把握大数据机遇实现装备制造跨越式发展

马　斌，孙利波

把握大数据机遇实现装备制造跨越式发展

马斌，孙利波

随着信息技术、通信网络技术等科学技术的迅速发展，数据已经渗透到当今每一个行业和业务领域，成为了重要的生产要素。在全球化经济的发展过程中，我国传统制造业包括装备制造企业遇到了巨大的竞争压力，大数据的出现，为装备制造业的发展带来了机遇。本文从装备制造大数据特性、装备制造大数据应用以及装备制造大数据面对挑战等阐述了大数据在装备制造企业的应用。装备制造企业灵活应用大数据技术，能够极大程度实现自身的跨越式发展，提高自身的核心竞争力。

大数据；装备制造；云计算；云制造

1　引言

目前，越来越多的研究机构和企业开始研究大数据的应用，主要致力于社会和商业数据的挖掘，包括销售预测、用户关系聚类、社交网络以及意见挖掘等，其研究的重点主要是“人为产生的或与人类有关的数据”，很少涉及“机器生成的数据或工业数据”［1］。随着制造企业各类信息系统的逐渐完善，管理方式由粗放式管理转为精细化管理，企业在业务管理的同时积累了大量的数据，包括了人为产生的数据和机器产生的数据。改变传统数据采集、数据存储及可视化方式，合理分析与挖掘数据产生的价值，能极大提高企业的创新能力。

在过去的三十年里，通过引进消化吸收再创新取得了巨大的进步，成套技术装备产品达到了国际先进水平［2］。但在经济全球化的发展过程中，我国传统制造业包括装备制造企业遇到了巨大的竞争压力，生产效率低、管理粗放等问题随着市场需求变化愈来愈影响企业的运营和发展。大数据的出现，为装备制造业的发展带来了机遇，企业迫切需要通过大数据技术实现自身的跨越式发展，提高自身的核心竞争力。

2　大数据的发展现状

近年来，“大数据”引起各国政府、产业界和科技界的高度关注。2012年，美国总统奥巴马宣布启动“大数据研究与开发计划”，旨在提高从大型复杂数字数据中抽取知识与观点的能力，以帮助解决国家在科学与工程中最紧迫的诸多挑战问题，增强国家安全，实现教育与学习的转变。2013年4月，德国政府提出“工业4.0战略”，其目的是为了提高德国工业的竞争力。意在革新现有生产方法，通过充分利用信息通讯技术和网络空间虚拟系统—信息物理系统（Cyber-Physical System）相结合的手段，将制造业向智能化转型。中国国家领导人在十七大报告中提出“两化融合战略”，其目的是以信息化带动工业化，以工业化促进信息化。利用信息化来改造传统产业，并在两者融合的过程中，寻找新的经济增长点，最终实现我国制造业的跨越式发展，赶超发达国家［3］。

为了把握大数据发展机遇，IBM公司与搜狗公司成立联合实验室，研发基于System x的下一代数据中心和大数据运算平台。与此同时，国内互联网公司，包括奇虎360、百度、腾讯等公司也纷纷开展了对大数据的研究［4］。一些制造企业，如西门子公司等，也纷纷采用大数据技术整合产品设计、质量、制造执行方面的巨大信息来帮助企业发展［5］。

可见，大到国家小到企业，大数据在其发展中都起到了至关重要的作用。装备制造业加快大数据的研究与应用，对促进企业转型升级、节能减排、流程创新以及精细化生产等都有很大的帮助。

图1　装备制造企业业务流程

3　装备制造大数据特点

“大数据”是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产［6］。

与其他大数据一样，装备制造大数据同样具有4V特点，即Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。主要体现在以下几个方面：

（1）数据体量大

由于装备产品的大型单件、面向订单生产以及产品结构复杂的特性，其生产周期长。随着企业内部业务流程管理规范化和精细化，各生产流程节点下产生的数据与日俱增。如图1所示为装备制造企业的业务流程，其数据包含了市场营销信息、产品设计研发信息、CAPP信息、生产计划与进度信息、生产制造信息、仓库信息、发运信息、售后服务信息、培训信息以及备件信息等。随着时间的推移，每种信息的数据量在呈几何级倍增。

同时，随着装备制造过程现代化水平的不断发展，以及市场和客户需求的快速变化，企业间的专业化分工越来越细。由此而导致集团企业下的分（子）公司、供应链中上下游企业间的协同合作越来越频繁，单个企业的决策除获取企业内部信息外，还需要获取与产品相关的其他企业的数据，因此，数据量的获取来源也在逐渐增多。

但是，装备制造企业数据量在增加的同时，也面临着统计不全面，利用效率低的困难：在企业实际经营过程中，通常各企业间、企业内部的车间和部门各自为营，以至各流程节点下的信息分散存储，当需要进行分析时，领导决策层无法获取全面的信息。于是，出现一方面资料和数据在逐渐膨胀，另一方面在实际分析统计过程中又找不到全面的信息，决策不精准。所以，装备制造企业需要利用大数据技术提高数据的利用效率。

（2）数据的多样性

大数据以多种多样的形式涌现，如来自于传感器的各种类型数据、移动电话的GPS定位数据、生产过程中的语音、图像、视频、日志文件等，另外，随着大数据时代的发展，新的数据来源与数据形式也会不断出现。在如此多样化的数据结构中，装备制造企业间由于管理方式不同，数据类型各异，因此数据间的相互对接变得极其重要。所以，装备制造企业需要采用新方法来规范、标准化数据，从而更大程度挖掘数据的价值。

（3）数据的高速性

大数据的处理与云计算、分布式技术的使用紧密相关，在较短的时间范围内分析出结果才会有较大的价值。例如，集团企业内部订单分解、企业内部生产计划的制定与调度，往往需要领导层根据数据在极短时间内快速决策。随着人工智能算法的趋于成熟，在数据充足的情况下，数据的高速性能够很好地体现出来。

（4）数据价值性

数据的价值是大数据与制造业融合的最终目标，其最大的优势在于有一定的预见性，可以提前查出包括零件问题、生产上和最终运营性能之间可能产生的任何因果关系，这样可在源头上杜绝任何可能发生的问题。

4　大数据在装备制造业的应用

4.1大数据应用方向

大数据是一种在信息技术积累到一定程度后才会显出效果的技术，它的出现改变了许多公司的商业模式和业务模式。装备制造企业结合大数据技术及时获取详尽、及时、可靠、真实的全方位信息，有利于提高制造业的效率和效益，加快企业从传统制造业向现代制造业转变，进而提高企业的信息分析能力和决策能力，提高企业在激烈市场环境下的竞争力。装备制造企业在大数据上的应用，主要体现在管理模式创新性、运营信息化、商务电子化、创新持续化等几个方面（如图2所示）。详细说明如下：

（1）采用大数据理念实现企业运营信息化。将信息技术与装备制造业产业链中的各环节相融合，从产品设计、原材料采购、生产制造、质量管理等方面改造并提升制造业，最终实现设计数字化、订单看板化、生产过程可视化、质量监控智能化等，从而合理配置劳动力、技术和资源，提升企业的工作效率。

（2）采用大数据技术实现管理模式创新。在企业管理模式上的创新主要体现在客户关系管理（CRM）的创新、人力资源管理以及现代企业管理结构的创新等，从而提高企业竞争力和制造产品的创新能力，节约成本。

（3）利用大数据改造加工设备。装备制造企业只有使用先进的制造设备，才能拓宽企业的市场。将信息技术与生产设备结合起来，一方面可提高生产装备的智能化水平，实现高度的自动化和智能化，建立信息化的车间生产线；另一方面，可根据设备反馈的参数提前预测设备的运行状态，确保生产线的稳定。

（4）采用大数据建立云制造资源共享平台。采用云制造技术配置与整合装备制造企业间的资源，通过现有技术建立信息跟踪方法，提升企业间的专业化水平。同时，集团企业利用云制造平台资源，能更好地实现分、子公司在产品设计、生产制造、售后服务上的协同合作，共同建立产品的系统解决方案，提升集团企业的整体竞争力。

图2　大数据应用方向

图3　生产任务制造资源决策信息库

图3为装备制造企业云制造资源信息库，其分为四部分，即生产任务信息库、生产任务元信息库、生产任务制造资源服务库和生产任务制造资源服务元信息库。其中，生产任务信息库存储了生产任务的关键信息，生产任务制造资源服务库则存储了描述制造资源对象属性的信息。通过云制造资源匹配算法，针对各制造主体在地理位置、技术水平和资源状况上的差异，建立集团制造企业生产任务制造资源多阶段配置方法（如图4所示），就能实现生产任务制造资源的优化配置，提高集团的整体效益。

（5）采用大数据理念促进商务电子化。装备制造企业能够利用电子商务等信息手段提高企业营销的效率，促进制造企业的营销模式创新，在大数据平台上实时获取和挖掘市场需求的变化，从而提高企业对市场对客户需求的快速响应能力。

（6）采用云计算技术建立售后服务体系。制造业是服务业发展的前提和基础，同时服务业的发展制约着制造业发展。制造业与服务业的融合，将带给制造业一种新的发展模式。装备制造企业大数据服务体系主要体现在：通过云计算对售出的产品进行信息跟踪，预知产品在客户方的运行状况，根据分析结果提前告知客户对产品维修、以及更换备品备件时间，确保客户装备生产线的稳定与良好运行。同时，客户与企业间在大数据平台上能够更加快捷方便地交互：制造企业能够实时获取客户的需求、获得用户对产品的反馈，将客户喜欢的产品及时交付；客户则能够便利获知企业提供的产品及系统解决方案。

图4　集团制造企业生产任务制造资源多阶段配置模型

4.2数据获取与来源

移动互联网技术的发展给人们日常通信带来了极大的便利。大数据的获取方式也变得多样化（如图5所示），数据可来源于工业计算机、传感器、信息系统（ERP、MES、QC等）、移动终端（WEB/IOS/Android）等［7］，并最终存储在大型数据库中。

图5　数据获取和来源

5　装备制造业在大数据时代面对挑战

5.1保证数据质量

高质量的数据是大数据发挥效能的前提和基础，强大、高端的数据分析技术是大数据发挥效能的重要手段。对大数据进行有效分析的前提是必须要保证数据的质量，企业基于这些高质量分析结果所做出的各项决策才不至于偏离正常轨道，否则，即使数据分析工具很先进，在充满“垃圾”的大数据环境中也只能提取出毫无意义的“垃圾”信息。

装备制造企业在实际经营过程中，在获取大量市场信息、制造信息后，进而制定消费策略和生产计划等。如果数据质量低下、提炼数据有误，直接影响到企业的决策，最终影响企业的发展。因此在大数据环境下，数据质量在大数据环境下显得尤其重要。

5.2安全体系建设

大数据环境是一个非常庞大的网络环境，在网络开放和共享的时代，计算机数据面临着安全性和可靠性的考验。一方面面临着网络硬件故障、系统操作不当、管理不善引起的数据安全问题；另一方面面对着各种木马、病毒对信息的入侵问题。因此，大数据的应用规划以及它的信息安全应提高到发展战略的高度，对大数据进行系统的分类，明确重点保障对象，强化对数据的监控管理。

6　总结

在激烈的市场竞争环境下，大数据技术给企业的发展带来了变革。装备制造企业通过信息化手段，能够实现业务流程的疏通与规范，提高数据间传递的准确性和快速性；实现制造过程的精细化管理，包括营销信息共享、合同分交规范、执行过程反馈真实有效、集采自采结合、库存可视、生产计划进度看板化、质量检测准确、发运明细过程可控等，最终提高公司的工作效率和管理水平，降低产品的实现成本。

［1］Seung-Jun Shina，JungyubWooa，Sudarsan Rachuri.Predictive analytics model for power consumptioninmanufacturing［J］.Procedia CIRP，2014，（15）：153-158.

［2］宋寿顺.打造建材高端装备为建材行业的未来提供强大的支撑［J］.中国建材，2014，（1）：23-24.

［3］http：//baike.baidu.com/view/3162693.htm？fr=aladdin.

［4］王冰.大数据时代：中国制造业加速升级［J］资源再生，2013，（10）：27-29.

［5］汤铭.挖掘制造业大数据价值［J］.计算机世界，2012，（5）：14.

［6］http：//baike.baidu.com/subview/6954399/ 13647476.htm？fr=aladdin.

［7］Jay Lee，Hung-An Kao，Shanhu Yang.Service innovation and smart analytics for Industry 4.0 and big data environment［J］.Procedia CIRP，2014，（16）：3-8.■

Grasp the Opportunity of Large Data and Achieve Leaping Development of Equipment Manufacturing

TQ172.8

A

1001-6171（2015）04-0035-05

通讯地址：中材装备集团有限公司，天津300400；

2014-11-22；编辑：吕光