对标煤炭推动英国工业革命，工业大数据助推制造2025

这些系统采用传感器和探针来测量切削力、功率、扭矩、温度、表面粗糙度及声发射等工艺因素。不幸的是，当时的传感器技术非常落后，无法提供必要的速度和精度以确保完全有效；计算机的处理速度慢，而且需要更大的存储器来实时处理大量的数据。此外，先进的数据采集和管理技术在当时也极其昂贵。这些缺陷导致几乎不可能在加工期间调整参数。这样就造成了一种鱼和熊掌不可兼得或非此即彼的情况。如果收集的数据超过所设定的最大限值，加工工艺会直接停止。最大限值是在并未充分了解和洞察切削工艺的情况下设定的。除了缺少足够先进的数据处理技术外，还未掌握一个关键的概念，那就是在加工工艺的众多物理现象中，大多数现象—温度、力、负载—都并非静态条件，而是不断变化的动态条件。

例如某种加工中的切削力的平均值可能达到 1000 Nm。但在大约一半的时间中，这些力要高于 1000 Nm，并在其余的时间内低于这一水平。如果将系统的停机阈值设置为 1000 Nm，当力看起来过高时，系统将停止加工。（请注意，这些图形显示的是在 8 微秒内执行的测量，以展示力的变化速度有多快。）在 20 世纪 80 年代是不可能进行如此快速的数据处理的。

现如今，在将近 40 年之后，传感器和计算机技术在精度、速度和价格方面都有了很大的改观。制造工艺研发本身历经四十个年头，已经积累了丰富的经验并能够非常深入地了解关键的加工要素。尽管编程和维护等计划活动都发生在加工时间以外，但其他因素，例如操作员犯错、刀具破损、工件损坏以及系统问题，都会无谓地导致加工时间变长、成本增加。在损失的时间中，切削刀具只占很小的比例，工件材料和工艺异常情况也是如此。工作人员和系统耗费的时间所占据的比例要高出许多。

工业 4.0 非常重视数字化数据采集、互联网和云存储，，但这些元素只是解决方案的一部分。最后，必须分析所收集的数据并制作物理模型或示意图，以说明存在问题的工艺。在网络物理系统中，会将所收集的数据与示意图进行比较，系统会生成反馈以执行工艺修改，从而产生所需的结果。工艺控制由工作人员以及能够在很短的时间内实时分析数据并将其与模型进行比较的计算机共同完成。要制作这样一个模型，需要充分了解加工。不幸的是，加工代表着一种很难准确描述的现实情况。例如，模型必须能够识别工件材料的动态属性，因为工件硬度的变化会产生不同的切削力。不过，要测量每个工件的硬度是不可能的。在某些情况下，工件的硬度可能比材料的标称硬度高 10%，导致切削力也要高 10%。

一直以来，技术都是推动商业环境进化的重要因素，而目前最热的技术升级趋势，无疑是人工智能。当下，尽管人工智能行业本身已经进入了一个平稳的发展期，但它对于各行各业的赋能却正在以更热烈的姿态进行。

相关阅读：

深化大数据应用 推动高质量发展

推动医疗大数据应用强化“健康中原”支撑

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!