论文部分内容阅读
摘要：通过对近年来轨道交通车辆制造行业希望通过信息化手段提升产品利润率的需求出发，研究发现大数据和智能制造已成为轨道交通行业的主要研究和发展方向，本文通过结合马斯诺需求模型和车辆主机厂的现状分析，提出了轨道车辆主机厂借用大数据和智能制造的应用前景和相应的风险控制方式，通过结合大数据在制造业的应用，尽力推动轨道车辆的智能化和产品利润的最大化。
关键词：城市轨道交通；大数据；智能制造；风险控制
进入21世纪以来，交通运输、金融保险业以及高科技产业等基础设施投资逐渐成为跨国公司新的投资热点。与此同时，庞大的数据容量、繁多的类型、高速的数据处理与流转，以及低价值密度使制造型企业常感到无所适从。如何利用大数据分析解决问题、挖掘潜在联系、实现数据增值，已成为跨国公司和各制造型企业提升竞争力的关键。
我国在大数据发展和应用方面仍存在产业基础薄弱、缺乏顶层设计和统筹规划、创新应用领域不广等问题。我国大数据正面临着从容量大、类型多、存取速度快、应用价值高为特征的数据，快速发展为以数量巨大、来源分散、格式多样的数据采集、存储和关联分析为特征的转变。本文通过国内外大数据的应用分析，提出了轨道车辆主机厂在大数据处理和智能制造推进的合理化建议以及相应的风险防范等内容。
一、概述
在各地铁公司和车辆主机厂以及部件供应商纷纷推出各自的智能化解决方案以及智能制造方案的背景下，制造型工业将与高维仿真、数据分析、传感数量高度融合，使各个层面的数据得到充分利用，进而预测产品在全寿命使用中可能存在的风险，提高产品耐受性和企业利润水平。为充分利用大数据和智能制造平台，国外的巨头公司纷纷采用在产品寿命的前端、中端、后端三个阶段实现应用和创新。通过大数据的信息挖掘，分析和预测市场走向、实现制造业服务化、建立数据共享平台。
1）前端营销和服务环节，全面分析市场走向，建立科学决策机制，提升市场应变能力。在国外制造业领域，不少企业通过大数据分析预测市场走向，预测经营管理中可能存在的问题，对于提高跨国企业的市场应变能力大有裨益。
2）在中端设计研发环节，基于客户需求，提供系统化解决方案，走制造业服务化路线。目前，制造业基于产品的传统生产模式已经开始向基于服务的定制化模式转型。大数据作为一个精准定位的有效工具，帮助跨国企业了解客户需求，针对不同群体进行产品细分，为客户提供系统化解决方案。
3）在后端制造和物流环节，建立大数据共享平台，优化作业流程，提高生产效率。在后端，不少工厂也采取了数据采集和分析，以进行内部流程优化。
二、车辆主机厂的现状
随着生产要素成本的持续上升和传统生产模式的改变，如何从低附加值、劳动密集型模式向追求高附加值、高技术含量模式的转变，是车辆主机厂乃至整个制造业面临的巨大挑战。作为一个为国内外提供城轨车辆的主机厂，仅部分部门开展了数据平台建设，存在信息不畅通、更新不及时，在解决此类问题基础上，还需借助大数据的分析对市场进行进一步预测，以提高企业的盈利水平。
据2017年4月份发布的中国中车股份有限公司2016年年度报告中所述，中车除了基本的铁路装备业务外，还在城市基础设施业务、新产业（含通电机电业务、风电&新能源等新兴业务）、现代服务业务、国际业务均取得了长足的进展。然而受限于主营产品“以銷定产”的供销模式，以及对过往数据共享和分析的欠缺，导致了对目前轨道产品“智能化”、车辆维护“状态修”、服务提供“利润化”、物流衔接“无缝化”、运输服务“一体化”的实际需求反应有所滞后，仅局限在部分主机厂部门的研究和探索应用中。
三、车辆主机厂与大数据和智能制造结合的应用前景
通过对国内外大型企业内大数据应用进展的分析，建议作为车辆主机厂可按照Abraham H.Maslow提出的马斯诺需求模型的五层次理论（生理需要、安全需要、社交需要、尊重需要、自我实现需要）进行分析，将需求模型与车辆主机厂现状相结合，从大数据的应用程度以及未来发展方向大致分为五个阶段（数字化列车积累需求、数字化列车初级应用需求、数字化列车智能应用需求、数字化工厂应用需求、数字化自我提升需求），如图2所示。
如上图所示，依据大数据对应轨道车辆主机厂的实现方式，从易到难的实现角度进行介绍。
1）部件数据积累
收集列车关键部件或回路状态信息，建立基础数据库。通过在列车上的关键部件和重要电气回路中增设相应类型的传感器，将记录的模拟量数据通过数模转换，以电信号形式通过数据电缆传递给网络系统进行监控、记录和存储，为实现列车多种参数的实时监控及列车LCC（列车全寿命）数据的积累做好技术准备工作。
2）初级智能列车平台的搭建
实时更新车辆基础数据库，完成预设条件下的列车自主运行。通过列车上的网络数据交互设备，与轨旁信号基站设备交换列车实时状态信息，使列车与信号设备按照预设程序完成列车日常主动唤醒、自行出库、正线自动运行、列车按时回库、列车当日信息及故障数据的上传，列车自主休眠。在整个列车无人驾驶的过程中，通过对数据的前期计算和持续积累和分析来实现初级智能列车平台的搭建。
3）全效智能列车平台的构建
实时数据与数据库信息进行对比，自主选择最优行车规则，列车故障时自主选择最优解决方案，自主提出维修建议。通过对故障数据及解决方案的学习，提升车辆的自我管理权限，在车辆出现类似故障情况下，由车辆自主决定停车、下线、降级或正常运行。除此之外，还可以通过监控车辆状态数据的变化趋势，主动向车辆段内的维护人员提出维修建议，使得目前的车辆维保模式从常规维保、全效修等模式向状态修进行转变，状态修迟迟未能实现的根本原因也主要受制于车辆可靠性数据的积累不足。
4）智能工厂平台的搭建 以服务信息（含营销和售后）为平台，拉动公司内部各部门支持。以顾客为企业核心驱动力可提高自身竞争力，而以数据为核心驱动力则指引着企业的发展方向。虽然轨道交通行业目前还是个“以需定产”的生产模式，但通过对以往项目的信息收集和数据分析，考虑用户在日常产品使用中的不满和实际需要，将分析得到的实际需求信息反馈公司设计和工艺部门，以便提前完成方案规划，尽可能的在用户明确提出需求或不满前，给出处理方案和实施方案，尽量缩短弥补或者改善方案的时间耗费，提高用户满意度。
5）智能世界平台的搭建
以数据分析为基石，主动向潜在用户进行营销服务。在此阶段，除了关注既有客户的隐性需求，还应关注潜在客户（含既有客户）未来的隐性需求甚至为客户量身定制和创造需求。在智能世界阶段，只有通过对大数据进行分析才能获取更多智能的、有价值的信息。通过对有价值信息的剖析，主动营销培训服务、产品替换、产品升级改造、备件更新等服务，在提升产品竞争力的同时，树立产品在用户心中不可或缺的地位。
四、机遇和挑战
大数据中蕴含的宝贵价值已成为人们存储和处理大数据的驱动力。对数据的占有和控制将成为国家间和企业间新的争夺焦点，“大数据时代”已然来临，然而大数据应用中必然会遇到数据上传、共享风险、数据的维护与应用风险，但是这些风险可以通过建立合理的管理体系、可靠的数据安全保护体系来进行控制。
制造行业应用大数据和智能制造面临的机遇也越来越明晰：
1）建立统一管理平台和数据处理标准流程，减少“信息孤岛”，避免需共享的信息掌握在个人手中，造成目前信息不对称问题的发生。
2）转变制造型企业的战略思路，可以通过与同行甚至上下游企业建立市场信息共享、供应商信息共享、物流資源共享、售后服务信息共享等方式突破目前制约信息共享的瓶颈；
3）持续完善信息化管理平台，逐步从部件状态数据的持续积累，到初级智能列车的实现，从全效智能列车到智能工厂的实现，最后利用大数据技术打造智能世界，考虑从生产企业向服务企业观念的转变，努力提升品牌自身竞争力。
参考文献：
[1]中国信息通信研究院.中国大数据发展调查报告（2017）.
[2]Fei Hu，Big data：storage，sharing and security[B]. CRC Press，（2016）.
[3]吕佑龙，张洁. 基于大数据的智慧工厂技术框架。计算机集成制造系统，2016，11（022）.
[4]冯登国，张敏，李昊。大数据安全与隐私保护。计算机学报，2014，37（1）。
[5]程学旗，靳小龙，王元卓等。大数据系统和分析技术综述。软件学报，2014，25（9）。
[6] Russell Walker. From big data to big profits，success with data and analytics. Oxford University Press，[2015].
关键词：城市轨道交通；大数据；智能制造；风险控制
进入21世纪以来，交通运输、金融保险业以及高科技产业等基础设施投资逐渐成为跨国公司新的投资热点。与此同时，庞大的数据容量、繁多的类型、高速的数据处理与流转，以及低价值密度使制造型企业常感到无所适从。如何利用大数据分析解决问题、挖掘潜在联系、实现数据增值，已成为跨国公司和各制造型企业提升竞争力的关键。
我国在大数据发展和应用方面仍存在产业基础薄弱、缺乏顶层设计和统筹规划、创新应用领域不广等问题。我国大数据正面临着从容量大、类型多、存取速度快、应用价值高为特征的数据，快速发展为以数量巨大、来源分散、格式多样的数据采集、存储和关联分析为特征的转变。本文通过国内外大数据的应用分析，提出了轨道车辆主机厂在大数据处理和智能制造推进的合理化建议以及相应的风险防范等内容。
一、概述
在各地铁公司和车辆主机厂以及部件供应商纷纷推出各自的智能化解决方案以及智能制造方案的背景下，制造型工业将与高维仿真、数据分析、传感数量高度融合，使各个层面的数据得到充分利用，进而预测产品在全寿命使用中可能存在的风险，提高产品耐受性和企业利润水平。为充分利用大数据和智能制造平台，国外的巨头公司纷纷采用在产品寿命的前端、中端、后端三个阶段实现应用和创新。通过大数据的信息挖掘，分析和预测市场走向、实现制造业服务化、建立数据共享平台。
1）前端营销和服务环节，全面分析市场走向，建立科学决策机制，提升市场应变能力。在国外制造业领域，不少企业通过大数据分析预测市场走向，预测经营管理中可能存在的问题，对于提高跨国企业的市场应变能力大有裨益。
2）在中端设计研发环节，基于客户需求，提供系统化解决方案，走制造业服务化路线。目前，制造业基于产品的传统生产模式已经开始向基于服务的定制化模式转型。大数据作为一个精准定位的有效工具，帮助跨国企业了解客户需求，针对不同群体进行产品细分，为客户提供系统化解决方案。
3）在后端制造和物流环节，建立大数据共享平台，优化作业流程，提高生产效率。在后端，不少工厂也采取了数据采集和分析，以进行内部流程优化。
二、车辆主机厂的现状
随着生产要素成本的持续上升和传统生产模式的改变，如何从低附加值、劳动密集型模式向追求高附加值、高技术含量模式的转变，是车辆主机厂乃至整个制造业面临的巨大挑战。作为一个为国内外提供城轨车辆的主机厂，仅部分部门开展了数据平台建设，存在信息不畅通、更新不及时，在解决此类问题基础上，还需借助大数据的分析对市场进行进一步预测，以提高企业的盈利水平。
据2017年4月份发布的中国中车股份有限公司2016年年度报告中所述，中车除了基本的铁路装备业务外，还在城市基础设施业务、新产业（含通电机电业务、风电&新能源等新兴业务）、现代服务业务、国际业务均取得了长足的进展。然而受限于主营产品“以銷定产”的供销模式，以及对过往数据共享和分析的欠缺，导致了对目前轨道产品“智能化”、车辆维护“状态修”、服务提供“利润化”、物流衔接“无缝化”、运输服务“一体化”的实际需求反应有所滞后，仅局限在部分主机厂部门的研究和探索应用中。
三、车辆主机厂与大数据和智能制造结合的应用前景
通过对国内外大型企业内大数据应用进展的分析，建议作为车辆主机厂可按照Abraham H.Maslow提出的马斯诺需求模型的五层次理论（生理需要、安全需要、社交需要、尊重需要、自我实现需要）进行分析，将需求模型与车辆主机厂现状相结合，从大数据的应用程度以及未来发展方向大致分为五个阶段（数字化列车积累需求、数字化列车初级应用需求、数字化列车智能应用需求、数字化工厂应用需求、数字化自我提升需求），如图2所示。
如上图所示，依据大数据对应轨道车辆主机厂的实现方式，从易到难的实现角度进行介绍。
1）部件数据积累
收集列车关键部件或回路状态信息，建立基础数据库。通过在列车上的关键部件和重要电气回路中增设相应类型的传感器，将记录的模拟量数据通过数模转换，以电信号形式通过数据电缆传递给网络系统进行监控、记录和存储，为实现列车多种参数的实时监控及列车LCC（列车全寿命）数据的积累做好技术准备工作。
2）初级智能列车平台的搭建
实时更新车辆基础数据库，完成预设条件下的列车自主运行。通过列车上的网络数据交互设备，与轨旁信号基站设备交换列车实时状态信息，使列车与信号设备按照预设程序完成列车日常主动唤醒、自行出库、正线自动运行、列车按时回库、列车当日信息及故障数据的上传，列车自主休眠。在整个列车无人驾驶的过程中，通过对数据的前期计算和持续积累和分析来实现初级智能列车平台的搭建。
3）全效智能列车平台的构建
实时数据与数据库信息进行对比，自主选择最优行车规则，列车故障时自主选择最优解决方案，自主提出维修建议。通过对故障数据及解决方案的学习，提升车辆的自我管理权限，在车辆出现类似故障情况下，由车辆自主决定停车、下线、降级或正常运行。除此之外，还可以通过监控车辆状态数据的变化趋势，主动向车辆段内的维护人员提出维修建议，使得目前的车辆维保模式从常规维保、全效修等模式向状态修进行转变，状态修迟迟未能实现的根本原因也主要受制于车辆可靠性数据的积累不足。
4）智能工厂平台的搭建 以服务信息（含营销和售后）为平台，拉动公司内部各部门支持。以顾客为企业核心驱动力可提高自身竞争力，而以数据为核心驱动力则指引着企业的发展方向。虽然轨道交通行业目前还是个“以需定产”的生产模式，但通过对以往项目的信息收集和数据分析，考虑用户在日常产品使用中的不满和实际需要，将分析得到的实际需求信息反馈公司设计和工艺部门，以便提前完成方案规划，尽可能的在用户明确提出需求或不满前，给出处理方案和实施方案，尽量缩短弥补或者改善方案的时间耗费，提高用户满意度。
5）智能世界平台的搭建
以数据分析为基石，主动向潜在用户进行营销服务。在此阶段，除了关注既有客户的隐性需求，还应关注潜在客户（含既有客户）未来的隐性需求甚至为客户量身定制和创造需求。在智能世界阶段，只有通过对大数据进行分析才能获取更多智能的、有价值的信息。通过对有价值信息的剖析，主动营销培训服务、产品替换、产品升级改造、备件更新等服务，在提升产品竞争力的同时，树立产品在用户心中不可或缺的地位。
四、机遇和挑战
大数据中蕴含的宝贵价值已成为人们存储和处理大数据的驱动力。对数据的占有和控制将成为国家间和企业间新的争夺焦点，“大数据时代”已然来临，然而大数据应用中必然会遇到数据上传、共享风险、数据的维护与应用风险，但是这些风险可以通过建立合理的管理体系、可靠的数据安全保护体系来进行控制。
制造行业应用大数据和智能制造面临的机遇也越来越明晰：
1）建立统一管理平台和数据处理标准流程，减少“信息孤岛”，避免需共享的信息掌握在个人手中，造成目前信息不对称问题的发生。
2）转变制造型企业的战略思路，可以通过与同行甚至上下游企业建立市场信息共享、供应商信息共享、物流資源共享、售后服务信息共享等方式突破目前制约信息共享的瓶颈；
3）持续完善信息化管理平台，逐步从部件状态数据的持续积累，到初级智能列车的实现，从全效智能列车到智能工厂的实现，最后利用大数据技术打造智能世界，考虑从生产企业向服务企业观念的转变，努力提升品牌自身竞争力。
参考文献：
[1]中国信息通信研究院.中国大数据发展调查报告（2017）.
[2]Fei Hu，Big data：storage，sharing and security[B]. CRC Press，（2016）.
[3]吕佑龙，张洁. 基于大数据的智慧工厂技术框架。计算机集成制造系统，2016，11（022）.
[4]冯登国，张敏，李昊。大数据安全与隐私保护。计算机学报，2014，37（1）。
[5]程学旗，靳小龙，王元卓等。大数据系统和分析技术综述。软件学报，2014，25（9）。
[6] Russell Walker. From big data to big profits，success with data and analytics. Oxford University Press，[2015].