工业大数据驱动智能制造

牛禄青

随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计、生产过程、 管理经营、服务运维智能化的关键要素

5月5日15时19分，一架在后机身涂有象征天空蓝色和大地绿色的大型客机，潇洒稳健地降落在第四跑道上。这是一个历史性的时刻——它标志着中华民族百年的“大飞机梦”终于取得了历史性突破。而C919的下线以及首飞，不仅仅是一个产品的成功研制，更是一种新模式新体系——智能制造的实践检验。

2015年5月，国务院印发《中国制造2025》规划，部署全面推进实施制造强国战略。规划提出， 以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。

智能制造是一系列热点技术的总称，它是基于物联网、大数据、云计算等新一代信息技术，贯穿于研发、设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。

智能制造具有以智能工廠为载体、以关键制造环节智能化为核心、以端到端数据流为基础、以全面深度互联为支撑四大特征，其目标是缩短研发周期、降低运营成本、提高生产效率、提升产品质量、降低资源能耗。

C919大型客机成功首飞意味着中国实现了民机技术集群式突破，形成了我国大型客机发展的核心能力，其中就包括工业大数据技术。

中国商用飞机有限责任公司信息化中心主任王文捷介绍，大飞机一次飞行产生的数据量达到10个TB的量级，也就是说至少20台500G大硬盘的电脑才能装得下。而中国商飞公司，不仅要成功研制自主知识产权大飞机，还要成功运营大飞机制造商，从适航试飞到供应链管理，分分秒秒、日新月异的大数据堪称天量。

专家表示，设计图纸将成为过去，飞机完全是在数字世界里设计的，3D几何数据模型以数字模型的形式呈现飞机。数字化样机将含有制造所需的全部信息，不仅含有产品几何体，而且还含有制造产品所需的信息，比如材料、技术要求、包含的标准件、授权发布的文件等。在装配阶段，数字化装配技术将实现飞机装配建模、装配序列建模、装配路径规划和装配过程分析。

为此，中国商飞已经新合并成立信息化与管理创新部，并专门下设数据处，用数据驱动创新。如今，中国商飞建立起以零件号、版次、物料组等为基础的编码标准，给大大小小每一种零件都配上“身份档案”和“电子履历”，引入11万种以上的物料主数据。王文捷表示，即使在像马航MH370这样的事件中，任何零件都可追溯还原为一架完整的飞机，甚至倒查出某零件的前世今生。目前，C919研制已形成全程管控中心，可实现三维可视化分析。

“对于民用飞机来说，不仅仅是实现技术上的成功，把飞机飞上天，还要让这架飞机在航线上取得商业成功。中国商飞在飞机的研制过程中，伴随产品的演化衍生出各类试飞数据、试演数据、在航线运营过程中关于飞机监控的数据，所有的数据贯穿始终。”王文捷说。

“我国智能制造未来发展潜力巨大，2020年我国智能制造产值有望超过3万亿元，年均复合增长率约20%。”国家信息中心副主任马忠玉在大数据智能应用推动制造业变革与升级研讨会上强调，智能制造是中国制造业转型升级的战略支点。

随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计智能化、生产过程智能化、 管理经营智能化、市场营销智能化、服务运维智能化、新业态新模式智能化的关键要素。

工业大数据的演变

自工业从社会生产中独立成为一个门类以来，工业生产的数据采集、使用范围就逐步加大。从泰勒拿着秒表计算工人用铁锹送煤到锅炉的时间开始，是对制造管理数据的采集和使用；福特汽车的流水化生产，是对汽车生产过程的工业数据的采集和工厂内使用；丰田的精益生产模式，将数据的采集和使用扩大到工厂和上下游供应链；核电站发电过程中全程自动化将生产过程数据的自动化水平提高到更高程度。

任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例，传统模式下每个电网、化工企业都需要建立一套SCADA系统，成本在千万以上，如果采用云架构模式，成本可以降低7成以上。

社会需求的演进是工业变革的重要动力。当经济发展进入新常态，商品极大丰富甚至出现过剩，以个性化、多元化为代表的消费文化，使得工业企业的产出物，要最大限度匹配个性需求和多元需求。

以服装定制为例，通过制订一套数据采集手段，通过线上或线下采集用户身形数据，然后将数据传回总部，结合生产原材料数据，对需求和工艺进行分解，实现柔性生产，达到定制化要求的服装，而且效率和质量都可以得到保证。随着生产线的扩容线性提升和工艺的不断改进，定制化生产的成本将得以显著摊薄，可以满足大批量个性化定制的社会生产需求。

无论是德国工业4.0，还是美国的工业互联网，其核心都离不开工业大数据。德国“工业 4.0 ”战略的实施重点在于信息互联技术与传统工业制造结合， 其中大数据分析作为关键技术将得到较大范围应用。一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及 3D 技术在工业生产过程中的应用等；三是“智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有供应方的效率，需求方则能够快速获得服务匹配。

美国拥有强大的互联网、云计算及大数据处理能力，基于此，提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在诊断、预测、后服务等方面挖掘工业服务的价值。2014 年，美国白宫总统行政办公室发布《 2014 年全球大数据白皮书》，指出美国大型企业在投资数据科技方面存在以下几个关键驱动因素：分析运营和交易的能力；洞察客户线上消费的行为，以向市场提供新的高度复杂的产品；对组织中的机器和设备进行更加深入的感知。

中国相对于德国、美国而言，在工业自动化和数字化方面都处于发展期。《中国制造2025》明确提出通过工业化和信息化融合发展的方式，制定一系列的重点工程和推进计划。为推动智能制造的发展，国务院又于2015年8月发布了《促进大数据发展行动纲要》，强调要发展工业大数据，推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。抓住互联网跨界融合机遇，促进大数据、物联网、云计算和三维（3D）打印技术、个性化定制等在制造业全产业链集成运用，推动制造模式变革和工业转型升级。

工业大数据来源及特点

在工业生产中，无时无刻不产生数据。那么什么是工业大数据？中国电子技术标准化研究院发布的《工业大数据白皮书（2017版）》指出，工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。

工业大数据主要来源于机器设备数据、工业信息化数据（包括传统工业设计和制造类软件、企业资源计划ERP、产品生命周期管理PLM、供应链管理SCM、客户关系管理CRM和环境管理系统EMS等）和产业链跨界数据（包括气象、地理、环境、宏观经济）。

今天做工业大数据分析，不仅要看自己数据还要看别人的数据，比如优化供应链的时候还需要市场销售的数据、供应商的数据等。风电优化分析除了利用风机的数据，也需要结合气象的数据。很多外部数据原来工业界从来没有尝试过管理这些数据，这是大数据分析的时候传统工业管理数据的机制遇到的一些挑战。

“制造业大数据是一座金矿！”北京大学工学院工业工程与管理系主任侍乐媛表示，制造业拥有的大数据远超其他行业，但到现在为止距开采出来还差得很遠，很多数据天天“流淌”都没有办法收集起来。究其原因，制造业大数据具有复杂性，是动态复杂的拆分合并数据。从全球应用现状看，制造业基本上是纵向数据的采集和利用，缺乏横向数据的链接和利用。实际上，制造业需要经纬纵横的数据采集能力。

工业大数据除了具有一般大数据的特征，比如容量大、类型多、存取速度快、应用价值高，业界认为还具有实时性、准确性、闭环性、集成性、透明性、预测性等特征。

清华大学数据科学研究院工业大数据研究中心总工程师、昆仑数据公司CTO王晨表示，工业大数据主要面临两方面的变化，第一是人才的变化，以前用大数据是互联网公司的复合型极客，这些人有很强的数学功底、编程能力、数据管理技术、分布式计算技术，同时掌握领域的业务知识，是具备四大方面的全面型的人才。在产业互联网领域里的人更多的是熟悉领域业务知识，而计算机能力真的很有限。第二是数据种类的变化，以前互联网领域是大量的文本数据、社交数据、多媒体数据等，而产业互联网领域是大量的传感器产生的实时数据、企业内部的业务过程数据，大量的非结构化工程数据、仿真数据、设计的CAD数据，这些数据跟传统互联网的数据都不太一样。

工业大数据如何变革制造业

“大数据驱动智能制造加快发展，加快互联网与制造业快速融合，是传统制造业变革与升级的重要内容。”马忠玉表示，大数据智能应用发展对生产、生活都产生重大影响，以数据挖掘分析为核心的应用和服务，为经济社会发展带来了深刻变革。

工业大数据技术是指工业大数据中所蕴含的价值得以挖掘和展现的一系列技术和方法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据是智能制造的关键技术，主要作用是打通物理世界和信息世界，推动生产型制造向服务型制造转型。其在智能制造中有着广泛的应用前景，在智能制造中有着广泛的应用前景，在产品市场需求获取、产品研发、制造、运行、服务直至报废回收的产品全生命周期过程中，工业大数据在智能化设计、智能化生产、网络协同制造、智能化服务、个性化定制等场景都发挥出巨大的作用。

创新研发设计模式实现个性化定制

实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；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，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。

私人定制工厂青岛红领也探索出了C2M、M2B等服装定制模式，通过精准的量体裁衣，在其他成衣服装规模关店的市场下，能保持每年150%的收入和利润增长，每件衣服的成本仅比成衣高10%。小米手机也属于这一类。

利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。

促进研发资源集成共享和创新协同。企业通过建设和完善研发设计知识库，促进数字化图纸、标准零部件库等设计数据在企业内部以及供应链上下游企业间的资源共享和创新协同，提升企业跨区域研发资源统筹管理和产业链协同设计能力。提升企业管理利用全球研发资源能力，优化重组研发流程，提高研发效率。例如，C919大型客机成功首飞意味着中国实现了民机技术集群式突破，形成了以中国商飞公司为平台，包括设计研发、总装制造、客户服务、适航取证、供应商管理、市场营销等在内的我国民用飞机研制核心能力，形成了以上海为龙头，陕西、四川、江西、辽宁、江苏等22个省市、200多家企业、近20万人参与的民用飞机产业链。

在C919飞机的智能制造项目建设过程中，形成了一套主制造商—供应商模式下的协同制造技术、管理方法。C919飞机的研发成员企业包括了设计与主制造商、10家机体结构、24家机载设备、16家材料供应商和54家标准件等供应商，另有200多家企业参与了项目的研制过程。通过协同设计、敏捷生产与智能管理等先进技术手段，将飞机从设计到制造过程中涉及的设计商、制造商、供应商、集成商等成员有机紧密联合。

其中，在协同设计方面，中国商飞通过构建多供应商协同设计环境，并实施基于模型的定义、工艺设计等应用技术，建立起民用飞机联合协同研制的新模式，建设协同研制平台，实现了设计与制造过程的一体化。同时，在智能管理方面，全面实施了PLM、ERP、MES、BI等信息化平台，实现了各系统之间的信息互通和集成，支撑了制造现场层、车间控制层、业务操作层、业务管理层、企业决策层的一体化智能管理。

培育研发新模式。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。在帝樽空调和天樽空调的研发过程中，海尔集团前期通过互联网平台与数十万用户实时互动，提取用户对产品的共性需求。然后利用HOPE（开放创新平台）平台对接全球100多万个领域专家和上千家全球一流的研发资源。

建立先进生产体系实现智能化生产

提升车间管理水平。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、振动和噪声等，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、质量事故分析等。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。

优化生产流程。将生产制造各个环节的数据整合集聚，并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，对各环节制造数据的集成分析有助于制造商改进其生产流程。例如，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，此举将会大大降低能耗。

德国安贝格电子工厂基于西门子PLM软件在虚拟环境中仿真产品的研发和生产，并在真实世界的工厂中进行实际操作，即实现了产品跨行业的多样化，也提升了生产效率和质量。研发环节，安贝格拥有一个虚拟的工厂，研发设计部门把虚拟的研发产品同步给生产部门来生产，两部门有着统一平台，并时刻保持着协调的一致性。真实工厂生产时的数据参数、生产环境等都会通过虚拟工厂来反映出来，而人则通过虚拟工厂对现实中的真实工厂进行把控。生产环节，当一个元件进入烘箱时，机器会判断该用什么温度以及温度持续的时间长短，并可以判断下一个进入烘箱的元件是哪一种，并适时调节生产参数。安贝格工厂的每一条生产线每天并不是一成不变地只生产一种产品，生产系统会实时同步研发部门的最新指示，自动跳转到不同产品或者器件的生产模式。在这样的生产模式下，该工厂每年可生产约1000个品种共计1200万件工业控制产品。按照每年生产230天计算，平均每秒就能生产出一件产品，其中百万件缺陷仅为15，缺陷率仅为德国工人的1/25。

优化经营管理体系实现精益化管理

优化工业供应链。RFID等电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。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。

推动经营管理全流程的衔接和优化。整合企业生产数据、财务数据、管理数据、采购数据、销售数据和消费者行为数据等资源，通过数据挖掘分析，能够帮助企业找到生产要素的最佳投入比例，实现研产供销、经营管理、生产控制、业务与财务全流程的无缝衔接和业务协同，促进业务流程、决策流程、运营流程的整合、重组和优化，推动企业管理从金字塔静态管理组织向扁平化动态管理组织转变，利用云端数据集成驱动提升企业管理决策的科学性和运营一体化能力。

例如，三一公司通过在线跟踪销售出去的挖掘机的开工、负荷情况，就能了解全国各地基建情况，进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。

促进商业模式创新实现服务型制造

大数据将帮助工业企业不断创新产品和服务，发展新的商业模式。通过嵌在产品中的传感器，企业能够实时监测产品的运行状态，通过商务平台，企业能够获得产品的销售数据和客户数据，通过对这些数据的分析和预测，企业能够开展故障预警、远程监控、远程运维、质量诊断等在线增值服务，提供个性化、在线化、便捷化的增值服务，扩展产品价值空间，使得以产品为核心的经营模式向“制造+服务”的模式转变。

比如，GE不销售发动机，而是将发动机租赁给航空公司使用，按照运行时间收取费用，这样GE通过引入大数据技术监测发动机运行状态，通过科学诊断和维护提升发动机使用寿命，获得的经济回报高于发动机销售。

保利协鑫是中国首家突破年产万吨级以上多晶硅产能和产量、全球最大的光伏切片企业。在光伏切片的生产过程中，有数千个生产参数会影响到切片良品率。

保利协鑫仅切片厂就有1000多台智能装备，加上DCS以及复杂的ERP系统，每天产生大量的数据，但是数据存在于“孤岛”之上，并没有实现互联互通；虽然从采购、生产、销售、物流等业务全方位实现了信息化，企业在生产过程中重视对数据分析与利用，但都是依靠以往的经验进行人工分析，很难把握这些数据的关联性，缺乏可靠的技术支持，也很难得出科学的结果。

2016年5月，保利协鑫与阿里云签约合作，8月份，阿里云ET工业大脑入驻保利协鑫生产车间，标准化所有端口数据上云，再通过智能算法深度学习计算所有关联参数，并精准分析出与良品率最相关的60个关键变量，在生产过程中实时监测和控制变量，大幅提高了光伏切片的良品率。到目前为止，保利协鑫已提高1%良品率，相当于每年节省上亿成本。

上线后公司在苏州、太仓、阜宁、扬州、常州等不同区域设有十几个车间，尽管各项数据都是秒级变化，但通过阿里云的大数据运算的合作，首先讓“躲”在背后的数据透明化，然后通过智能分析解决生产过程中数据的关联，智能调整相关参数，更好的管控现场和设备，化解良率风险，降低成品成本。