工业互联网产业联盟：工业大数据分析案例剖析（99页）.pdf

《工业互联网产业联盟：工业大数据分析案例剖析（99页）.pdf》由会员分享，可在线阅读，更多相关《工业互联网产业联盟：工业大数据分析案例剖析（99页）.pdf（99页珍藏版）》请在三个皮匠报告上搜索。

1、 工业大数据分析案例剖析工业大数据分析案例剖析 工业互联网产业联盟（AII） 2021 年 12 月 目 录 一、案例 1：挖掘机液压泵故障预测天远科技 . 1 （一）案例背景 . 1 （二）解决方案 . 3 1、业务理解 . 3 2、数据理解 . 5 3、数据准备 . 8 4、数据建模 . 9 5、模型验证 . 12 （三）实施效果 . 13 1、模型部署 . 13 2、应用效果 . 15 二、案例 2：数控加工工艺参数优化华中数控 . 16 （一）案例背景 . 16 （二）解决方案 . 17 1、业务理解 . 17 2、数据理解 . 19 3、数据准备 . 22 4、数据建模 . 27 5

2、、模型验证 . 30 （三）实施效果 . 35 1、基于指令域“心电图”的加工工艺参数优化 . 35 2、基于加工过程主轴功率模型的加工工艺参数优化 . 42 3、总结 . 44 三、案例 3：热轧带钢性能预报清华大学、上海优也 . 45 （一）案例背景 . 45 （二）解决方案 . 48 1、业务理解 . 48 2、数据理解 . 51 3、数据准备 . 52 4、数据建模 . 53 5、模型验证 . 63 （三）实施效果 . 67 1、精准选样系统 . 67 2、钢种优化 . 67 3、集约化生产 . 67 4、新钢种设计 . 68 四、案例 4：智能化橡胶浆液浓度控制京博石化 . 69 （

3、一）案例背景 . 69 （二）解决方案 . 71 1、业务理解 . 71 2、数据理解 . 75 3、数据准备 . 77 4、数据建模 . 82 5、模型验证 . 86 （三）实施效果 . 87 五、结语与展望 . 89 1 绪 论 工业大数据分析作为工业智能化发展的核心之一， 是实践性 非常强的工作，现实中的失败比例非常高。在工业大数据分析 指南 中虽然已对通用的工业大数据分析方法和分析流程进行了 归纳和总结，但其更加关注于具有普遍指导意义的方法论，为能 更好的指导企业开展工业大数据分析实践， 我们选取了四个不同 行业中已经落地应用的典型案例， 并依照 工业大数据分析指南 的方法体系进行了较

4、为深度的剖析，形成了本案例集。 人们用工业大数据分析的办法来发现知识并指导行动。 如果 错误的认识误导了行动， 可能会给工业企业带来非常严重的后果。 所以， 工业界在实际应用中， 对数据分析结果的可靠性要求很高， 这对于工业大数据分析应用的落地带来了极大的挑战。 传统概率统计方法是从基本的理论假设开始展开研究， 分析 结果的可靠性是由理论前提和假设保证的。 科学家从事科研工作 时，可以根据分析工作的需求去采集和配置数据，从而得到可靠 的结果。 工业大数据分析则是通过数据本身表现出来的特点来发 现规律。从事工业大数据分析时，人们往往只能根据工业现场已 有的数据进行分析， 而这些数据往往不是为特定

5、数据分析工作而 准备的。在某些场景下，数据可能从根本上就无法支撑分析的目 标。 从这种意义上说， 特别是数据量无法达到一定规模的情况下， 基于统计方法的数据分析建模不能够准确捕捉到工业现场问题 与征兆之间的因果性， 因而单纯依靠数据分析模型做出决策存在 2 相当程度的不确定性。 在追求确定性的过程中，有两种常见的挑战：一种是模型混 淆了相关与因果， 一种是把特殊条件下的因果关系扩大到一般情 况。要应对这两种挑战，人们都必须借助对工业机理的认识。实 践证明：如果仅仅以精度为标准衡量模型和结果的好坏，就很难 保证成果的可用性，必须善于利用工业机理来选择数据、分析结 论。 从这种意义上说， 工业大数

6、据的分析在实际应用的落地过程， 也是工业机理与数据分析的融合过程。 本案例集选取的四个典型案例各有特色， 案例 1是工程机械 行业中利用机器学习技术开展的故障诊断实践， 首先对液压泵的 故障形成机理进行了完善的分析，将问题转换为预测泵压，并建 立了多个变量与泵压之间的关联分析，然后建立机器学习模型， 这是一种典型的利用领域知识完成问题建模和特征抽取， 然后辅 以数据分析方法建模的思路。 工艺参数优化是工业大数据分析一类特别典型的问题。 案例 2 选择在数控加工领域，关注效率、质量与加工成本的多目标优 化问题，如何通过工艺参数有效地实现多个目标的同时优化。方 案一针对粗加工场景关注单次切削时间而