大数据。
燃㈣Ｉ ｚ０１５辅３
万方数据
４７
Ｒ ０８ ０ １－ｌ ｌ ０【Ｊ ８．『８ ｙ ｆ ０ ８【Ｊ Ｍ
图３工业大数据全生命周期
设计制造 使用维权 回收利用
ＣＡＤ
ＣＡＥ
ＥＲＰ
绿色ＣＡＤ
传统企业数据
了
市场 分析
需求 建模
几何 模型
性能 指标
资源 质量 计划管理
基础 配置
物理 配置
备件 管理 配置 分析
科技顾问威廉・麦克唐纳 （ｗｉ ｌ；ａｍ ＭｃＤｏｎｏｕｇｈ）提
（ＡＭＰ）”都顺应了工业大数据的发展潮流。
三流汇聚而成的工业大数据
工业大数据从何而来？它来源于产品生命 周期的各个环节，包括市场、设计、制造、 服务、再利用等各个环节，每个环节都会产 生大数据。而“全”生命周期的数据汇合起 来则更加庞大。当然，企业外、产业链外的 “跨界”数据
叵重堕查垂］画量…！…Ｎ ９旦旦＾尽量…【ｉ旦删煦……………………………………………………………………… 智能制造基础之工业大数据
智能制造时代的到来，也意味着工来自大数据时代的到来。制造业向智能化转 型的过程中，将催生工业大数据的广泛应用。工业大数据无疑将成为未来提
升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必 须面对的重要课题。
文中指出，制造业存储了比任何其他一种
行业都多的海量数据——仅２０１０年，制造业 就存储了将近２ＥＢ的新数据。工业已经进入 “大数据”时代，而他们所控制的数据的体量、 多样性和复杂程度，也正以前所未有的速度 不断激烈地爆发式发展。 其实，工业大数据就是在工业领域相关信 息化应用中所产生的海量数据。需要格外注 意的是，工业大数据的“相关应用”不仅应 包括生产企业内部和产业链，还应包括客户、 用户，以及互联网上产生的相关数据。 同时，通用电气公司的报告在阐述工业大 数据的概念之外，还揭示了工业大数据所蕴 含的巨大价值。 那么，基于何种背景下，人们提出了“工 业大数据”呢？第一，数字化装备和产品已 经普及；第二，装备和产品网络化连接（互 联网＋）的不断成熟；第三，工业企业正逐步 图１
值、波动幅度、回传密度多个维度进行分析， 自动筛选与故障车辆关系密切的特征工况， 发现这些故障车辆的每分钟换向次数在变化 幅度上高度相关。 再通过引入互联网上的行政区划数据和 历年高铁建设数据（企业外部数据），可以 得出这样一个结论，这些典型故障均发生在 ２０１２－２０１３年期间在建重大工程“杭深高铁” 沿线，这为我们寻找更深层次的原因提供了
图６应用实践１——运营管理，时空监控
实时采集设备位置、工况与工作信息，利用可视化图形界面展示，使客户足不出户便能及时掌握搅拌站的当前运营状况
电子围栏
油位监管
５０机器人产业Ｉ
ＲＯＢＯＴ ＩＮＤＵＳＴＲＹ
万方数据
智能制造基础之工业大
图７故障分析新手段
通过地理位置数据的关联分析发现：主油缸故障发生的位置与沿海地区杭深高铁建设强相关。
工业大数据在路上
由互联网数据、机器数据和企业数据汇聚 而成的工业大数据，蕴藏着巨大价值。例如，
坚持应用驱动，最终实现中国制造强国之梦。
图８备件需求预测
实时展现各类主机的区域分布及设备保有量情况及时掌握在外设备开工情况，助力维修服务决策。
誓页
Ｉ
一
Ｉ
巨山－业鄙
趋－机－业毒Ｊ
＿讥－业讳
罨机－业部
蕾机・业鼙
集成。
如果说互联网业务往往是全新的，工业大 数据则需要与遗留的系统进行集成，甚至替 换“旧”的系统，这是工业大数据项目区别 于互联网大数据项目的重要内容，在实践中 我们形成了“四阶段”的切换方案。 一个例子是装备时空监管。企业在得到工 况数据以后，首先是对装备运营进行监管。 不同于传统的运营监管，在大数据技术支持 下，运营是成套设备互相协同的运营。以搅 拌站为例，通过收集位置数据、油位数据可
▲印：！型旦Ｉ垣堕立二¨里Ｉ目四¨ｔ！‘！？ ＝ｉ
２０１２年４月各区簟每台襄车母月施工时阆分析围（小时）
＾
，
ｑ
ｉ。 ，～
旺畦（ＢＯＢＬ上
ｃｈａｉｎ
［３］交钥匙
一般情况下，“交
钥匙”工程由承包商实施 所有的设计、采购和建造 工作，完全负责项目的设 备和施工。雇主基本不参 与工作。承包商在”交钥 匙“时．提供一个配套完 整、可运行的设施。
ｍａｎａｇｅｍｅｎｔ，ＳＣＭ）协调供应链，
Ｒｅｌａｔｉｏｎｓｈｉｐ
客户关系管理系统（Ｃｕｓｔｏｍｅｒ
杭深高铁
盐雾环境腐蚀
重要线索。 还有一个例子是备件预测。通过大规模工 况数据透视宏观装备应用情况，我们根据这些 信息进行易损配件需求的预测，优化调配相关 服务资源。装备开工情况也同样可以反映出各 地区宏观经济情况。
通过分析用户使用数据改进产品、通过分析现 场测量数据提高加工水平、通过工况数据进行 产品健康管理等。工业大数据的应用，将成为 未来提升制造业生产力、竞争力、创新能力的 关键要素，也是目前全球工业转型必须面对的 重要课题。 工业大数据刚刚起步，我们需要冷静思考，
程碎片化”、
ＥＯＬ）。ＢＯＬ和ＭＯＬ的分离点是产品交付
用户的时刻，ＭＯＬ和ＥＯＬ的分离点是产品
ｃＡＩ等各项技术的综合叫 法。因为所有缩写都是以 ｃＡ开头，Ｘ表示所有。
退役的时刻。 那么，工业大数据与传统企业数据之间又
［３］ＭＲＯ
Ｍａｉ
ｎｔｅｎａｎｃｅ（维
有什么关联呢？传统企业信息化的“四大件”， 广义产品生命周期管理（Ｐｒｏｄｕｃｔ Ｍａｎａｇｅｍｅｎｔ，ＰＬＭ）
３、查询接口切换
查询接口设计与开发 应用系统改造，迭代联调测试 应用生产系统上线试运行
４、原数据库切出
¨［辇誓荧入测试系统改造，停止数 骛茭录入生产系统上线・单系统
检查确认，旧数据库正式切出
塑搀至仝生产系统切换，双系统 并行与入
缺失数据双修补操作
２无耗损数据修补
３微创式应用改造方案
以对搅拌车运输的过程进行优化调度，从而 避免拥堵、减少等待、降低能耗。 以杭深高铁沿线装备的故障分析为例。液 压系统是工程机械的核心系统之一，导致其 发生故障的原因很多，比如密封套腐蚀、内 壁刮花、密封环损坏、阀块受损等等。但有 了机器大数据，情况就不一样了，我们可以 寻找发生故障的深层次原因。 我们通过大规模比对开工指标，从典型取
２年ＧＥ发布《工业互联网：突破智慧与机器的界限》研究报告也是工业吴数
据“不可忽视” 的重要来源。 因此，企业数
与此同时，对于那 些人工合成的物质，也要 保证它们参与到一个安全 的、高效的科技新陈代谢 当中。概而言之。就是要 创造一个“零废物”的社
会经济体系。
据、机器数据 和互联网数据 这三条数据流
汇聚成了工业
ＲＯＢＯＴ ＩＮＤＵＳＴＲＹ
万方数据
竺竺竺竺竺兰垄堡…＿Ｉ
信息化浪潮。业界有这样一句口头禅，
“不
图４机器数据典型应用场景
搞信息化等于坐以待毙，搞了信息化也是存 亡未卜”。后半句话说明，企业推行“信息化” 是有难度和风险的，所以“交钥匙”工程成 为广大企业所期望的方式。 但坦白来讲，工业大数据不存在“交钥匙” 工程（至少目前是无法实现的），原因有三： 第一，工业大数据项目主要针对的对象不 是“既有业务”，而是“未来业务”、“创 新业务”，其特点便在于创新性、不确定性； 第二，工业大数据目前尚处于“科学”阶 段，人们对数据价值的“提取”方法、技术 与工具尚不成熟，特别是以物理规律发现为 目标的工业大数据处理更是刚刚起步； 第三，人们普遍认同的“领域专家”、“统 计专家”和“软件专家”组成了协同团队， 他们构成了当前“大数据”深度应用的核心。 当然，这三个原因不说明工业大数据项目 就没有任何共性抓手。比如“端＋云”的低 成本海量时空数据存储处理平台、基于大数 据的装备寿命预测与可靠性分析平台、互联 网数据与企业数据集成平台等等，他们都是 工业大数据的共性软件工具。 那么，装备生命中期阶段（ＭＯＬ）机器 数据又该如何应用呢？ “十二五”期间，清华大学与国内某装备 龙头企业三一重工合作，共同研制装备工况 大数据平台。随着应用的深入，系统需要将 工况数据的处理分析结果向企业服务（ＭＲＯ）、 制造（ＥＲＰ）甚至设计（ＰＬＭ）系统进行反馈， 因此需要将这些系统与工业大数据系统进行
万方数据
８ ０ ８ ０ １＿ｌ ｌ ０ Ｊ ５ １－８ ｙ ｆ＝０ Ｒ Ｊ Ｍ
图５工业大数据系统的切换过程
１
双系统并行，非中断切换
１、分析与环境；隹备
切换可行性摸底调研 布置大数据集群，建立切出环境 恢复下线历史数据 历史数据导出原始数据库 历史数据导入大数据系统
２、写入接口切换
实时数据写入接口开发 数据录入测试系统改造，迭代 联调测试
实践出真知
众所周知，产品全生命周期的各个阶段都 会产生大数据。设计阶段引入用户社区数据， 制造阶段使用机床在线感知与测量数据，在 市场营销阶段使用社交网络数据…… 上世纪９０年代，罗尔斯・罗伊斯公司 （Ｒｏｌｌｓ－Ｒｏｙｃｅ）率先在发动机上嵌入传感器， 监控其运行状态，开创了以销售飞行小时为 标志性业务的服务型制造新模式。这些传感 器采集的机器数据便可对应ＧＥ和麦肯锡报告 中所说的工业大数据的主体。
２０１
一二 电力
石油天然气 ９００亿羹元 ３００亿美元６６０亿美元
开始向服务型制造转型；第四，
“从摇篮到
摇篮【１】＇＇制造的必然要求。毫无疑问，无论
是中国的《中国制造２０２５》，还是德国的“工 业４．０”，抑或是美国的“先进制造伙伴计划
［１］Ｉ‘从摇篮到摇篮”
“从摇篮到摇篮”理 论由美国原总统克林顿的
Ｌｉｆｅｃｙｃｌｅ
护）、Ｒｅｐａｉ ｒ（维修）、 Ｏｐｅｒａｔｉｏｎ（运行）的缩写。
通常是指在实际的生产过
程不直接构成产品，只用 于维护、维修、运行设备