工业大数据发展态势与典型应用分析

陈均昌

摘   要：当前，我国处在新经济时代发展背景中，传统制造业转型升级中关键的生产要素就是工业大数据。工业大数据为工业领域进行智能制造期间产生的全部价值链以及产品全生命周期的每一过程数据，涵盖内容众多，包括智能装备生产期间形成的机器数据、企业内部信息系统产生的业务数据、外部数据（由产业链、互联网、用户、经济社会环境等形成）。文章基于工业大数据概念以及特征分析，探究工业大数据发展态势，阐述工业大数据的典型应用。

关键词：工业大数据;发展态势;典型应用

美国在2014年《先进制造合作伙伴》报告2.0中，明确提出了数字化、信息化和可视化的制造技术，先进材料制造技术，先进传感器、控制和制造平台技术，此3项领域为优先发展技术领域[1]。同时，德国《工业4.0研发白皮书》中，提出了工业4.0五大交叉技术的一种就是工业数据分析，大数据经济属于重要的9大核心支点。在这种环境背景下，整个世界范围之内的工业大数据朝着全球制造业方向发展，不断地挖掘价值，进行各项技术的革新[2]。

1    工业大数据概念与特征

工业领域信息化应用期间产生的全部数据信息就是工业数据，工业大数据是基于工业数据来建立，采取科学的大数据技术，涉及工业设计、生产、管理等流程，让工业系统拥有各种智能化模块，诸如诊断、预测、描述、控制等。从来源的角度，工业数据可以划分成信息管理系统数据、机器设备数据、外部数据等。工业大数据的特征显著，可以总结为以下几方面。首先，具有较大的数据体量，在设备数据、互联网数据等相继涌入的情况下，工业数据存储量也在渐渐地变化，已经向着EB级别发展。其次，数据涵盖范围相对广泛，分布在互联网、工业产品以及机器设备等领域。再次，具有较为复杂的数据结构，类型众多，包括半结构化、结构化、非结构化等。从次，多样化的数据速度需求，通常涉及离线、实时等。最后，不均匀的数据价值，在20%的数据中，价值密度大概具有80%，包括产品图纸、加工工艺数据，同时80%的数据，价值密度通常是20%，常见的就是工况以及图片数据[3]。

相较于互联网大数据而言，工业大数据的特征主要包括：多元性获取数据信息，具有非常分散化的数据内容和较大的非结构化数据比重;数据中具有繁杂性的信息资料，关联性明显。同时，持续采集特征显著，也具有一定的动态时空特性，具有更高的要求标准，即在采集、处理以及存储等方面，均具备较高的实时性以及技术性等需要。在应用工业大数据期间，先进制造企业使得机器以及产品等跟人员这一因素密切地结合，制造业的发展方向就是大数据分析、智能化[4]。

2    工业大数据发展态势

在信息化不断融合工业化的情况下，工业企业生产信息不断地呈现出数字化的趋势，在此过程中产生各种各样的数据信息资料[5]。在工业领域中，工业网络、数据采集和分析等不断地推广实践，也在相继地扩大工业数据的作用。当前工业大数据获得更高的关注，而且工业大数据涉及的发展态势较多，工业大数据在理念角度偏向实践方向转变，包括：工业大数据云计算的价值以及工业大数据多样化的工业应用生态等。

早在2012年，《工业互联网：突破智慧和机器的界限》对工业大数据的概念进行详尽的阐述，之后引发了产业界的广泛讨论[6]。在发展进程中，基于信息化与工业化的密切融合，以及大量地应用大数据采集、计算、分析技术，进行不断的技术革新，很多企业已经进入工业大数据实践阶段，而且大部分的大型工业企业大数据应用已经逐渐地发展成熟，满足时代的发展需求。数据体量大是工业大数据相对明显的特征，部分企业采取的普通数据库，很难对大体量数据进行承载，同时，会产生较大的存储成本。云计算是一种理想的解决方案，一些企业采取自建私有云的举措，以及实施形成公有云平台策略，实现低成本存储海量数据信息效果，提升企业的经济效益。数据中心平台包含：数据资源管理平台，企业服务总线（Enterprise Service Bus，ESB），数据抽取工具ETL，支撑数据存储的数据存储ODS库＼数据仓庫＼数据集市＼Hadoop，以及实现数据应用的报表分析工具等内容。另外，基于云平台的技术基础，企业能够实施相关分析计算，即流计算、Hadoop等，达到科学、合理地分析处理数据的效果。对于所挖掘以及分析的工业大数据结果，在企业的研发设计、生产制造、管理、供应链等中应用诸多。对于研发设计的环节，实现了工艺管理的不断优化以及相继健全完善工艺流程的目标;进行生产制造过程中，能够完成诊断和维护设备、智能生产以及优化产品质量、个性化定制等;在管理服务的环节，主要是进行监测以及维护产品;在供应链阶段，能够达到全局优化供应链的效果[7]。

3    工业大数据的典型应用

3.1  研发设计环节

对于研发设计的阶段，工业大数据应用包括了3个方面，下面分别进行阐述。首先，产品协同设计，展开大数据存储、处理，进行大数据的科学分析等，合理地处理好产品数据，构建起企业级产品数据库，使得各地域可以便捷地访问到相同设计数据，实现多站点协同目标，同时，满足工程组织设计的相关要求。其次，设计仿真，使得大数据技术跟产品仿真排程之间加强联系，得到理想的设计策略，使得产品交付周期进行有效的减短[8]。再次，实现工艺流程优化，实施大数据分析，对于历史工艺流程数据进行不断分析，发掘工艺步骤同投入之间关联性，汇总分析以往孤立的各类数据，并且针对当前操作工艺流程进行改正和完善[9]。

3.2  供应链环节

首先，优化供应链配送体系，经射频识别技术（Radio Frequency Identification，RFID）等产品电子标识技术、移动互联网技术、物联网技术等，得到完整产品供应链的大数据，然后认真地进行数据观察以及分析工作，对采购物料数量进行明确，同时，掌握住运送时间等内容，实现供应链不断优化的成效。其次，对于用户实际需求产生快速响应，也就是采用科学的数据分析工具、预测工具，展开各种需求的分析并且预测，使得商业运营、用户体验良好地提升。

3.3  生產制造环节

（1）智能生产，即把传感器在生产线进行配置，同时，将其配置到生产设备中，对数据资料进行采集，经无线通信连接互联网进行数据传输，实现生产过程实时监测。生产所形成数据也可以进行处理以及传递，将工厂从被动式管理向着自适应调整的智能网络化管理方向发展，实现工业控制管理的良好升级，使得有限资源应用效益切实地提升，有效控制生产成本。（2）优化生产流程，采集大数据，同时进行模拟，使得工业产品生产过程可以产生虚拟模型，之后进行仿真，健全完善生产流程，系统内进行重建流程和采集绩效数据，达到有效地改进制造生产流程的目标。（3）进行严格的预测维护设备工作，也就是需要形成大数据平台，从现场设备状态监测系统以及实时数据库系统内获取相应数据信息，包括轴承振动、压力和温度等，进一步形成建立在规则上的故障诊断、设备状态劣化趋势预测等模型，诊断预测设备故障问题。（4）严格地管理、控制好能源消耗问题，监控重点环节的能耗排放问题，并且管理好企业生产线各方面，掌握住生产线以及重点环节能耗数据，构建能耗仿真模型并仿真预测分析后得到节能空间数据，实现负荷与能耗的智能平衡优化，达到节能降耗的目标[10]。（5）开展个性化定制，获取客户的多样化、个性化需求，产生个性化产品模型，把重要的信息内容传给智能设备，展开调整好设备、装备好原材料的工作，确保生产产品可以达到用户标准[11]。

4    结语

工业大数据的特征是非常显著的，在工业化、信息化不断发展以及不断紧密融合的情况下，工业大数据的应用为制造业转型升级提供了新型的道路。未来需要更加广泛地对工业大数据应用到制造业生产环节的情况进行研究，使得工业大数据应用能发挥出更大的价值。

[参考文献]

[1]黄明峰.工业大数据发展态势与典型应用[J].电信科学，2016（7）：175-178.

[2]朱雪初，乔非.基于工业大数据的晶圆制造系统加工周期预测方法[J].计算机集成制造系统，2017（10）：95-102.

[3]孔宪光，章雄，马洪波，等.面向复杂工业大数据的实时特征提取方法[J].西安电子科技大学学报（自然科学版），2016（5）：70-74.

[4]翟丽丽，沃强，张树臣，等.制造业大数据联盟资源推送服务算法[J].计算机集成制造系统，2017（11）：40-50.

[5]李敏波，王海鹏，陈松奎，等.工业大数据分析技术与轮胎销售数据预测[J].计算机工程与应用，2017（11）：100-109.

[6]孙立.工业大数据对智慧云制造的推动与创新[J].科技管理研究，2016（13）：156-158，163.

[7]陈龙，刘全利，王霖青，等.基于数据的流程工业生产过程指标预测方法综述[J].自动化学报，2017（6）：944-954.

[8]刘强，秦泗钊.过程工业大数据建模研究展望[J].自动化学报，2016（2）：161-171.

[9]汪星，黄小瑜，刘瑄璞，等.面向工业大数据的多层增量特征提取方法[J].西安电子科技大学学报（自然科学版），2018（4）：106-111.

[10]谢振东，吴金成，李之明，等.企业大数据能力的构建与培育研究[J].广东工业大学学报，2017（3）：110-114.

[11]周星龙.基于工业大数据的煤电机组技术经济指标动态计算[J].计算机应用，2018（1）：87-90.

Abstract：Currently， China is in the context of the development of the new economic era， the key factor in the transformation and upgrading of traditional manufacturing industry is industrial big data. Industrial big data during intelligent manufacturing in the industrial sector， generating all value chain and product life cycle of every process data， covering a wide range of content， including intelligent equipment production during the formation of machine data， internal information systems generated business data， external data（formed by industry chain， Internet， users， economic and social environment， etc.）. Based on the concept of industrial big data and characteristic analysis， this paper explores the development trend of industrial big data and expounds the typical application of industrial big data.

Key words：industrial big data; development trend; typical applications