中国工业大数据的实践与思考

西安电子科技大学中国工业大数据的实践与思考演讲者：王建民西安电子科技大学演讲人介绍：王建民现为清华大学软件学院教授、博士生导师，副院长、党委书记，信息系统与工程研究所所长。国家“十一五”863计划先进制造领域专家。中国计算机学会高级会员，数据库专委会委员，Petri网专委会委员。西安电子科技大学主要内容1、工业大数据2、工业大数据思考3、工业大数据实践西安电子科技大学1、工业大数据简单来讲，工业大数据就是在工业领域信息化相关应用中所产生的海量数据，注意这里的“相关应用”意味着不仅包括企业内和产业链，还包括客户用户和互联网上的数据。2012年，GE公司率先明确了“工业大数据”的概念。同年麦肯锡的报告中给出了一个有趣的事实：那就是在虚拟经济占主导地位的美国，其工业界蕴含的数据总量反而是最大的。西安电子科技大学西安电子科技大学同时GE公司的报告还揭示了工业大数据所蕴含的巨大价值。西安电子科技大学为什么今天提出“工业大数据”?我感觉有几个重要背景：第一是数字化装备和产品的普及；第二装备和产品网络化连接的普及（互联网+）；第三是企业向服务型制造转型，第四“从摇篮到摇篮”制造的必然要求。无疑“智慧互联设备”、“工业4.0”和“工业互联网”都顺应了这样一个趋势。西安电子科技大学趋势和动力西安电子科技大学主要内容1、工业大数据2、工业大数据思考3、工业大数据实践西安电子科技大学对工业大数据的几点思考：西安电子科技大学1、工业大数据从哪里来？工业大数据来源于产品生命周期的各个环节，包括市场、设计、制造、服务、再利用各个环节，每个环节都会有大数据，“全”生命周期汇合起来的数据更大，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。西安电子科技大学1、工业大数据从哪里来？西安电子科技大学2、工业大数据和企业已有数据之间的关系？传统企业信息化的“四大件”，广义PLM系统（包括CAX）支持产品开发、ERP系统负责“人财物、产供销”、SCM系统协调供应链，CRM系统关照企业客户和用户，这些系统一般架构在关系数据库系统之上，显然这些系统中的数据是工业大数据，是其中的“20%”部分。西安电子科技大学2、工业大数据和企业已有数据之间的关系？工业大数据领域2/8法则数据价值密度20%的SQL小数据具有80%的价值密度例如：产品图纸、试验分析、加工工艺等80%的工业大数据密度只有20%，需要分析挖掘例如：工况数据、图片数据、文本数据等数据的依赖关系20%的SQL小数据将引爆80%工业大数据价值不举小数据之“纲”，难张大数据之“目”西安电子科技大学3、工业大数据和业务流程的关系？传统企业信息化项目一般是从梳理业务流程起步的，流程“主动”、数据“被动”。而工业大数据环境下，要求企业快速满足个性化用户需求，企业僵化的“长流程”，难以适应“实时决策”的要求，需要变“流程驱动”为“数据驱动”，至少是“混合驱动”，“流程”和“数据”深度融合。上述表现，就是我们说的“流程碎片化”，数据成为连接这些“碎片”的媒介。西安电子科技大学3、工业大数据和业务流程的关系？从过程产生数据到数据驱动过程过程管理的“不变”与“变”“不变”：企业在业务过程中凝结人类劳动“变”：长流程的碎片化、基于数据的路由等企业的“本”与“末”“本”：产品+服务、物质加实质、产品生命周期等“末”：单纯强调信息化技术先进性、甚至赶“时髦”西安电子科技大学4、工业大数据有没有“交钥匙”工程？新世纪以来，我国工业界经历了轰轰烈烈的信息化浪潮，“不搞信息化等死，搞了信息化找死”，后半句话告述我们，“信息化”是有难度和风险的，所以“交钥匙”工程成了广大企业所期望的方式。西安电子科技大学4、工业大数据有没有“交钥匙”工程？我个人的观点，工业大数据不存在“交钥匙”工程（至少现在），原因如下：1)工业大数据项目主要不是针对“现有业务”，而是针对“未来业务”、“创新业务”的，其魅力在于创新性、不确定性；2)工业大数据现在还处在“科学”阶段，人们对数据价值的“提取”方法、技术与工具尚不成熟，特别是以物理规律为发现目标的工业大数据处理更是刚刚起步；3)人们普遍认同的“领域专家”、“统计专家”和“软件专家”组成的协同团队，是当前“大数据”深度应用的有效方法。西安电子科技大学4、工业大数据有没有“交钥匙”工程？没有“交钥匙”工程持续迭代新装备：需要对装备进行改进，实现互联互通、透彻感知新数据：需要从多个渠道去获取数据并相互关联新业务：需要打破传统组织边界衍生新型业务新模式：甚至在产业链上谋求模式的改变深度融合物理设备和信息的融合业务过程和数据的融合领域专家和数据科学家的融合西安电子科技大学主要内容1、工业大数据2、工业大数据思考3、工业大数据实践西安电子科技大学在工业大数据方面的“小实践”：在工业产品全生命周期的各个阶段都有大数据，比如设计阶段引入用户社区数据，制造阶段使用机床在线测量数据，在市场营销阶段使用社交网络数据等。在这里，和大家分享一下使用过程中产生的装备工况大数据。首先，工况大数据平台不是单独存在的，需要嵌入企业已有信息系统，比如客户服务系统，需要将大数据系统与SQL系统进行融合协同应用，有时需要切换原来的数据管理系统，在实践中我们总结出“四阶段”切换方案。西安电子科技大学在企业内部切换数据库的难度如果将数据比作血液，数据库相当于心脏替换数据库相当于心脏移植静脉血管，数据写入动脉血管，数据查询整个过程生命不能停顿，系统不能中断运行意外发生可以恢复，切换途中可以回退西安电子科技大学切换方案西安电子科技大学根据我们的实践，工况大数据的典型应用场景如下页面所示：西安电子科技大学应用实践首先看时空监管的例子。当得到工况数据以后，首先是对一般运营进行监管，不同于传统的运营监管，在大数据技术支持下，运营是成套设备互相协同的运营，例如：以搅拌站为例，通过收集位置数据、油位数据可以对搅拌车运输的过程进行优化调度，从而避免拥堵、减少等待、降低能耗。西安电子科技大学应用实践再举个例子，我们知道液压系统是工程机械的核心系统之一，导致故障的原因有很多，例如：密封套腐蚀，内壁刮花，密封环损坏，阀块受损，等等。有了工况大数据就可以寻找深层次原因。西安电子科技大学应用实践有了工况大数据，我们通大规模过比对开工指标，从典型取值、波动幅度、回传密度多个维度进行分析，自动搜索推荐与故障车辆关系密切的特征工况，发现这些故障车辆的每分钟换向次数在变化幅度上高度相关。西安电子科技大学应用实践再通过引入互联网上的行政区划数据和历年高铁建设数据（企业外部数据），可以得出这样一个结论，这些典型故障均发生在2012年~2013年期间在建重大工程“杭深高铁”沿线，这为我们寻找更深层次的原因提供了重要线索。西安电子科技大学应用实践最后，我们可以通过大规模工况数据透视宏观装备应用情况，可以根据这些信息，进行易损配件需求的预测，优化调配我们的服务资源，甚至我们可以推测各地宏观经济情况。西安电子科技大学总结工业大数据刚刚起步，需要冷静思考，坚持应用驱动，最终实现我们的目标。