为什么要预测、优化工业生产中的问题呢？

安全是工业生产的基本条件,对工业生产来说,设备、生产过程的异常运行将导致产品的质量下降、严重时甚至造成安全事故以及人员伤亡.但是据资料显示，21年全国安全生产事故起数和死亡人数同比分别下降11%和5.9%，创造了新中国成立以来连续27个月无特别重大事故的历史最长间隔期，而且生产效率不减反增，这一成果离不开工业生产中对新兴技术的使用。

在生产过程中，利用传感器广泛采集关键设备、生产线运行以及产品质量检测获得的图像、视频以及时序等多元异构数据,利用大数据分析、机器学习、深度学习等方法进行有监督或无监督的分类和聚类,实现工业生产过程的智能在线异常检测、诊断以及溯源.

“预测”是对工业生产具有重要的促进作用,大数据技术、云服务技术和人工智能技术的快速发展促进了预测效果的不断提高.结果,基于数据驱动的预测技术在预测性维护、质量预测等方面获得了广泛的应用.对预测性维护来说,利用工业设备运行数据和退化机理经验知识,预测设备的剩余有效使用时间并制定维修策略,实现高效的预测性维护,进而降本、增效、提质和安全.对质量预测来说,通过产线状态及相关生产数据分析预测出产品质量,并将生产流程调整为最佳产出状态以避免残次品,数字孪生技术的发展大大促进了质量预测技术.

“优化”则是提高工业生产效率的重要手段,主要分为设备级和系统级的优化.机床等工业设备的参数对产品的质量具有重要影响,因此常用监督式特征筛选和非监督式特征筛选方法,提取影响加工精度的关键工艺参数,运用智能优化算法实时优化,实现工业提质增效.复杂工业生产通常由一系列工业设备组成生产工序,进而由多个生产工序构成生产线,利用监测设备和产线运行状态的数据,借助智能优化算法,协同各个生产工序共同实现生产全流程的产品质量、产量、消耗、成本等综合生产指标,保证生产全流程的整体优化运行.

将这些技术运用到工业生产中必定会产生更大的价值，当然也相信未来有更多、更简单的方式来实现真正的安全高效生产。

忽米网——让工业更有智慧

来自《工业人工智能的关键技术及其在预测性维护中的应用现状》