導讀：本文從工業大數據的概念、特征入手，對工業大數據的發展態勢進行了探討，指出工業大數據可廣泛應用于企業生產過程的各環節。并按照研發設計、供應鏈、生產制造、營銷與服務等場景，對工業大數據應用進行了分析與歸納。

1、引言

2014年，美國發布《先進制造合作伙伴》報告2.0，提出優先發展的三大技術領域，即先進傳感器、控制和制造平臺(ASCPM)技術，可視化、信息化和數字化的制造(VIDM)技術，先進材料制造(AMM)技術。其中可視化、信息化和數字化的制造技術領域主要研究工業數據。德國《工業4.0研發白皮書》提出工業數據分析是工業4.0五大交叉技術之一。《新工業法國》指出，2015年，法國推出“新工業法國戰略”，總體布局為“一個核心，九大支點”。大數據經濟是九大核心支點之一。

隨著美國工業互聯網和德國工業4.0等制造智能化轉型戰略的相繼實施，工業大數據日益成為全球制造業挖掘價值、推動變革的主要抓手。

2、工業大數據概念與特征

工業數據是指在工業領域信息化應用中所產生的數據。工業大數據是基于工業數據，運用先進大數據技術，貫穿于工業的設計、工藝、生產、管理、服務等各個環節，使工業系統具備描述、診斷、預測、決策、控制等智能化功能的模式和結果。工業數據從來源上主要分為信息管理系統數據、機器設備數據和外部數據。信息管理系統數據是指傳統工業自動化控制與信息化系統中產生的數據，如ERP、MES等。機器設備數據是來源于工業生產線設備、機器、產品等方面的數據，多由傳感器、設備儀器儀表進行采集產生。外部數據是指來源于工廠外部的數據，主要包括來自互聯網的市場、環境、客戶、政府、供應鏈等外部環境的信息和數據。

工業大數據具有五大特征。一是數據體量大，主要表現在隨著設備數據和互聯網數據的涌入，工業數據的存儲量將達到EB級別。二是數據分布廣泛，分布于機器設備、工業產品、管理系統、互聯網等。三是結構復雜，有結構化、半結構化和非結構化等不同類型。四是數據速度需求多樣化，有要求實時、半實時和離線三種，生產層級要求實時性，需要達到毫秒級別；管理層級實時性要求不高。五是數據價值不均勻，20%的數據具有80%的價值密度(如產品圖紙、試驗分析、加工工藝)；80%的數據密度只有20%，需要分析挖掘(如工況情況、圖片數據)。

與互聯網大數據相比，工業大數據具有自身特點：一是多源性獲取，數據分散，非結構化數據比例大；二是數據蘊含信息復雜，關聯性強；三是持續采集，具有鮮明的動態時空特性；四是采集、存貯、處理實時性要求高；五是與具體工業領域密切相關。

先進制造企業基于工業大數據的應用，把產品、機器、資源和人有機結合在一起，推動制造業向基于大數據分析與應用基礎上的智能化轉型。工業大數據能夠促進形成企業和消費者之間的信息主動反饋機制，為完善以客戶需求為導向的產品全生命周期信息集成和跟蹤服務、建立以服務為核心的整體解決方案提供可行路徑，將大大提升產品服務價值，為制造業轉型升級開辟了新途徑。

3、工業大數據發展態勢

隨著信息化和工業化融合，工業企業生產信息數字化，積累大量數據。工業網絡、數據采集、集成、計算和分析技術在工業領域的應用，促使工業數據發揮巨大價值。工業大數據越來越受到工業企業的關注。目前工業大數據發展態勢有三個，一是已從理念轉向實踐，二是工業大數據成為云計算的價值體現，三是工業大數據孕育豐富的工業應用生態。

2012年GE在《工業互聯網:突破智慧和機器的界限》中率先提出“工業大數據”概念，引起業界熱烈討論。經過三年的發展，隨著信息化和工業化融合的不斷推進和大數據采集、集成、計算和分析技術的發展，很多工業企業已經進入工業大數據實踐階段。大型工業企業在應用方面走在前列。如唐山鋼鐵集團，通過引入國際最先進的生產線，已實現數據實時采集，并與愛施德等企業合作，深度挖掘工業大數據價值，實現生產實時監測、生產排程、產品質量管理、能源管控等。

工業大數據顯著特征之一是數據體量大。企業普通的數據庫難以承載如此大體量數據，且存儲成本高。云計算是最好的解決方案，企業通過自建私有云或使用公有云平臺，實現低成本海量數據存儲。此外，在云平臺上，企業可運用Hadoop、流計算等分析計算，實現數據的分析處理。

對于工業大數據挖掘和分析結果，可廣泛應用于企業研發設計、生產制造、管理服務和供應鏈等各個環節。在研發設計環節，可實現工藝管理優化和工藝流程優化；在生產制造環節，可實現設備診斷與維護、智能排程、智能生產、產品質量優化、個性化定制；在管理服務環節可實現產品遠程監測與維護；在供應鏈環節可實現供應鏈全局優化。

4、工業大數據的典型應用

工業大數據可廣泛應用于企業整個生產過程。下面按照企業生產過程的研發設計、供應鏈、生產制造、營銷與服務環節，對工業大數據的應用場景及其應用進行探討。

4.1研發設計環節工業大數據的應用場景

在研發設計環節，工業大數據應用主要有產品協同設計、設計仿真、工藝流程優化等。

產品協同設計，主要是利用大數據存儲、分析、處理等技術處理產品數據，建立企業級產品數據庫，以便不同地域可以訪問相同的設計數據，從而實現多站點協同、滿足工程組織的設計協同要求。

設計仿真，是指將大數據技術與產品仿真排程相結合，提供更好的設計工具，減少產品交付周期。如波音公司通過大數據技術優化設計模型，將機翼的風洞實驗次數從2005年11次縮減至2014年的1次；瑪莎拉蒂通過數字化工具加速產品設計，開發效率提高30%。

工藝流程優化，主要是應用大數據分析功能，深入了解歷史工藝流程數據，找出工藝步驟和投入之間的模式和關系，對過去彼此孤立的各類數據進行匯總和分析，評估和改進當前操作工藝流程。

4.2供應鏈環節工業大數據的應用場景

供應鏈環節工業大數據的應用主要體現在供應鏈優化，即通過全產業鏈的信息整合，使整個生產系統達到協同優化，讓生產系統更加動態靈活，進一步提高生產效率和降低生產成本。主要應用有供應鏈配送體系優化和用戶需求快速響應。

供應鏈配送體系優化，主要是通過RFID等產品電子標識技術、物聯網技術以及移動互聯網技術獲得供應商、庫存、物流、生產、銷售等完整產品供應鏈的大數據，利用這些數據進行分析，確定采購物料數量、運送時間等，實現供應鏈優化。

用戶需求快速響應。即利用先進數據分析和預測工具，對實時需求預測與分析,增強商業運營及用戶體驗。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。

4.3生產制造環節工業大數據的應用場景

在制造環節，工業大數據的應用主要有智能生產、生產流程優化、設備預測維護、生產計劃與排程、能源消耗管控和個性化定制等應用。

智能生產。就是生產線、生產設備都將配備傳感器，抓取數據，然后經過無線通信連接互聯網，傳輸數據，對生產本身進行實時監控。而生產所產生的數據同樣經過快速處理、傳遞，反饋至生產過程中，將工廠升級成為可以被管理和被自適應調整的智能網絡，使得工業控制和管理最優化，對有限資源進行最大限度使用，從而降低工業和資源的配置成本，使得生產過程能夠高效地進行。

生產流程優化。利用大數據技術，對工業產品的生產過程建立虛擬模型，仿真并優化生產流程，當所有流程和績效數據都能在系統中重建時，這種透明度將有助于制造商改進其生產流程。

設備預測維護。建立大數據平臺，從現場設備狀態監測系統和實時數據庫系統中獲取軸承振動、溫度、壓力、流量等數據。通過構建基于規則的故障診斷、基于案例的故障診斷、設備狀態劣化趨勢預測、部件剩余壽命預測等模型，通過數據分析進行設備故障預測與診斷。

生產計劃與排程。收集客戶訂單、生產線、人員等數據，通過大數據技術發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化算法，制定預計劃排產，并監控計劃與現場實際的偏差，動態的調整計劃排產。

能源消耗管控、延長設備壽命。通過對企業生產線各關鍵環節能耗排放和輔助傳動輸配環節的實時動態監控管理，收集生產線、關鍵環節能耗等相關數據，建立能耗仿真模型，進行多維度能耗模型仿真預測分析，獲得生產線各環節的節能空間數據，協同操作智能優化負荷與能耗平衡，從而實現整體生產線柔性節能降耗減排；及時發現能耗的異常或峰值情況，實現生產過程中的能源消耗實時優化。

個性化定制。采集客戶個性化需求數據、工業企業生產數據、外部環境數據等信息，建立個性化產品模型，將產品信息傳遞給智能設備，進行設備調整、原材料準備，生產出符合個性化需求的定制產品。

4.4營銷與服務環節工業大數據的應用場景

在市場營銷環節，利用大數據挖掘用戶需求和市場趨勢，找到機會產品，進行生產指導和后期市場營銷分析。

建立用戶對商品需求的分析體系，挖掘用戶深層次的需求；建立科學的商品生產方案分析系統，結合用戶需求與產品生產，形成滿足消費者預期的各品類生產方案等。

在產品售出服務環節，工業數據推動企業創新服務模式，從被動服務、定期服務發展成為主動服務、實時服務。通過搭建企業產品數據平臺，圍繞智能裝備、智能家居、可穿戴設備、智能聯網汽車等多類智能產品，采集產品數據，建立產品性能預測分析模型，提供智能產品服務。

5、結束語

工業大數據有其鮮明的特征，隨著信息化和工業化融合，對工業大數據的應用為制造業轉型升級開辟了新的途徑。對工業大數據在制造業生產過程中的應用場景及應用的深入探討，將有利于更好地發揮其助力作用。

--結束END--

投稿請發送至: 郵箱/tougao@2b.cn QQ/2799880133 微信/shawe_ren