智能制造基础之工业大数据

□文/王建民

智能制造时代的到来，也意味着工业大数据时代的到来。制造业向智能化转型的过程中，将催生工业大数据的广泛应用。工业大数据无疑将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必须面对的重要课题。

2012年，通用电气公司(GE)首次明确了“工业大数据”的概念，该概念主要关注工业装备在使用过程中产生的海量机器数据。同年，麦肯锡的报告中给出的一个事实也颇为有趣，那就是在虚拟经济占主导地位的美国，其工业界蕴含的数据总量反而是最大的。

文中指出，制造业存储了比任何其他一种行业都多的海量数据——仅2010年，制造业就存储了将近2EB的新数据。工业已经进入“大数据”时代，而他们所控制的数据的体量、多样性和复杂程度，也正以前所未有的速度不断激烈地爆发式发展。

其实，工业大数据就是在工业领域相关信息化应用中所产生的海量数据。需要格外注意的是，工业大数据的“相关应用”不仅应包括生产企业内部和产业链，还应包括客户、用户，以及互联网上产生的相关数据。

世界乳水牛资源分布主要集中于亚洲，但近年来欧美国家逐渐也开始饲养乳水牛，可能是由于水牛乳具有较高的固形物含量，极适合用于制作干酪制品。

在早教方式上，线下课程是大多数年轻父母的首选，只有31%的父母接受线上课程。线上课程里，最受欢迎的是音乐课和语言课。一线城市偏爱语言课，特别是上海，比例高达93%；五线城市最爱音乐课，整体占比为80%。

同时，通用电气公司的报告在阐述工业大数据的概念之外，还揭示了工业大数据所蕴含的巨大价值。

古代传说中蕴含有帮助他人的大爱展示。在民间文学《许德缚与王解子》中提到，明末清初如皋有一个书生叫许德缚，发誓只为明人不与清政府相妥协，并将志向通过纹身表现出来。在手臂纹刻“生为明人，死为明鬼”字样，在胸前纹上“不愧本朝”字样，被人告发后处斩，其妻子也被牵连被流放到东北。官府押解犯人的王能敬佩许德缚宁愿赴死也不愿意更改志向清政府低头的气概，想到许德缚妻子孤身一人去到异地服役非常艰难，就将其可怜处境讲于自家妻子听。王能妻子就提出原意冒名许妻，代替她到边疆服刑。后来王能就押解着自己的妻子到东北服役。

三流汇聚而成的工业大数据

众所周知，产品全生命周期的各个阶段都会产生大数据。设计阶段引入用户社区数据，制造阶段使用机床在线感知与测量数据，在市场营销阶段使用社交网络数据……

那么，基于何种背景下，人们提出了“工业大数据”呢?第一，数字化装备和产品已经普及；第二，装备和产品网络化连接(互联网+)的不断成熟；第三，工业企业正逐步开始向服务型制造转型；第四，“从摇篮到摇篮[1]“从摇篮到摇篮” “从摇篮到摇篮”理论由美国原总统克林顿的科技顾问威廉·麦克唐纳(William McDonough)提出。他享有“再度工业革命之父”的美誉。“从摇篮到摇篮”的设计是仿生学在设计上实际应用的例子，它的本质内涵是把物质(包括自然的与人工的)看成是一个健康的、安全的新陈代谢系统的营养素。它强调工业必须保护并丰富自然生态系统以及生物的新陈代谢。与此同时，对于那些人工合成的物质，也要保证它们参与到一个安全的、高效的科技新陈代谢当中。概而言之，就是要创造一个“零废物”的社会经济体系。”制造的必然要求。毫无疑问，无论是中国的《中国制造2025》，还是德国的“工业4.0”，抑或是美国的“先进制造伙伴计划(AMP)”都顺应了工业大数据的发展潮流。

一般来说，产品全生命周期包括三个阶段：开发制造阶段(Beginning of Life，BOL)、使用维护阶段(Middle of Life，MOL)、回收利用阶段(即End of Life，EOL)。BOL和MOL的分离点是产品交付用户的时刻，MOL和EOL的分离点是产品退役的时刻。

那么，工业大数据与传统企业数据之间又有什么关联呢？传统企业信息化的“四大件”，广义产品生命周期管理(Product Lifecycle Management，PLM) 系 统(包括CAX[2]CAX CAX是CAD、CAM、CAE、CAPP、CAS、CAT、CAI等各项技术的综合叫法，因为所有缩写都是以CA开头，X表示所有。)主要支持产品开发，企业资源计划系统(Enterprise Resource Planning，ERP)负责“人财物、产供销”，供应链管理系统(Supply chain management，SCM)协调供应链，客户关系管理系统(Customer Relationship Management，CRM)关照企业客户和用户。过去我们主要关注开发制造阶段(BOL)的信息化，而CRM(包括MRO[3]MRO Maintenance(维护)、Repair(维修)、Operation(运行)的缩写。通常是指在实际的生产过程不直接构成产品，只用于维护、维修、运行设备的物料和服务。)往往得不到重视，再制造过程更是受到冷落。

上世纪90年代，罗尔斯·罗伊斯公司(Rolls-Royce)率先在发动机上嵌入传感器，监控其运行状态，开创了以销售飞行小时为标志性业务的服务型制造新模式。这些传感器采集的机器数据便可对应GE和麦肯锡报告中所说的工业大数据的主体。

沥青混合料宜采用自卸汽车运输。为防止粘料，装料前应在汽车翻斗内抹1层柴油与水的混合物。装料过程中应前后移动，均衡装料，避免混合料离析。装料后用保温布覆盖，以起到保温和防止污染的作用。

在建筑空间布局方面，一般采用院落式的布局方式。由许多开间共同组成一个整体。若是说绘画是二维艺术，雕塑是三维艺术，那么建筑必然是四维的。建筑在平面和空间维度上还要加上时间维度。建筑随着时代的变迁，展现出不一样的韵味。当我欣赏一个建筑时，往往会看到建筑的外貌特征，洞悉其整体布局，紧接着会看它的内部装饰以及细节部分，使得结构层次非常的清晰。

当然，这三个原因不说明工业大数据项目就没有任何共性抓手。比如“端+云”的低成本海量时空数据存储处理平台、基于大数据的装备寿命预测与可靠性分析平台、互联网数据与企业数据集成平台等等，他们都是工业大数据的共性软件工具。

工业大数据有没有“交钥匙[4]交钥匙 一般情况下，“交钥匙”工程由承包商实施所有的设计、采购和建造工作，完全负责项目的设备和施工，雇主基本不参与工作。承包商在"交钥匙"时，提供一个配套完整、可运行的设施。”工程？新世纪以来，我国工业界经历了轰轰烈烈的信息化浪潮。业界有这样一句口头禅，“不搞信息化等于坐以待毙，搞了信息化也是存亡未卜”。后半句话说明，企业推行“信息化”是有难度和风险的，所以“交钥匙”工程成为广大企业所期望的方式。

但坦白来讲，工业大数据不存在“交钥匙”工程(至少目前是无法实现的)，原因有三：

那么，装备生命中期阶段(MOL)机器数据又该如何应用呢？

第二，工业大数据目前尚处于“科学”阶段，人们对数据价值的“提取”方法、技术与工具尚不成熟，特别是以物理规律发现为目标的工业大数据处理更是刚刚起步；

第三，人们普遍认同的“领域专家”、“统计专家”和“软件专家”组成了协同团队，他们构成了当前“大数据”深度应用的核心。

工业大数据和业务流程又呈现怎样的关系呢？传统企业信息化项目一般是从梳理业务流程起步的，流程是“主动”的、而数据是“被动”的。在工业大数据环境下，要求企业快速满足个性化的用户需求。企业僵化的“长流程”，难以适应“实时决策”的要求。需要变“流程驱动”为“数据驱动”，或者至少是“混合驱动”，将“流程”与“数据”进行深度融合。上述表现，就是我们所说的“流程碎片化”、“基于数据的决策”。而此时，数据便成为了连接这些“碎片”的媒介。

本文针对多子带合成技术中子带内幅度与相位误差利用定标数据进行了计算，并给出了具体的操作流程。针对子带合成技术中子带间误差提出了一种基于原始数据的计算方法，该方法根据图像对比度最大原则，采用两级计算方式，提高了子带间误差计算的精确度。最后利用定标数据和机载SAR实测数据进行成像分析，验证了本文所提出的误差计算方法的有效性。

实践出真知

工业大数据从何而来？它来源于产品生命周期的各个环节，包括市场、设计、制造、服务、再利用等各个环节，每个环节都会产生大数据。而“全”生命周期的数据汇合起来则更加庞大。当然，企业外、产业链外的“跨界”数据也是工业大数据“不可忽视”的重要来源。因此，企业数据、机器数据和互联网数据这三条数据流汇聚成了工业大数据。

传统企业信息化系统一般架构在关系数据库系统之上，也称为SQL数据，这“20%”的部分的价值密度是很高的。别小看这占比仅有20%的SQL小数据，只有它才能引爆那剩余的“80%”，它是工业大数据价值的基础。

除上述1批性状不符合规定的样品外，28批样品符合规定，90批样品不符合规定，不合格率为76%；此检验结果结合产区和市场调研分析，主要为硫酸铝铵等铵盐掺伪。另外，此检验项目标准方法中需使用剧毒试剂二氯化汞，对实验室操作及环境安全风险大，属于严格管控试剂，使用极不方便。

第一，工业大数据项目主要针对的对象不是“既有业务”，而是“未来业务”、“创新业务”，其特点便在于创新性、不确定性；

“十二五”期间，清华大学与国内某装备龙头企业三一重工合作，共同研制装备工况大数据平台。随着应用的深入，系统需要将工况数据的处理分析结果向企业服务(MRO)、制造(ERP)甚至设计(PLM)系统进行反馈，因此需要将这些系统与工业大数据系统进行集成。

如果说互联网业务往往是全新的，工业大数据则需要与遗留的系统进行集成，甚至替换“旧”的系统，这是工业大数据项目区别于互联网大数据项目的重要内容，在实践中我们形成了“四阶段”的切换方案。

一个例子是装备时空监管。企业在得到工况数据以后，首先是对装备运营进行监管。不同于传统的运营监管，在大数据技术支持下，运营是成套设备互相协同的运营。以搅拌站为例，通过收集位置数据、油位数据可以对搅拌车运输的过程进行优化调度，从而避免拥堵、减少等待、降低能耗。

题目：图书馆门前建了两个同样大小的圆柱形花坛。花坛的底面直径为6米，高为0.9米，往里装泥土的高是0.7米，两个花坛中共需要填土多少方？

以杭深高铁沿线装备的故障分析为例。液压系统是工程机械的核心系统之一，导致其发生故障的原因很多，比如密封套腐蚀、内壁刮花、密封环损坏、阀块受损等等。但有了机器大数据，情况就不一样了，我们可以寻找发生故障的深层次原因。

我们通过大规模比对开工指标，从典型取值、波动幅度、回传密度多个维度进行分析，自动筛选与故障车辆关系密切的特征工况，发现这些故障车辆的每分钟换向次数在变化幅度上高度相关。

再通过引入互联网上的行政区划数据和历年高铁建设数据(企业外部数据)，可以得出这样一个结论，这些典型故障均发生在2012-2013年期间在建重大工程“杭深高铁”沿线，这为我们寻找更深层次的原因提供了重要线索。

还有一个例子是备件预测。通过大规模工况数据透视宏观装备应用情况，我们根据这些信息进行易损配件需求的预测，优化调配相关服务资源。装备开工情况也同样可以反映出各地区宏观经济情况。

工业大数据在路上

由互联网数据、机器数据和企业数据汇聚而成的工业大数据，蕴藏着巨大价值。例如，通过分析用户使用数据改进产品、通过分析现场测量数据提高加工水平、通过工况数据进行产品健康管理等。工业大数据的应用，将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必须面对的重要课题。

工业大数据刚刚起步，我们需要冷静思考，坚持应用驱动，最终实现中国制造强国之梦。