工业大数据成制造业智能化转型重要推手

导读：《中国制造2025》五大工程包括：制造业创新中心建设、工业强基、智能制造、绿色制造和高端装备创新，近日，工信部等四部委正式联合印发五大工程的实施指南，该实施指南最大的亮点是在数值上分步骤细化了目标，使得实施路径更为清晰，增强了可操作性，细节分工也安排得更加具体。

工业大数据发展过程及特点

1990年，第一个Web服务器诞生，随着二十多年的发展，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，最终形成了现在所说的“大数据”。制造业是国民经济的主体，拥有强大的制造业，才能在国际竞争中占据优势地位。工业大数据作为制造业智能化转型的强有力推手，自然被各国列为重点发展领域。

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。

2011年，德国在汉诺威工业博览会首次提出工业4.0的概念。德国提出“工业4.0”，强调通过信息网络与物理生产系统的融合，即建设信息物理融合系统（Cyber-PhysicalSystem，CPS）来改变当前的工业生产与服务模式。

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。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，强调通过智能机器间的连接并最终将人机连接，结合软件和大数据分析，来重构全球工业。

2015年3月，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》，旨在借力互联网、云计算、大数据，进一步夯实中国制造业的基础和推动制造业的变革，用政策推动中国制造向智能化的方向发展。

工业大数据显著特征之一是数据体量大。企业普通的数据库难以承载如此大体量数据，且存储成本高。云计算是最好的解决方案，企业通过自建私有云或使用公有云平台，实现低成本海量数据存储。此外，在云平台上，企业可运用Hadoop、流计算等分析计算，实现数据的分析处理。

对于工业大数据挖掘和分析结果，可广泛应用于企业研发设计、生产制造、管理服务和供应链等各个环节。在研发设计环节，可实现工艺管理优化和工艺流程优化；在生产制造环节，可实现设备诊断与维护、智能排程、智能生产、产品质量优化、个性化定制；在管理服务环节可实现产品远程监测与维护；在供应链环节可实现供应链全局优化。

工业大数据在国内制造业的应用

从需求来看，目前国内制造业企业对于大数据的需求十分明显，但究竟该如何入手，很多用户仍然处于观望和尝试阶段。因此，对于大数据服务商而言，需要结合行业业务，找到合适的应用场景。

互联网给传统制造业带来挑战，互联网大数据则能够通过技术创新与发展，以及数据的全面感知、收集、分析、共享，为企业管理者和参与者呈现出看待制造业价值链的全新视角，它所带来的巨大价值正在被传统企业认可。

然而，与目前火热的互联网大数据不同的是，工业大数据的应用对于企业而言，门槛相对较高。工业大数据与互联网不同的是，它和行业的业务结合得十分紧密，因此，对于企业的行业积累以及对行业业务的深入理解，都有很高的要求。而且工业大数据的分析相对要求要准，要有十分清楚的逻辑关系。

企业通过大数据分析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。但是，就目前来看，在国内做工业大数据应用的企业并不少，然而真正拥有自主知识产权、核心技术的企业却不多。要想做好工业大数据应用，首先必须有一套严谨的数据推理逻辑，同时，还要有平台和工具。当前国内做工业大数据应用的企业，他们还没有足够的能力达到这一要求。

尽管如此，仍有部分大型工业企业在应用方面走在前列。如唐山钢铁集团，通过引入国际最先进的生产线，已实现数据实时采集，并与爱施德等企业合作，深度挖掘工业大数据价值，实现生产实时监测、生产排程、产品质量管理、能源管控等。除此之外，先进制造企业基于工业大数据的应用，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。

总的来说，“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。工业大数据有其鲜明的特征，随着信息化和工业化融合，对工业大数据的应用为制造业转型升级开辟了新的途径。对工业大数据在制造业生产过程中的应用场景及应用的深入探讨，将有利于更好地发挥其助力作用。

来源：中国智能制造网