【推荐阅读】工业大数据发展态势与典型应用

导读:本文从工业大数据的概念、特征入手,对工业大数据的发展态势进行了探讨,指出工业大数据可广泛应用于企业生产过程的各环节。并按照研发设计、供应链、生产制造、营销与服务等场景,对工业大数据应用进行了分析与归纳。

1 引言

2014年,美国发布《先进制造合作伙伴》报告2.0,提出优先发展的三大技术领 域,即先进传感器、控制和制造平台(ASCPM)技术,可视化、信息化和数字化的制造(VIDM)技术,先进材料制造(AMM)技术。其中可视化、信息化 和数字化的制造技术领域主要研究工业数据。德国《工业4.0研发白皮书》提出工业数据分析是工业4.0五大交叉技术之一。《新工业法国》指出,2015年,法国推出“新工业法国战略”,总体布局为“一个核心,九大支点”。大数据经济是九大核心支点之一。

  随着美国工业互联网和德国工业4.0等制造智能化转型战略的相继实施,工业大数据日益成为全球制造业挖掘价值、推动变革的主要抓手。

2 工业大数据概念与特征

   工业数据是指在工业领域信息化应用中所产生的数据。工业大数据是基于工业数据,运用先进大数据技术,贯穿于工业的设计、工艺、生产、管理、服务等各个环节,使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。工业数据从来源上主要分为信息管理系统数据、机器设备数据和外部数据。信息管 理系统数据是指传统工业自动化控制与信息化系统中产生的数据,如ERP、MES等。机器设备数据是来源于工业生产线设备、机器、产品等方面的数据,多由传感器、设备仪器仪表进行采集产生。外部数据是指来源于工厂外部的数据,主要包括来自互联网的市场、环境、客户、政府、供应链等外部环境的信息和数据。

工业大数据具有五大特征。一是数据体量大,主要表现在随着设备数据和互联网数据的涌入,工业数据的存储量将达到EB级别。二是数据分布广泛,分布于机器 设备、工业产品、管理系统、互联网等。三是结构复杂,有结构化、半结构化和非结构化等不同类型。四是数据速度需求多样化,有要求实时、半实时和离线三种, 生产层级要求实时性,需要达到毫秒级别;管理层级实时性要求不高。五是数据价值不均匀,20%的数据具有80%的价值密度(如产品图纸、试验分析、加工工艺);80%的数据密度只有20%,需要分析挖掘(如工况情况、图片数据)。

与互联网大数据相比,工业大数据具有自身特点:一是多源性获取,数据分散,非结构化数据比例大;二是数据蕴含信息复杂,关联性强;三是持续采集,具有鲜明的动态时空特性;四是采集、存贮、处理实时性要求高;五是与具体工业领域密切相关。

   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。工业大数据能够促进形成企业和消费者之间的信息主动反馈机制,为完善以客户需求为导向的产品全生命周期信息集成和跟踪服务、建立以服务为核心的整体解决方案提供可行路径,将大大提升产品服务价值,为制造业转型升级开辟了新途径。

3 工业大数据发展态势

随着信息化和工业化融合,工业企业生产信息数字化,积累大量数据。工业网络、数据采集、集成、计算和分析技术在工业领域的应用,促使工业数据发挥巨大价 值。工业大数据越来越受到工业企业的关注。目前工业大数据发展态势有三个,一是已从理念转向实践,二是工业大数据成为云计算的价值体现,三是工业大数据孕 育丰富的工业应用生态。

2012年GE在《工业互联网:突破智慧和机器的界限》中率先提出“工业大数据”概念,引起业界热烈讨论。经过 三年的发展,随着信息化和工业化融合的不断推进和大数据采集、集成、计算和分析技术的发展,很多工业企业已经进入工业大数据实践阶段。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。

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。

4 工业大数据的典型应用

  工业大数据可广泛应用于企业整个生产过程。下面按照企业生产过程的研发设计、供应链、生产制造、营销与服务环节,对工业大数据的应用场景及其应用进行探讨。

4.1 研发设计环节工业大数据的应用场景

  在研发设计环节,工业大数据应用主要有产品协同设计、设计仿真、工艺流程优化等。

  产品协同设计,主要是利用大数据存储、分析、处理等技术处理产品数据,建立企业级产品数据库,以便不同地域可以访问相同的设计数据,从而实现多站点协同、满足工程组织的设计协同要求。

  设计仿真,是指将大数据技术与产品仿真排程相结合,提供更好的设计工具,减少产品交付周期。如波音公司通过大数据技术优化设计模型,将机翼的风洞实验次数从2005年11次缩减至2014年的1次;玛莎拉蒂通过数字化工具加速产品设计,开发效率提高30%。

   工艺流程优化,主要是应用大数据分析功能,深入了解历史工艺流程数据,找出工艺步骤和投入之间的模式和关系,对过去彼此孤立的各类数据进行汇总和分析, 评估和改进当前操作工艺流程。

4.2 供应链环节工业大数据的应用场景

  供应链环节工业大数据的应用主要体现在供应链优化,即通过全产业链的信息整合,使整个生产系统达到协同优化,让生产系统更加动态灵活,进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。

   供应链配送体系优化,主要是通过RFID等产品电子标识技术、物联网技术以及移动互联网技术获得供应商、库存、物流、生产、销售等完整产品供应链的大数 据,利用这些数据进行分析,确定采购物料数量、运送时间等,实现供应链优化。

用户需求快速响应。即利用先进数据分析和预测工具,对实时需求预测与分析,增强商业运营及用户体验。例如,电子商务企业京东商城,通过大数据提前分析和预测各地商品需求量,从而提高配送和仓储的效能,保证了次日货到的客户体验。

4.3 生产制造环节工业大数据的应用场景

  在制造环节,工业大数据的应用主要有智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等应用。

   智能生产。就是生产线、生产设备都将配备传感器,抓取数据,然后经过无线通信连接互联网,传输数据,对生产本身进行实时监控。而生产所产生的数据同样经过快速处理、传递,反馈至生产过程中,将工厂升级成为可以被管理和被自适应调整的智能网络,使得工业控制和管理最优化,对有限资源进行最大限度使用,从而 降低工业和资源的配置成本,使得生产过程能够高效地进行。

  生产流程优化。利用大数据技术,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,这种透明度将有助于制造商改进其生产流程。

   设备预测维护。建立大数据平台,从现场设备状态监测系统和实时数据库系统中获取轴承振动、温度、压力、流量等数据。通过构建基于规则的故障诊断、基于案例的故障诊断、设备状态劣化趋势预测、部件剩余寿命预测等模型,通过数据分析进行设备故障预测与诊断。

  生产计划与排程。收集客户订单、生产线、人员等数据,通过大数据技术发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。

   能源消耗管控、延长设备寿命。通过对企业生产线各关键环节能耗排放和辅助传动输配环节的实时动态监控管理,收集生产线、关键环节能耗等相关数据,建立能耗仿真模型,进行多维度能耗模型仿真预测分析,获得生产线各环节的节能空间数据,协同操作智能优化负荷与能耗平衡,从而实现整体生产线柔性节能降耗减排; 及时发现能耗的异常或峰值情况,实现生产过程中的能源消耗实时优化。

  个性化定制。采集客户个性化需求数据、工业企业生产数据、外部环境数据等信息,建立个性化产品模型,将产品信息传递给智能设备,进行设备调整、原材料准备,生产出符合个性化需求的定制产品。

4.4 营销与服务环节工业大数据的应用场景

  在市场营销环节,利用大数据挖掘用户需求和市场趋势,找到机会产品,进行生产指导和后期市场营销分析。

   建立用户对商品需求的分析体系,挖掘用户深层次的需求;建立科学的商品生产方案分析系统,结合用户需求与产品生产,形成满足消费者预期的各品类生产方案 等。

  在产品售出服务环节,工业数据推动企业创新服务模式,从被动服务、定期服务发展成为主动服务、实时服务。通过搭建 企业产品数据平台,围绕智能装备、智能家居、可穿戴设备、智能联网汽车等多类智能产品,采集产品数据,建立产品性能预测分析模型,提供智能产品服务。

5 结束语

  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。

原文发布于微信公众号 - 钱塘大数据(qtbigdata)

原文发表时间:2017-05-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏云计算

边缘计算推动AI发展 未来能摆脱云计算吗?

==== 技术商业观察er ==== we are new observer ? Observation, we are professional observ...

1925
来自专栏数据科学与人工智能

机器学习如何改变数字化企业的未来

根据《IDC Futurescapes》报告的预测,三分之二的全球2000强企业CEO将把数字化转型作为公司战略的重心。而战略的其中一个重要组成部分应该会包含机...

2545
来自专栏ThoughtWorks

云与大数据,商业创新的加速杠杆 | TW商业洞见

科技即商业 TECHNOLOGY IS BUSINESS 引言 「互联网+」的浪潮正在冲击传统的商业模式和商业组织。支付宝与天弘基金开发的余额宝在短短一年之内,...

3277
来自专栏钱塘大数据

解析 | 大数据驱动智能制造,实现制造强国之梦(上)

来源:中国工业评论 导读: 推动智能制造的并不是大数据本身,而是大数据的分析技术。大数据給了我们一个看世界的新角度,成为创新驱动核心动力的来源。我们要从设备智...

3458
来自专栏人称T客

再说 SaaS 取代传统软件,谁说不可能?|深度

关于 SaaS 和传统软件之间的竞争,在上一篇《传统软件秒速沦落 被 SaaS 取代只是时间问题》中,T客从资本和行业角度,论述二者之间的关系。 紧接着,T ...

2464
来自专栏看看搬搬

互联网平台:物联网成功的基础

感觉上,物联网是我们一直以来讨论的话题。作为一个当事人,我认为我只应该公平的分享我所看到的和我相信接下来会发生的事情。

26911
来自专栏云加新鲜事儿

聂晶:数据资产助力企业发展

腾讯云大数据应用产品总经理-聂晶在云+未来峰会上做了主题为《数据资产助力企业发展》的分享,以下内容整理自演讲。

3386
来自专栏点滴科技资讯

工业4.0带来了什么?企业应该如何应对?(长文慎入!)

工业革命是最具影响力的重大历史性事件。很多人认为,到现在为止世界上只发生过三次工业革命。第一次发生于1700年代,以商用蒸汽机和纺织机为标志。大约在20世纪初...

3297
来自专栏人称T客

CIO之见 用友对比SAP除了便宜就是差距

ERP的实施是长期行为,所以对其的选型一定要能够长期支持企业的战略。而对于企业来说,结合企业当前现状,制定恰当的应用规划才是最重要的。 ERP概念自1993年提...

3005
来自专栏机器人网

让创业者看懂新世界:详解机器人创业公司产业图谱

CometLabs旧金山实验室针对全球智能机器领域进行了历经数月的深度研究,并制作完成了这张全球智能机器(机器人/人工智能)创业公司产业图谱。 ? 通过这张产业...

2635

扫描关注云+社区