摘要:随着德国提出了“工业4.0”,核心为智能制造的第四次工业革命在全球正式开始。中国劳动力成本逐年提高的事实,也在促使企业必须改变以前的思维,加快转变,尽快跟上时代的脚步。当前设备的发展速度越来越快,迫使设备管理的发展也趋向网络化、智能化,而大数据技术日益成熟,其应用也日益广泛,这也为基于大数据的设备管理提供了技术保障。基于此,本文对大数据的企业设备管理策略进行分析。
关键词:大数据;设备管理;策略
1大数据与设备管理的关系分析
1.1云计算与设备管理的关系
根据云计算的理念和它的特点,设备管理者不必考虑硬件配置和更新,这些由云服务提供者提供,设备管理者只需要像服务加油站加油一样在终端完成输入输出,通过网络能完成所有的业务和数据处理。通过建立这样一个基于云计算的设备管理系统来管理自己的设备。设备管理者也可以依托外部云服务提供者或者内部专门的信息处理部门来实现,而不必要自己投资建立专门的设备管理系统,同时平台和软件都有专业技术人员进行维护和更新,这样可以大大节约企业或者设备管理者投资和维护设备费用。也可以依托云计算技术,将复杂的计算任务拆分成简单的小任务,分配给现成的设备计算机计算,然后将计算结果汇总传给设备管理者,这样可以使用普通的设备来完成较为复杂的任务,节省企业的资金和设备的利用率。
1.2数据存储与设备管理的关系
现在的设备数据量呈核爆炸似的增长,而且设备管理势必要涉及到各类设备的信息数据,而这些数据有很多是非结构化的。例如不同厂家的设备使用不同的编程器和编程语言,又如传统的模拟量和数字量数据与现在的图片、音频、视频等。如何把不同类型、不同格式、不同结构的数据整合使用在过去一直是个棘手的问题,以前传统的方法是对这些数据进行归类、筛选、采样,各种数据的相关性和利用率都不高,而现在的大数据技术正好可以弥补这些缺点。我们可以用Hadoop来处理TB及PB级的海量的数据,而Mapreduce对非结构化和半结构化的数据的读取又是非常有效的,利用这些方法可以更好的利用存储的各类设备相关数据来为设备管理服务。
1.3大数据挖掘方法与设备管理的关系
大数据挖掘方法主要有聚类分析、回归分析、购物篮分析、神经网络和决策树分析法等。以上这些方法可以通过数据可视化来使我们更好的了解数据。数据可视化,是关于数据视觉表现形式的科学技术研究,主要是以概括的形式把信息提取出来,包括信息所属的属性和变量,在技术上利用图形、视觉、图像以及用户界面,通过建模、动画等一系列的便于感官接受的显示,用可视化的方法来解释数据。数据可视化在设备管理方面的关系是,可以通过对设备复杂数据的可视化帮助我们更好地分析数据,找到相关联系,建立模型等,达到更好地帮助我们了解设备的状态的目的。
2在企业中依托大数据进行设备管理策略
2.1原始设备运行数据
设备运行积累海量的日志信息,比如设备维修记录、设备事故记录等,因此可以利用采集系统将数据收集,并且将其保存在数据库中,以便更加安全的保护系统的运行完整性。
2.2设备数据预处理
设备原始数据存在很多的噪声信息,采用数据清洗和整理等方法,进一步提高数据的质量,数据预处理可以将不同的设备运行产生的数据进行一致化操作,这样就可以约简数据中的稀疏属性,这些属性对审计模型挖掘贡献较低或无贡献,提升数据挖掘的精准性。
期刊文章分类查询,尽在期刊图书馆
2.3数据挖掘分析
导入的数据经过预处理之后,可以利用数据挖掘技术对数据进行挖掘和分析,常用的数据挖掘技术包括K均值算法、支持向量机、BP神经网络、遗传算法等技术,可以针对这些设备数据进行分析,获取数据集中隐藏的模式,形成决策知识。
2.4决策知识应用
决策知识可以预测设备运行趋势,常见的是发现设备是否会产生故障,如果会产生故障,可以及时的对设备进行检修,这样就可以避免故障发生;另外,也可以发现某些设备是否不合格或存在潜藏的危险,可以将这些设备更换为质量更高的设备。
2.5设备联网化,并构建数据库
通过对设备网络化、联网化,才能更好地了解设备状态,便于数据的收集。通过自动化数据收集也可以很好地解决在一些中小企业经常出现的人工采集数据准确度不高的问题。大企业由于前期设备投入相较而言都比较先进,大部分设备都已实现网络化管理,因此比较容易实现。对大企业而言,这一步骤的重点在于将不同的设备、不同的网络实现互联互通,并考虑增加感知层设备来丰富完善现有的数据。而对中小企业来讲,可能由于前期设备投入的问题,设备相对不如大企业先进,其重点就落在了将现有的设备进行组网上,利用各种现成条件,构建有线或者无线网络,组成网络层,便于数据采集,而对于部分使用时间较长的,无法组网设备,也不能放弃,可采用直接采集传感器信息,通过增加的固定电脑、PLC等软硬件来收集数据,联网共享。通过建立统一的数据库,将网络化后的设备数据进行保存,并为整个项目实施打好基础。
2.6构建应用层的设备管理体系
通过对数据的监测开发设备实时监测系统,进行数据与设备故障的相关性分析,建立决策和预测系统。在这一方面大企业优势较为明显,由于其资金雄厚,人才众多,可以建立更为全面的、复杂的设备管理系统,这也是其使用较为先进、功能较多的设备所需要的。而中小企业的设备可能不如大企业设备那么先进,功能也较单一,因此在进行设计和建立设备管理体系中,遵循“够用”原则,适当的进行扩展,而不必求大求全。例如大企业可以配发移动便携式设备,并建立设备实时监控、故障预警、资料查找、备件申领等复杂功能的APP,而对于中小企业,则可以利用员工的手机进行故障、预警及决策推送,而不必像大企业一样进行专机专用。
2.7建立量化分析体系
量化分析体系的构建可以使我们更好的了解数据,也可以少走很多的弯路,节省成本。对于中小企业来讲,由于投入有限,以及设备先天条件的限制,可以先把量化分析作为第一步,找到需要的数据,然后再组网采集数据,这样可以节省成本,利用有限的资源达到目的。对于大企业来讲,利用这一步将数据进行分类,为接下来的数据应用做好准备。
总之,在企业中推进基于大数据的设备管理,不可操之过急,需要按部就班,根据企业的实际情况来逐步实施。企业的设备基础是至关重要的,直接决定采用何种方法来实施。如果设备条件满足,且有成熟的局域网,那么中小企业也可以采用一般大型企业的方法来实施。而大企业中设备条件不成熟,无法大规模联网进行数据采集,也可以使用中小企业的方法。因地制宜,结合企业自身情况,更好地让数据为企业服务,才是推进基于大数据的设备管理的关键。
结语:
通过以上综合论述,随着经济的发展,企业设备管理需要和大数据进行有效结合,不断向数据化、信息化方向转变,将设备管理模式进行创新和完善,更上一个台阶。
参考文献:
[1]蒋晓菲.大数据时代下高校设备全生命周期管理及数据价值的研究[J].实验技术与管理,2016,33(05):264-266.
[2]邹志,杜怡,何甫,禹继贫.大数据在油气设备材料价格信息管理中的应用[J].天然气技术与经济,2016,10(04):79-80+84.
[3]陆鹏,帅睿,王天刚.基于Enthernet的故障大数据管理-设备维修技术研究[J].汽车工业研究,2016(12):41-46.
论文作者:周博
论文发表刊物:《基层建设》2018年第4期
论文发表时间:2018/5/22
标签:设备论文; 数据论文; 设备管理论文; 企业论文; 中小企业论文; 故障论文; 方法论文; 《基层建设》2018年第4期论文;