲得輸出結果(關鍵因子集、因子閾值參數(shù)等)。

總體邏輯架構

大數(shù)據(jù)基礎平臺：重用現(xiàn)有的工具和基礎架構，實現(xiàn)全自動的數(shù)據(jù)收集、整理、轉換和存儲。充分利用 Hadoop/Spark 集群提供海量數(shù)據(jù)存儲能力。

大數(shù)據(jù)基礎平臺

大數(shù)據(jù)分析平臺：充分基礎平臺上存儲的數(shù)據(jù)，在數(shù)據(jù)建模、模型訓練上采用深度學習(Deep Learning)模式。通過數(shù)據(jù)邏輯層上針對工業(yè)制造細分領域的生產流程，提供監(jiān)督學習、和非監(jiān)督學習兩種模式的模型訓練機制的支持，可以進行如數(shù)據(jù)清洗、數(shù)據(jù)倉庫、特征工程等應用。

云星大數(shù)據(jù)分析平臺

云星數(shù)據(jù)致力于幫助企業(yè)在工業(yè)生產過程中管理和應用大數(shù)據(jù)。首先是利用云平臺、物聯(lián)網(wǎng)等技術實時監(jiān)測工業(yè)生產中的一系列設備，通過從設備中監(jiān)控到的數(shù)據(jù)，再結合生產過程中的環(huán)境因素、產品質量、過程控制等數(shù)據(jù)，給出數(shù)據(jù)驅動的生產優(yōu)化解決方案，實現(xiàn)提高精準制造、高端制造、敏捷制造的能力，加速智能車間、智能工廠等現(xiàn)代化生產體系建立，實現(xiàn)智能生產。