四种模式！看工业大数据是如何驱动智能制造的

随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，使得工业企业所拥有的数据日益丰富。工业大数据是在工业领域信息化应用中所产生的数据，呈现出大体量、多源性、连续采样、价值密度低、动态性强等特点。

信息技术特别是互联网技术正在给传统工业发展方式带来颠覆性、革命性的影响。二维码、RFID、传感器、工控系统、物联网、ERP、CRM等技术的广泛应用，推动工业企业实现生产流程各环节的互联互通，促进互联网与工业融合发展。但网络、通信、硬件设备等只是工业企业实现互联互通的基础，实时感知、采集、监控生产过程中产生的大量数据，运用大数据技术对企业产生、拥有的海量数据进行挖掘，得到有作用的分析结果，智能制造才能得以实现。

多源数据的融合是实现互联网与工业融合创新的必要条件，而要实现对多种来源、多种类型海量数据的分析处理，以及复杂的数据关联关系挖掘，都需要有大数据的支撑。在大数据的驱动下，互联网与工业进一步深度融合，新模式、新业态层出不穷，产业模式、制造模式、商业模式正在重塑，企业、市场与用户的互动程度和范围得到扩展，企业与用户关系加速重构，生产周期从产品的设计、研发、制造、销售、服务等逐渐构成闭环。

工业大数据驱动智能制造的四种作用模式

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。

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，中国商飞公司的产品研发制造全程均在全球协同网络环境平台的管理下开展。商飞公司仅负责飞机的总体设计，把零部件设计、制造工作全部外包给全球各地零部件供应商。商飞利用计算机模型进行总体结构的虚拟装配，利用每个部件的生产数据进行部件的组装和校验工作，组装完成的各机体被运送至商飞公司的总装工厂，进行最后的大部件对接和总装工作。商飞公司ARJ21支线飞机全机的31000项零部件中，有超过77%是在全球10多个国家、104家供应商之间协同研发和制造完成的。

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。这些研发资源既包括保时捷、宝马等顶级的汽车研发团队，也包括施华洛世奇等知名的时尚设计师。

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（包括违反生产规定、零部件故障）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。例如，美国GE集团在纽约州斯克内克塔迪市有一家氯化镍电池工厂，18万平方英尺的电池生产厂区内，安装了1万多个传感器，用来监测相关的温度、能耗和气压，并全部连接高速内部以太网络进行数据传输。在流水生产线外，管理人员手拿iPad通过工厂的Wi-Fi网络来获取这些传感器发来的数据，监督生产过程和一天的产能。如果抽检的电池如某一环节出现了问题，就可以通过跟踪数据发现问题的根源并及时解决。传感器和机器之间也有数据交换，当某一传感器发现流水线移动缓慢时，就会“告知”机器，让它们传输的速度慢一点。

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。

推动现代化生产体系的建立。通过对制造生产全过程的自动化控制和智能化控制，促进信息共享、系统整合和业务协同，实现制造过程的科学决策，最大程度实现生产流程的自动化、个性化、柔性化和自我优化，实现提高精准制造、高端制造、敏捷制造的能力，加速智能车间、智能工厂等现代化生产体系建立，实现智能生产。

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。例如，京东于2014年推出了“JD+”计划，与制造企业深度合作并提供全方位支持，促进智能硬件行业的创新发展。加入“JD+”计划的合作伙伴可获得的京东服务包括：库存、日销、流量等数据信息；专业化的供应链服务支持；云计算、大数据等方面的技术支持。同时，对于优质企业还将依据评估结果提供小微贷款或孵化资金支持。

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。北京智慧联合公司通过大数据情报分析，为华北地区水泥行业提供“冬储”生产管理应用解决方案。华北地区水泥行业冬季无法施工，只能储存起来，但无法把握“冬储”水泥的数量。智慧联合通过对华北地区本年度及来年工程项目的搜集分析，得出相应工程量，再根据单位工程量所需水泥数量，大致计算出华北地区第二年度总的水泥需求量，结合竞争对手、销售渠道分布等因素，最终估算出公司的水泥生产数量。

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。

在GE软件研发中心，工作人员通过测试筛选2万台喷气发动机各种细小警报信号，可以提供发动机维修的前瞻性评估数据。包括能够提前一个月预测哪些发动机急需维护修理，准备率达到70%。这套系统的另一个价值，就是可以让飞机误点机率大幅降低。因为，每年航班延误给全球航空公司带来400亿美元的损失，其中10%飞机延误，正是源自飞机发动机等部件的突发性维修。GE航空还和埃森哲成立了一家名为Taleris的合资公司，为全球各地的航空公司和航空货运公司提供监测服务。当一架飞机落地以后，Taleris很快就可以把飞机数据用无线的方式传递出去，随后据此为之量身打造一套专门的维修方案。航空公司因此也能够对飞机上的各项性能指标进行实时监测和分析，并对故障进行预测，从而避免飞机因计划外的故障造成损失。

积极推动我国工业大数据发展

做好发展工业大数据的总体设计

首先，开展工业大数据发展的相关法规、技术标准体系和数据标准体系建设，抓住在中国市场制定竞争新规则的机会；其次，聚焦重点行业领域工业大数据发展，形成中国自主的核心工业信息技术体系，打破西方主导格局；第三，瞄准我国用户的需求与本土环境特点，打造具有中国特色的工业大数据服务，实现规模化市场应用。

加强标准规范的制定和实施

加快元数据、数据交换、数据交易、数据质量、安全保密等重点共性标准的制定和实施。鼓励龙头企业参与组建工业互联网联盟，建立企业间数据交换交易的规范和标准。加强大数据环境下信息安全技术研究，落实信息安全等级保护制度，建立健全大数据安全保障体系。明确数据所有权、使用权和各相关主体与信息之间的权利、责任和义务，修订和完善数据安全保护相关立法，对滥用数据、侵犯个人隐私等行为加强管理和惩戒。支持建立大数据测评机制，建立服务可用性、可靠性、安全性和质量等方面的大数据评估认证体系，支持第三方机构开展评估评测工作。

突破核心关键技术，提升应用能力

加大技术研发资金扶持力度，支持面向工业企业的数据集成、数据存储、数据处理和数据挖掘分析等核心关键核心技术攻关，推动已取得技术突破的领域加快成果转化和应用推广。

推动软件企业和工业企业协同发展

探索建立软件企业、互联网企业和工业企业的协同发展机制，支持引导软件和互联网企业深入工业领域，与工业企业从技术、资本等层面进行跨界战略合作探索，支持重点行业龙头企业研究规划互联网与各工业行业融合发展的技术路线图，支持相关企业开展工业大数据关键技术研究和产业化探索。

促进典型应用示范

基于互联网平台建立面向工业不同行业、不同环节的大数据资源聚合、分析应用体系，扶持基于大数据的新技术、新产品、新模式，开展个性化定制、众包设计、智能监测、全产业链追溯、在线监控诊断及维护、工控系统安全监控、智能制造等新业务，培育新产业、新业态。推动大数据在工业企业产品全生命周期、产业链全流程各环节应用，分析感知用户需求，提升产品附加价值，建造智能工厂。选择典型企业、重点行业、重点地区开展大数据应用项目试点示范，积极推动制造业网络化、数据化、智能化和服务化的发展。