55、智能工厂中的大数据、机器学习与网络物理系统应用

智能工厂中的大数据、机器学习与网络物理系统应用

1. 主成分分析（PCA）在预测分析中的应用

主成分分析（PCA）可用于预测分析，具体操作需使用两个核心距离。当数据跨越第一个阈值时，系统会发出警告；跨越第二个阈值时，则会标记为异常。

2. 系统优化

2.1 工业流程的自我优化

智能服务在制造业的另一应用是工业流程的自我优化。优化可针对不同影响变量（如时间或速度）进行，这里重点关注能源消耗的优化。目标是分析和提升制造工厂的性能与效率，实现优化运营。由于能源价格不断上涨，工业自动化系统中能源效率的优化成为智能服务的重点。

2.2 常见的能源效率优化方法

• 更换驱动设备 ：通常由工厂专家手动将旧的低效驱动器更换为新的高效驱动器。这是必要且有用的步骤，但需要人力和资金投入。
• 生产步骤时间规划 ：在制造执行系统（MES）中手动规划生产步骤的时间，以实现能源高效的流程。
• 能源控制器监控 ：使用位于电表处的特殊能源控制器，监控能源消耗趋势。当趋势指向不理想水平时，控制器会根据特定优先级和规则关闭设备，典型的监控时间间隔为15 - 30分钟。

2.3 实时优化面临的挑战与解决方案

对于以秒或毫秒为间隔的实时优化主动方法，相关研究较少。因为许多应用由于其过程动态性，需要快速调整过程参数以适应不断变化的运行条件。主动优化过程需要能够预测不同参数组合下未来过程行为的模型，以确定最佳过程参数。