ITPub博客

首页 > 大数据 > 数据分析 > 想了解工业大数据,不得不看的一篇

想了解工业大数据,不得不看的一篇

原创 数据分析 作者:数据库安全专家 时间:2019-05-22 17:31:25 0 删除 编辑

工业大数据是互联网、大数据和工业产业相结合的产物。它是2025年中国制造、工业互联网、工业4.0等国家战略的立足点。

对企业而言,了解工业大数据生成的背景,总结工业企业大数据的分类和特征,从数据流的角度看产业价值创造,促进产业价值创造,具有很强的现实意义。在文章的最后,作者分享了几个数据驱动的工业领域价值创造案例,希望能够在吸引玉器方面发挥作用。


1.工业大数据背景


在工业生产中,数据是不时生成的。生产机床的速度、能耗、温度和湿度、热发电机组的燃烧和燃烧、汽车的设备数据以及后勤队伍的位置和速度都是生产过程中的数据。


自从工业成为一个独立于社会生产的范畴以来,工业生产的数据收集和使用范围逐渐扩大。由于泰勒是用秒表来计算工人用铲子把煤送到锅炉上的时间,所以它是对生产管理数据的收集和使用,福特汽车的水化生产,汽车生产过程中工业数据的收集和工厂的使用。丰田的精益生产模式将数据的收集和使用扩展到工厂和上下游供应链;核电生产过程的完全自动化将生产过程数据的自动化水平提高到更高的水平。


任何数据的收集和使用都是昂贵的,工业数据也不例外。然而,随着信息技术、电子与数学技术、传感器、物联网等技术的发展,一批智能化、高精度、长时间导航、高性价比、微型传感器应运而生。在移动数据通信的支持下,以物联网为代表的新一代网络技术可以随时随地采集和传输数据。以云计算为代表的新型数据处理基础设施大大降低了工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例,每个电网和化工企业在传统模式下都需要建立一套成本超过1000万元的SCADA系统。如果采用云架构模型,成本将降低70%以上。


社会需求的变化是最大的推动力。在商品剩余经济时代,以个性化为代表的消费文化使工业企业的产出最大程度地满足个体需求。从服装定制,车辆匹配,到T恤印花和个性化教育。


有两种方法可以满足个性化需求。以服装定制为例,通过教师的尺、手、眼和经验,确定服装的裁剪和布局。这种模式称为仿真模式,难以保证个性化定制的效率和质量、耗时和成本。另一种方法是数字模式,即通过开发一套数据采集手段。前台客户代表测量并收集用户的数字数据,然后将数据发送回总部。结合原材料数据,将需求分解为生产过程动作。最后,生产出符合定制要求的服装。

当然,工厂也会聘请高级硕士。他们的主要工作不是面对个别客户的客制化需求,而是研究更好的生产流程,控制数据和流程分解。在这种模式下,效率和质量得到保证,效率随着生产线的扩大而线性提高,一批专家组继续研究和提高工艺能力。定制生产成本将大大降低。从发展趋势的角度看,后一种数字模式的个性化生产将是未来的选择。


国家政策是国家政策的重要影响因素。德国工业已经完成了工业自动化的过程,在自动化的基础上,以工业数据为基础,引入云计算和人工智能技术来提高工业的智能化水平,以满足社会对大规模定制生产的需求。美国拥有强大的云计算、互联网和数据处理能力。在此基础上,提出了一种通过大数据将单个设备、一条生产线和一家工厂的数据连接起来的工业互联网策略。挖掘工业服务业在诊断、预测、售后服务等方面的价值。


与德国和美国相比,中国处于工业自动化和云计算领域的开发阶段,因此建议中国制造2025计划将通过工业化和信息集成的方式集成工业化和信息集成。制定一系列关键项目和推进计划。


2.工业大数据的特征和分类


无论是工业自动化、工业智能(Industrial 4.0)还是工业互联网的概念,它们都是基于工业数据的。


随着工业的发展,工业企业收集的数据规模不断扩大。主要体现在三个方面:


第一,时间的范围继续扩大。经过多年的生产经营,积累了多年来的产品数据、工业数据、原材料数据和生产设备数据;


其次,数据的范围继续扩展。在企业信息化建设过程中,一方面积累了企业的财务和供应商数据,又通过CRM系统、研发过程数据通过CAD、通过摄像头生产安全数据等积累了客户数据。另一方面,还收集了越来越多的外部数据,包括市场数据、社会网络数据、公司舆论数据等。


第三,数据粒度不断完善。从一个产品到多个型号和多个系列产品,产品数据不断完善。从单一机床到联网机床,数据交换频率大大提高。加工精度从1毫米增加到0.2毫米,从每分钟5分钟增加到每分钟。完整监控的5秒使收集的数据更精细。


上述三个维度最终导致企业积累的数据量加速增长,构成了一个大型工业数据的集合。不管公司是否承认,这些数据都堆积在工厂的每个角落,而且还在不断增加。


然后从商业运作的角度来看这些工业数据。它可以根据数据的目的分为三类:


第一是经营数据,如财务、资产、人事、供应商基础信息等数据,这些数据在企业信息化建设过程中不断积累,显示了一个工业企业的经营要素和绩效。


第二类是生产数据,这一部分是围绕企业生产过程积累的数据,包括原材料、研发、生产过程、半成品、售后服务等。随着数控机床、自动生产线和SCADA系统的建设,这些数据也被大量企业记录下来。这些数据是工业生产过程中价值增值的体现,是决定企业差异的核心。


第三类是环境数据,包括放置在机床上的设备诊断系统,仓库和车间的温度和湿度数据,以及能源消耗数据,废水和废气排放。这些数据对工业生产过程具有约束力。


从目前的数据使用情况来看,业务数据使用率最高,生产数据与环境数据的差距较大。从未来的数据量来看,生产线数据在工业企业数据中所占的比重越来越大,环境数据也越来越多样化。


一般来说,大数据具有数据量大、数据种类多、商业价值高、处理速度高等特点。在此基础上,有两个主要特征的大型工业数据。


是高精度,大数据一般应用场景是预测,在一般业务领域,如果预测精度已经非常高,如果是99%是优秀的。然而,在工业领域的许多应用场景中,对精度的要求是99.9%或更高,如轨道交通自动控制,然后定制生产,如果客户A和客户B的订单参数混淆,就会造成经济损失。


第二,实时强、工业大数据的重要应用场景是实时监控、实时预警、实时控制.数据采集、传输和应用等整个处理过程一旦耗时过长,就很难在生产过程中发挥其价值。


3.工业大数据应用案例


企业积累的数据量正以越来越快的速度增长。许多企业还将大数据技术引入到企业的生产经营中。大数据在工业企业中的应用主要体现在三个方面:


一种是基于数据的产品价值挖掘。通过对产品和相关数据进行二次挖掘,可以创建新的值。


日本研究人员设计了一种新型座椅,可以通过分析数据来识别车主,以确保汽车的安全。座椅配备了360种不同类型的传感器,这些传感器收集和分析有关司机体重、压力甚至他坐在座位上的方式的信息,并将它们与汽车系统中内置的车主信息相匹配。为了确定司机是否是这辆车的车主,从而决定是否发动这辆车。实验数据表明,该算法对座椅的识别准确率高达98%。


三一的挖掘机指数也是如此。通过对网上销售挖掘机的启动和装载情况进行跟踪,可以了解全国各地的基础设施状况,为宏观经济判断、市场销售布局和金融服务提供调整依据。


二是提高服务型生产水平。提高以服务为导向的生产,就是要提高服务价值在生产(产品)中的比重。它主要体现在两个方面。第一,前向延伸,即在售前阶段,通过用户参与,个性化设计,吸引、引导和锁定用户。例如,红领西服的成衣定制,透过精确的剪裁,可以维持其他成衣市场每年150%的收入和利润增长,而每件成衣的成本只比成衣高出10%。当然,小米手机也属于这一类。二是向后延伸,通过产品的销售建立客户与厂商之间的互动,从而产生可持续的价值。iPhone的硬件配置是标准的,但每个iPhone用户安装的软件都是个性化的,最大的功劳是Appstore。苹果只是销售苹果终端产品的开始,通过Appstore将用户与制造商联系起来,以满足他们的个性化需求,并提供差异化服务,从而创造数百亿美元的年收入。


三是创新经营模式。商业模式创新主要体现在两个方面:一是基于工业数据,工业企业可以向外部提供什么样的创新商业服务;二是在工业数据的背景下,可以接受什么样的新商业服务。最佳的情况是,通过提供创新的商业模式,可以获得更多的客户,可以开拓更多的蓝海市场,获得更多的利润。同时,接受创新的工业服务可以降低生产成本和经营风险。


例如,通用电气不销售发动机。相反,它把引擎租给航空公司,并收取运行时间。通过这种方式,通用电气通过引入大数据技术来监测发动机的运行状况,并通过科学的诊断和维护来提高发动机的寿命。经济回报高于发动机销售量。


在接收服务方面,目前国内外有一批企业提供了工业大数据平台的云服务架构。在包括海尔收购通用电气白色电力业务在内的一揽子合作计划中,通用电气的Pre.hk工业大数据平台对海尔开放,可以访问海尔的工厂,并提供工业大数据服务。第九大国大数据也与各省市共建云雾笼罩的工业大数据平台,向地方工业企业开放大数据采集、488个存储、281个采掘应用能力。


4.工业大数据的实际指导


工业大数据是企业生产经营的重大变革。对于尚未完成工业化和信息化的工业企业来说,数据时代又来了,挑战也很大。


产业大数据建设首先是思维的转变,改变了以往以要素竞争为主的产业生产方式,进入了以数据和创新竞争为主的新的生产时代。其次,正如清华大学王建民教授所说,“大工业数据没有交钥匙工程”,需要领导、管理、员工和相关人员共同参与并履行各自的职责,才能取得成功。


最后,工业数据建设抓住了两块木板作为突破口。一个是最长的板,即找出产品(行业)最具竞争力的地方,继续深入挖掘潜在的数据价值,并围绕这一领域的工业数据建立产品和服务能力;二是最短的板,哪里是影响工业企业发展、成本、市场、供应链或能源消耗的痛点?在数据时代,寻找大数据机会的解决方案。


 中安威士:保护核心数据,捍卫网络安全


来源:网络收集



来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69914889/viewspace-2645222/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2019-03-29

  • 博文量
    48
  • 访问量
    36268