大数据与智能制造

传统制造系统的核心要素可以用5个M来概括，材料（Material）、设备（Machine）、工艺（Methods）、测量（Measurement）和维护（Maintenance），过去的制造系统升级，都是围绕着这5个要素进行改善，这些活动主要还是围绕着人来开展，着5个核心要素依然是靠人来驾驭。智能制造系统区别于传统制造系统在于第6个M，即建模（Modeling），并且依靠第6个M来驱动前面的5个要素，来解决和避免制造系统的问题。

一个制造系统是否智能，可通过以下两个特征来判断：

1. 是否能够学习人的经验，代替人来分析问题和制定决策；

2. 能否从新的问题中积累经验，以避免问题的重复发生。

大数据并不是追求记录庞大的数据，数据的本身并不会给你带来价值，庞大的数据系统也不会让你的制造更加先进，数据必须转化成信息、知识，才会为制造系统带来价值。大数据是发现问题的一种途径和解决问题的一种手段，通过数据的分析，从而去解决和避免不可见问题的风险，这才是大数据的核心目的。制造系统中问题的发生和解决，都会产生大量的数据，通过数据的分析和挖掘，可以让你了解问题产生的过程、造成的影响和解决的方法，这些信息如果被建模后，转化成知识，再利用这些知识去发现问题，分析问题，解决问题，并能在未来避免同类问题的重复发生。当这个过程无需人工干涉，系统可以自动自发的去循环进行，则这个系统就可称为智能制造系统。

我们可以从以下3个方向利用大数据来推动智能制造：

1. 把现场出现的问题变成数据，并利用这些数据来对问题的发生和解决进行建模，把人的经验，变成知识，从而产生可持续的价值；

2. 数据变成知识后，通过数据分析工具，把传统的解决可见问题，延伸到对不可见问题的预防，深层次的去理解问题为什么会发生；

3. 再把知识变成数据，生成生产指令、工艺参数以及可执行的决策，从根本上去解决、预防问题。

由此可见，大数据是智能制造系统的基础，通过系统的运行收集数据，再把数据转换成系统可以学习的知识，并依靠系统自身的分析，制定出解决问题或预防问题的决策，这才是智能制造的核心。