工业大数据研究综述

1工业大数据研究综述摘要：随着工业4.0时代的到来，工业领域将会以想象不到的速度创新，呈现出新的技术、新的产品、新的服务和新的业态。各行各业的决策正在从业务驱动转变为数据驱动。事实上，无论是工业4.0、工业互联网还是中国制造2025，其主要特征都是智能和互联，主要都在于通过充分利用信息通讯技术，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。智能制造时代的到来，也意味着工业大数据时代的到来。工业大数据的应用，将成为未来制造业创新的关键要素，也是目前全球工业转型必须面对的重要问题。关键字：工业4.0；工业大数据；价值创造中图法分类号:TP311ASummaryoftheResearchonIndustrialBigDataAbstract:withtheadventofthe4eraofindustry,theindustrialfieldwillbethespeedofinnovation,showinganewtechnology,newproducts,newservicesandnewformats.Decisionsfromallwalksoflifearedrivenfromthebusinesstodatadriven.Infact,whetheritisindustrial4.0,InternetindustryormadeinChinaby2025,itsmaincharacteristicsareintelligentandinterconnected,mainlyisbymakefulluseofinformationandcommunicationtechnology,theproducts,machinery,humanresources,andtheorganiccombinationoftogether,topromotemanufacturingtobasedonlargedataanalysisandApplicationbasedonintelligenttransformation.Thearrivaloftheeraofintelligentmanufacturing,butalsomeansthearrivaloftheeraoflargeindustrialdata.Industrybigdataapplications,willbecomethekeyelementsoffuturemanufacturinginnovation,butalsothecurrentglobalindustrialtransformationmustfacetheimportantissues.Keywords:industry4.0;industrybigdata;valuecreation大数据在工业各领域不断革新发展，工业大数据将成为构建制造型企业的新型能力。如何利用工业大数据以及采用何种方式管理工业大数据是许多企业必须要面对的问题，工业大数据的价值实现是其中的关键环节之一。本文对工业大数据的产生及特点、现状、价值实现，以及工业大数据与工业4.0[1]、中国制造2025的关系，工程实践等方面进行研究，得出没有工业大数据作为支撑，智能制造也就是无源之水。1工业大数据的产生及特点1.1工业大数据的产生背景工业大数据已成为新一轮产业革命的重要动力。提出工业大数据，源于四个方面:一是数字化装备和产品的普及，二是装备和产品网络化联接的普及，三是企业向服务型制造的转型，四是“从摇篮到摇篮”再制造的必然要求[1]。无论是德国提出的“工业4.0，还是美国定义的“工业互联网”，大数据在其中都发挥着重要作用。IBM认为，工业4.0是大数据驱动的智能制造[2-3]，无数据不智能。GE表示，工业互联网最重要的就是数据分析，未来每一家工业企业也必须是一家软件企业，有了软件必然会有数据。工业大数据是以工业、工业产品为主体，这些数据源于产品生命周期的各个环节，涵盖三个重要阶段一一开发制造阶段（即BeginningofLife）、使用维护阶段（即MiddleofLife）及回收利用阶段（即EndofLife）。其中，第一阶段和第二阶段的分离点是产品交付用户的时刻，第二阶段和第三阶段的分离点则是产品退役时刻。在产品生命周期中，包括市场、设计、制造、服务、再利用等各个环节都会产生数据，全生命周期汇合起来的数据更大。JournalofSoftware软件学报2当然，企业外、产业链外的“跨界”数据也是工业大数据不可忽视的重要来源。认识工业大数据必须从信息时代发展变迁的视角去权衡。从传统工业IT到GE强调的OT(OperationTechnology)概念，再到DT(DataTechnology)时代，工业大数据实际是三流合一，整合的是IT时代信息系统中的数据、OT时代以机器为主体的数据，及DT时代网络环境下的互联网数据。工业大数据是制造型企业创新转型的驱动力和催化剂，随着三维设计、3D打印、机器人技术等在制造型企业广泛应用。工业大数据广泛分布在产品设计、制造、物流、服役等各环节[4]，具体如下：数字化设计：如飞机全数字化设计：波音公司利用CATIA软件设计波音777的300万个零部件的尺寸和形状数据；智能化制造：以智能工业机器人为典型代表的智能制造装备已经开始在多个领域得到应用；我国今年的工业机器人超过日本。网络化监控：大型工业装备运行状态网络化远程动态监测：例如，波音737发动机在飞行中每30分钟产生10TB数据；陕鼓动力实现数百台旋转机械远程在线监测及故障诊断。物联化管理：工业生产过程开始大量使用射频识别技术（RFID）实现零件与产品管理。Fig.1Industrialproductionprocess图1工业生产过程1.2工业大数据区别其他行业大数据有自身的特点和挑战一是多源性获取，数据分散、非结构化数据比例大：工业大数据来源广泛且分散，有来源于产品制造现场工控网监控数据，有来源于互联网的客户、供应商数据，有来源于企业内网的经营管理数据。海量异构多源多类数据难以有效集成，语义描述困难，不能实现面向系统生命周期管理的数据协同管理；二是数据关联性强，有关联也要有因果：工业大数据的产生和应用都围绕产品全生命周期、企业主价值链等，数据间关联性强且分析准确性要求高。不但要利用大数据给出决策也要用大数据给出决策依据。工业大数据预测精度低，准确性和可靠性不高，无法满足安全性要求；三是持续采集、具有鲜明的动态时空特性：工业大数据来源于工控网络和传感设备，具有实时性强、连续性、稳定性要求高等特点，需要采用可靠的数据采集、存储、管理的工具进行管理，另外涉及国计民生领域还要求整个平台安全可控。工业大数据分析的实时性要求高，动态控制困难，量化难度大；四是与具体工业领域紧密相关：工业大数据产生依赖于CPS网络和智能产品，但目前面向信息物理融合系统的分析方法单一，无法实现闭环、多层次、多阶段、自比较等的综合分析；面向智能设备和智能产品的故障检测能力不足，健康预测管理水平低，无法实现面向产品可靠性的深层次分析。2工业大数据的现状目前，工业大数据在各个行业部门创新发展[2]，我国智能制造装备产业已形成一批具有国际竞争力的龙头企业。如智能控制系统领域、工业机器人领域、工程机械领域，如上海新华控制技术集团公司、海尔哈工大有限公司、沈阳机床制造有限公司、重庆川仪股份有限公司等企业，已进入全球排名榜单。但“制造业对数据的利用水平明显落后于其它行业，尤其是面向B2C的企业。”天集信息科技(上海)有限公司总经理徐津市场需求采购库存研发设计制造检验试验交付营销售后保障行业发展数据市场需求分析。。。。。。供应商数据采购计划管理库存优化。。。。。。制造过程监控实时传感技术制造工艺更改数据工艺数据研发需求方案设计数据设计版本跟踪设计变更会议纪要研发周期控制数据产品检验数据性能试验数据。。。。。。营销方案数据市场响应情况产品交付周期产品使用性能跟踪产品维修与维护售后快捷服务产品问题处理记录3[5]认为，B2C（ConsumertoBusiness，即消费者到企业）典型的代表电商公司对大数据的利用比较领先，他们可以追踪消费者浏览商品的行为，从而推算出需要的商品，并给出其他消费购买的概率，以此引导购买行为。（1）信息化水平低[6]传统的工业企业的信息化受到资金投入不足、技术落后等因素的影响，使得其水平普遍偏低，在信息化应用方而的成效还不够显著，在大数据的背景下我国的信息化系统在传统工业企业当中的应用作用与效率难以得到很好的提高。在信息系统难以得到应用的情况下工业企业的产品开发力度也比较低，新产品开发的能力、效率亟待提高。（2）缺乏对数据化的合理利用在国外的一些发达国家，高新技术企业正在借助数据化来对企业市场应对能力进行加强方而获得了很好的效果，然而我国目前很多工业企业尚且处于初步的创业时期，应对性偏低，在利用数据来管理营销、财务、库存等多个方而还存在着各式各样的问题。在大数据时代背景下，如何利用数据化的发展进步来促进我国工业企业的资金周转、市场反应等各方而能力的提升，是值得我们思考与探究的问题。工业企业应当采取多种手段来保证数据化作用的真正发挥，例如，在数据化的背景下可借助互联网来建立企业网站，通过网站正向推广企业产品，反向挖掘用户访问数据，嗅探用户需求，帮助企业提升产品市场竞争力。（3）产业链融介度低在大数据背景下我国的一些工业制造企业在实施大数据时虽然取得了一定的成效，但是在实施的过程中并没有和上下游企业建立起良好的数据分享机制，没有充分利用高技术、新信息来加深产业链融介，使得企业之间出现脱节，无形中减少了大数据所能带来的潜在效益。制造企业面临着这样的困境与大数据之间的关系在麦肯锡发布的《大数据:下一个竞争、创新和生产力的前沿领域》[3]研究报告有明确体现:在制造业领域，大数据工具应用带来的效益将渗透于整个制造业价值链，主要表现在研发、供应链管理、生产、售后服务等环节，这使得制造业减少了开发周期，优化装配过程、增加了产量并满足客户的需求。传统的制造业正在面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。3工业大数据价值实现（1）价值实现的国内路径生产和市场中实现量的积累我国作为一个全球的制造业大国已经形成了种类齐全，规模巨大的现代化工业体系，工业门类品种繁多，类别齐全，能够形成大量的机械设备时常需求。伴随着的市场经济的发展以及制造模式不断朝着智能化、数据化的创新变动，我国的工业机器等智能自动化机械设备市场规模已经实现了持续扩展与发展[4]。到目前为止，我国已经投入生产线开展生产的机器人约占据了全世界总量的8%，全年的总装机量的增长速度达到了19%，相对与全球9%的增长率，这一速度十分惊人[7]。伴随着国产机器自主开发与生产能力的不断增长，以及国内市场对国产机器的品牌的认可，国内生产的工业机器的应用领域将从汽车、航空、军事、电子制造等各种高端型产业逐渐转向食品加工、金属加工、五金加工等传统行业。可以看出，智能生产应用已经开始了普及推广的步伐。例如，九江石化已经开始建设智能工厂。不论是城市轨道交通、隧道施工开挖亦或是海洋工程设备等机械制造在智能装备的自主设计创新、自主生产上得到了十分显著的成果。在国内，高铁建设已经全而开展，并且逐渐相连成为了国内、国际经济带上重要的交通工具。因此，可以预见工业生产、制造领域中的智能化应用与高端技术的领先发展将会使得我国工业大数据实现惊人的增长速度，给数据挖掘提供充分的资料与对象[8]。（2）数据驱动价值创造拉力战神一一RallyFighter这款车的诞生就是工业大数据应用的一个典型实例。这款车的制造商LocalMotors是一家规模不大的网站，之所以能够生产出这样一款跑车与越野车完美融合的产品，依靠的是来自全球约三万多个研发人员提供的一万多个设计方案，从中寻找最优方案，继而生产制造。这种模式正是马云当年称之为C2B的制