工业大数据在工业企业中的典型应用介绍

工业大数据在工业企业中的典型应用介绍

工业大数据可广泛应用于企业整个生产过程。下面按照企业生产过程的研发设计、供应链、生产制造、营销与服务环节，对工业大数据的应用场景及其应用进行探讨。

4.1 研发设计环节工业大数据的应用场景

在研发设计环节，工业大数据应用主要有产品协同设计、设计仿真、工艺流程优化等。

产品协同设计，主要是利用大数据存储、分析、处理等技术处理产品数据，建立企业级产品数据库，以便不同地域可以访问相同的设计数据，从而实现多站点协同、满足工程组织的设计协同要求。

设计仿真，是指将大数据技术与产品仿真排程相结合，提供更好的设计工具，减少产品交付周期。如波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从2005年11次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。

工艺流程优化，主要是应用大数据分析功能，深入了解历史工艺流程数据，找出工艺步骤和投入之间的模式和关系，对过去彼此孤立的各类数据进行汇总和分析，评估和改进当前操作工艺流程。例如一家排名前五强的生物药品制造商广泛收集与工艺步骤和使用材料相关的数据，应用大数据分析技术，来确定不同工艺参数之间的相关性，以及参数对产量的影响，最终确定影响最大的9种参数，针对与这9种参数相关的工艺流程做出调整，从而把疫苗产量增加了50%以上。

4.2 供应链环节工业大数据的应用场景

供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，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。主要应用有供应链配送体系优化和用户需求快速响应。

供应链配送体系优化，主要是通过RFID 等产品电子标识技术、物联网技术以及移动互联网技术获得供应商、库存、物流、生产、销售等完整产品供应链的大数据，利用这些数据进行分析，确定采购物料数量、运送时间等，实现供应链优化。如海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，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。在海尔供应链的各个环节，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。

用户需求快速响应。即利用先进数据分析和预测工具，对实时需求预测与分析, 增强商业运营及用户体验。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。

4.3 生产制造环节工业大数据的应用场景

在制造环节，工业大数据的应用主要有智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等应用。 智能生产。就是生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时监控。

而生产所产生的数据同样经过快速处理、传递，反馈至生产过程中，将工厂升级成为可以被管理和被自适应调整的智能网络，使得工业控制和管理最优化，对有限资源进行最大限度使用，从而降低工业和资源的配置成本，使得生产过程能够高效地进行。

生产流程优化。利用大数据技术，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，这种透明度将有助于制造商改进其生产流程。

设备预测维护。建立大数据平台，从现场设备状态监测系统和实时数据库系统中获取轴承振动、温度、压力、流量等数据。通过构建基于规则的故障诊断、基于案例的故障诊断、设备状态劣化趋势预测、部件剩余寿命预测等模型，通过数据分析进行设备故障预测与诊断。如燕山石化建立星环大数据平台实现了对数据的实时分析计算，使设备故障诊断和趋势预测等功能的延迟控制在5秒之内；利用大数据分析自动生成的检修维护计划，保证了设备维护更有针对性，减少了“过修”和“失修”现象，节省成本。

生产计划与排程。收集客户订单、生产线、人员等数据，通过大数据技术发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。

能源消耗管控、延长设备寿命。通过对企业生产线各关键环节能耗排放和辅助传动输配环节的实时动态监控管理，收集生产线、关键环节能耗等相关数据，建立能耗仿真模型，进行多维度能耗模型仿真预

测分析，获得生产线各环节的节能空间数据，协同操作智能优化负荷与能耗平衡，从而实现整体生产线柔性节能降耗减排；及时发现能耗的异常或峰值情况，实现生产过程中的能源消耗实时优化。风力涡轮机制造商Vestas 对天气数据及涡轮仪表数据进行交叉分析, 并对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命；鲁南化工有限公司将多年积累的气化炉运行数据，包括近十几年的所有极差操作、最好操作、容易出事故的各种数据用于培训操作人员，使多喷嘴气化装置实现单炉年运行开工率达到97%以上。

个性化定制。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，建立个性化产品模型，将产品信息传递给智能设备，进行设备调整、原材料准备，生产出符合个性化需求的定制产品。如红领集团通过建立西服个性化定制平台，将成衣的各种款式和设计都数字化，利用大数据技术，对物料数据整合管理，实现了里料、缝线、袖口的自动搭配，工厂3000人，每天可以一款一件不重样地定制西装1200套。

4.4 营销与服务环节工业大数据的应用场景

在市场营销环节，利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。

建立用户对商品需求的分析体系，挖掘用户深层次的需求；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，形成满足消费者预期的各品类生产方案等。如我国海尔集团利用SCRM 会员大数

据平台，提取数以万计用户数据，通过“look-like ”模型将用户分类，然后结合智能语义分析工具，分析客户需求，优化用户体验。

在产品售出服务环节，工业数据推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。通过搭建企业产品数据平台，围绕智能装备、智能家居、可穿戴设备、智能联网汽车等多类智能产品，采集产品数据，建立产品性能预测分析模型，提供智能产品服务。例如GE 能源监测和诊断（M&D）中心，收集全球50多个国家上千台GE 燃气轮机的数据，每天就能为客户收集10G 的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE 公司对燃气轮机故障诊断和预警提供支撑；固特异轮胎跟IMS 合作推出了FuelMax 产品就利用分析轮胎压力提醒用户如何保养轮胎更加省油，每年可以给一辆集装箱客车节省3000美元的油耗。

天拓四方自主品牌的全球领先的数网星远程数据采集及应用管理平台系统，作为基于云平台的工业物联解决方案，可最低成本实现云解析通道打通，利用超大数据处理能力的软件平台，实现对设备的远程诊断维护、远程监控、远程诊断和故障预警，再通过对数据的大量收集和分析处理，实现设备优化，帮助企业根据现有数据预测未来的发展趋势，给企业带来了更快的速度、更高的效率和更具远见的洞察力，提高了企业生产效率、降低了经营成本，从而使企业更好的“把握现在，预知未来”。

北京天拓四方科技有限公司