工業大資料介紹

一、工業大資料的定義工業大資料是指在工業領域，主要通過傳感器等物聯網技術進行資料采集、傳輸得來的資料，由于資料量巨大，傳統的資訊技術已無法對相應的資料進行處理、分析、展示，而在傳統工業資訊化技術的基礎上借鑒了網際網路大資料的技術，提出新型的基于資料驅動的工業資訊化技術及其應用。

二、工業大資料特點工業大資料主要有以下幾個特點：

1、資料來源主要是企業内部，而非網際網路個人使用者；

2、資料采集方式更多依賴傳感器而非使用者錄入資料；

3、資料服務對象是企業，而不是個人；

4、在技術上，傳統的企業架構技術已無法提供相應的分析應用，更多的采用了網際網路大資料領域成熟的技術；

5、改變了企業原先對資料的看法，使得原先看似無用的、直接丢棄的資料重新得到了重視，并且切實改進了企業的生産、銷售、服務等過程；

三、大資料在工業領域的作用

1、實作資料的全面采集并持久化

在前大資料時代，很多工業現場采集到的資料的生命周期僅僅是在顯示屏上一閃而過，大量的資料由于種種原因被丢棄了，丢棄的一個很重要的原因就是無法有效存儲，全部存儲成本過高且資料量過大導緻無法使用。大資料時代之後，新型的資料處理技術及雲計算帶來的低成本，使得資料的全面采集并且持久化成為可能，即采集到的資料可以實作長時間的存儲，且海量的資料可處理、可分析，工業使用者就有了存儲資料的意願。而這一切又反過來為大資料分析提供了堅實的資料基礎，使得分析的結果更準确，成為一種正向循環。

2、實作全生産過程的資訊透明化

随着現代生産技術的飛速提高，生産過程已經呈現高度複雜性和動态性，逐漸出現了不可控性。生産過程資訊呈現碎片化傾向，隻有專業部門、專業人員才掌握本部門、本專業的資料，企業無法全面有效了解全生産流程。

随着大資料處理和可視化技術的不斷發展，目前，通過全生産過程的資訊高度內建化和資料可視化，進而達到了生産過程的資訊透明化，企業總排程中心不僅可以清晰地識别産品，定位産品，而且還可全面掌握産品的生産經過、實際狀态以及至目标狀态的可選路徑。

3、實作生産裝置的故障診斷和故障預測

目前，已經可實作對裝置各類資料的采集，包括裝置運作的狀态參數，例如溫度、震動等，裝置運作的工況資料，例如負載、轉速、能耗等，裝置使用過程中的環境參數，例如風速、氣壓等，裝置的維護保養記錄，包括檢查、維護、維修、保養等資訊，以及裝置的使用情況，例如使用機關、操作人員等。收集到裝置的各類資料後，再加上同類裝置的資料、長周期的使用資料等等，就構成了大資料分析的基礎資料。

這個時候，再加上好的算法及模型，通過資料的分析處理實作裝置的故障診斷和故障預測就是一個再簡單不過的事情了。

4、實作生産裝置的優化運作

在故障診斷和故障預測的基礎上，機器、資料和生産名額構成了一個互相交織的網絡，通過資訊的實時互動、調整，再加上優化準則，将它們進行比對、評估，最終選出最佳方案。可以進一步提高裝置的效率和精度，更加合理化和智能化的使用裝置，這就使生産更具效率，更環保，更加人性化。并且裝置的使用更加高效、節能、持久，同時還可減少運維環節中的浪費和成本，提高裝置的可用率。

5、提高企業的安全水準

由于裝置資訊、環境資訊和人員資訊的高度內建，經過資料分析可實作安全報警、預警，隐患評估、預警等，進而大幅度提高安全水準，并且可提升人員效率；

6、實作定制化生産

近幾十年裡，技術開發面臨的最大挑戰是産品乃至系統無限增加的複雜性。與此同時，這還導緻開發和制造的工業過程的複雜性也傾向于無限增加。而工業企業欲在未來長期保持競争優勢，又必須提高生産靈活性。因為隻有這樣，才能降低成本，縮短産品上市時間，并通過提高産品的種類，滿足個性化的生産需求。

單靠人腦進行管理，是無法對如此複雜的流程和龐大的資料進行比對的，通過大資料技術的引入，可以将客戶的需求直接反映到生産系統中，并且由系統智能化排程，安排組織生産，使得企業定制化生産成為現實；

7、實作供應鍊的優化配置

通過RFID等産品電子辨別技術、物聯網技術以及移動網際網路技術能幫助工業企業獲得完整的産品供應鍊的大資料，利用這些資料進行分析，将帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。

供應鍊體系以市場鍊為紐帶，以訂單資訊流為中心，帶動物流和資金流的運動，整合供應鍊資源和使用者資源。在供應鍊的各個環節，客戶資料、企業内部資料、供應商資料被彙總到供應鍊體系中，通過供應鍊上的大資料采集和分析，企業就能夠持續進行供應鍊改進和優化，保證了對客戶的靈活響應。

8、實作産品的持續跟蹤服務

随着物聯網技術的發展，對于已售出的産品，現在可實作運作資料的全面收集，進而可分析已售出産品的安全性、可靠性、故障狀态、使用情況等，在這些資料的基礎上，産品運作資料可以直接轉化到生産過程中，可以改進生産流程、提高産品品質、開發新産品，更進一步，生産資訊也可以直接作用于優化産品研發及生産過程的上遊工序中。

9、為企業提升新的服務價值

商家賣的是産品，使用者看重的是産品帶來的價值。一切技術或産品都隻是手段，其核心目的是在使用中創造價值。當企業能夠使用新的技術為使用者提供服務時，賣的已經不是或者不隻是冰冷的産品了，而是新的價值服務。這樣，一個生産商就從過去單純的産品提供者轉變為如今的資訊服務商。

四、工業大資料案例

1、實作全生産過程的資訊透明化的案例

通過采用內建自動化與驅動解決方案，能夠顯著提高生産效率和靈活性。原東德玻璃制造商f | glass就是一個很好的執行個體。它的工廠可以算得上是全世界最先進、最節能的工廠之一了。該工廠采用了一套內建自動化解決方案、一個先進的能源管理系統以及一個創新的熱回收系統。從原材料供應和混合，到熔化過程，再到玻璃表面的精加工和調試，生産與物流均完全實作了自動化。通過全內建自動化（TIA），所有內建儀表、驅動、自動化及配電解決方案互相協同，所有生産流程高效而靈活。過程控制系統Simatic PCS 7可視化控制着700米長裝置上的3000個測量點，實作了一年365天連續可靠的運作。

2、實作生産裝置的故障診斷和故障預測的案例

某世界500強的生活消費公司每年在紙尿褲市場占據超過100億美元的市場佔有率，在紙尿褲的生産過程中曾經遇到過令人十分頭痛的問題：在完成紙尿褲生産線從原材料到成品的全自動一體化更新後，生産線的生産速度得到了大幅提升，每秒鐘能夠生産近百米的紙尿褲成品。然而新的生産線建成後一直沒有辦法發揮最大的産能，因為在高速生産過程中某一個工序一旦出現錯誤，生産線會進行報警并造成整條生産線的停機，随後由現場的勞工将生産錯誤的部分切除後再重新讓生産線運轉，這樣做的原因是一旦某一片紙尿褲的生産發生問題會使随後的所有産品都受到影響，是以不得不将殘次部分剔除後重新開機。

為了提升生産線的生産效率，這家公司與IMS合作對紙尿褲生産線的監控和控制系統進行了更新。我們首先從控制器中采集了每一個工序的控制信号和狀态監控參數，從這些信号中尋找出現生産偏差時的資料特征，并利用資料挖掘的分析方法找到正常生産狀态和偏差生産狀态下的序列特征。随後用機器學習的方法記錄下這些特征，建立判斷生産狀态正常和異常的健康評估模型。在利用曆史資料進行模型評價的過程中。該健康模型能夠識别出所有生産異常的樣本并用0—1之間的數字作為目前狀态即時動态監控拇标。于是在生産過程中的每一個紙尿褲都會被賦予1個0—1的健康值，當系統識别出某一個紙尿褲的生産出現異常時，生産系統将在維持原有生産速度的狀态下自動将這一産品從生産線上分離出來，且不會影響到其他産品的生産和整條生産線的運轉。

這項技術後來被紙尿褲生産公司內建到了控制器當中，更新後的生産線實作了近乎于零的停機時間，也使生産線實作了無人化操作，每年由于生産效率提升所帶來的直接經濟價值就高達4. 5億美元。

3、實作生産裝置的優化運作的案例

（1）高聖是一家生産帶鋸機床的中國台灣公司，所生産的帶鋸機床産品主要用于對金屬物料的粗加工切削，為接下來的精加工做準備。機床的核心部件是用來進行切削的帶鋸，在加工過程中帶鋸會随着切削體積的增加而逐漸磨損，将會造成加工效率和品質的下降，在磨損到一定程度之後就要進行更換。使用帶鋸機床的客戶工廠往往要管理上百台的機床，需要大量的勞工時刻檢查機床的加工狀态和帶鋸的磨損情況，根據經驗判斷更換帶鋸的時間。帶鋸壽命的管理具有很大的不确定性，加工參數、工件材料、工件形狀、潤滑情況等一系列原因都會對帶鋸的磨耗速度産生影響，是以很難利用經驗去預測帶鋸的使用壽命。切削品質也受到許多因素的影響，除了材料與加工參數的合理比對之外，帶鋸的磨耗也是影響切削品質的重要因素。由于不同的加工任務對品質的要求不同，且對品質的影響要素無法實作透明化，是以在使用過程中會保守地提前終止使用依然健康的帶鋸。

是以高聖意識到，客戶所需要的并不是機床，而是機床所帶來的切削能力，其核心是使用最少的費用實作最優的切削品質。于是高聖開始從機床的PLC控制器和外部傳感器收集加工過程中的資料，并開發了帶鋸壽命衰退分析與預測算法子產品，實作了帶鋸機床的智能化更新，為客戶提供機床生産力管理服務。

在加工過程中，智能帶鋸機床能夠對産生的資料進行實時分析：首先識别目前的工件資訊和工況參數，随後對振動信号和監控參數進行健康特征提取，依據工況狀态對健康特征進行歸一化處理後，将目前的健康特征映射到代表目前健康階段的特征地圖上的相應區域，就能夠将帶鋸的磨損狀态進行量化和透明化。分析後的資訊随後被存儲到資料庫内建立帶鋸使用的全生命資訊檔案，這些資訊被分為三類：工況類資訊，記錄工件資訊和加工參數；特征類資訊，記錄從振動信号和控制器監控參數裡提取的表征健康狀态的特征值；狀态類資訊，記錄分析的健康狀态結果、故障模式和品質參數。大量帶鋸的全生命資訊檔案形成了一個龐大的資料庫，可以使用大資料分析的方法對其進行資料挖掘，例如通過資料挖掘找到健康特征、工藝參數和加工品質之間的關系，建立不同健康狀态下的動态最佳工藝參數模型，在保障加工品質的前提下延長帶鋸使用的壽命。

在實作鋸機床“自省性”智能化更新的同時，高聖開發了智慧雲服務平台為使用者提供“定”制化的機床健康與生産力管理服務，機床采集的狀态資訊被傳到雲端進行分析後，機床各個關鍵部件的健康狀态、帶鋸衰退情況、加工參數比對性和品質風險等資訊都可以通過手機或PC端的使用者界面獲得，每一個機床的運作狀态都變得透明化。使用者還可以用這個平台管理自己的生産計劃，根據生産任務的不同要求比對适合的機床和能夠達到要求的帶鋸，當帶鋸磨損到無法滿足加工品質要求時，系統會自動提醒使用者去更換據帶，并從物料管理系統中自動補充一個帶鋸的訂單。于是使用者的人力的使用效率得到了巨大提升，并且避免了憑借人的經驗進行管理帶來的不确定性。帶鋸的使用壽命也得以提升，同時品質也被定量化和透明化地管理了起來。

高聖的智慧帶鋸機床和智能雲服務在2014年的芝加哥國際機床技術展（IMTS）上推出後赢得強烈反響，被認為是智能化裝置的傑出示範，赢得了廣大客戶的歡迎和青睐。

（2）位于德國安貝格的西門子工廠即是一個很好的執行個體，該工廠負責生産Simatic系列PLC（可程式設計邏輯控制器Programmable LogicController）。大部分生産都實作了數字化，并獨立于實際生産進行了仿真和優化。通過采用Simatic IT 制造執行系統，顯著提高了生産效率和靈活性。該Simatic系統允許在一分鐘之内更改産品和工序，這對于自動化系統來說衛是一個很大的挑戰：另外，每天大約有一百多萬個測量事件，不斷地湧入中央系統。通過資料矩陣碼掃描器和RFID晶片，采集産品資訊，并加載到上位中央系統，以確定資料的一緻性。這樣，控制系統就可以掌握每一件産品的資訊，例如産品目前狀态、是否通過檢驗等。若該産品未能通過檢驗，控制系統将對其按照原有程式進行幹涉，如：自動發送一封郵件到品控部門，為技術人員提供維護資訊等。品控部門的員工将會收到一份内容包含裝配計劃和故障診斷的資訊清單。正是因為應用了這一技術，使得西門子公司的這家工廠幾乎成為了誤差最小的工廠。其誤差比率之低，十分驚人:百萬缺陷率僅15，相當于工廠産品合格率為99. 9985 %。

（3）大衆汽車改造一條已經使用了17年之久的沖壓生産線時，将産品生命周期管理軟體（PLM）與其自動化軟體相結合，使得改造時間有了明顯的減少：在早起改造生産線的規劃階段，為提高生産效率，可以使用沖壓線仿真軟體，模拟出現有機器和處理裝置，再對其進行優化。為了将沖壓件的模拟程式做到最精确，在使用仿真軟體的時候，還需要配合使用運動控制軟體（Motion Control Software）。運動控制軟體除可用于虛拟環境外，還可用于現實操作中。使用這種技術，在完成最後沖壓線改造工程之後，經計算實作節能35 %，每分鐘沖程數可由14次提高至16次，生産力明顯提高。雖然表面上看，這2個沖程數并不起眼，但放在每個班次上所提升的效率是相當可觀的。

4、實作定制化生産的案例

2014年，紅領以零庫存實作150%的業績增長，以大規模定制生産每天完成2000種完全不同的個性化定制産品；公司的核心競争力是一套大資料資訊系統，任何一項資料的變動都能驅動其餘9000多項資料的同步變動，真正做到了從使用者的個性化設計訂單到生産過程的“零時差”連接配接。

紅領走了一條極端的定制路線，生産的每一件衣服從生成訂單前就已經銷售出去，并且每一件衣服都是由使用者親自完成的設計。這在成本上隻比批量制造高10%，但收益卻能達到兩倍以上。實作低成本、高定制化生産的背後是一套完整的大資料資訊系統，任何一個使用者一周内就能夠拿到定制的衣服，而傳統模式下卻需要3一6個月。

定制的第一步是使用者資料的采集，最重要的資料是使用者的量體。量體資料采集的方案主要有四套：第一套方案，使用者可以根據以往在任何一個大品牌服裝上體驗的自認為最合适據，從紅領的資料庫中自動比對對應的量體資料；第二套方案，通過O2O平台，在任何地點預約上門量體；第三套方案，使用者可以到紅領的體驗店直接采集量體資料，整個過程隻需要5分鐘，采集19個部位的資料；第四套方案，使用者也可以選擇自己的标準号，但是要對自己的選擇負責。完成使用者的資料采集之後，紅領就會形成一個使用者的資料檔案，在未來使用者進行新的定制化設計時可以直接使用以前的資料。

除了量體資料的定制化，最大程度滿足西裝的合身之外，客戶還可以定制衣服的面料、圖案、光澤、顔色，甚至是一些極其微小的細節。比如紐扣的形狀和排列方式、口袋的樣式、裡襯的走線紋路，甚至是添加一個水滴形的鋼筆口袋，或是印上自己家族的徽章和名字。即使是在如此複雜和高度定制化的情況下，依然可以確定在7天内為使用者完成制作并發貨。這其中的秘訣依然離不開資料：當客戶在網上完成下單之後，這些定制化的設計被轉變成數以萬計的生産指令資料，并按照工序被記錄在數十個磁卡中，形成了一件衣服在制作過程中的“身份證”。

一件定制化西服的生産流程可以簡單描述為：工廠的訂單資訊全程由資料驅動，在資訊化處理過程中沒有人員參與，無須人工轉換與紙質傳遞，資料完全打通，實時共享傳輸。所有員工在各自的崗位上接受指令，依照指令進行定制生産，員工真正實作了“線上”工作而非“在崗”工作。當一件正在制作中的西服到達一個勞工面前時，員工可以從網際網路雲端擷取這件西服的制作指令資料，按客戶的要求操作，確定了來自全球訂單的資料傳遞零時差、零失誤率，用網際網路技術實作客戶個性化需求與規模化生産制造的無縫對接。

在生産線的智能化更新方面，基于MES , WMS , APS等系統的實施，通過資訊的讀取與互動，與自動化裝置相結合，促進制造自動化，流程智能化。通過AGV小車、智能分揀配對系統、智能吊挂系統與智能分揀送料系統的導入，加快整個制造流程的物料循環，通過智能摘挂系統、線号識别系統、智能取料系統、智能對格裁剪等系統的導入實作整個制造流程的自動化。除此之外，紅領還利用大資料分析解決生産線平衡和瓶頸問題，使之達到産能最大化、排程最優化及庫存和成本的最小化。

紅領經過10多年的資料累積，建立了個性化産品資料模型以及資料累積管理模型，基于資料模型完善大資料，目前具有千萬種服裝版型，數萬種設計元素，滿足使用者個性化定制需求，組合出無限的定制可能，目前能滿足近100%的個性化設計需求。紅領在産品設計方面采用了與傳統服裝行業不同的三維計算機輔助設計（CAD）、計算機輔助工藝規劃（CAPP）方式，對款式、尺碼以及顔色等都進行智能化管理。紅領使用大資料技術的最核心價值就是對C2M各生态鍊上的海量資料進行收集、存儲和分析，建構了以下5個方面的核心能力：

規模化：将軟體、硬體裝置資源進行規模化內建，提升裝置的計算能力；

可靠性：用分布式資料中心的存儲和備份，保證了資料的容災性；

虛拟化：将軟、硬體互相隔離，虛拟化應用，減少了裝置之間的依賴性；

按需服務：建立雲端的虛拟資源池，為各子產品提供彈性支撐服務；

通用性：不用針對具體的應用，在“雲”的支撐下可構造不同的應用。

正是有了這樣的一套大資料驅動的生産系統，紅領員工才發出這樣的感慨：現在人人都是設計師，每一件西服都是一個故事，從衣服上可以猜測它背後是什麼樣的人來穿，甚至以什麼樣的心情來穿。

5、實作産品的持續跟蹤服務的案例

（1）1987年，美國通用汽車（General Motors）收購了了休斯電氣公司（Hughes ElectronicsCorporation），應用各自領域的專業技術優勢和經驗在1992年開發出了OnStarTM（國内稱為“安吉星”）系統。安吉星最初的功能主要是遠端監控和危機處理，比如當使用者丢失車鑰匙時幫助他們遠端打開車門、汽車發生問題時進行遠端診斷篩選，以及汽車在發生碰撞後提供緊急救援服務。這也是汽車領域利用遠端資料采集為使用者提供服務的第一次嘗試。

（2）另一個代表是GE Medical Systems （GE Healthcare的前身）推出的InSite裝置網管系統，能夠通過無線系統網絡對GE的醫療泛備（如核磁共振儀等）進行點對點監控。在InSite推出以前，醫療裝置在故障後需要聯絡現場工程師到現場處理，從派遣工程師到維修完畢的平均時間為4個小時，故障後常常造成顧客長時間等待和抱怨。InSite系統可以直接對裝置進行遠端監控，發生故障時遠端幫助使用者及時找出問題并自行解決，減少了不必要的到點維修。如果客戶無法自行解決，也可以在遠端對裝置的故障進行較為詳細的診斷，在到點維修前提示準備好所需的資源和備件。使用InSite系統後，41%的故障可以遠端排除，平均消耗時間僅為15分鐘，而34%的故降可以進行遠端診斷和到點維修準備，平均故障排除時間降低到了2小時。在InSite的幫助下，GE大幅削減了售後服務的成本，而且将裝置的停機率縮短至小于1天/年。這個概念也激發了GE為航空發動機開發On-wing SupportTM服務的靈感，為GE第二代遠端大資料服務系統打下了基礎。

（3）還有一個代表産品是奧蒂斯（OTIS）電梯公司的遠端電梯維護系統（Remote ElevatorMaintenance，REMTM）早在1995年就利用監控資料對電梯進行遠端維護。那個時候電梯最大的問題就是經常打不開門，把乘客關在一了電梯裡，而維修人員趕到現場進行故障排除需要1個小時左右的時間。為了避免故障的發生，OTIS有一個龐大的維護人員團隊，對每個城市的高層OTIS電梯進行定期的巡檢，帶來了高昂的人力成本。于是OTIS通過REMTM監控每一台電梯的平均開門時間和電氣裝置的重要參數，判斷電梯發生故障的風險，為維護團隊提供巡檢的優先級排序和預防性維護決策支援，在承擔較低的人力成本條件下最大限度地避免了電梯故障。

（4）小松機械（Komatsu）在2005年推出了康查士（KomtraxTM系統），利用ICT技術對車輛進行遠端使用管理，将裝置的使用資料和各種健康資訊及時回報給客戶，幫助客戶做好日常保養工作，使裝置保持良好的狀态。該系統還可以對使用者的使用工況進行判斷，例如當挖掘機裝置在土質松軟的海邊工作時，由于裝置自身無法固定而牢固，常常需要在超負荷的工況下運作，康查士系統就可以提醒使用者在該工況下的使用風險，并給出相應的維護建議。小松曾派工程師于2005~2006年到美國的IMS中心合作開發智能維護分析工具，對遠端裝備管理提供資訊服務。

（5）阿爾斯通（Alstom）的TrackTracerTM車載診斷系統能夠在高鐵運作時監控車輛關鍵部件的健康狀況，一旦發現現異常，TrackTracerTM就可以對故障進行遠端診斷，并派遣維護人員在車輛的下一個站點進行維修，進而最大限度地保障列車的運作率。TrackTracerTM還可以通過車載的振動傳感器對鐵軌進行監控，避免了以往人工檢查的低效和安全隐患。

6、為企業提升新的服務價值的案例

GE旗下的飛機發動機公司（GE Aircraft Engine）在2005年将公司名稱改為“GE航空”（GE Aviation），這代表着業務模式的轉型。原來的發動機公司隻做發動機，而改名後的GE航空則提供運維管理、能力保障、營運優化和财務計劃的整套解決方案，還可以提供安全控件、航管控件、排程優化、飛航資訊預測等各類服務，由服務帶來的價值空間更大了。

例如，GE航空提供的“On-Wing Support”服務，在航班飛行的過程中監控發動機的健康狀态，對可能發生的故障風險進行預測，在飛機落地前就可以在相應的機場準備好維護所需的備件和技師等資源，進而使發動機的使用率大大提升，同時安全性也得到了很好的保障。這項服務推出後，從美國芝加哥飛往上海的航班降落後僅需3小時的周轉時間就可以搭載上海的乘客傳回芝加哥，航班的周轉率大大提升，為航空公司帶來了相當可觀的價值增長。有了這些服務之後，GE賣的已經不是或者不隻是發動機，而是航空管理服務。這樣，發動機生産商從過去單純的發動裝置提供者轉變為如今的航運資訊管理服務商。