IT与OT的终极融合|《论工业互联网与智能制造》（下篇）：半岛平台官网

工业互联网大优化在《论工业互联网与智能生产》（中篇），我们引进了智能生产三链模型。下篇将对三链模型展开明确应用于。在创建了业务管理的价值链和创意管理的知识产权链的这些流程后，我们可以对整个生产过程展开有效地的计划、决策和继续执行，大幅地提升了生产的效率和绩效。

在这个基础上，工业互联网则将更进一步构建对生产的效率和绩效优化。图1工业互联网数据分析在生产环境的应用于利用工业互联网的技术，搜集覆盖面积装备操作者情况、运营状态、工况状态、环境参数，体现关于产品和设备实况的数据，并通分析，可以更进一步对整个生产过程展开优化。这些优化还包括对生产设备的动态监控、故障检测和临床、预测性确保、整体设备效率、质量检测、能耗管理、人员安全监管等等。

对这些生产过程和设备数据的分析，也将打破目前在生产环节，如MES，SCADA或DCS系统中的，广泛基于阈值监测等基本分析方法，更加多地基于机理模型，和机器学习、深度自学和AI等高级数据模型分析方法，获取更加精确更加及时的分析结果。这些分析的结果，不仅必要用作反对上述的优化功能，如预测性确保等，而且可以对系统返回生产管理系统，如MES，ERP等，使其根据设备的现状，对生产过程展开适当的动态调整。

似乎，这些数据分析大多也限于于在生产环境之外的装备的运维过程中。的确，通过数据分析对这些装备运维的优化，对装备构建资产绩效管理，减少其长时间运行时间和可靠性，减少确保成本和能耗，提升运营绩效，也正是工业互联网在制造业之外的主要应用于。在此同时，利用数字标签、传感器和无线通讯技术，我们可以在物流的各个环节跟踪货物的地理位置以及如温度、湿度，震动等环境参数，以监管货物的运输质量和交付给时间，并把任何异常情况报告给ERP业务管理链，使其及时为此调整生产计划。

图2批量性工业大数据挖掘分析：宏观性的优化值得注意的是，很多这样的数据分析有很强的时延拒绝，必须接纳流式数据分析的模式。在另一方面，生产的各个流程和环节产生海量的数据。这些数据蕴含着关于生产流程有价值的信息。

对这些数据不作时间横向性，长周期、横跨环节、横跨流程，跨域的大数据挖掘分析，是对更进一步宏观性地优化生产过程的一个最重要手段。这些批量性的大数据分析可以协助辨识和避免生产流程中效率和绩效瓶颈、确认不良率与工艺参数和操作者工序等关键数据的关联性，生产计划与排程目标和实际的差异的因素分析，客户对产品对系统分析，产品确保状况分析等等。

本文来源：半岛平台官网-www.hptonerdeal.com