数据挖掘技术已经在人工智能、自动控制、计算机科学、信息处理、模式识别等方面取得了显著的效果。如人工神经网络通过对已知样本的训练，获取复杂的非线性模型，所获得的关系模型能够很好地完成预测、特征提取、分类等工作，并对未经训练的样本进行分析。在与IT信息技术紧密相关的金融、医疗、零售等行业取得了显著的营销效果，与OT操作技术紧密相关的交通物流行业也同样得到了重要的商业价值。
东华大学副教授 杜劲松
数据分析能力促进产品的优化
设备控制系统与管理系统的集成能提升产品质量，产品生命周期管理PLM与生产制造过程实现数据的双向控制，不仅依托CAD、CAPP、PDM等实现了产品生产，也基于生产数据挖掘不断地优化新产品的开发。产品与加工设备之间不再是单纯的主从关系，而是基于生产资源实现产品的进一步创新。如内衣腰带超声波缝制的压力、频率、温度的参数设定与产品质量需求紧密相关；不同面料、缝型、线迹、缝线的合理匹配来满足不同缝制工艺质量和外观质量需求，所以，缝制装备有针对性地建立数据库变得尤为重要。
数据分析能力促进装备的迭代
设备的保养维护离不开对设备的数据挖掘，设备数据挖掘也支撑着设备结构的优化和价值管理，其目的是“持续高效地为客户提供相对竞争对手而言更优的产品与服务”。装备的应用对象不同，设备参数设置也不同，所以设备不但应具有感知能力（传感器），也应有视觉能力（摄像头）和动手能力（机械手），让装备变得更加“聪明”。实现不同品牌、不同型号、不同控制系统的设备互联，传统的串口通信传输已经满足不了庞大的数据量，利用以太网通信传输生产设备数据，通过采用统一的系统接口方式，即降低生产设备之间采集数据门槛，也大幅度提升数据采集效率。未来更加重要的是通过数字孪生技术实现设备的远程虚拟控制，从设备的数字化维护向数字化操控方向发展，彻底改变传统纺织服装行业的工作方式和工作环境。
数据分析能力促进制造过程的精益化
目前，在无法实现缝制流程自动化的前提下，借助AGV实现不同工段间的物流传输，设备的互联互通能够更准确地预判交货进度。集信息模型定义、服务集与通信标准为一体的OPCUA框架，可实现不同类型设备原始数据从基础层级到管理层级MES、ERP的信息传输,解决不同设备之间语义互操作的问题,也实现了异构设备间的数据互联,从而解决生产执行系统框架下的设备管理。
|
