1工业大数据.docx

《1工业大数据.docx》由会员分享，可在线阅读，更多相关《1工业大数据.docx（7页珍藏版）》请在第一文库网上搜索。

1、浅谈工业大数据摘要：第三次工业革命的计算机和信息化技术的影响还未远去，以工业大数据为核心的第四次工业革命正大步走来。在工业化和信息化融合的过程中，信息技术在工业产业链的各个环节的渗透使得数据的收集变得更容易，而从产业链中收集到的海量数据已不能按照传统的解读方式来获取有价值的信息。数据就是财富，未来工业的竞争将是关于大数据的竞争。本文在查阅有关大数据文献的基础上，对工业大数据的定义进行了阐述，并就其发展过程和特点进行了总结。此外,重点介绍了工业大数据的应用，包括企业内部的纵向应用和企业间的横向应用。关键词:工业大数据发展过程特点应用引言制造业是一个工业化国家的重要基础，制造业发展将极大地提升一个

2、国家的经济实力。每一次工业革命的到来，其所带来的技术的革新和应用都将极大的推动制造业的发展和繁荣。第一次、二次和三次工业革命分别促成了制造业的机械化、规模化和自动化。而以工业大数据为核心的第四次工业革命则势必推动制造业智能化。自2008年世界经济危机以后，世界各个国家都重新认识到了制造业的重要性，并且纷纷制定了一系列政策来夯实本国的制造业基础。比如，美国政府推出了“先进制造业伙伴计划”以期重夺全球制造业领导地位；德国亦推出“工业4.0”发展战略来巩固自己在制造业领域的优势地位；同时，中国提出了一份具有重要意义的国家战略规划中国制造2025，旨在进一步夯实中国制造业的基础和推动制造业的变革。它们

3、都有一个共同出发点，那就是将发展工业大数据作为本国未来制造业发展的新驱动力，作为提升本国制造业在未来国际制造业市场竞争力重要手段。一、工业大数据的定义工业大数据是指在工业领域信息化应用中所产生的大数据。而其中的大数据是指所涉及的数据量规模巨大到无法通过传统方式，在合理叶间内达到截取、管理、处理并整理成为人类所能解读的信息。随着信息化工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、工业互联网、物联网等新一代信息技术在工业领域的应用，工

4、业企业也过入了互联网工业新的发展阶段，工业企业所拥有的数据也日益丰富。二、工业大数据发展过程1990年，第一个Web服务器诞生，人们在软件支持下发布包括文本、表格、图片、音视频的碎片化超媒体信息，随后20多年里，信息在各个领域中不断增多，计算、存储、交互，各种类型的数据库不断膨胀，直到变成我们今天口中的“大数据”。2006年，美国NSF（美国国家科学基金会）提出CPS（信息物理系统）。该系统是通过网络虚拟端的数据分析、建模和控制对实体活动内容的深度对称性管理，是第四次工业革命的核心技术。2009年，亚马逊推出弹性MapReduce编程模型（AmazonE1asticMapReduce）,用于大

5、规模数据集（大于1TB）的并行运算，互联网公司加人其中，掀起一股“大规模机器学习（1argesca1eMachine1Carning）浪潮，紧接着，他们认为大规模已不足以形容数据之大，便在其最前面增加了Very一词。2011年，德国在汉诺威工业博览会首次提出工业4.0的概念。2012年3月，美国政府发布大数据研究与发展计划倡议，宣布启动对大数据的研发计划。“大数据”的提法迅速蹿红并被广泛引用。同年，美国通用电气公司提出代表全球工业系统和智能传感技术、高级计算、大数据分析，以及互联网技术的连接与融合的工业互联网概念。三、工业大数据的特点1、虚拟网络与实体结合，实现更高作用的协同优化。在工业3.0

6、或工业自动化时代，传统制造业模式的特征可以用5个字母（5M）来概括，即Materia1（材料，包含了其功能与特性）、MaChine（机器，指加工能力和精度）、Methods（方法，指产能和生产效率）、MeaSUrement（测度，指如何探测与改进）、MOde1ing（建模，指对生产流程的预测、优化和防范）。在工业大数据时代，制造业生产方式应该用6个字母（60来定义，即COnneCtiOn（连接，主要指传感器和网络）、C1oud（云储存，即任意时间和需求的数据）、Cyber（虚拟网络，包括模式与记忆）、COntent（内容，是指相关性及含义）、Community（社群，包含分享和交际的功能）、C

7、ustomization（定制化，指个性化的价值与服务）。在制造智能化时代，工业机器、设备、存储系统及运营资源可以利用现代网络通信技术连接成网络。这些工厂与机器设备不仅可以随时随地进行信息分享，而且互相连接的系统可以独立地自我管理（自组织）。2、不再以制造端的生产力需求为起点，而是以用户端的价值需求作为整个产业链的出发点。在工业大数据时代，企业通过大数据分析将能使部门之间的数据更为协同，并由此对市场需求缺口进行精准预测，同时通过更为灵活的流程管理，更自动化的生产设备快速地装配调度，进行智能地生产。组织运营效率的提高,其结果就是产品研发与上市时间的缩短,从而以最快的速度匹配消费者需求。这就改变了

8、以往的工业价值链从生产端向消费端、从上游向下游推动的模式；相反的，从用户端的价值需求出发提供定制的产品和服务，并以此作为产业链的共同目标，使整个产业链的各个环节得以协同优化。3、制造过程和制造价值向使用过程的延伸，不仅仅关注将一个产品制造出来，还应该关心帮助用户如何去使用好这个产品，将产品的价值链延伸，实现产品价值的最大化。例如，GE航空本是GE旗下的发动机公司，原先只做发动机，而现在则还提供运维管理、能力保障、运营规划和财务计划等整套解决方案。它提供“On-WingSupport服务，通过在航班飞行的过程中对发动机的状态进行监测以预测可能发生的故障，提前在飞机落地前准备好维修用品和技术人员，

9、这样既提升了发动机的使用率又提高了安全性。这项服务退出后，从芝加哥飞往上海的航班落地后仅需3小时的周转时间，便又可搭载乘客，大大提高了航班的周转率。航空公司因此获得了较大的收益。这样，发动机厂商从过去单一的发动机提供商变成了如今的航空信息管理服务商。四、工业大数据的应用及发展远景1、企业内部纵向应用。故障识别与影响分析_客户服务与客；Ie1BBW关系管理供应链管理生产计则执行企业资源管理区目标A产品生命周期管理无忧的生产环境e1m的5Tr生产效率与稼动率图1.企业内部的纵向应用生产计划与排程。制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集（MESDCS）,再加上十几年的信息化

10、的历史数据，大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。产品质量管理与分析对产品进行质量管理，涉及到许多的检测结果，无疑是一个庞大的数据量。例如，某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分

11、别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题,但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。产品故障诊断与预测。无所不在的传感器和互联网技术使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。以通用电气(GE

12、)为例，位于美国亚特兰大的GE能源监测和诊断(M&D)中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集IOG的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。工业物联网生产线的大数据应用。现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。例如，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个

13、环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。2、企业间和产业链上下游间的横向应用。智能工厂使W智藜曲捐乐物警上承；或设备W人力Ix服务网用F孝&计Mfi产M皿4格空网没着ira9无忧的生产环境无忧的产品体验图2.企业间的横向应用加速产品创新客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”

14、。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及

15、如何防止脆弱的电网超负荷运转。工业供应链的分析和优化。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。产品销售预测与需求管理通过大数

16、据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。五、结论与展望在工业大数据时代，制造业将改变传统的以制造端生产力需求为起点的生产模式，转而以消费端为出发点的模式，使得产品对于消费者更加个性化，不再以往的大批量生产和千篇一律。产业的价值链将得以延伸，企业出售产品将不仅仅是有形的产品，还会有相应的无形的服务。工业大数据作为制造业发展的一个新的支撑点，其作用体现在增强了人们对海量数据进行分析并得出有价值的结论的能力。企业也能凭此更准确的把握消费者需求，加速产品创新，创造出更符合消费者需求的有价值产品，增强对市场动向的快速反应能力以避免市场的盲目性，优化资源配置，制定最优的生产计划以