首頁 工業大數據專題正文

王建民:中國工業大數據的實踐與思考

  【稿件說明】本文為“大數據100分”活動分享內容。大數據100分,是中關村大數據產業聯盟的特色活動。稿件內容由中關村大數據產業聯盟授權數據觀(www.www.huatairui.com)發布,未經允許請勿轉載。

  主講嘉賓:王建民

  人:中關村大數據產業聯盟副秘書長陳新河

  王建民:現為清華大學軟件學院教授、博士生導師,副院長、黨委書記,信息系統與工程研究所所長。國家“十一五”863計劃先進制造領域專家。中國計算機學會高級會員,數據庫專委會委員,Petri網專委會委員。

  以下為分享實景全文:

  主持人好,各位朋友晚上好!感謝新河副秘書長的邀請,和大家分享“工業大數據的思考與實踐”,拋磚引玉,請批評指正。

  先分享一下我對工業大數據的理解。

  簡單來講,工業大數據就是在工業領域相關信息化應用中所產生的海量數據,注意這里的“相關應用”意味著不僅包括企業內和產業鏈,還包括客戶用戶和互聯網上的數據。

  2012年,GE公司率先明確了“工業大數據”的概念。同年麥肯錫的報告中給出了一個有趣的事實:那就是在虛擬經濟占主導地位的美國,其工業界蘊含的數據總量反而是最大的。

  同時GE公司的報告還揭示了工業大數據所蘊含的巨大價值。

  那么,為什么今天提出“工業大數據”?我感覺有幾個重要背景,第一是數字化裝備和產品的普及,第二裝備和產品網絡化連接的普及(互聯網),第三是企業向服務型制造轉型,第四“從搖籃到搖籃”制造的必然要求。無疑“智慧互聯設備”、“工業4.0”和“工業互聯網”都順應了這樣一個趨勢。

  下面匯報我自己對工業大數據的幾點思考,

  工業大數據從哪里來?來源于產品生命周期的各個環節,包括市場、設計、制造、服務、再利用各個環節,每個環節都會有大數據,“全”生命周期匯合起來的數據更大,當然企業外、產業鏈外的“跨界”數據也是工業大數據“不可忽視”的重要來源。

  總體上看,產品全生命周期包括三個階段:開發制造階段(即Beginning of Life),使用維護階段(即Middle of Life)和回收利用階段(即End of Life)。BOL和MOL的分離點是產品交付用戶的時刻,MOL和EOL的分離點是產品退役的時刻。

  其次,工業大數據和企業已有數據之間的關系?傳統企業信息化的“四大件”,廣義PLM系統(包括CAX)主要支持產品開發、ERP系統負責“人財物、產供銷”、SCM系統協調供應鏈,CRM系統關照企業客戶和用戶,過去我們主要關注開發制造(BOL)階段的信息化,CRM系統(包括MRO)往往得不到重視,再制造更是受到冷落。

  這些系統一般架構在關系數據庫系統之上,也稱為SQL數據,這些系統中的數據也是工業大數據,并且是價值密度很高的“20%”部分。

  第三,工業大數據和業務流程的關系?傳統企業信息化項目一般是從梳理業務流程起步的,流程“主動”、數據“被動”。而工業大數據環境下,要求企業快速滿足個性化用戶需求,企業僵化的“長流程”,難以適應“實時決策”的要求,需要變“流程驅動”為“數據驅動”,至少是“混合驅動”,“流程”和“數據”深度融合。上述表現,就是我們說的“流程碎片化”,“基于數據的決策”,數據成為連接這些“碎片”的媒介。

  最后一個思考是,工業大數據有沒有“交鑰匙”工程?新世紀以來,我國工業界經歷了轟轟烈烈的信息化浪潮,“不搞信息化等死,搞了信息化找死”,后半句話告述我們,“信息化”是有難度和風險的,所以“交鑰匙”工程成了廣大企業所期望的方式。

  我個人的觀點,工業大數據不存在“交鑰匙”工程(至少現在),原因如下:一,工業大數據項目主要不是針對“現有業務”,而是針對“未來業務”、“創新業務”的,其魅力在于創新性、不確定性;二,工業大數據現在還處在“科學”階段,人們對數據價值的“提取”方法、技術與工具尚不成熟,特別是以物理規律發現為目標的工業大數據處理更是剛剛起步;三,人們普遍認同的“領域專家”、“統計專家”和“軟件專家”組成的協同團隊,是當前“大數據”深度應用的有效方法。

  當然,這不是說工業大數據項目沒有任何共性抓手,比如,“端云”的低成本海量時空數據存儲處理平臺,基于大數據的裝備壽命預測與可靠性分析平臺,互聯網數據與企業數據集成平臺等等,都是工業大數據的共性“軟件工具”。

  最后,和大家分享一下我們在工業大數據方面的“小實踐”。

  如前所述,產品全生命周期的各個階段都有大數據,比如設計階段引入用戶社區數據,制造階段使用機床在線感知與測量數據,在市場營銷階段使用社交網絡數據等,昨天(2015.3.20)在清華大學工業大數據線下交流活動中嘉賓對相關案例進行了分享。

  上世紀九十年代羅羅公司率先在發動機上嵌入傳感器監控其運行狀態,開創了以銷售飛行小時為標志性業務的服務型制造新模式,這些傳感器采集的工況數據是GE和麥肯錫報告中所說的工業大數據的主體,其典型應用場景如下。

  今天,我和大家分享一下裝備生命中期階段(MOL)工況大數據的“小”實踐。

  “十二五”我們開始和國內裝備龍頭企業合作研制裝備工況大數據平臺。隨著應用的深入,需要將工況數據的處理分析結果,向企業服務(MRO)、制造(ERP)甚至設計(PLM)系統進行反饋,因此需要替換部分原有的關系數據管理系統。

  與遺留系統進行集成,甚至替換“舊”系統,是工業大數據項目區別于互聯網大數據項目重要內容,因為互聯網業務往往是“全新的”,在實踐中我們形成了“四階段”切換方案。

  下面看時空監管的例子。在得到工況數據以后,首先是對裝備運營進行監管,不同于傳統的運營監管,在大數據技術支持下,運營是成套設備互相協同的運營,例如:以攪拌站為例,通過收集位置數據、油位數據可以對攪拌車運輸的過程進行優化調度,從而避免擁堵、減少等待、降低能耗。

  再舉個例子,我們知道液壓系統是工程機械的核心系統之一,導致故障的原因很多,例如:密封套腐蝕,內壁刮花,密封環損壞,閥塊受損,等等。有了工況大數據就可以尋找深層次原因。

  我們通大規模過比對開工指標,從典型取值、波動幅度、回傳密度多個維度進行分析,自動搜索推薦與故障車輛關系密切的特征工況,發現這些故障車輛的每分鐘換向次數在變化幅度上高度相關。

  再通過引入互聯網上的行政區劃數據和歷年高鐵建設數據(企業外部數據),可以得出這樣一個結論,這些典型故障均發生在2012年~2013年期間在建重大工程“杭深高鐵”沿線,這為我們尋找更深層次的原因提供了重要線索。

  最后一個例子,我們通過大規模工況數據透視宏觀裝備應用情況,根據這些信息,進行易損配件需求的預測,優化調配我們的服務資源。當然裝備開工情況,也反映了各地區宏觀經濟情況。

  最后我想說,工業大數據剛剛起步,需要冷靜思考,堅持應用驅動,最終實現中國制造強國之夢。

  以上是我的粗淺認識,和大家分享,再次感謝大家關注。

?

分享:
延伸閱讀
    數博故事
    貴州

    貴州大數據產業政策

    貴州大數據產業動態

    貴州大數據企業

    更多
    大數據概念_大數據分析_大數據應用_大數據百科專題
    企業
    更多
    江苏体彩网-下载