工业4.0时代智能制造离不开工业大数据

无论工业4.0还是工业互联网，其主要特征都是智能和互联，而主旨都在于通过充分利用息通讯技术，把产品、机器、资源和人有机结合在一起，推动制造业向基于大数据分析与应用基础上的智能化转型。息化与工业化的深度融合使得息技术渗透到了工业企业产业链的各个环节，工业传感器、工业自动控制系统、工业物联网等技术在工业企业中得到广泛应用。尤其是互联网、移动互联网、物联网等新一代息技术在工业领域的应用，使工业企业也进入了互联网工业新的发展阶段，随着智能制造程度的加深，工业企业所拥有的数据也日益丰富。

转型升级

大数据成就企业降本增效

大数据在传统企业向B2C、C2B模式的转型中起到关键性作用，而企业转型中对大数据服务业的大量需求，也将成为大数据产业的重要增长点。

大数据分析对设备管理十分重要，及时解析故障、问题和缺陷的根源，每年可能为企业节省非常可观的成本。我们甚至可以通过数据的变化，来预知设备即将出现的问题，“治未病”就是大数据带给企业降本增效的新方法、新思路。

“互联网+”时代的用户需求呈现实时、少量、碎片化、快速翻新等特点，这对于传统制造业提出挑战。在此背景下，传统企业要维持竞争力，需要实现需求与供应之间的息对称化，增加生产的灵活性、精准性。

20年前的设备管理还基本靠笔来记，10年前的设备管理就大量运用电脑了。但那时限于数据处理能力的不足，设备的各项记录之间的连接不强，数据的关联性不强，各类记录都需要单独查看。而今天的现代化工业制造生产线上，安装有数以千计的小型传感器，用来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。例如美国GE公司，位于亚特兰大的GE能源监测和诊断中心总共收集了全球50多个国家上千台GE燃气轮机的数据，通过分析处理每天来自世界各地客户传来的传感器振动和温度号的恒定大数据流，为GE公司对燃气轮机故障诊断和预警提供了坚实的支撑。 大数据的记录如同注入工业生产的新鲜血液，改变着传统工业制造模式。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能清晰地分析整个生产流程，了解每个环节的执行过程。一旦有某个流程偏离了标准工艺，就会产生一个报警号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，可以一目了然的发现症结所在，有助于企业改进其生产流程。

再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗，起到节能减排、降本增效的作用。

精益管理

“数据加工”才是核心竞争力

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有不同的分类，不同类别的煤炭用途不同，其挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要，同理，对于很多行业而言，有效利用这些大规模数据才是赢得竞争的关键。

大数据时代的优势就是数据处理的能力不断增强，通过分类、提取数据息，了解设备的最真实状况，使得检维修变得轻松、有据可循。而当“数据资产是企业核心资产”的概念深入人心之后，企业对于数据管理便有了更深刻的认识，数据管理作为企业核心竞争力，持续发展、规划与运用，逐渐成为企业数据管理的核心。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关；此外，对于具有互联网思维的企业而言，数据资产竞争力所占比重很大，数据资产的管理效果将直接影响企业的经济收益。

在生产线管理方面，如沈阳机床生产的新一代智能机床，可与互联网连接，对温度、压力、热能、振动、运行等海量数据进行分析，进而实现特征编程、加工仿真、实时监控、智能诊断、远程控制等网络智能制造，以及对工厂的分布式、分级式布局。在供应链管理和成本控制方面，企业通过互联网整合其全球供应链资源，并在供应链各环节采用大数据技术对客户数据、企业内部数据、供应商数据等进行分析挖掘，实现了供应数据、企业内部数据、供应商数据等的分析挖掘，实现了供应链协同和持续优化，进一步降低了企业运营成本。

在优化市场供应链方面，大数据也起着至关重要的作用。利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，可以不断跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

以海尔公司为例，公司以市场链为纽带，以订单息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源，供应链体系十分完善。在其供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应，为海尔公司的发展奠定了坚实的基础。

创新产品

数据分析有益业务决策

通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。

在这个快速发展的智能时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助其降低成本、提高效率、开发新产品、做出更明智的业务决策等等。

在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

另外，大数据不仅让传统制造企业能够创新产品和服务，还能创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在智能制造时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。