工业大数据全景解读和应用案例_工业大数据应用案例

转载自知乎：https://zhuanlan.zhihu.com/p/71123406
（少量删节）
对于企业而言，了解工业大数据产生的背景，归纳工业企业大数据的分类和特点，从数据流推动工业价值创造的视角看待、重造工业价值流程，将具有很强的现实意义。

一、工业大数据产生的背景

在工业生产中，无时不刻都在产生数据。生产机床的转速、能耗，食品加工的温湿度，火力发电机组的燃烧和燃煤消耗，汽车的装备数据，物流车队的位置和速度等，都是在生产过程中的数据。

任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息、电子和数学技术的发展，传感器、物联网等技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例，传统模式下每个电网、化工企业都需要建立一套SCADA系统，成本在千万以上，如果采用云架构模式，成本将可以降低7成以上。

社会需求变革是最大拉动力。在商品过剩经济时代，以个性化为代表的消费文化，使得工业企业的产出物，要最大限度匹配个性需求。要响应个性化需求，有两种方式，以服装定制为例：
靠老师傅用尺子量，眼见手摸，凭借经验，确定服装的裁剪和版型，这种我们可以称之为模拟方式，效率和质量难以保证，耗时长，个性化定制的成本高；
还有一种是数字方式，就是通过制订一套数据采集手段，由前台的客户代表测量采集用户身形数据，然后将数据传回总部，将结合生产原材料数据，将需求分解为一项一项的生产工艺动作，最后也生产出达到定制化要求服装。工厂也会聘请资深的老师傅，他们的主要工作不是面对一个个客户的定制化需求，而是去研究更好的生产工艺，对数据和工艺分解进行把控。这种模式下，效率和质量得到保证，效率随着生产线的扩容线性提升，有一批专家队伍不断研究提升工艺能力，定制化生产的成本将得以显著摊薄。
从发展趋势看，后者这种数字模式的个性化生产将是未来选择。

国策方针是重要影响力。完成了工业自动化过程的德国工业界，在自动化基础上，以工业数据为基础，引入云计算和人工智能技术，提升工业的智能化水平，以满足大批量个性化定制的社会生产需求；美国拥有强大的云计算、互联网及数据处理能力，基于此，提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在诊断、预测、后服务等方面挖掘工业服务的价值。

中国相对于德国、美国而言，在工业自动化、在云计算等领域都处于发展期，因此提出中国制造2025计划，通过工业化和信息化融合发展的方式，将工业化和信息化整体规划，并制定一系列的重点工程和推进计划。

二、工业大数据的特点和分类

不管是工业自动化、还是工业智能化(工业4.0)、或者是工业互联网概念，他们的基础是工业数据。随着行业发展，工业企业收集的数据维度不断扩大。主要体现在三个方面： **一是时间维度不断延长。**经过多年的生产经营，积累下来历年的产品数据、工业数据、原材料数据和生产设备数据;二是数据范围不断扩大。随着企业信息化建设的过程，一方面积累了企业的财务、供应商数据，也通过CRM系统积累了客户数据，通过CAD等积累了研发过程数据，通过摄像头积累了生产安全数据等，另一方面越来越多的外部数据也被收集回来，包括市场数据、社交网络数据、企业舆情数据等;三是数据粒度不断细化。从一款产品到多款、多系列产品使得产品数据不断细化，从单机机床到联网机床，使得数据交互频率大大增强；加工精度从1mm提升到0.2mm，从5分钟每次的统计到每5秒的全程监测，都使得采集到的数据精细度不断提升。

以上三个维度最终导致企业所积累的数据量以加速度的方式在增加，构成了工业大数据的集合。不管企业是否承认，这些数据都堆砌在工厂的各个角落，而且在不断增加。

再从企业经营的视角来看待这些工业数据。可以按照数据的用途分成三类：

第一类是经营性数据，比如财务、资产、人事、供应商基础信息等数据，这些数据在企业信息化建设过程中陆陆续续积累起来，表现了一个工业企业的经营要素和成果。第二类是生产性数据，这部分是围绕企业生产过程中积累的数据，包括原材料、研发、生产工艺、半成品、成品、售后服务等。随着数字机床、自动化生产线、SCADA系统的建设，这些数据也被企业大量记录下来。这些数据是工业生产过程中价值增值的体现，是决定企业差异性的核心所在。第三类是环境类数据，包括布置在机床的设备诊断系统，库房、车间的温湿度数据，以及能耗数据，废水废气的排放等数据。这些数据对工业生产过程中起到约束作用。

三、工业大数据应用案例

大数据在工业企业的应用主要体现在三方面：

一是基于数据的产品价值挖掘。通过对产品及相关数据进行二次挖掘，创造新价值。

• 日本的科研人员日前设计出一种新型座椅，能够通过分析相关数据识别主人，以此确保汽车的安全。实验数据显示，这种车座的识别准确率高达98%。
• 三一公司的挖掘机指数也是如此。通过在线跟踪销售出去的挖掘机的开工、负荷情况，就能了解全国各地基建情况，进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。

二是提升服务型生产。提升服务型生产就是增加服务在生产(产品)的价值比重。

主要体现在两个方向。一是前向延伸，就是在售前阶段，通过用户参与、个性化设计的方式，吸引、引导和锁定用户。比如红领西服的服装定制，通过精准的量体裁衣，在其他成衣服装规模关店的市场下，能保持每年150%的收入和利润增长，每件衣服的成本仅比成衣高10%。当然了，小米手机也属于这一类。二是后向延伸，通过销售的产品建立客户和厂家的互动，产生持续性价值。苹果手机的硬件配置是标准的，但每个苹果手机用户安装的软件是个性化的，这里面最大的功劳是APPStore。苹果通过销售苹果终端产品只是开始，通过APPStore建立用户和厂商的连接，满足用户个性化需求，提供差异性服务，年创造收入在百亿美金。

三是创新商业模式。商业模式创新主要体现在两个方面，一是基于工业大数据，工业企业对外能提供什么样的创新性商业服务；二是在工业大数据背景下，能接受什么样的新型的商业服务。最优的情况是，通过提供创新性商业模式能获得更多的客户，发掘更多的蓝海市场，赢取更多的利润；同时通过接受创新性的工业服务，降低了生产成本、经营风险。

国内外有一批企业提供云服务架构的工业大数据平台。包括海尔收购GE的白电业务的一揽子合作中，就包括GE的Predix工业大数据平台向海尔开放，接入海尔的工厂，提供工业大数据服务。

四、工业大数据的实践指导

工业大数据建设，首先是一种思维变革，改变以前以要素竞争为主的工业生产模式，进入到数据和创新竞争为主的新生产时代。其次，正如清华大学王建民教授所言“工业大数据不存在交钥匙工程”，因此，需要企业领导人、管理层、员工和相关人都投身其中，各司其职，才有所成。

工业大数据建设抓住两个跳板作为突破点。一个是最长的板，也就是梳理产品(工业)竞争力最强的因素在哪里，继续深挖下面的数据价值，围绕这一块的工业数据构建产品和服务能力；另一个是最短的板，就是影响工业企业发展的痛点在哪里，成本、市场、还是供应链，还是能耗?在数据化时代下，寻找机遇大数据的解决方案。