大数据的处理分析，正成为新一代信息技术融合应用的结点，而大数据之于计量服务领域将得到怎样的应用，又会起到怎样的影响。今天我们将从此点出发，谈谈计量服务领域的大数据变革。

大数据与企业隐私

随着国家经济和信息技术的迅猛发展,各行各业的数据量都在迅猛增长。近10年,电子商务、共享经济如淘宝、京东、滴滴、ofo等企业的发展,让大数据在中国落地生根,具备了市场前提。

海量的、不同来源、不同形式、包含不同信息的数据经过处理,可以被整合、分析,原本孤立的数据变得互相联通,这让人们通过数据分析,发现小数据时代很难发现的新联系、新规律创造出新价值。

而且大数据通过多维度的数据可以实现精准预测,定向推送,发现看似不起眼的矛盾。

举个例子：能源计量中电力计量是一个重要的环节,企业生产过程中不发生大的工艺更改、流程变化或技术革新,其用电量应该保持一定的水平。根据企业所报的产量、供电部门查询到的用电量,再结合行业对标的数据,是比较容易判断这个企业的生产水平的,如果相关数据偏差过大,就有理由相信企业所报的数据存在一定虚假。

其实,在大数据背景下,“数据脚印”无处不在,小到个人消费、活动轨迹,大到税务、资产、理财、并购等重要决策,这些在不同部门、不同行业保存的“数据脚印”之间不会有任何交叉、冲突,但是如果将这些数据通过一个统一的平台进行整合并信息加工,通过数据之间的相互印证和相互解释,几乎可以将一个人,一个企业的行为轨迹全部呈现出来。

某种意义上讲,这些整合的数据和信息就是一种暗中的监控。除非你与智能生活无关,不用任何智能化的设备,不享用便捷的“互联网+”服务,否则这些数据总会在某台服务器上静静地待着,直到有一天被挖掘出来。所以我理解能源计量数据采集工作的艰难。没有哪家企业愿意敞开心扉,任人一探究竟。

中国制造2025

我国智能制造2025的本质是工业和信息化的深度融合。工厂的智能制造系统在制造过程中能进行智能活动,比如分析、判断、决策等。通过人与智能机器的合作,扩大、延伸和部分取代技术专家在制造过程中的脑力劳动,把制造自动化扩展到高度的智能化和集成化。

今后的智能工厂将广泛应用MES(制造执行系统)、APS(先进生产排程)、能源管理、质量管理等工业软件,实现生产现场的可视化和透明化。甚至在新建工厂时,可以通过数字化工厂仿真软件进行设备和生产线的布局和物流、人机交互的仿真,确保工厂布局结构的合理。

通过专业检测设备检出次品时,不仅能够自动与合格品分流,而且能够通过SPC(统计过程控制)等软件分析出现质量问题的原因。这样的场景我们已经看到雏形,在不久的将来会呈现在大家面前。

如此智能化的制造,今后计量的对象可能不是我们现在常见的一些设备仪器了,我们要面对的可能是智能化、物联网化的在线设备仪器。这些新工业设备仪器所产生的数据将是工业大数据的主流。一个企业,从原材料进厂到制造过程控制,再到产品出厂检验,部分产品中还要嵌入传感器,都要对其使用过程进行监测,保证其有效使用。这些过程都要产生大量的数据。

智能制造时代是以随时随地的精准测量为基础的,这些测量数据是工业大数据的主要来源,是工业大数据的基础数据。智能制造将带来工业大数据的爆发。

另外,量子基准将取代实物基准是今后计量的一个大趋势,它使得在线测量、远程校准的去实物化成为可能。其实,利用时间校准服务器定时对计时设备校时,就是一个远程在线计量校准的例子。今后,类似的在线计量校准服务将成为主流。

计量服务2.0

借用德国工业4.0的提法,我们现在的计量也应当在数据时代更新升级为计量2.0。这是欧盟提出的重塑计量未来的8种革命性力量,未来计量:虚拟现实、模拟仿真、工业互联网、企业集成、在线检测、网络安全、增材制造(3D打印)和大数据。我们比较熟悉的是3D打印、在线检测、网络安全等内容,工业大数据与未来计量将更加密切。

重塑计量的8种革命性力量

计量2.0应是当前计量技术机构服务模式的升级。在我国,计量是这么定义的,计量是实现单位统一、量值准确可靠的活动。但在普通老百姓眼中就是法制计量,比如出租车、尺子、秤等。其实,还有两种类型的计量不被人熟知:科学计量和工程计量。

在国家取消强制检定收费后,面对出现的一系列问题,如何发挥现有技术机构应有的作用,从管理型技术机构走向服务型技术机构,是每个计量人应该关心和思考的。

用大数据来分析我国工业化的进程,从早年基础建设、钢铁产业、机电设备、化工产业、生物医药、IT产业的发展来看,计量技术机构的变化也经历了力学、热工、化学、医疗等行业的兴衰,不同时期都伴随产业的兴起,在检测人员、设备投入以及收益方面有所增长。

所以现代计量主管部门大力提倡产业计量也是顺应潮流的一大举措,找准产业计量的切入点非常关键。产业计量讲的是关注产品生命周期的全过程。计量2.0也提出了要服务产品生命周期每个阶段的口号。

让我们来看今后计量2.0的服务会有什么变化

首先,日常的校准工作流程会有改变。检测时,工作人员发出指令,让仪器设备的测试接口进行对接,完成自检后按照设定的检测流程和随机参数(防止单点应对性作弊)开始校准,在这期间,突然发生一个意外,造成校准无法进行,反馈信号及时传达至工作人员,根据反馈信息,工作人员重新发出指令解决问题,校准过程重新开始,完成检测后,检测数据和报告就会加密上传至服务器,客户经授权登录到客户端也可以查看。

甚至VIP客户可以做到在异地办公室内,通过网络实时查看实验室的检测状态、同步动态获取实时数据,并对实验数据进行备份,以便后期使用。需要说明的是,这样的校准,不是1对1的,而是1对n的。这其中的关键点是保证检测仪器接口的对接、校准过程的自动分析。

其次,智能制造的计量服务对象之一是大量存在于智能工厂里的数以万计的各种计量设备仪器、制造机器人等。服务方式由被动维护、固定周期维护、预防性维护向预见性维护发展。那种破坏性小、影响不大的缺陷能够通过智能计量仪器在生产过程中提供的实时诊断信息被及时预见,从而在第一时间采取合理措施。

如航空制造业,如何降低飞机发动机油耗是研发工程师们一直要面对的棘手问题。美国通用电气公司在飞机发动机上安装了近6000多个传感器,以便实时监测发动机的运行状态、健康状况等,并通过数据采集分析,预测飞机可能发生的故障风险,为发动机的维修服务和不断提升发动机质量提供数据依据。

最后,基于对检测数据的全面分析,既要从前端的数据获取以价值需求为导向制定的数据标准,更要从碎片化的数据中提取有用的信息。通过对历史数据的分析提炼,对各行各业海量的测量数据完成融合和解释后,使用大数据分析技术对其进行分析,从中学习到关联规律,发现其中的矛盾,找到平常没有发现的特点,发现的规律往往是大数据小应用。在对海量数据进行分析时,除了传统的数据挖掘存储、分布式计算、统计学技术外,还需根据测量对象本身的性质及应用本身场合的特点获得大致范围,得到有效的分析数据。

大数据是一座金矿,但是没有挖掘出来就是废铁一堆。实现计量服务2.0特别是要加强对多源数据的多维度关联、评估及预测,及时发现问题,在产品生命周期内做到最优服务。

结 语

计量服务2.0是以数据驱动的计量服务模式，大数据技术将颠覆传统生产制造模式和计量服务模式，为计量服务2.0提供巨大的推动力。计量服务2.0将对智能制造、网络安全、视频分析、智能电网、物联网、环境检测、安全生产、节能降耗提供全新的数据服务。

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com