工业大数据牵引力有多强？

文/乜甄

工业大数据牵引力有多强？

文/乜甄

智能制造离不开工业大数据（上篇）

无论工业4.0还是工业互联网，其主要特征都是智能和互联，而主旨都在于通过充分利用信息通讯技术，把产品、机器、资源和人有机结合在一起，推动制造业向基于大数据分析与应用基础上的智能化转型。信息化与工业化的深度融合使得信息技术渗透到了工业企业产业链的各个环节，工业传感器、工业自动控制系统、工业物联网等技术在工业企业中得到广泛应用。尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，使工业企业也进入了互联网工业新的发展阶段，随着智能制造程度的加深，工业企业所拥有的数据也日益丰富。

转型升级

大数据成就企业降本增效

大数据在传统企业向B2C、C2B模式的转型中起到关键性作用，而企业转型中对大数据服务业的大量需求，也将成为大数据产业的重要增长点。

大数据分析对设备管理十分重要，及时解析故障、问题和缺陷的根源，每年可能为企业节省非常可观的成本。我们甚至可以通过数据的变化，来预知设备即将出现的问题，“治未病”就是大数据带给企业降本增效的新方法、新思路。

“互联网+”时代的用户需求呈现实时、少量、碎片化、快速翻新等特点，这对于传统制造业提出挑战。在此背景下，传统企业要维持竞争力，需要实现需求与供应之间的信息对称化，增加生产的灵活性、精准性。

20年前的设备管理还基本靠笔来记，10年前的设备管理就大量运用电脑了。但那时限于数据处理能力的不足，设备的各项记录之间的连接不强，数据的关联性不强，各类记录都需要单独查看。而今天的现代化工业制造生产线上，安装有数以千计的小型传感器，用来探测温度、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。例如美国GE公司，位于亚特兰大的GE能源监测和诊断中心总共收集了全球50多个国家上千台GE燃气轮机的数据，通过分析处理每天来自世界各地客户传来的传感器振动和温度信号的恒定大数据流，为GE公司对燃气轮机故障诊断和预警提供了坚实的支撑。

大数据的记录如同注入工业生产的新鲜血液，改变着传统工业制造模式。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能清晰地分析整个生产流程，了解每个环节的执行过程。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。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，可以一目了然的发现症结所在，有助于企业改进其生产流程。

再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗，起到节能减排、降本增效的作用。

精益管理

“数据加工”才是核心竞争力

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有不同的分类，不同类别的煤炭用途不同，其挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要，同理，对于很多行业而言，有效利用这些大规模数据才是赢得竞争的关键。

大数据时代的优势就是数据处理的能力不断增强，通过分类、提取数据信息，了解设备的最真实状况，使得检维修变得轻松、有据可循。而当“数据资产是企业核心资产”的概念深入人心之后，企业对于数据管理便有了更深刻的认识，数据管理作为企业核心竞争力，持续发展、规划与运用，逐渐成为企业数据管理的核心。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关；此外，对于具有互联网思维的企业而言，数据资产竞争力所占比重很大，数据资产的管理效果将直接影响企业的经济收益。

在生产线管理方面，如沈阳机床生产的新一代智能机床，可与互联网连接，对温度、压力、热能、振动、运行等海量数据进行分析，进而实现特征编程、加工仿真、实时监控、智能诊断、远程控制等网络智能制造，以及对工厂的分布式、分级式布局。在供应链管理和成本控制方面，企业通过互联网整合其全球供应链资源，并在供应链各环节采用大数据技术对客户数据、企业内部数据、供应商数据等进行分析挖掘，实现了供应数据、企业内部数据、供应商数据等的分析挖掘，实现了供应链协同和持续优化，进一步降低了企业运营成本。

在优化市场供应链方面，大数据也起着至关重要的作用。利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，可以不断跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

以海尔公司为例，公司以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源，供应链体系十分完善。在其供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应，为海尔公司的发展奠定了坚实的基础。

创新产品数据分析有益业务决策

通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。

在这个快速发展的智能时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助其降低成本、提高效率、开发新产品、做出更明智的业务决策等等。

在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

另外，大数据不仅让传统制造企业能够创新产品和服务，还能创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在智能制造时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。

大数据，我们要看得更高（下篇）

工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，企业也会在生产制造过程中记录相关数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。

还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。

因此，工业大数据应用的一个重要议题是集成应用，想要充分的利用大数据任重而道远。

结合云计算数据增值还靠分析处理

美国辛辛那提大学讲座教授、美国国家科学基金会智能维护系统产学合作中心主任李杰曾说：“工业大数据分析，你有数据不代表你有资产，你看多少书不代表你就是有多少知识的人，你要懂得消化，数据本身不会说话，分析之后才会说明，那你怎么去把它分析出来。”

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

大数据分析常和云计算联系到一起，因为实时的大型数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

共享和安全政策法规与数据平台共发展

由于工业大数据是数字化的和横跨企业边界甚至是跨越国界的，因此安全、开放、共享等一些政策问题必须得到有效解决。随着工业大数据的价值越来越被重视，生产设施和数据中的商业秘密和专利技术也必须同样受到保护。智能制造时代，研究并出台相应的安全策略、架构和标准，保护制造企业的生产系统的安全、数据安全，提升系统的紧密性、完整性和有效性，将是个非常重要的问题。

在利用云计算、大数据推动商业模式创新方面，很多政府都带头示范，进行了卓有成效的探索尝试。但是，公共数据开放的正面事例还不算常态。在很多情况下，我国发展大数据产业都要面临着“信息孤岛”的挑战。跨部门、跨行业的数据共享仍不顺畅，有价值的公共信息资源和商业数据开放程度低，基本处于死锁状态，无法顺畅流动。

另外，对于企业来说，大数据产业标准的不统一，无形之中增加了企业使用数据的成本。大数据产品应具有安全性、易用性和稳定性，评价这些性能需要一把“尺子”，需要制定出一些标准。

对此，政府部门应将所拥有的丰富数据资源合理利用，也需要运用大数据来提升治理效率。通过向社会开放数据、加强与社会企业和组织的数据合作、向社会购买服务等方式，推动环保、医疗、教育、交通等关键领域的大数据整合与集成应用，提高政务和公共服务效率。

此外，据有关专家介绍，我国信息安全和数据管理体系尚未建立。数据所有权、隐私权等相关法律法规和信息安全、开放共享等标准规范缺乏，技术安全防范和管理能力不够，尚未建立起兼顾安全与发展的数据开放、管理和信息安全保障体系，制约了大数据发展。针对这些问题，需要政府制定平衡数据使用与数据安全保护的政策，制定鼓励数据共享的奖励措施、建立有效的促进创新的知识产权框架，以及面向公众开放政府部门拥有的能够公开的大数据，从而促进工业大数据共享和整合以及价值创造。

未来，企业需要认清数据共享与安全的现实，从新的角度来确保自身以及客户数据，所有数据在创建之初便需要获得安全保障，而并非在数据保存的最后一个环节，仅仅加强后者的安全措施已被证明于事无补。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。

把握现在探索大数据应用新模式

“大数据是信息化发展的延伸。”中国信息通信研究院移动与大数据部副主任魏凯在接受记者专访时表示。他直言“大数据”这一概念与日常生活是息息相关的，无论是政府办公、企业运转，还是车间生产、物流运输，每天都有大量的数据生成。

“货车帮”就是一个很好的例子。今年的数博会上，李克强总理在演讲中提到了一家企业，并对这家企业大加赞赏。李克强总理说：“你们做的事很有意义，大数据、物联网等新技术最终都要为‘人’服务。”

这家企业来自贵阳经开区，名叫“货车帮”。它通过大数据接通“信息链”，方便“车找货、货找车”，将全国30万货主和170万货车司机相联，打造覆盖全国的公路物流信息化平台。目前，这个平台已经成为全国最大的货车综合服务平台。通过运用此方法，空驶率可以降低约6%，每年还可节约价格不菲的燃油费用。通过与阿里云合作，货车帮大数据平台还能监测到每天的货运数量、交易额等，计算出“全国公路物流指数”，反映各省市区之间的物流活跃状况，而这些数据蕴藏着巨大的商业价值。

诸如此类，当各行各业的数据累积到一定规模，通过数据存储、管理、挖掘、应用等新技术，就能帮助我们“把握现在，预知未来”。电信运营商就依靠大数据技术，在智能交通、舆情分析、电商精准营销、精准广告等传统业务方面，开辟了新路。

对于实时数据的应用，以前很长一段时间都是国外软件垄断，然而，朗坤公司于2002年开始组建团队，进行技术储备，研发实时数据软件技术。历时3年，第一个稳定版产品发布，从而在能源行业开始取代国外的实时数据库产品。

2009年，国电云南与朗坤公司共同启动了国电云南基础应用系统建设工程项目。建成了以指标为核心的生产经营数据中心，着重数据的挖掘和分析功能以及数据安全建设，全方位地帮助公司改进了管理流程和业务流程。其结构化及非结构化数据中心，提供数据挖掘、综合查询统计，实时获得企业的关键信息，以可视化的方式向用户全面展现，并能进行有效的数据追溯及钻取，为发电企业生产经营量化管理提供了事实依据，从而更进一步提高企业的管理效率。

通过项目的实施推动了国电云南实现企业的“网络化办公，数据化描述，流程化管理，精确化控制”目标，将国电云南打造成了国内一流，国际先进的集约化、标准化、数字化的发电企业。

当然，我国在大数据的技术创新与支撑能力方面还有所不足。大数据需要从底层芯片到基础软件再到应用分析软件等信息产业全产业链的支撑，无论是新型计算平台、分布式计算架构，还是大数据处理、分析和呈现方面与国外均存在较大差距，难以满足各行各业大数据应用需求。

未来，大数据综合试验区建设不是简单的建产业园、建数据中心、建云平台等，而是要充分依托已有的设施资源，把现有的利用好，把新建的规划好，避免造成空间资源的浪费和损失。探索大数据应用新的模式，围绕有数据、用数据、管数据，开展先行先试，更好地服务国家大数据发展战略。