什么是工业大数据【深度解析】

什么是工业大数据？ 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、自动化、数字无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展.

工业是国民经济不可或缺的一环，也是一个国家强大竞争力背后的力量支撑。而我国工业目前位居世界第一，但却大而不强。企业创新能力不足，高端和高价值产品欠缺，在国际产业分工中处于中低端状态，中国工业企业急需转型和升级。 制造企业在利用大数据技术后，其生产成本能够降低10%—15%，大数据对于工业企业的重要性不言而喻。不同层面的制造企业在发展过程中，应该采取相应的大数据策略，才能离“工业4.0”、“工业互联网”和“中国制造2025”更近一步。 工业大数据四大特征 工业大数据具有一般大数据的特征（海量性、多样性等），此基础上具有四个典型的特征： 价值性、实时性、准确性、闭环性。 （1）价值性（Value）：工业大数据更加强调用户价值驱动和数据本身的可用性，包括：提升创新能力和生产经营效率，以及促进个性化定制、服务化转型等智能制造新模式变革。 （2）实时性（Real-time）：工业大数据主要来源于生产制造和产品运维环节，生产线、设备、工业产品、仪器等均是高速运转，从数据采集频率、数据处理、数据分析、异常发现和应对等方面均具有很高的实时性要求。 （3）准确性（Accuracy）：主要指数据的真实性、完整性和可靠性，更加关注数据质量，以及处理、分析技术和方法的的可靠性。 （4）闭环性（Closed-loop）：包括产品全生命周期横向过程中数据链条的封闭和关联，以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场景下的动态持续调整和优化。 工业大数据“3+3”理论——3个层面+3个过程 第一个“3”是指3个层面——企业，企业上面的供应链、产业链和生态链，以及在这 上面的行业管理和宏观经济。 第二个“3”是指每个企业都有的3个过程——生产，使用，以及发展中的经营效益。 从企业的角度看，工业大数据是在一个企业的设计、创新、生产、经营和管理决策过程产生、使用和转型升级过程需要的信息之和。所以小的圈是企业，一个企业从开始到生产线到设计、到工艺过程、到人，一直到管理、决策、市场、服务，像这样的环节都在使用。 从供应链、产业链和生态链的角度来看，工业大数据是供应链、产业链和生态链产生、使用和需求的各类信息之和。这三个链之间很难一刀断开，因此，我也是从一个概念来看。所以，制造业也好、工业企业也好，整个过程是一个链环周。这个链不仅是一个企业，更重要的是政府机构、研究机构，需要把控和研究如何追求制造业前两环的优化。所以我们看到了超越一个企业的生存、使用和发展需求的新工业数据。 从行业管理和宏观调控的角度来看，工业大数据是工业行业管理和宏观调控产生、使用和需求的各类信息之和。每一个行业的管理都需要工业大数据，在工业行业又生存了很多企业，做好工业数据管理需要这样一个链条，所以“3+3”构成了工业大数据的外延，每一个环节，使用的和需求的中间是交集，这样才对工业大数据的发展提供了基础。 数从何处来？工业大数据溯源 工业大数据从哪里来？来源于产品生命周期的各个环节，包括市场、设计、制造、服务、再利用各个环节，每个环节都会有大数据。“全”生命周期汇合起来的数据更大。当然，企业外、产业链外的“跨界”数据也是工业大数据“不可忽视”的重要来源。 工业大数据的主要来源有三类： 第一类是生产经营相关业务数据。 主要来自传统企业信息化范围，被收集存储在企业信息系统内部，包括传统工业设计和制造类软件、企业资源计划（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）、客户关系管理（CRM）和环境管理系统（EMS）等。通过这些企业信息系统已累计大量的产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据。 第二类是设备物联数据。主要指工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此类数据是工业大数据新的、增长快的来源。狭义的工业大数据即指该类数据，即工业设备和产品快速产生的并且存在时间序列差异的大量数据。 第三类是外部数据。指与工业企业生产活动和产品相关的企业外部互联网来源数据，例 如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。 中国工业大数据发展简史 目前我国工业技术进步速度较快，发展势头良好，但实现向工业大数据、智能制造模式转型依旧存在很多的困难。经过近十几年的科技创新和设备改造升级，国内制造业信息化水平较上世纪末有了较大提升，但与发达国家相比仍有较大差距。在大数据的应用上面，与徐工集团、三一重工、红领集团这样能够成熟应用工业大数据技术的企业相比，大多数的工业企业尚未对工业大数据技术形成明确的认识和技术上的应用，工业大数据的落地推广依旧存在很多的瓶颈，离工业大数据孕育工业应用生态的发展态势还有很长的路要走。 2014年，中国电子技术标准化研究院开展工业大数据相关研究，承担工业大数据等多项智能制造专项，相关成果不断向江苏省等地方推广应用。 2015年8月，中国工业大数据创新发展联盟在工信部指导下成立，主要研究制定工业大数据创新发展指导意见，交流展示两化融合发展的成功经验。 2015年12月，工信部、国标委联合发布的《国家智能制造标准体系建设指南(2015年版)》，指南中确定工业大数据属于智能制造标准体系五大关键技术之一，并定义了工业大数据标准。 2016年8月，工业互联网产业联盟(AII)工作组第二次全会在北京成功召开，会议审议了联盟总体组工业大数据等三个特设组。 2016年9月，工信部和北京市经信委指导成立北京工业大数据创新中心，致力于打造核心技术突破、应用推广、标准制定、产业孵化、人才培养和国际合作六位一体的工业大数据产业协同创新基地。 2016年10月，清华大学数据科学研究院成立了工业大数据研究中心，实现跨信息学科与工业学科的大数据研究融合，旨在打造自主创新的工业大数据平台。 2016年11月，在工信部指导下，中国电子技术标准化研究院联合智能制造相关领域的系统解决方案供应商、行业用户和研究院所共同发起成立智能制造系统解决方案供应商联盟。 2017年1月17日，国家发布了《关于印发大数据产业发展规划(2016-2020年)的通知》，该规划指出，要加快工业大数据基础设施建设，推进工业大数据全流程应用，培育出数据驱动的制造业新模式，为工业大数据的发展指明了方向。 2017年2月：中国电子标准化研究院(四院)和全国信息技术标准化技术委员会大 数据标准工作组作为主编单位联合发布了《工业大数据白皮书(2017版)》。这可称得上是国内第一部在工业大数据领域的总结梳理报告。

为何发展工业大数据？三个层面一个需求 为何要发展大数据？从三个由小到大的层面，加上一个需求，来看一下工业大数据的作用和意义。 第一个层面——企业。 工业大数据为企业全过程设计、创新、生产、经营、管理、决策服务，为企业的发展战略和目标的实现服务。 第二个层面，供应链、产业链和生态链。 从供应链、产业链、生态链来看，不管是CSM的生产圈，还是一个特定产品制造过程的供应链，或是一个完整生产过程的分析，工业大数据都是为了它的形成和优化。 第三个层面，行业管理和宏观调控。 工业大数据要满足行业和宏观决策调控的实际需求，提高行业和宏观经济管理决策质量、能力。政府的行业管理对于供应链、产业链、生态链、商业链、价值链有着非常重要的作用，但是政府的宏观调控超越了这样的链环本身，我们要对经济发展面临的重大问题作出回应，甚至回答制造业如何来应对这样的问题。所以从这个行业来看重要的是行业发展战略，而到宏观调控的时候，不但要从行业的发展战略，还要从整个经济发展去看这些问题怎么解决？这就需要信息。 第四个层面，工业转型升级。 工业大数据是为了一个个企业、行业、装备、工艺、生产线、供应链的转型升级服务。先进制造业、工业4.0、智能制造，以两化融合和智能制造为重点的中国制造2025，都是工业转型升级模式的未来方向。原来我们的3.0工业，是以装备和生产线为核心的自动化，而4.0的智能化是把这两个过程自动化和数据自动化结合在一起。 工业大数据如何助力制造业转型升级？ 制造业存在着哪些主要问题： 1、在数据生成环节，主要存在跑冒滴漏和非标准的问题； 2、在数据利用环节，主要存在数据不足、质量不高、各个环节协同存在制度、核算、标准等大量障碍； 3、在发展需求环节，主要存在缺乏预见性、缺乏有效的模型和工具、缺乏制度和标准规范等问题。 要想建设好、应用好大数据，首先要解决这三个问题： 首先是建设。把大数据作探矿、采矿、炼矿、用矿，实际上探矿和采矿就是建设好信息，可以从三个纬度四个方面来建设好信息。三个纬度首先是发现，然后才可以按照应用需求结合起来。 第二要有制度，要有标准，要实现系统之间的互操作。同时我们还要发现、收集、组织，来提升系统性、完整性、及时性、准确性。这是建设好、运用好。 后期，要特别注重取得实效、实践和理论研究。 1、要特别注重实效。因为今天的大数据，每一个环节的形成都有它的实效，这件事情从开始到做完以后，效果究竟是什么？有很多企业家，当你用大数据对你企业各个环节进行改善提升的时候，你首先第一条要把提高效率放在首位，这是关键，而且对于制造业来说，要永远把利润率放在重要的位置。当然，工业大数据不能直接用钱来算，有的环节是企业老板在管理上、服务上提效，但是这个效果必须是可测量的，不管是定性的还是定量的。 2、要特别注重实践。i5数控机床，从开始研发到今天位列智能数控机床试点领先的行列，花了十年的时间。为什么前面几年没有成功？就是因为数据缺失。缺什么数据？高端数控机床为什么长期被国外控制？数控机床的技术为什么那么长时间没有克服？因为不管是材料的发展，还是装备的发展，都没有数据，没有实践过程中的数据，它是发展不起来的。接下来是模型怎么建，也需要数据来支撑，但是原来由于高端数控机床都由国外来控制，我们没有数据。另外，它在这个过程里面还倡导商业模式，这个机床是按服务钥匙收费。所以它又变成了今天新热门的制造行业分享。这显然是一个好的实践，这里面工业数据是极其重要的。 3、要注重理论的研究，注重方法、制度创新的研究。在这个过程中，需要对制造业发展的趋势、特征，工业大数据的内涵外延，工业大数据建设和利用的系统方法，工业大数据质量保证、协同发展、制度创新等等一系列问题进行研究。 工业大数据应用案例 发展大数据是个过程，目的是为了利用大数据，对工业企业起到作用。因此，企业需要冷静思考，坚持以业务应用为驱动，才能及大化实现数据价值。 企业所积累的数据量以越来越快的速度在增加，很多企业也就顺势将大数据技术引