论文部分内容阅读
摘要:随着全球制造业数字化、网络化、智能化的步伐不断加快,工业大数据逐渐成为制造业与新一代信息技术深度融合的落脚点之一,是智能制造的核心驱动力。基于工业大数据对智能制造发展的重要性,对工业大数据发展现状和前景进行了研究,并提出了我国发展工业大数据的相关建议。
关键词:工业大数据;工业互联网;平台;智能制造
1工业大数据发展背景
随着全球制造业数字化、网络化、智能化的步伐不断加快,工业大数据逐渐成为制造业與新一代信息技术深度融合的落脚点之一。传统互联网大数据重在挖掘不同属性之间的关联性,而工业大数据的目的性更强,更加注重数据特征背后的物理意义以及特征之间关联性的机理。因此,工业大数据作为制造业提升生产力、竞争力和创新力的关键因素,引起各方重视。一是政府层面高度重视,不论德国“工业4.0”、美国“工业互联网”,还是“中国制造2025”,都将工业大数据作为本国推动制造业创新发展的重要基础。二是产业界抢先布局,意图抢占产业竞争制高点,一方面是企业通过对自身的信息化改造加强对生产线、产品、设备等关键环节的数据采集、存储及保护,为未来的数据分析奠定基础;另一方面是信息化建设相对成熟的企业推出面向工业大数据的产品,并整合上下游资源,着力通过数据分析产品提高自身的竞争力。
2工业大数据发展现状及前景
2.1工业大数据应用逐渐向制造业延伸
工业大数据作为从海量数据中挖掘新知识的核心技术,贯穿于制造业的设计、工艺、生产、管理、服务等各个环节,其应用推广的速度日益提升,应用较为广泛的模式可归纳为四类。一是设备预测性维护,通过对设备运行数据的分析实现提前运维从而避免意外停产,例如东方航空公司搜集了500多台CFM56发动机的高压涡轮叶片保修数据,并通过分析远程诊断纪录和第三方数据,建立了叶片损伤分析预测模型,根据数据分析平台上的结果,即可在叶片损伤前便对其进行维护,提升了运营效率。二是产品远程服务,通过对产品状态参数数据分析提供产品远程优化,例如三一重工通过对混凝土泵车、起重机、路机等设备作业状态数据分析,依据设备工作时间、行走时间、泵送时间完成阶段性质保分析,提示客户对不同部件进行保养。三是生产线优化,通过对生产线数据的分析进行生产效率的提升,例如格林公司通过西门子Mind Sphere分析一年的历史数据,预测刀具的磨损状态,并能够对刀具的提前更换做出提醒。
2.2 工业大数据采集手段升级
工业大数据采集是制造企业数字化转型的前提。工业互联网在助力企业转型升级过程中,成为工业大数据采集和应用的新载体。其边缘层通过接口、协议或系统集成的方式完成对不同来源数据的接入与实时采集。
工业互联网利用数据接口连接企业信息系统,支持ERP、CRM、MES 等应用系统数据的批量或增量导入,实现异构系统中数据的统一管理。
工业物联网数据采集主要包括工业现场数据采集和工业产品数据采集。工业现场的数据采集针对现场工业控制系统和设备进行。通过生产现场的自动化与控制系统,如 DCS、SCADA 系统等,借助传感器、采集器、射频识别等实现对地理位置集中的底层设备或分散的工业现场设备进行监视与数据采集。工业产品数据在产品或装备在客户端投入使用后,通过 4G、5G、NB-IoT 等无线通信技术接入工业互联网,利用标识、传感器等获取产品信息、能耗、温度、工作电流、电压等实时指标数据,完成数据的采集。
企业决策不仅受自身资源、管理条件的约束,还受外部环境的影响。借助数据抓取技术等从市场、合作伙伴或竞争者等处获得外部跨界数据,包括从市场动态数据中提取的消费者对产品的满意度和未来需求的相关数据、合作伙伴或者竞争者的动态发展数据等。
3工业互联网环境下的工业大数据采集
3.1 工业大数据来源
工业大数据作为工业互联网的核心要素和生产资源,让人与机器的对话成为可能,是企业从“制造”到“智造”转型的加速器。从业务视角出发,工业大数据主要来源于企业信息化数据、工业物联网数据和外部跨界数据。
企业信息化数据是指存储在进行日常生产与管理活动的ERP、MES、SCM、CRM 等信息系统中的高价值业务数据,涉及产品生命周期各个环节,这部分数据已成为工业领域传统的数据资产。
工业物联网数据是指通过传感器等连接机器、产品对象等产生的数据。主要分为生产现场的数据以及交付客户后的终端产品数据 ,是工业大数据的重要组成部分。企业生产运行不仅受内部生产要素的影响,政策法规、宏观经济数据、市场变化等外部要素也会影响企业的生产和产品创新。由于工业系统处于复杂多变的内外部环境之中,外部跨界数据也是工业大数据的重要来源。
3.2 工业大数据采集
工业大数据采集是制造企业数字化转型的前提。工业互联网在助力企业转型升级过程中,成为工业大数据采集和应用的新载体。工业物联网数据采集主要包括工业现场数据采集和工业产品数据采集。工业现场的数据采集针对现场工业控制系统和设备进行。通过生产现场的自动化与控制系统,如 DCS、SCADA 系统等,借助传感器、采集器、射频识别等实现对地理位置集中的底层设备或分散的工业现场设备进行监视与数据采集。工业产品数据在产品或装备在客户端投入使用后,通过 4G、5G、NB-IoT 等无线通信技术接入工业互联网,利用标识、传感器等获取产品信息、能耗、温度、工作电流、电压等实时指标数据,完成数据的采集。
4我国发展工业大数据发展建议
4.1加强工业大数据安全体系建设,保障工业大数据安全发展
一方面围绕工业数据产权确认、交易、跨境流动等开展政策研究,明确技术研发、产品制造、用户使用、服务管理等全生命周期各环节数据采集、传输、处理规则,制定和完善法律法规和行业监管制度。另一方面要强化重要工业数据和个人信息保护,明确工业大数据在流通过程中的提供者和使用者的安全责任与义务,制定并落实数据安全管理机制,严格落实现有网络数据和个人信息保护相关政策要求,加强对航天、电力、制造、交通等重点行业数据安全保障。
4.2引导企业关注工业大数据,加快工业大数据产业化步伐
一方面充分发挥我国工业、ICT、互联网等行业的领先企业在数据分析领域多年积累的经验,助力工业大数据产业化,加大在工业大数据领域工具、算法、模型等的研发力度,鼓励企业积极参与工业数据的标准化、测试床、解决方案等研究和成果输出。另一方面培育专注于工业大数据龙头企业,选择基础良好、具有发展潜力的企业,制定工业大数据龙头企业培育方案,并在研发、资金、贷款、并购重组等方面给予倾斜,形成示范效应,带动整个产业的发展。
参考文献
[1]王建民.工业大数据技术[J].电信网技术,2016(8):1-5.
[2]孙立.工业大数据对智慧云制造的推动与创新[J].科技管理研究,2016,36(13):156-158.
[3]高婴劢.工业大数据价值挖掘路径[J].中国工业评论,2015(Z1):21-27.
关键词:工业大数据;工业互联网;平台;智能制造
1工业大数据发展背景
随着全球制造业数字化、网络化、智能化的步伐不断加快,工业大数据逐渐成为制造业與新一代信息技术深度融合的落脚点之一。传统互联网大数据重在挖掘不同属性之间的关联性,而工业大数据的目的性更强,更加注重数据特征背后的物理意义以及特征之间关联性的机理。因此,工业大数据作为制造业提升生产力、竞争力和创新力的关键因素,引起各方重视。一是政府层面高度重视,不论德国“工业4.0”、美国“工业互联网”,还是“中国制造2025”,都将工业大数据作为本国推动制造业创新发展的重要基础。二是产业界抢先布局,意图抢占产业竞争制高点,一方面是企业通过对自身的信息化改造加强对生产线、产品、设备等关键环节的数据采集、存储及保护,为未来的数据分析奠定基础;另一方面是信息化建设相对成熟的企业推出面向工业大数据的产品,并整合上下游资源,着力通过数据分析产品提高自身的竞争力。
2工业大数据发展现状及前景
2.1工业大数据应用逐渐向制造业延伸
工业大数据作为从海量数据中挖掘新知识的核心技术,贯穿于制造业的设计、工艺、生产、管理、服务等各个环节,其应用推广的速度日益提升,应用较为广泛的模式可归纳为四类。一是设备预测性维护,通过对设备运行数据的分析实现提前运维从而避免意外停产,例如东方航空公司搜集了500多台CFM56发动机的高压涡轮叶片保修数据,并通过分析远程诊断纪录和第三方数据,建立了叶片损伤分析预测模型,根据数据分析平台上的结果,即可在叶片损伤前便对其进行维护,提升了运营效率。二是产品远程服务,通过对产品状态参数数据分析提供产品远程优化,例如三一重工通过对混凝土泵车、起重机、路机等设备作业状态数据分析,依据设备工作时间、行走时间、泵送时间完成阶段性质保分析,提示客户对不同部件进行保养。三是生产线优化,通过对生产线数据的分析进行生产效率的提升,例如格林公司通过西门子Mind Sphere分析一年的历史数据,预测刀具的磨损状态,并能够对刀具的提前更换做出提醒。
2.2 工业大数据采集手段升级
工业大数据采集是制造企业数字化转型的前提。工业互联网在助力企业转型升级过程中,成为工业大数据采集和应用的新载体。其边缘层通过接口、协议或系统集成的方式完成对不同来源数据的接入与实时采集。
工业互联网利用数据接口连接企业信息系统,支持ERP、CRM、MES 等应用系统数据的批量或增量导入,实现异构系统中数据的统一管理。
工业物联网数据采集主要包括工业现场数据采集和工业产品数据采集。工业现场的数据采集针对现场工业控制系统和设备进行。通过生产现场的自动化与控制系统,如 DCS、SCADA 系统等,借助传感器、采集器、射频识别等实现对地理位置集中的底层设备或分散的工业现场设备进行监视与数据采集。工业产品数据在产品或装备在客户端投入使用后,通过 4G、5G、NB-IoT 等无线通信技术接入工业互联网,利用标识、传感器等获取产品信息、能耗、温度、工作电流、电压等实时指标数据,完成数据的采集。
企业决策不仅受自身资源、管理条件的约束,还受外部环境的影响。借助数据抓取技术等从市场、合作伙伴或竞争者等处获得外部跨界数据,包括从市场动态数据中提取的消费者对产品的满意度和未来需求的相关数据、合作伙伴或者竞争者的动态发展数据等。
3工业互联网环境下的工业大数据采集
3.1 工业大数据来源
工业大数据作为工业互联网的核心要素和生产资源,让人与机器的对话成为可能,是企业从“制造”到“智造”转型的加速器。从业务视角出发,工业大数据主要来源于企业信息化数据、工业物联网数据和外部跨界数据。
企业信息化数据是指存储在进行日常生产与管理活动的ERP、MES、SCM、CRM 等信息系统中的高价值业务数据,涉及产品生命周期各个环节,这部分数据已成为工业领域传统的数据资产。
工业物联网数据是指通过传感器等连接机器、产品对象等产生的数据。主要分为生产现场的数据以及交付客户后的终端产品数据 ,是工业大数据的重要组成部分。企业生产运行不仅受内部生产要素的影响,政策法规、宏观经济数据、市场变化等外部要素也会影响企业的生产和产品创新。由于工业系统处于复杂多变的内外部环境之中,外部跨界数据也是工业大数据的重要来源。
3.2 工业大数据采集
工业大数据采集是制造企业数字化转型的前提。工业互联网在助力企业转型升级过程中,成为工业大数据采集和应用的新载体。工业物联网数据采集主要包括工业现场数据采集和工业产品数据采集。工业现场的数据采集针对现场工业控制系统和设备进行。通过生产现场的自动化与控制系统,如 DCS、SCADA 系统等,借助传感器、采集器、射频识别等实现对地理位置集中的底层设备或分散的工业现场设备进行监视与数据采集。工业产品数据在产品或装备在客户端投入使用后,通过 4G、5G、NB-IoT 等无线通信技术接入工业互联网,利用标识、传感器等获取产品信息、能耗、温度、工作电流、电压等实时指标数据,完成数据的采集。
4我国发展工业大数据发展建议
4.1加强工业大数据安全体系建设,保障工业大数据安全发展
一方面围绕工业数据产权确认、交易、跨境流动等开展政策研究,明确技术研发、产品制造、用户使用、服务管理等全生命周期各环节数据采集、传输、处理规则,制定和完善法律法规和行业监管制度。另一方面要强化重要工业数据和个人信息保护,明确工业大数据在流通过程中的提供者和使用者的安全责任与义务,制定并落实数据安全管理机制,严格落实现有网络数据和个人信息保护相关政策要求,加强对航天、电力、制造、交通等重点行业数据安全保障。
4.2引导企业关注工业大数据,加快工业大数据产业化步伐
一方面充分发挥我国工业、ICT、互联网等行业的领先企业在数据分析领域多年积累的经验,助力工业大数据产业化,加大在工业大数据领域工具、算法、模型等的研发力度,鼓励企业积极参与工业数据的标准化、测试床、解决方案等研究和成果输出。另一方面培育专注于工业大数据龙头企业,选择基础良好、具有发展潜力的企业,制定工业大数据龙头企业培育方案,并在研发、资金、贷款、并购重组等方面给予倾斜,形成示范效应,带动整个产业的发展。
参考文献
[1]王建民.工业大数据技术[J].电信网技术,2016(8):1-5.
[2]孙立.工业大数据对智慧云制造的推动与创新[J].科技管理研究,2016,36(13):156-158.
[3]高婴劢.工业大数据价值挖掘路径[J].中国工业评论,2015(Z1):21-27.