工业大数据是互联网、大数据和工业工业结合的产品,是我国制作2025、工业互联网、工业4.0等国家战略在企业的落脚点。来历:工控网


关于企业而言,了解工业大数据发生的布景,概括工业企业大数据的分类和特色,从数据流推动工业价值发明的视角看待、重造工业价值流程,将具有很强的现实意义。文章终究,笔者共享几个在工业范畴数据驱动价值发明的事例,期望起到抛砖引玉的效果。


1、工业大数据发生的布景

在工业出产中,无时不刻都在发生数据。出产机床的转速、能耗,食物加工的温湿度,火力发电机组的焚烧和燃煤耗费,轿车的配备数据,物流车队的方位和速度等,都是在出产进程中的数据。

自从工业从社会出产中独立成为一个类别以来,工业出产的数据搜集、运用规划就逐渐加大。从泰勒拿着秒表核算工人的用铁锹送煤到锅炉的时刻开端,是对制作办理数据的搜集和运用;福特轿车的流水化出产,是对轿车出产进程的工业数据的搜集和工厂内运用;丰田的精益出产形式,将数据的搜集和运用扩大到工厂和上下游供应链;核电站发电进程中全程自动化将出产进程数据的自动化水平提高到更高程度。

任何数据的搜集和运用都是有本钱的,工业数据也不破例。但跟着信息、电子和数学技能的开展,传感器、物联网等技能的开展,一批智能化、高精度、长续航、高性价比、微型传感器问世,以物联网为代表的新一代网络技能在移动数据通信的支持下,能做就任何时刻、任何地址搜集、传送数据。以云核算为代表的新式数据处理根底架构,大幅下降工业数据处理的技能门槛和本钱开销。以工业范畴的SCADA体系为例,传统形式下每个电网、化工企业都需求树立一套SCADA体系,本钱在千万以上,假如选用云架构形式,本钱将能够下降7成以上。

社会需求革新是最大拉动力。在产品过剩经济年代,以特性化为代表的消费文明,使得工业企业的产出物,要最大极限匹配特性需求。从服装定制,车辆选配,到T恤的印花和特性化教育。

要呼应特性化需求,有两种方法,以服装定制为例,便是靠老师傅用尺子量,目睹手摸,凭仗经历,确认服装的裁剪和版型,这种咱们能够称之为模仿方法,功率和质量难以保证,耗时长,特性化定制的本钱高;还有一种是数字方法,便是经过拟定一套数据搜集手法,由前台的客户代表丈量搜集用户身形数据,然后将数据传回总部,将结合出产原材料数据,将需求分化为一项一项的出产工艺动作,终究也出产出到达定制化要求服装。

当然了,工厂也会延聘资深的老师傅,他们的首要作业不是面临一个个客户的定制化需求,而是去研讨更好的出产工艺,对数据和工艺分化进行把控。这种形式下,功率和质量得到保证,功率跟着出产线的扩容线性提高,有一批专家部队不断研讨提高工艺才能,定制化出产的本钱将得以明显摊薄。从开展趋势看,后者这种数字形式的特性化出产将是未来挑选。

国策政策是重要影响力。完结了工业自动化进程的德国工业界,在自动化根底上,以工业数据为根底,引进云核算和人工智能技能,提高工业的智能化水平,以满意大批量特性化定制的社会出产需求;美国具有强壮的云核算、互联网及数据处理才能,根据此,提出工业互联网战略,将单个设备、单条出产线、单个工厂的数据联网,经过大数据处理后,在确诊、猜测、后服务等方面开掘工业服务的价值。

我国相关于德国、美国而言,在工业自动化、在云核算等范畴都处于开展期,因而提出我国制作2025方案,经过工业化和信息化交融开展的方法,将工业化和信息化整体规划,并拟定一系列的重点工程和推动方案。

2、工业大数据的特色和分类

不论是工业自动化、仍是工业智能化(工业4.0)、或者是工业互联网概念,他们的根底是工业数据。

跟着职业开展,工业企业搜集的数据维度不断扩大。首要表现在三个方面:

一是时刻维度不断延伸。经过多年的出产运营,堆集下来历年的产品数据、工业数据、原材料数据和出产设备数据;

二是数据规划不断扩大。跟着企业信息化建造的进程,一方面堆集了企业的财政、供货商数据,也经过CRM体系堆集了客户数据,经过CAD等堆集了研制进程数据,经过摄像头堆集了出产安全数据等,另一方面越来越多的外部数据也被搜集回来,包含商场数据、交际网络数据、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提高到0.2mm,从5分钟每次的计算到每5秒的全程监测,都使得搜集到的数据精密度不断提高。

以上三个维度终究导致企业所堆集的数据量以加速度的方法在添加,构成了工业大数据的调集。不论企业是否供认,这些数据都堆砌在工厂的各个旮旯,并且在不断添加。

再从企业运营的视角来看待这些工业数据。能够依照数据的用处分红三类:

第一类是运营性数据,比方财政、财物、人事、供货商根底信息等数据,这些数据在企业信息化建造进程中陆陆续续堆集起来,表现了一个工业企业的运营要素和效果。

第二类是出产性数据,这部分是环绕企业出产进程中堆集的数据,包含原材料、研制、出产工艺、半制品、制品、售后服务等。跟着数字机床、自动化出产线、SCADA体系的建造,这些数据也被企业许多记录下来。这些数据是工业出产进程中价值增值的表现,是决议企业差异性的中心地点。

第三类是环境类数据,包含安置在机床的设备确诊体系,仓库、车间的温湿度数据,以及能耗数据,废水废气的排放等数据。这些数据对工业出产进程中起到束缚效果。

从现在的数据选用状况看,运营类数据利用率最高,出产性数据和环境类数据比较距离比较大。从未来数据量来说,出产线数据在工业企业数据中的占比将越来越大,环境类数据也将越来越多样化。

一般意义上,大数据有具有数据量大、数据品种多、商业价值高、处理速度高,在此根底上,工业大数据还有两大特色。

一是准确率高,大数据一般的运用场景是猜测,在一般性商业范畴,假如猜测准确率到达90%已经是很高了,假如是99%便是杰出了。但在工业范畴的许多运用场景中,对准确率的要求到达99.9%乃至更高,比方轨道交通自动操控,再比方定制出产,假如把甲乙客户的订单参数搞混了,就会形成经济损失。

二是实时性强,工业大数据重要的运用场景是实时监测、实时预警、实时操控。一旦数据的搜集、传输和运用等全处理流程耗时过长,就难以在出产进程中发挥价值。

3、工业大数据运用事例

企业所堆集的数据量以越来越快的速度在添加,许多企业也就顺势将大数据技能引进企业的出产运营中。大数据在工业企业的运用首要表现在三方面:

一是根据数据的产品价值开掘。经过对产品及相关数据进行二次开掘,发明新价值。

日本的科研人员日前规划出一种新式座椅,能够经过剖析相关数据辨认主人,以此保证轿车的安全。这种座椅装有360个不同类型的感应器,能够搜集并剖析驾驶者的体重、压力值,乃至坐到座椅上的方法等多种信息,并将它们与车载体系中内置的车主信息进行匹配,以此判别驾驶者是否为车主,然后决议是否开动轿车。试验数据显现,这种车座的辨认准确率高达98%。

三一公司的开掘机指数也是如此。经过在线盯梢出售出去的开掘机的开工、负荷状况,就能了解全国各地基建状况,从而关于宏观经济判别、商场出售布局、金融服务供给调整根据。

二是提高服务型出产。提高服务型出产便是添加服务在出产(产品)的价值比重。首要表现在两个方向。一是前向延伸,便是在售前阶段,经过用户参加、特性化规划的方法,招引、引导和确定用户。比方红领西服的服装定制,经过精准的因地制宜,在其他裁缝服装规划关店的商场下,能坚持每年150%的收入和赢利增加,每件衣服的本钱仅比裁缝高10%。当然了,小米手机也归于这一类。二是后向延伸,经过出售的产品树立客户和厂家的互动,发生持续性价值。苹果手机的硬件装备是规范的,但每个苹果手机用户装置的软件是特性化的,这里边最大的劳绩是APPStore。苹果经过出售苹果终端产品仅仅开端,经过APPStore树立用户和厂商的衔接,满意用户特性化需求,供给差异性服务,年发明收入在百亿美金。

三是立异商业形式。商业形式立异首要表现在两个方面,一是根据工业大数据,工业企业对外能供给什么样的立异性商业服务;二是在工业大数据布景下,能承受什么样的新式的商业服务。最优的状况是,经过供给立异性商业形式能取得更多的客户,开掘更多的蓝海商场,赢取更多的赢利;一起经过承受立异性的工业服务,下降了出产本钱、运营风险。

比方,GE不出售发动机,而是将发动机租借给航空公司运用,依照运转时刻收取费用,这样GE经过引进大数据技能监测发动机运转状况,经过科学确诊和保护提高发动机运用寿命,取得的经济报答高于发动机出售。

在承受服务方面,现在国内外有一批企业供给云服务架构的工业大数据渠道。包含海尔收买GE的白电事务的一揽子协作中,就包含GE的Predix工业大数据渠道向海尔敞开,接入海尔的工厂,供给工业大数据服务。九次方大数据也在联合各省市树立云化的工业大数据渠道,向当地的工业企业敞开大数据搜集、大数据存储、大数据开掘和运用才能。

4、工业大数据的实践辅导

工业大数据是企业出产运营的一次严重革新,关于工业化、信息化都还没有完结的工业企业而言,数据化年代又到来了,应战很大。

工业大数据建造,首先是一种思想革新,改动曾经以要素竞赛为主的工业出产形式,进入到数据和立异竞赛为主的新出产年代。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”,因而,需求企业领导人、办理层、职工和相关人都投身其间,各司其职,才有所成。

终究,工业大数据建造捉住两个板子作为突破点。一个是最长的板,也便是整理产品(工业)竞赛力最强的在哪里,持续深挖下面的数据价值,环绕这一块的工业数据构建产品和服务才能;另一个是最短的板,便是影响工业企业开展的痛点在哪里,本钱、商场、仍是供应链,仍是能耗?在数据化年代下,寻觅机会大数据的解决方案。