工业大数据介绍

一、工业大数据的定义
工业大数据是指在工业领域，主要通过传感器等物联网技术进行数据采集、传输得来的数据，由于数据量巨大，传统的信息技术已无法对相应的数据进行处理、分析、展示，而在传统工业信息化技术的基础上借鉴了互联网大数据的技术，提出新型的基于数据驱动的工业信息化技术及其应用。

二、工业大数据特点
工业大数据主要有以下几个特点：
1、数据来源主要是企业内部，而非互联网个人用户；
2、数据采集方式更多依赖传感器而非用户录入数据；
3、数据服务对象是企业，而不是个人；
4、在技术上，传统的企业架构技术已无法提供相应的分析应用，更多的采用了互联网大数据领域成熟的技术；
5、改变了企业原先对数据的看法，使得原先看似无用的、直接丢弃的数据重新得到了重视，并且切实改进了企业的生产、销售、服务等过程；

三、大数据在工业领域的作用
1、实现数据的全面采集并持久化
在前大数据时代，很多工业现场采集到的数据的生命周期仅仅是在显示屏上一闪而过，大量的数据由于种种原因被丢弃了，丢弃的一个很重要的原因就是无法有效存储，全部存储成本过高且数据量过大导致无法使用。大数据时代之后，新型的数据处理技术及云计算带来的低成本，使得数据的全面采集并且持久化成为可能，即采集到的数据可以实现长时间的存储，且海量的数据可处理、可分析，工业用户就有了存储数据的意愿。而这一切又反过来为大数据分析提供了坚实的数据基础，使得分析的结果更准确，成为一种正向循环。
2、实现全生产过程的信息透明化
随着现代生产技术的飞速提高，生产过程已经呈现高度复杂性和动态性，逐渐出现了不可控性。生产过程信息呈现碎片化倾向，只有专业部门、专业人员才掌握本部门、本专业的数据，企业无法全面有效了解全生产流程。
随着大数据处理和可视化技术的不断发展，目前，通过全生产过程的信息高度集成化和数据可视化，从而达到了生产过程的信息透明化，企业总调度中心不仅可以清晰地识别产品，定位产品，而且还可全面掌握产品的生产经过、实际状态以及至目标状态的可选路径。
3、实现生产设备的故障诊断和故障预测
当前，已经可实现对设备各类数据的采集，包括设备运行的状态参数，例如温度、震动等，设备运行的工况数据，例如负载、转速、能耗等，设备使用过程中的环境参数，例如风速、气压等，设备的维护保养记录，包括检查、维护、维修、保养等信息，以及设备的使用情况，例如使用单位、操作人员等。收集到设备的各类数据后，再加上同类设备的数据、长周期的使用数据等等，就构成了大数据分析的基础数据。
这个时候，再加上好的算法及模型，通过数据的分析处理实现设备的故障诊断和故障预测就是一个再简单不过的事情了。
4、实现生产设备的优化运行
在故障诊断和故障预测的基础上，机器、数据和生产指标构成了一个相互交织的网络，通过信息的实时交互、调整，再加上优化准则，将它们进行比对、评估，最终选出最佳方案。可以进一步提高设备的效率和精度，更加合理化和智能化的使用设备，这就使生产更具效率，更环保，更加人性化。并且设备的使用更加高效、节能、持久，同时还可减少运维环节中的浪费和成本，提高设备的可用率。
5、提高企业的安全水平
由于设备信息、环境信息和人员信息的高度集成，经过数据分析可实现安全报警、预警，隐患评估、预警等，从而大幅度提高安全水平，并且可提升人员效率；
6、实现定制化生产
近几十年里，技术开发面临的最大挑战是产品乃至系统无限增加的复杂性。与此同时，这还导致开发和制造的工业过程的复杂性也倾向于无限增加。而工业企业欲在未来长期保持竞争优势，又必须提高生产灵活性。因为只有这样，才能降低成本，缩短产品上市时间，并通过提高产品的种类，满足个性化的生产需求。
单靠人脑进行管理，是无法对如此复杂的流程和庞大的数据进行匹配的，通过大数据技术的引入，可以将客户的需求直接反映到生产系统中，并且由系统智能化排程，安排组织生产，使得企业定制化生产成为现实；
7、实现供应链的优化配置
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。
供应链体系以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合供应链资源和用户资源。在供应链的各个环节，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，企业就能够持续进行供应链改进和优化，保证了对客户的敏捷响应。
8、实现产品的持续跟踪服务
随着物联网技术的发展，对于已售出的产品，现在可实现运行数据的全面收集，从而可分析已售出产品的安全性、可靠性、故障状态、使用情况等，在这些数据的基础上，产品运行数据可以直接转化到生产过程中，可以改进生产流程、提高产品质量、开发新产品，更进一步，生产信息也可以直接作用于优化产品研发及生产过程的上游工序中。
9、为企业提升新的服务价值
商家卖的是产品，用户看重的是产品带来的价值。一切技术或产品都只是手段，其核心目的是在使用中创造价值。当企业能够使用新的技术为用户提供服务时，卖的已经不是或者不只是冰冷的产品了，而是新的价值服务。这样，一个生产商就从过去单纯的产品提供者转变为如今的信息服务商。

四、工业大数据案例
1、实现全生产过程的信息透明化的案例
通过采用集成自动化与驱动解决方案，能够显著提高生产效率和灵活性。原东德玻璃制造商f | glass就是一个很好的实例。它的工厂可以算得上是全世界最先进、最节能的工厂之一了。该工厂采用了一套集成自动化解决方案、一个先进的能源管理系统以及一个创新的热回收系统。从原材料供应和混合，到熔化过程，再到玻璃表面的精加工和调试，生产与物流均完全实现了自动化。通过全集成自动化（TIA），所有集成仪表、驱动、自动化及配电解决方案相互协同，所有生产流程高效而灵活。过程控制系统Simatic PCS 7可视化控制着700米长设备上的3000个测量点，实现了一年365天连续可靠的运行。
2、实现生产设备的故障诊断和故障预测的案例
某世界500强的生活消费公司每年在纸尿裤市场占据超过100亿美元的市场份额，在纸尿裤的生产过程中曾经遇到过令人十分头痛的问题：在完成纸尿裤生产线从原材料到成品的全自动一体化升级后，生产线的生产速度得到了大幅提升，每秒钟能够生产近百米的纸尿裤成品。然而新的生产线建成后一直没有办法发挥最大的产能，因为在高速生产过程中某一个工序一旦出现错误，生产线会进行报警并造成整条生产线的停机，随后由现场的工人将生产错误的部分切除后再重新让生产线运转，这样做的原因是一旦某一片纸尿裤的生产发生问题会使随后的所有产品都受到影响，因此不得不将残次部分剔除后重新开机。
为了提升生产线的生产效率，这家公司与IMS合作对纸尿裤生产线的监控和控制系统进行了升级。我们首先从控制器中采集了每一个工序的控制信号和状态监控参数，从这些信号中寻找出现生产偏差时的数据特征，并利用数据挖掘的分析方法找到正常生产状态和偏差生产状态下的序列特征。随后用机器学习的方法记录下这些特征，建立判断生产状态正常和异常的健康评估模型。在利用历史数据进行模型评价的过程中。该健康模型能够识别出所有生产异常的样本并用0—1之间的数字作为当前状态即时动态监控拇标。于是在生产过程中的每一个纸尿裤都会被赋予1个0—1的健康值，当系统识别出某一个纸尿裤的生产出现异常时，生产系统将在维持原有生产速度的状态下自动将这一产品从生产线上分离出来，且不会影响到其他产品的生产和整条生产线的运转。
这项技术后来被纸尿裤生产公司集成到了控制器当中，升级后的生产线实现了近乎于零的停机时间，也使生产线实现了无人化操作，每年由于生产效率提升所带来的直接经济价值就高达4. 5亿美元。
3、实现生产设备的优化运行的案例
（1）高圣是一家生产带锯机床的中国台湾公司，所生产的带锯机床产品主要用于对金属物料的粗加工切削，为接下来的精加工做准备。机床的核心部件是用来进行切削的带锯，在加工过程中带锯会随着切削体积的增加而逐渐磨损，将会造成加工效率和质量的下降，在磨损到一定程度之后就要进行更换。使用带锯机床的客户工厂往往要管理上百台的机床，需要大量的工人时刻检查机床的加工状态和带锯的磨损情况，根据经验判断更换带锯的时间。带锯寿命的管理具有很大的不确定性，加工参数、工件材料、工件形状、润滑情况等一系列原因都会对带锯的磨耗速度产生影响，因此很难利用经验去预测带锯的使用寿命。切削质量也受到许多因素的影响，除了材料与加工参数的合理匹配之外，带锯的磨耗也是影响切削质量的重要因素。由于不同的加工任务对质量的要求不同，且对质量的影响要素无法实现透明化，因此在使用过程中会保守地提前终止使用依然健康的带锯。
因此高圣意识到，客户所需要的并不是机床，而是机床所带来的切削能力，其核心是使用最少的费用实现最优的切削质量。于是高圣开始从机床的PLC控制器和外部传感器收集加工过程中的数据，并开发了带锯寿命衰退分析与预测算法模块，实现了带锯机床的智能化升级，为客户提供机床生产力管理服务。
在加工过程中，智能带锯机床能够对产生的数据进行实时分析：首先识别当前的工件信息和工况参数，随后对振动信号和监控参数进行健康特征提取，依据工况状态对健康特征进行归一化处理后，将当前的健康特征映射到代表当前健康阶段的特征地图上的相应区域，就能够将带锯的磨损状态进行量化和透明化。分析后的信息随后被存储到数据库内建立带锯使用的全生命信息档案，这些信息被分为三类：工况类信息，记录工件信息和加工参数；特征类信息，记录从振动信号和控制器监控参数里提取的表征健康状态的特征值；状态类信息，记录分析的健康状态结果、故障模式和质量参数。大量带锯的全生命信息档案形成了一个庞大的数据库，可以使用大数据分析的方法对其进行数据挖掘，例如通过数据挖掘找到健康特征、工艺参数和加工质量之间的关系，建立不同健康状态下的动态最佳工艺参数模型，在保障加工质量的前提下延长带锯使用的寿命。
在实现锯机床“自省性”智能化升级的同时，高圣开发了智慧云服务平台为用户提供“定”制化的机床健康与生产力管理服务，机床采集的状态信息被传到云端进行分析后，机床各个关键部件的健康状态、带锯衰退情况、加工参数匹配性和质量风险等信息都可以通过手机或PC端的用户界面获得，每一个机床的运行状态都变得透明化。用户还可以用这个平台管理自己的生产计划，根据生产任务的不同要求匹配适合的机床和能够达到要求的带锯，当带锯磨损到无法满足加工质量要求时，系统会自动提醒用户去更换据带，并从物料管理系统中自动补充一个带锯的订单。于是用户的人力的使用效率得到了巨大提升，并且避免了凭借人的经验进行管理带来的不确定性。带锯的使用寿命也得以提升，同时质量也被定量化和透明化地管理了起来。
高圣的智慧带锯机床和智能云服务在2014年的芝加哥国际机床技术展（IMTS）上推出后赢得强烈反响，被认为是智能化设备的杰出示范，赢得了广大客户的欢迎和青睐。

（2）位于德国安贝格的西门子工厂即是一个很好的实例，该工厂负责生产Simatic系列PLC（可编程逻辑控制器Programmable LogicController）。大部分生产都实现了数字化，并独立于实际生产进行了仿真和优化。通过采用Simatic IT 制造执行系统，显著提高了生产效率和灵活性。该Simatic系统允许在一分钟之内更改产品和工序，这对于自动化系统来说卫是一个很大的挑战：另外，每天大约有一百多万个测量事件，不断地涌入中央系统。通过数据矩阵码扫描器和RFID芯片，采集产品信息，并加载到上位中央系统，以确保数据的一致性。这样，控制系统就可以掌握每一件产品的信息，例如产品当前状态、是否通过检验等。若该产品未能通过检验，控制系统将对其按照原有程序进行干涉，如：自动发送一封邮件到品控部门，为技术人员提供维护信息等。品控部门的员工将会收到一份内容包含装配计划和故障诊断的信息清单。正是因为应用了这一技术，使得西门子公司的这家工厂几乎成为了误差最小的工厂。其误差比率之低，十分惊人:百万缺陷率仅15，相当于工厂产品合格率为99. 9985 %。
（3）大众汽车改造一条已经使用了17年之久的冲压生产线时，将产品生命周期管理软件（PLM）与其自动化软件相结合，使得改造时间有了明显的减少：在早起改造生产线的规划阶段，为提高生产效率，可以使用冲压线仿真软件，模拟出现有机器和处理设备，再对其进行优化。为了将冲压件的模拟程序做到最精确，在使用仿真软件的时候，还需要配合使用运动控制软件（Motion Control Software）。运动控制软件除可用于虚拟环境外，还可用于现实操作中。使用这种技术，在完成最后冲压线改造工程之后，经计算实现节能35 %，每分钟冲程数可由14次提高至16次，生产力明显提高。虽然表面上看，这2个冲程数并不起眼，但放在每个班次上所提升的效率是相当可观的。
4、实现定制化生产的案例
2014年，红领以零库存实现150%的业绩增长，以大规模定制生产每天完成2000种完全不同的个性化定制产品；公司的核心竞争力是一套大数据信息系统，任何一项数据的变动都能驱动其余9000多项数据的同步变动，真正做到了从用户的个性化设计订单到生产过程的“零时差”连接。
红领走了一条极端的定制路线，生产的每一件衣服从生成订单前就已经销售出去，并且每一件衣服都是由用户亲自完成的设计。这在成本上只比批量制造高10%，但收益却能达到两倍以上。实现低成本、高定制化生产的背后是一套完整的大数据信息系统，任何一个用户一周内就能够拿到定制的衣服，而传统模式下却需要3一6个月。
定制的第一步是用户数据的采集，最重要的数据是用户的量体。量体数据采集的方案主要有四套：第一套方案，用户可以根据以往在任何一个大品牌服装上体验的自认为最合适据，从红领的数据库中自动匹配对应的量体数据；第二套方案，通过O2O平台，在任何地点预约上门量体；第三套方案，用户可以到红领的体验店直接采集量体数据，整个过程只需要5分钟，采集19个部位的数据；第四套方案，用户也可以选择自己的标准号，但是要对自己的选择负责。完成用户的数据采集之后，红领就会形成一个用户的数据档案，在未来用户进行新的定制化设计时可以直接使用以前的数据。
除了量体数据的定制化，最大程度满足西装的合身之外，客户还可以定制衣服的面料、图案、光泽、颜色，甚至是一些极其微小的细节。比如纽扣的形状和排列方式、口袋的样式、里衬的走线纹路，甚至是添加一个水滴形的钢笔口袋，或是印上自己家族的徽章和名字。即使是在如此复杂和高度定制化的情况下，依然可以确保在7天内为用户完成制作并发货。这其中的秘诀依然离不开数据：当客户在网上完成下单之后，这些定制化的设计被转变成数以万计的生产指令数据，并按照工序被记录在数十个磁卡中，形成了一件衣服在制作过程中的“身份证”。
一件定制化西服的生产流程可以简单描述为：工厂的订单信息全程由数据驱动，在信息化处理过程中没有人员参与，无须人工转换与纸质传递，数据完全打通，实时共享传输。所有员工在各自的岗位上接受指令，依照指令进行定制生产，员工真正实现了“在线”工作而非“在岗”工作。当一件正在制作中的西服到达一个工人面前时，员工可以从互联网云端获取这件西服的制作指令数据，按客户的要求操作，确保了来自全球订单的数据传递零时差、零失误率，用互联网技术实现客户个性化需求与规模化生产制造的无缝对接。
在生产线的智能化升级方面，基于MES , WMS , APS等系统的实施，通过信息的读取与交互，与自动化设备相结合，促进制造自动化，流程智能化。通过AGV小车、智能分拣配对系统、智能吊挂系统与智能分拣送料系统的导入，加快整个制造流程的物料循环，通过智能摘挂系统、线号识别系统、智能取料系统、智能对格裁剪等系统的导入实现整个制造流程的自动化。除此之外，红领还利用大数据分析解决生产线平衡和瓶颈问题，使之达到产能最大化、排程最优化及库存和成本的最小化。
红领经过10多年的数据累积，建立了个性化产品数据模型以及数据累积管理模型，基于数据模型完善大数据，目前具有千万种服装版型，数万种设计元素，满足用户个性化定制需求，组合出无限的定制可能，目前能满足近100%的个性化设计需求。红领在产品设计方面采用了与传统服装行业不同的三维计算机辅助设计（CAD）、计算机辅助工艺规划（CAPP）方式，对款式、尺码以及颜色等都进行智能化管理。红领使用大数据技术的最核心价值就是对C2M各生态链上的海量数据进行收集、存储和分析，构建了以下5个方面的核心能力：
规模化：将软件、硬件设备资源进行规模化集成，提升设备的计算能力；
可靠性：用分布式数据中心的存储和备份，保证了数据的容灾性；
虚拟化：将软、硬件相互隔离，虚拟化应用，减少了设备之间的依赖性；
按需服务：建立云端的虚拟资源池，为各模块提供弹性支撑服务；
通用性：不用针对具体的应用，在“云”的支撑下可构造不同的应用。
正是有了这样的一套大数据驱动的生产系统，红领员工才发出这样的感慨：现在人人都是设计师，每一件西服都是一个故事，从衣服上可以猜测它背后是什么样的人来穿，甚至以什么样的心情来穿。
5、实现产品的持续跟踪服务的案例
（1）1987年，美国通用汽车（General Motors）收购了了休斯电气公司（Hughes ElectronicsCorporation），应用各自领域的专业技术优势和经验在1992年开发出了OnStarTM（国内称为“安吉星”）系统。安吉星最初的功能主要是远程监控和危机处理，比如当用户丢失车钥匙时帮助他们远程打开车门、汽车发生问题时进行远程诊断筛选，以及汽车在发生碰撞后提供紧急救援服务。这也是汽车领域利用远程数据采集为用户提供服务的第一次尝试。
（2）另一个代表是GE Medical Systems （GE Healthcare的前身）推出的InSite设备网管系统，能够通过无线系统网络对GE的医疗泛备（如核磁共振仪等）进行点对点监控。在InSite推出以前，医疗设备在故障后需要联络现场工程师到现场处理，从派遣工程师到维修完毕的平均时间为4个小时，故障后常常造成顾客长时间等待和抱怨。InSite系统可以直接对设备进行远程监控，发生故障时远程帮助用户及时找出问题并自行解决，减少了不必要的到点维修。如果客户无法自行解决，也可以在远程对设备的故障进行较为详细的诊断，在到点维修前提示准备好所需的资源和备件。使用InSite系统后，41%的故障可以远程排除，平均消耗时间仅为15分钟，而34%的故降可以进行远程诊断和到点维修准备，平均故障排除时间降低到了2小时。在InSite的帮助下，GE大幅削减了售后服务的成本，而且将设备的停机率缩短至小于1天/年。这个概念也激发了GE为航空发动机开发On-wing SupportTM服务的灵感，为GE第二代远程大数据服务系统打下了基础。
（3）还有一个代表产品是奥蒂斯（OTIS）电梯公司的远程电梯维护系统（Remote ElevatorMaintenance，REMTM）早在1995年就利用监控数据对电梯进行远程维护。那个时候电梯最大的问题就是经常打不开门，把乘客关在一了电梯里，而维修人员赶到现场进行故障排除需要1个小时左右的时间。为了避免故障的发生，OTIS有一个庞大的维护人员团队，对每个城市的高层OTIS电梯进行定期的巡检，带来了高昂的人力成本。于是OTIS通过REMTM监控每一台电梯的平均开门时间和电气设备的重要参数，判断电梯发生故障的风险，为维护团队提供巡检的优先级排序和预防性维护决策支持，在承担较低的人力成本条件下最大限度地避免了电梯故障。
（4）小松机械（Komatsu）在2005年推出了康查士（KomtraxTM系统），利用ICT技术对车辆进行远程使用管理，将设备的使用数据和各种健康信息及时反馈给客户，帮助客户做好日常保养工作，使设备保持良好的状态。该系统还可以对用户的使用工况进行判断，例如当挖掘机设备在土质松软的海边工作时，由于设备自身无法固定而牢固，常常需要在超负荷的工况下运行，康查士系统就可以提醒用户在该工况下的使用风险，并给出相应的维护建议。小松曾派工程师于2005~2006年到美国的IMS中心合作开发智能维护分析工具，对远程装备管理提供信息服务。
（5）阿尔斯通（Alstom）的TrackTracerTM车载诊断系统能够在高铁运行时监控车辆关键部件的健康状况，一旦发现现异常，TrackTracerTM就可以对故障进行远程诊断，并派遣维护人员在车辆的下一个站点进行维修，从而最大限度地保障列车的运行率。TrackTracerTM还可以通过车载的振动传感器对铁轨进行监控，避免了以往人工检查的低效和安全隐患。
6、为企业提升新的服务价值的案例
GE旗下的飞机发动机公司（GE Aircraft Engine）在2005年将公司名称改为“GE航空”（GE Aviation），这代表着业务模式的转型。原来的发动机公司只做发动机，而改名后的GE航空则提供运维管理、能力保障、运营优化和财务计划的整套解决方案，还可以提供安全控件、航管控件、排程优化、飞航信息预测等各类服务，由服务带来的价值空间更大了。
例如，GE航空提供的“On-Wing Support”服务，在航班飞行的过程中监控发动机的健康状态，对可能发生的故障风险进行预测，在飞机落地前就可以在相应的机场准备好维护所需的备件和技师等资源，从而使发动机的使用率大大提升，同时安全性也得到了很好的保障。这项服务推出后，从美国芝加哥飞往上海的航班降落后仅需3小时的周转时间就可以搭载上海的乘客返回芝加哥，航班的周转率大大提升，为航空公司带来了相当可观的价值增长。有了这些服务之后，GE卖的已经不是或者不只是发动机，而是航空管理服务。这样，发动机生产商从过去单纯的发动装置提供者转变为如今的航运信息管理服务商。