工业大数据的五大典型应用场景与产业发展分析.docx

《工业大数据的五大典型应用场景与产业发展分析.docx》由会员分享，可在线阅读，更多相关《工业大数据的五大典型应用场景与产业发展分析.docx（9页珍藏版）》请在课桌文档上搜索。

1、工业大数据的五大典型应用场景随着信息化与工业化的深度融合，工业企业所拥有的数据也日益丰富,包括设计数据、传感数据、自动控制系统数据、生产数据、供应链数据等，数据驱动的价值体现及其带来的洞察力贯穿于智能制造生命周期的全过程。领先企业以平台为载体，不断形成针对制造业应用场景的大数据解决方案。制造和自动化领域的领军企业也依托长期积累的核心技术和行业知识，大力推广大数据在工业领域的应用，推动制造企业形成以数据驱动、快速迭代持续优化的工业智能系统。面向制造业企业陆续形成的工业大数据平台正在为工业大数据在制造业的深入应用提供新技术新业态和新模式。工业大数据己经成为工业企业生产力、竞争力、创新能力提升的关键

2、，相关技术及产品己经逐步应用于工业企业和产业链的各环节，是驱动智能化产品、生产与服务，实现创新、优化的重要基础，体现在产品全生命周期中的各个阶段，正在加速工业企业的转型升级。近年来由智能制造、工业互联网发展催生的新模式、新应用，再次丰富了工业大数据的应用场景。依据工业大数据支撑产品从订单到研发设计、采购、生产制造交付运维、报废再制造的整个流程考虑，本白皮书将工业大数据典型的应用场景主要概括为智能化设计智能化生产、网络化协同制造智能化服务和个性化定制等五种模式，如下图所示。用户WM含力Ja*交网必4仇iiJ智陡化:-1.i1.11化设计区4化伪优化；Jgtt1.!*fc口c,*rfr1一零埠合优

3、化、1ii网饴化侨网法I10一右联.Iiii智能，匕W务Ii产.一仔及使用.分析.化化厂个n化需求全atVIRCiffiViACrHi智能化设彳智能化设计是支撑工业企业实现全流程智能化生产的重要条件。设计数据包括企业设计人员或消费者借助各类辅助工具所设计的产品模型、个性化数据及相关资料，例如计算机辅助设计（CAD）、计算机辅助制造（CAM）、计算机辅助工程（CAE）、计算机辅助工艺设计（CAPP）产品数据管理（PDM）等。工业大数据在设计环节的应用可以有效提高研发人员创新能力、研发效率和质量，推动协同设计。客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据,能够帮助客

4、户参与到产品的需求分析和产品设计等创新活动中，实现新型产品创新和协作的新模式。西门子在数字环境下构建基于模型和仿真的研发设计，有效提升了设计质量、节约研发成本；玛莎拉蒂通过数字化工具加速产品设计，实现开发效率提高30$。另一方面，传统的产品设计模式是基于设计师的灵感和经验，揣摩消费者的需求喜好，设计产品，针对性不强，不精确，工业大数据可以拉近消费者与设计师的距离，精准量化客户需求，指导设计过程，改变产品设计模式。通过将产品生命周期设计中各个环节所需要的知识资源有机的集成在一起，运用大数据相关技术，可以将产品生命周期设计所需大数据与各种设计过程集成,以高度有序化的方式展示产品生命周期大数据与设计

5、的关系。GE公司使用Predix平台助力自身发动机的设计优化，平台首先对产品交付后的使用数据进行采集分析，依托大量历史积累数据的分析和航线运营信息的反馈，对设计端模型参数和制造端工艺、流程进行不断迭代优化，实现了发动机的设计改进和性能提升。金风科技通过工业大数据平台的大数据优化处理和针对载荷的定制化应用开发，将5000个工况的单轮仿真数据的后处理速度从半个月跑1轮，提速为一周跑3轮，单轮30G仿真数据的后处理速度从几个小时降低到了几分钟，极大地提升了风场定制化设计的迭代速度和开发效率。工业大数据使产品生命周期大数据在设计过程中得到有效的应用、评价和推荐。设计知识能够快速地推送给所需要的人，并方

6、便地融合员工在设计中产生的新知识，进一步丰富产品设计大数据。2智能化生产智能化生产是新一代智能制造的主线，通过智能系统及设备升级改造及融合，促进制造过程自动化，流程智能化。从数据采集开始，生产阶段工业大数据的驱动力体现在数据关联分析和数据反馈指导生产。在生产阶段，对所采集的数据进行清洗、筛选、关联,融合、索弓I、挖掘，构建应用分析模式，实现数据到信息知识的有效转化。在制造阶段，通过对制造执行系统中所采集的生产单元分配、资源状态管理产品跟踪管理等信息进行关联分析，为合理的库存管理、计划排程制定提供数据支撑；并且结合实时数据，对产品生产流程进行评估及预测，对生产过程进行实时监控、调整，并为发现的问

7、题提供解决方案，实现全产业链的协同优化，完成数据由信息到价值的转变。工业大数据通过采集和汇聚设备运行数据、工艺参数质量检测数据、物料配送数据和进度管理数据等生产现场数据，利用大数据技术分析和反馈并在制造工艺、生产流程、质量管理、设备维护能耗管理等具体场景应用，实现生产过程的优化。在制造工艺场景中，围绕生产工艺过程参数，设备运行状态参数与产品质量性能、生产线排产负荷、耗能等数据进行关联性深度挖掘，形成数据闭环，可得出工艺参数的最优区间、生产质量控制的最优调控手段等，提升产品制造品质。美林数据设计的图像实时采集与智能分析系统,能快速识别冲压件表面缺陷，同时关联了质检数据、生产过程工艺参数、产品设计

8、参数，形成冲压产品质量问题分析管理的闭环连接，实现了冲压产品质量的精确控制和优化提升。阿里巴巴基于燃烧机理与锅炉运行数据，深度分析识别锅炉燃烧过程中的关键因子，找到了最优的锅炉操作参数，使燃煤效率提升了4.1舟,大大降低了能源消耗。生产流程管理优化场景中，基于数据标准化思路的企业全流程的数据集成贯通及对生产进度、物料管理、企业管理等数据的分析，提升排产、进度、物料、人员等方面管理的准确性，企业的生产效率与管理水平显著提高。通过生产制造各个环节的数据整合集聚，对工业产品的生产过程数据进行关联，建立虚拟模型，仿真并优故障时，设备的停机损失将会非常大。当前对于复杂系统健康度与可靠性评估主要通过利用传

9、感器对设备进行感知和从实时数据库系统获取设备振动、温度、压力、流量等数据，基于大数据平台对数据进行存储管理，借助人工智能算法对设备健康进行评估，实现设备故障预测和健康度监控。如美国电力公司（AEP）通过对变压器、断路器和蓄电池分别加装了8600个、11500个和400多个传感器，基于其工业大数据平台，开展设备数据采集、诊断与分析，AEP可以实时监控其设备参数、进行故障诊断预警，将设备寿命延长了3年，维护成本降低了2.7*,设备维护效率提高了4乳实现了设备预测性维护。工业大数据助力解决生产过程复杂系统的精确建模、实时优化决策等关键问题，涌现出的一批自学习、自感知自适应,自控制的智能产线、智能车间

10、和智能工厂，正在推动产品制造的高质、柔性高效、安全与绿色，驱动生产过程的智能化升级。3网络化协同制造在制造业向着大型、精密、数控、全自动趋势不断靠拢的时代下，基于工业大数据技术，将制造环节与设计、经销、运行、维护直至回收处理联系起来，由传统的数据孤岛转为信息化协同管理，推动产业链各环节的并行组织和协同优化。另一方面，借助大数据平台，将产业链各个环节的数据进行采集并输入到全生命周期数据库形成总知识库，通过信息技术、自动化技术、现代管理技术与制造技术相结合,构建面向企业的网络化协同制造系统，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，整体提升制造业发展水平和世界竞争力。

11、工业大数据在网络化协同制造的应用主要体现在协同研发与制造、供应链管理体系优化、制造能力资源优化等方面。协同研发与制造。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。基于统一的设计平台与制造资源信息平台，集成设计工具库、模型库、知识库及制造企业闲置生产能力信息，产业链上下游企业可以实现多站点协同、多任务并行，加速新产品协同研发过程。河南航天基于航天云网IND1.CS平台，开展云端设计、建立涵盖复杂产品多学科专业的虚拟样机系统，实现了复杂产品的多学科设计优化、总体设计部与总装厂所的协同研发设计与工艺设计，研发周期缩短了35

12、%V资源利用率提升了30$,生产效率提高了40$。供应链管理体系优化。追踪所有供应链中的在途部件是许多企业面临的最大挑战，通过空间地理数据的实时采集、实时数据的监控，提高供应链的可视化，实现供应链的透明化。通过空间数据的时空模式挖掘，为供应链物流的智能化运作提供实时决策依据，优化物流路径、优化排程调度，最后实现供应链物流的高效、智能化运行。通过全产业链大数据的整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本，实现供应链配送体系优化和用户需求快速响应。通过对产品供应链的大数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。制造能力资源优化

13、。通过工业大数据技术的支撑，实现制造资源、制造能力、制造过程的信息透明，连通不同物理区域的多样化生产资源,根据订单需求完成最优化的资源配置，实现高效高质的零部件协同制造,统一组装、交付，同时工业企业通过工业大数据平台可对外开放空闲制造能力，实现制造能力的在线租用和利益分配。例如沈阳机床基于工业大数据平台向奥邦锻造公司提供了沈机i5机床租赁服务，按照制造能力付费，有效降低了用户资金门槛，释放了产能。以网络化协同制造为核心理念，大数据技术作为支撑，制造业企业内部及企业间在众多可靠的网络资源支持下实现了对不同产品各个阶段的增值，促进了创新资源、生产能力、市场需求的集聚与对接，提高了产业链上下游的资源

14、整合能力，促进了全社会多元化制造资源的高度有效协同。4智能化服务现代制造企业不再仅仅是产品提供商，而是提供产品、服务、支持、自我服务和知识的“集合体”。工业大数据与新一代技术的融合应用，赋予市场、销售、运营维护等产品全生命周期服务全新的内容，不断催生出制造业新模式、新业态，从大规模流水线生产转向规模化定制产和从生产型制造向服务型制造转变，推动服务型制造业与生产性服务业大发展。在市场营销环节，利用大数据挖掘用户需求和市场趋势，建立用户对商品需求的分析体系，挖掘用户深层次的需求，寻找机会产品，进行生产指导和后期市场营销分析；通过建立科学的商品生产方案分析系统，结合用户需求与产品生产，形成满足消费者

15、预期的各品类生产方案等。航天云网基于IND1.CS平台的工业数据、供需服务信息，利用工业大数据关联和分析为企业提供产品推荐、销量预测、企业驾驶舱等数据服务，大大提升了平台上的企业营销水平及运营能力。在售后服务环节，数据驱动企业创新服务模式，从被动服务、定期服务发展成为主动服务、实时服务。企业通过整合产品运行数据、销售、客户数据，将传统的诊断方法与基于知识的智能机械故障诊断方法相结合，结合设备状态监测技术故障诊断技术和计算机网络技术，开展故障预警、远程监控、远程运维、质量诊断等大数据分析和预测，提供个性化在线化、便捷化的智能化增值服务，形成“制造+服务”的新模式；建立产品电子履历，优化产品售后保

16、障措施，实现产品全生命周期的质量信息追溯，提升用户满意度。三一重工打造的根云平台，为行业企业提供基于物联网、大数据的云服务，当前平台已接入各类高价值设备40万台以上，采集近万个参数，连接数千亿资产，为客户开拓超百亿元的新业务，实现了制造企业的服务化转型。5个性化定制个性化定制也是工业大数据应用的热点模式之一。通过工业大数据技术及解决方案，实现制造全流程数据集成贯通，构建千人千面的用户画像，井基于用户的动态需求，指导需求准确地转化为订单，满足用户的动态需求变化，最终形成基于数据驱动的工业大规模个性化定制新模式。大规模个性化定制模式下，企业会提供一个互联网平台，作为与用户沟通交流的门户，在该平台上

17、，消费者可以描述其个性化需求，进行个性化设计并下单，在收到产品后可提出意见与反馈，企业据此完善该用户的个性化数据，并进一步优化针对该用户的个性化设计。在大规模个性化定制生产中，数据起到了关键作用。需要采集客户个性化需求数据、工业企业生产数据、外部环境数据等信息，从而建立个性化产品模型,将产品方案、物料清单、工艺方案通过制造执行系统快速传递给生产现场，进行生产线调整和物料准备，快速生产出符合个性化需求的定制化产品。当用户的个性化需求订单产生的时刻，依据基于工业大数据构建的需求转化机制，可对制造过程中的变动做出快速整合和调整，柔性、动态地满足用户千人千面的个性化需求。通过将工业大数据与大规模个性化

18、定制模式的结合，形成支持工业产品开发个性化设备管理个性化、企业管理个性化、人员管理个性化、垂直行业个性化等一系列满足用户个性化需求的工业价值创造新模式,为工业企业显著降低成本，形成价值创造的新动能。例如联想自2011年起实施了全集团的数字化转型和全球化的大规模个性化定制实践，构建了大规模个性化定制的先进计算与存储设备制造支撑平台，形成了覆盖从用户需求、产品设计、研发、柔性生产制造、供应链和金融等关键环节的全价值链精准赋能，实现了企业内部不同产品线和外部关联企业间的工业领域知识和数据互通，个性化定制生产和生产能力分享，显著降低了企业的生产经营成本缩短产品升级周期提高产品生产效率。6产业发展分析工

19、业是我国大数据与实体经济深度融合的主战场。近年来，随着工业互联网的快速发展及两化融合深入推进，我国工业大数据发展呈现爆发式增长态势，应用广度和应用深度不断加强，对工业转型升级具有重要支撑引领作用。从供给侧看，工业大数据供给侧能力持续提升.涌现出一批专精特新企业，成为推动我国工业大数据发展的中坚力量。一是由传统工业制造企业数字化、软件化、平台化发展，出现了一批具有较强数据汇聚能力的衍生型企业，如航天云网、树根互联、石化盈科等；二是软件企业向工业领域渗透，出现的技术型企业，如昆仑智汇、东方国信等企业在工业数据建模、分析处理等领域不断突破核心技术；三是互联网企业积极进入工业领域，如阿里推出“ET工业

20、大脑”等产品和服务,腾讯推出工业互联网“木星云”平台。从需求侧看，随着智能制造、工业互联网等国家战略的逐一推进，个性化定制、网络化延伸以及智能化设计、生产服务等新模式不断出现，对于工业大数据技术、产品,平台的需求量不断增大，为工业大数据提供了充足的应用场景。然而，在我国工业大数据产业发展不断优化提升的同时，仍需要清楚认识到我国工业大数据仍存在物联数据无法获取、格式不统一，数据产权不清晰、数据壁垒难以打破，全产业链数据应用不足等问题。主要原因在于，第一，在我国国产工业软件、高端物联设备核心技术供给不足，而国外设备读写不开放，数据无法读取或者格式多样，无法直接利用；第二，面对体量大、分布广、结构复杂、类型多样化的工业数据，目前工业行业整体数据资源管理水平不足，难以管理企业内部和外部各类数据，更无法充分分析和利用；第三，缺乏可用、好用、可信的工业大数据平台，难以充分利用工业全产业链上下游的数据，以实现人、机、物等各类工业要素、工业业务流程以及产业链上下游企业间更大范围的实施链接与智能交互，推动工业生产的资源优化、协同制造和服务延伸。