工业大数据的应用和实践研究

罗立辉

（宁波芯健半导体有限公司 浙江 宁波 315327）

0 引言

随着智能化工业生产的应用以及现代科学技术的发展，海量工业数据作为全新元素融入到工业生产活动中来，在很大程度上推动了工业生产活动智能化和现代化水平提升。大数据时代背景下，对工业生产的创新转型提供了更大助力，工业企业信息化建设的不断推进必然会形成更多工业数据，而要确保工业生产智能化，应当对海量工业数据展开深入全面分析研究，深入挖掘有价值信息，制定有针对性的工业生产以及市场营销策略，推动智能型工业企业的高质量发展[1]。现阶段，智能技术的普及与工业大数据的实践应用，将智能技术与大数据技术充分融合起来，对于各类自动化生产设备的控制过程中，作业人员能够更加科学高效地完成工作任务。在这一背景下，本文主要分析了工业大数据的基本概念，同时探讨了工业大数据在工业企业中的实践应用。

1 工业大数据的概念及优点

所谓工业大数据即基于工业领域或工业企业收集到的海量数据，即便数据类型存在一定的差异，但它们都表现出如下几点突出特征：大容量、更新快、类型丰富以及高价值。近年来，各行业各领域纷纷推进技术变革和优化转型，工业大数据逐渐演变为非常重要的新的服务类型，对各类数据信息进行收集存储和分析整理，挖掘有价值信息，得到能够有效利用的工业数据，帮助企业能够准确把握与了解其中蕴含的信息内容。在此基础上，借助于有针对性的策略来获取有效信息，推动企业各项生产活动的有序开展，助力企业的持续健康发展。

众所周知，数据自身无法为企业经营发展提供直接的助力，数据中所蕴含的技术也无法直接促进制造业智能化水平的提升。然而若能够把海量数据充分收集起来，将其转化为制造业生产经营活动所需要的信息，即可充分发挥出其自身价值。基于工业数据自身而言，它们属于工业生产以及新能源开发的关键所在，数据类型的复杂性和多元性属于工业知识生产领域中非常明显的特点，它能够帮助工业企业更好地获取到相关信息。在这一过程中企业必须要对工业数据进行科学有效分析，一般情况下可以选择公共数据模型，结合这些模型来把结构化业务数据予以整合，通常涉及企业的库存、生产情况以及交易情况[2]。在这一前提下该数据模型还能够把非侵入性操作系统内的数据予以整合，一般来说涉及预警、程序参数以及供应商数据等。借助于分析上述主要数据类型的相互关系，企业能够得到更多有价值的信息，从而制定有针对性的经营管理策略。

2 工业大数据和互联网大数据的差异性

在经济快速发展的过程中，人们的日常生活和工作都在大数据的影响下发生了翻天覆地的变化。近年来，不论是公共安全、交通，还是娱乐、购物、生活等，都已经建立了一个初步的大数据分析模型，国家和企业都为了大数据的应用投入了大量的资金。至此，大数据领域得到了飞速发展，并且也从互联网领域逐步发展到了我国金融、工业、医疗以及环境等领域中，在这个过程中互联网的大数据发展是最成功的。互联网始终秉承开放、共享和自治的发展理念，结合社会中不同的领域，促进生产力的发展。工业大数据是职能制造和大数据进行融合的完美产物，工业大数据代表着工业产品在生命周期内的信息化应用中产生的数据，是我国工业互联网的核心内容，也是工业智能化发展的关键内容[3]。依托于大数据技术和互联网技术衍生的工业大数据，在工业中的设计、生产、工业、工艺、管理以及服务中的各个环节进行完善，让工业系统具备智能化的控制系统，如预判、决策、诊断、控制等功能。工业大数据和互联网大数据相比之下，更加具有专业性、流程性、关联性、解析性以及时序性等特点，在我国目前工业领域，传统的互联网大数据分析已经无法满足智能化工业发展的需求，所以工业大数据具有非常积极的意义。工业大数据和互联网大数据两者之间的区别见表1。

表1 工业大数据和互联网大数据的区别

由此可见，工业大数据分析不能只依赖算法工具，应该更加重视分析流程的逻辑清晰，以及分析流程中进行专业技术体系的匹配过程。在互联网大数据中，问题从数据端就能被发现，但是工业大数据领域应该从功能端以及价值方面进行思考。换言之，传统的装备企业在建设物联网时，如果单方面地思考对获取数据的途径以及量级，没有考虑到数据的具体情况分析、相应目标和功能的应用等，就有可能会导致数据没有太高的利用价值，不能对关键数据进行采集等情况发生。

3 工业互联网背景下采集工业大数据方法

3.1 工业大数据来源

工业互联网中的生产资源和核心要素就是工业大数据，能够实现人和机器进行对话的可能，是我国工业企业从传统制造转变为工业智造的加速器。立足于业务角度分析可知，工业大数据的来源主要是工业物联网数据、外部跨界数据以及企业信息化数据等。

工业物联网数据是通过传感器等将产品对象和机器进行连接所产生的数据内容，主要表现为现场的数据信息，以及交付给客户以后的终端产品中产生的数据信息，就是工业大数据最重要的组成部分。

企业信息化数据是指储存在进行日常生产和管理活动中的ERP、MES、SCM、CRM等信息系统中的高价值业务数据信息，对产品的生命周期以及其他环节所涉及的，在工业领域中这部分数据已经成为较为传统的数据资产[4]。

外部跨界数据信息也是工业大数据的重要来源之一，企业不仅要受到政策法规、市场变化、生产要素等外部影响，对企业的生产和产品创新造成干扰，同时还要受到企业内部生产运行中的影响，导致工业系统始终位于复杂多变的内部环境和外部环境中。

3.2 采集工业大数据

采集工业大数据的过程是制造企业数字化成功转型的前提。工业互联网在帮助企业成功升级实现转型的过程中，成为了采集工业大数据进行应用的全新载体，其边缘层通过协议、系统集成或者接口的方式对不同来源的数据资源实现了实时采收和接入。

在工业物联网中的数据采集主要包含了工业产品数据采集和工业现场数据采集。客户投入使用了工业产品数据装备或者产品以后，通过无线通信技术接入工业互联网，如4G、5G等，通过标识、传感器等对产品的信息、温度、电压、工作电流等实时数据进行获取，对数据完成采集[5]。工业现场数据的采集主要是针对现场工业设备以及工业系统进行。通过对生产现场的自动化系统控制，比如DCS、SCADA系统等，利用传感器、采集器、射频识别技术等，对地位位置集中的底层设备或者分散工业现场的设备进行监视和数据采集。

4 工业大数据应用状况分析

4.1 创新商业模式，催生制造业新业态

2009年，国内学者在国际上首次提出云制造的概念，把目前已有网络化制造以及服务技术和云计算、云安全以及物联网等进行有机整合，真正实现了不同制造资源（包括硬件设备、系统软件、模型数据等）更加统一集中的智能化管理，为制造全生命周期带来了能够及时获取、按需检索、稳定可靠、性价比更高的制造活动服务[6]。云制造这一概念被抛出之后，借助于建立云制造依存平台，面向全社会收集整合制造数据，推进数据信息的充分共享和有机融合，促进工业生产要素开发利用效率的不断提升，逐渐构建了符合互联网经济发展趋势的资源共享、在线互动、多方协同、互惠共赢的产业形态。另外，针对大制造业中小企业带来更加开放化、协同式的创新创业服务，同时让其发展为促进大众创业，万众创新政策落地的重要载体[7]。云制造衍生出的制造业新生态突出表现为数据驱动、共享服务、跨界融合、自主智慧的特点，而数据驱动属于其核心属性。基于云环境市场实际需求来自动采集、精准营销，对企业可能存在的风险进行有效预警，个性化定制需求采集和制造、资源的动态调度与整合、供需对接等各个方面为云制造带来支持。

4.2 促进制造过程优化、变革制造模式

一方面是制造环节与系统的不断优化。依靠工业大数据，利用工业制造环境中的传感器、加工设备、加工目标、工控系统以及工业软件相互之间的有效联通，推进落实数据信息的全面采集与分析，实现制造合规性监测、设备状态监控以及故障预警、工厂能耗评价、事故监控预警以及工业供应链分析和优化等，真正实现工业生产活动过程中的信息传输共享、系统有机整合以及不同业务协同，确保制造活动自动化水平不断提升，让工业生产决策更加科学，实现智能化管控[8]。进一步来说，借助于工业大数据技术能够对工业企业相关设计数据、生产工艺数据、制造执行数据、库房数据、产品质量数据、财务会计数据等多元化数据类型展开全面收集分析，从而做到订单需求获取、产品研发设计、实际生产监管、供应链管理和产品服务运行维护的整个业务流程的有效协同，促进工业企业自身科研水平和运行管理水平的不断提升。

另一方面是应用工业大数据技术能够助力工业企业对已有产品与服务优化创新，促进传统制造业“产品+制造”为主的经营发展模式朝着“产品+服务”的模式转型。对于需求分析来说，依靠网络商务平台对收集到的产品销售数据以及用户个性化定制数据实施深入挖掘分析，进而对产品和服务进行创新，有效符合用户实际需求。在研发设计过程中，从社会化产品以及个性化定制需求着手，借助于设计资源的社会化共享，形成众创、众包等现代研发设计模式，促进企业借助社会化创新的能力。对于制造执行过程中，依托工业大数据技术来科学合理规划柔性化制造流程，确保能够实现大规模个性化生产。对于产品后期运维过程中，依靠产品内置传感器可以有效对产品的实际运行情况展开实时监测，针对传输回的数据进行分析，能够提供更加及时的远程维护、故障预警等较好的服务解决方案，促进企业用户黏性提升。

4.3 基于大数据的产品创新设计

利用工业大数据对整个市场的潜在需求进行分析，对产品设计、制造以及后期维护整个环节的数据信息予以收集，借助于深入挖掘分析产品设计信息、制造信息、质量信息、运行情况信息以及后期维护信息，对产品设计环节的设计分离面实施优化更新，对产品制造环节中成本难以管控或制造环节可能出现的质量问题予以合理调整，对可能降低产品运行质量或者使用寿命的重要零部件实施定位追踪。和研发设计工作人员建立闭环反馈机制，持续更新，助力工业企业产品设计创新。

4.4 基于大数据的供应链分析和优化服务

借助于工业大数据深入分析研究制造企业从订单获取到最终交付整个流程的数据信息，促进制造企业对供应链的优化与完善，这一实践应用集中体现在以下几方面：（1）依靠工业大数据来收集分析制造企业产品数据信息，对订单需求进行准确预测，根据预测结果来分析得出实际生产过程中涉及的原材料、元器件、成附件的需求数量和实践，为相关岗位工作人员开展好自身工作带来数据支持。（2）依靠收集分析制造企业采购到货情况、数量质量等数据，和企业生产计划、生产准备和现场制造实际状态予以联动，促进供应链运行管理水平的不断提升，同时能够给供应商绩效评价活动带来准确数据支撑。（3）对供应链相关物料的发运状态、物流运输情况等数据予以采集，根据企业生产制造方案和库房状况，促进物流准确度提升，降低供应链风险，实现企业库存优化，避免资金积压，有效规避风险[9]。

4.5 大数据驱动下的生产管理

对制造企业实际生产活动中的产品定义信息、人机物资源信息进行全面有效采集，对订单和计划安排信息展开分析，能够更加科学客观地了解企业生产活动中的人机物绩效，第一时间找出生产活动中可能存在的影响因素。借助于对计划生产信息以及人机物资源信息进行全面采集分析，对制造执行环节和生产准备环节予以有效融合，为制造执行环节带来人员、设备、工具、技术、资料等支持，确保生产计划能够有序落实，避免生产活动可能存在的时间浪费，促进制造绩效的不断提升。借助于对制造执行环节的人机物数据信息展开收集分析，对产品制造环节的质量情况予以深入研究，更加准确地追踪不合格产品的根源和批次，为制造企业生产质量管控工作带来充分支持。

5 结语

综上所述，数字经济的飞速发展让工业数据量不断增多，工业互联网的建设发展目前依旧处在初级阶段，即便如此，工业大数据的实际应用也拥有非常广阔的空间。工业大数据有助于推动制造企业的创新与转型，可以提升企业经济效益。所以，制造企业必须要明确智能制造和工业大数据的相互关系，对工业大数据的重要性有充分认识，从而通过科学有效的运用方式来促进自身核心竞争力不断提升，确保企业的持续稳健发展。