工业大数据在航天制造领域的集成应用研究

胡　亮　刘　洋（. 航天材料及工艺研究所，北京　00076；. 中国运载火箭技术研究院，北京　00076）

工业大数据在航天制造领域的集成应用研究

胡亮1刘洋2
（1. 航天材料及工艺研究所，北京100076；2. 中国运载火箭技术研究院，北京100076）

通过研究借鉴国内外先进企业在工业大数据应用方面的最新成果与成功经验，探讨了工业大数据在航天制造领域的集成应用技术路径；运用企业竞争力综合评价理论，构建了数学模型；以工业机器人谐波减速器项目为例，通过竞争力指数对工业大数据集成应用运营模式进行了模拟分析和系统研究，进而根据研究结果初步提出了相应的发展战略、模式，以及对策等。

工业大数据，集成应用，航天制造，发展模式，竞争力指数

1　工业大数据概述

工业生产线高速运转，由机器所产生的数据量远远大于计算机和工人所产生的数据量，且机器数据的类型多是非结构化数据，生产线的高速运转对数据的实时性要求也更高。工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少。随着互联网与工业的融合发展越来越深入，工业互联网时代即将到来，工业大数据集成应用将成为工业互联网应用的核心。工业大数据的应用潜力巨大，主要体现在两个方面：一是建立大数据意识。过去企业也有这些大数据，但由于尚未形成大数据意识，数据分析手段也比较欠缺，很多实时数据被丢弃或束之高阁，大量数据的潜在价值未被充分挖掘。二是打通数据孤岛。很多工业企业的数据分布于企业的各个孤岛中，特别是在大型跨国公司内，要想在整个企业提取这些数据相当困难。

工业大数据集成应用可分为三个层面，具有不同的作用：一是，骨干企业具备建设大数据应用系统的条件，应在工业生产经营过程中应用大数据技术，提升生产制造、供应链管理、产品营销及服务等环节的智能决策水平和经营管理效率。这种方式突出大数据技术的自主应用，涉及对骨干企业内外部数据的分析利用。二是，支持建设第三方大数据平台建设，面向中小型制造企业提供精准营销、互联网金融等生产性服务。这种方式突出大数据的第三方专业化商业服务，为中小型企业提供工业大数据云服务。三是，推动大数据在行业管理和经济运行中的应用，形成行业大数据平台，促进信息共享和数据开放，实现产品、市场和经济运行的动态监控、预测预警，提高行业管理、决策与服务水平。这种方式的特点是政府参与行业大数据云平台建设，主要服务于行业指导和科学决策。

2　工业大数据集成应用领域简介

工业大数据的典型应用领域包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等方面。

2.1工业大数据在产品创新方面的应用

客户与工业企业之间的交互和交易行为将产生大量的数据，挖掘和分析这些客户的动态数据，能够使客户参与到产品的需求分析和产品设计等创新活动中去，为产品创新作出贡献。例如，美国福特汽车公司的“大数据电动车”利用大数据实现了新型产品创新和协作方式。司机获得有用的最新产品信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。

2.2工业大数据在产品故障诊断与预测方面的应用

工业大数据可以用于产品售后服务与产品改进。传感器、互联网技术的引入使得产品故障实时诊断成为现实，大数据应用、建模与仿真技术则使得预测的动态性成为可能。以波音737飞机为例，发动机在飞行中每30min就能产生10TB数据。这些数据不仅仅是能够供未来某个时间点分析的工程遥测数据，还可促进实时自适应控制、燃油使用、零件故障预测和飞行员通报，能够有效实现故障诊断和预测。

2.3工业大数据在工业生产线物联网分析方面的应用

在生产工艺改进方面，在生产过程中使用大数据技术，能够分析整个生产流程，了解每个环节的执行情况。一旦某个流程偏离了标准工艺，就会发出报警信号，使用户更迅速地发现错误或者瓶颈所在，便于解决问题。

2.4工业大数据在工业供应链分析和优化方面的应用

射频识别（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够帮助工业企业获得完整的产品供应链的大数据，对这些数据进行分析，有助于仓储、配送、销售效率的提升和成本的下降。如果再利用产品中传感器所产生的数据，了解产品的运行及故障情况、配件的性能情况，还可以预测配件的更换时间或使用寿命，便于优化产品性能，降低运行维护成本。

3　工业大数据在故障监测领域的集成应用情况简介

3.1国外先进企业的应用情况简介

3.1.1美国波音（Boeing）公司

通过全球24h网络和设施，美国波音公司的商用航空服务（CAS，Commercial Aviation Services）分部在航空工业领域提供广泛的产品、服务和完整解决方案，从部件供应到飞行员培训、客户支持到在线技术建议，CAS分部帮助飞机运营者使航班飞得更安全、更有效率。CAS分部通过波音优势（the Boeing Edge）系统为用户提供最适合的航线服务整体解决方案，这些服务包括部件供应、飞行员培训、工程、维修和软件解决方案等，可以提高航空公司和飞机租赁公司的效率和效益。

3.1.2美国通用电气（GE）公司

美国通用电气（GE）公司为其未来业务模式起了一个响亮的名字——工业互联网。这是通用电气公司研发部门杜撰出来的名词，希望通过在其产品中增加更多的传感器来获取海量数据，并最终帮助通用电气公司提高其汽车和飞机发动机、核磁共振仪等设备的能源效率。在工业互联网中，即使是相对较小的变化也可能带来巨大的影响。例如，在工业和能源领域，即使是1%的成本节约或效率提升都将产生非常重要的经济和社会效益。此外，通用电气公司还提出了“智慧机器”的概念，即工业互联网将使机器变得更加智慧、高效，并成为有理解能力的工具。

3.1.3丹麦维斯塔斯（Vestas）风力技术集团

丹麦维斯塔斯风力技术集团对客户风机和风场的在线维护保养主要通过打包服务的方式开展，并提出了积极产出管理（AOM，Active Output Management）计划。此项计划的服务开始于客户的风场建设和运营，基于几十年的产业经营经验制定，其服务理念是提供超出对客户风场的工程方面和法律义务上的服务，共同努力，创造围绕客户特殊需求和预期的解决方案。通过AOM计划，丹麦维斯塔斯风力技术集团可通过合作供应商为客户联合提供确定、分散和管理风险的服务，并确保风场处于最优经营状态。

3.2国内先进企业的应用情况简介

3.2.1沈阳机床股份有限公司

沈阳机床股份有限公司已确定了由“工业制造商”向“智能制造解决方案提供商”转型的战略目标。沈阳机床联合其他企业跨界协作成立了“中国制造2025智能工业创新联盟”，藉此促进公司的多产业融合发展，探索装备制造行业“互联网+”的经营模式。沈阳机床以i5智能机床操作系统为基础打造的“i平台”，将机床加工领域的设计、制造、服务、供应链、用户等环节集成到云端，改变了传统的单机生产模式，用“互联网+机床”的思维构建起了一张智能机床领域的互联网。

3.2.2中联重科股份有限公司

在中联重科股份有限公司，智慧工厂是实现“智能制造连接人与产品”目标的具体路径。中联重科混凝土机械公司分管生产的副总经理桌上有一块显示屏，不仅可直接获得工厂运行的实况视频，也可查看车间的每个流程，制造执行系统（MES）还会自动提示生产现场遇到的问题。

3.2.3三一重工股份有限公司

在德国工业4.0战略的启发下，三一重工股份有限公司开始用大数据技术打造三一指数。巨大的屏幕显示着全球三一设备的运行情况，服务工程师通过系统了解设备的运行情况，为客户远程排除故障。三一ECC（企业控制中心）工作场景已成为三一重工对外的宣传窗口。事实上，这套系统的研发也可为客户创造更多的价值。

4　航天制造业故障监测领域工业大数据集成应用需求分析

本文参考国内外先进企业的工业大数据集成应用需求，结合航天制造业的实际情况进行分析，总结梳理出了高端装备制造企业关于工业大数据集成应用的基本需求元素，为后续构建数学模型、开展运营模式研究奠定基础。

结合高端装备制造企业的实际情况，选择构建高端装备制造企业竞争力模型的指标体系和层次关系。高端装备制造企业的竞争力，主要取决于产品吸引力、使用成本和品牌吸引力这三个方面的指标。其中，产品吸引力反映产品性能质量、售后服务和销售服务满足用户需求的程度；使用成本反映高端装备的使用费用；品牌吸引力反映在市场现有产品和服务的基础上，用户对品牌的信任度。

4.1产品吸引力

客户对于服务的需求和以往享受服务的经历，再加上周围对于某个企业服务的口碑，构成了客户对于服务的期望值。在实际市场情况中，航天制造业企业对于客户期望值的理解和所提供的服务，与客户对于服务的期望值存在着一定的差距，可能的情况共有五种：一是，客户对于服务的期望值与企业管理层对于客户期望值的认知之间的差距；二是，企业对于客户所作出的服务承诺与企业实际为客户所提供的服务质量的差距；三是，企业对客户服务质量标准的要求与维修技师实际所提供的服务质量之间的差距；四是，企业管理层对于客户期望值的认知与企业的客户服务质量标准之间的差距；五是，客户对于企业所提供的服务感受与客户对于服务的期望值之间的差距。这五种差距的大小是可以衡量的，可通过“互联网+”和工业大数据集成应用，开展连续性的定量研究，获得客户对于特定服务的满意度、消费缺陷、再次购买率与推荐率等指标的评价，找出内、外部客户的核心问题，发现最快捷、最有效的解决途径，实现价值最大化。

4.2使用成本

客户购买产品的目的并不在于产品本身，而在于使用产品所带来的满足程度。因此，客户在作出购买决策时，不仅要考虑购买产品的一次性支出，还要考虑产品使用过程中增加的费用。航天制造业企业的民用产品的使用成本与其它行业的高端装备产品的属性是相同的，而军用产品的使用成本则有其特殊性。导弹、火箭、卫星、飞船的客户主要是军方，其需要考虑的产品使用成本，除能耗、维护维修保养费用外，还有政治影响带来的成本、实际战力影响带来的成本，以及其它政军相关因素带来的成本等。

经济数学模型无法有效地研究分析政治影响带来的成本、实际战力影响带来的成本，以及其它政军相关的因素带来的成本对企业竞争力的影响程度。为了后续研究出对高端装备制造业适用性更广泛、通用性更好的运营模式，需要剔除政治、军事等非经济范畴的影响因素，将航天制造业企业的军用产品和民用产品的使用成本的共性用一种经济指标在数学模型中反映，如年支出费用、季度支出费用、月支出费用等，这些观测数据可以通过“互联网+”和工业大数据集成应用从与客户互动的数据中获取。

4.3品牌吸引力

品牌吸引力是企业继续保持与老客户交易关系能力的体现，可理解为顾客忠诚度，企业留住老顾客的能力是企业保持市场份额的关键。在军民融合程度日益加深，民营企业参与军工制造的政策逐步放开之际，航天制造业企业在军用产品和民用产品两个市场领域的品牌吸引力正面临着严峻的考验。

在竞争对手不断增加的情况下，航天制造业企业通过“互联网+”和工业大数据集成应用的新模式，积极与客户开展互动，加强品牌吸引力的需求越来越强，可通过研究客户意向品牌的转移、保持和推荐等三个方面的变化情况，及时监测和调整企业的竞争策略。

4.4基本需求元素梳理

通过以上分析发现，产品吸引力、使用成本和品牌吸引力等三个指标均为潜变量，无法作为开展后续研究工作的观测值。因此，有必要在这三个指标下，设置由可观测变量构成的下级指标，同时，为了后续对经营模式进行比较、评价，应将产品吸引力、使用成本和品牌影响力三个指标综合成一个结果，即设置一个统一的上级指标，具体指标层次如表1所示。

表1　基本需求元素对应指标

5　以工业大数据集成应用为核心的故障监测服务运营模式

不同行业中企业竞争力的研究思路大体上是一致的，只是具体指标体系有所不同。对于类似的行业，可能指标体系也类似，只是各指标的权重有所不同。所以，首先，要探索出企业竞争力的研究思路和研究工具，然后针对一些典型行业确定指标体系，在进行实证研究的基础上，完善指标体系，进而推广到其它行业。这种确定指标体系的方式是可行的，也是非常有意义的。

目前，中国航天科技集团公司所属单位并未涉足工业机器人谐波减速器领域，因此，本文假设中国航天科技集团公司未来将建立股份公司，建设并开展经营工业机器人谐波减速器项目。在此基础上，本文参考国内工业机器人谐波减速器专业厂商在线故障监测服务方面的数据，进行合理的模拟，将模拟数据作为数学模型的输入数据。未来，以此数学模型为基础建立的运营模式，既可以向其它民品项目推广应用，也可向军品领域扩展延伸。

5.1模型构建

通过研究企业A（研究对象）和三个竞争企业（沈阳机床、中联重科、三一重工）的企业竞争力，使用MATLAB软件对结构方程进行求解，如图1所示。

5.2工业机器人谐波减速器项目模拟

在假设未来股份公司成立，建设并开展经营工业机器人谐波减速器项目的前提条件下，模拟其在线故障监测服务的数据（企业A），并参考国内三家专业厂商（企业B、C、D）的数据，整理出数学模型的输入数据，如表2所示。

将以上模拟数据输入数学模型中进行运算，得到的数据结果如表3所示。

图1　工业大数据集成应用运营模式数学模型

表2　项目企业评价指标的模拟数据

表3　项目企业竞争力分析结果

6　工业大数据在航天制造领域集成应用的发展策略及建议

6.1竞争力指数低于行业均值时，应加强工业大数据集成应用的投资建设，提升竞争力

竞争力指数最高值设为100，行业均值为57.6。本课题模拟结果中，航天企业（企业A）经营项目的竞争指数为53.5，低于行业均值，说明在工业机器人谐波减速器项目上，以工业大数据集成应用为核心的故障监测服务运营模式投资建设力度不及行业平均水平，导致竞争力低于行业平均水平。此时的应对策略为：加大强投资力度，直到竞争力指数高于行业均值57.6；当然，能尽可能高于行业均值更好，但是每个企业能负担得起的投资额度是有限的，不可能达到100。

6.2跟踪市场变化，适时调研对标企业，取长补短

模拟结果中比较差异显著程度可以用来与行业内的先进企业进行对标比较。B、D企业的竞争力指数为**，表示与企业A的比较竞争力指数差异非常显著，航天企业（企业A）经营项目应到B、D企业考察学习，查找造成差异的原因，取长补短。此方面的应对策略是：长期跟踪市场内部竞争者之间的强弱变化，不仅要适时到差异显著的对标企业调研，还要根据变化情况及时、合理地调整对标企业名单。一般对标企业B、C、D应该是行业前三名，不过也要与航天企业（企业A）经营项目的市场定位有机结合，不能好高骛远。

6.3工业大数据在航天制造领域的集成应用必须与经营策略有机结合，规避投资风险

DY1为测量误差项，不仅是数学模型从技术层面上为了减少测量值准确度对结果合理性的影响而设置，更重要的是为了让企业合理把握和校准结果对经营策略的影响。本课题模拟结果中DY1控制在2.7～3.8，较为合理，如果其值超过5，则航天企业（企业A）经营项目的竞争力指数就会从53.5上升至55.4甚至超过行业均值57.6，造成与实际经营情况的脱离。误差值不合理会造成对自身竞争力的低估或高估、对对标企业和竞争对手的竞争力高估或低估，这些结果失真严重时，甚至会导致工业大数据集成应用建设的投资过度或投资不足，加大企业投资风险。此方面的应对策略是：在运用工业大数据集成应用技术时，不能脱离企业的发展规划战略、项目经营策略和市场定位等实际情况；投资决策需要充分论证，多角度多元化研究分析，设置必要的风险管控措施。

1孟小峰， 慈祥. 大数据管理: 概念、技术与挑战［J］. 计算机研究与发展， 2013， 50（1）: 146～169

2柳琪. 用大数据预测需求［J］. 农机市场， 2014， （3） : 14

3陈飞. 大数据时代信息经济发展趋势及对策建议［J］. 宏观经济管理， 2014， （3）: 61～62

4迪莉娅. 我国大数据产业发展研究［J］. 科技进步与对策，2014， （4）: 56～60

5陶雪娇， 胡晓峰， 刘洋. 大数据研究综述［J］. 系统仿真学报，2013， （S1）: 148～152

6王冰. 大型流程工业集团级生产数据平台的应用探讨［J］.科技与企业， 2014， （1）: 129～130

7李国杰， 程学旗. 大数据研究: 未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考［J］. 中国科学院院刊， 2012， （6）: 5～15

1009-8119（2015）12（1）-0048-04