您当前的位置：首页 > 无限物联

工业大数据七大应用分析

2017-03-08 15:28:45

135

工业大数据的典型利用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的利用场景进行逐1梳理。

随着信息化与工业化的深度融会，信息技术渗透到了工业企业产业链的各个环节，条形码、2维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛利用，特别是互联网、移动互联网、物联网等新1代信息技术在工业领域的利用，工业企业也进入了互联网工业的新的发展阶段，工业企业所具有的数据也日趋丰富。工业企业中生产线处于高速运转，由工业装备所产生、收集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据利用所面临的问题和挑战其实不比互联网行业的大数据利用少，某些情况下乃至更加复杂。

工业大数据利用将带来工业企业创新和变革的新时期。通过互联网、移动物联网等带来的低本钱感知、高速移动连接、散布式计算和高级分析，信息技术和全球工业系统正在深入融会，给全球工业带来深入的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效力和更高的洞察力。

1、加速产品创新

客户与工业企业之间的交互和交易行动将产生大量数据，发掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的榜样，他们将大数据技术利用到了福特福克斯电动车的产品创新和优化中，这款车成了1款名不虚传的“大数据电动车”。第1代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机延续地更新车辆的加速度、刹车、电池充电和位置信息。这对司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、什么时候和何处充电。即便车辆处于静止状态，它也会延续将车辆胎压和电池系统的数据传送给最近的智能电话。

这类以客户为中心的大数据利用场景具有多方面的好处，由于大数据实现了宝贵的新型产品创新和协作方式。司机取得有用的最新信息，而位于底特律的工程师汇总关于驾驶行动的信息，以了解客户，制定产品改进计划，并实行新产品创新。而且，电力公司和其他第3方供应商也能够分析数百万英里的驾驶数据，以决定在何处建立新的充电站，和如何避免脆弱的电网超负荷运转。

　2、产品故障诊断与预测

这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变成现实，大数据利用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜索进程中，波音公司获得的发动机运转数据对肯定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据利用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被丈量和发送1次。以波音737为例，发动机在飞行中每30分钟就可以产生10TB数据。

这些数据不单单是未来某个时间点能够分析的工程遥测数据，而且还增进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看1个通用电气（GE）的例子，位于美国亚特兰大的GE能源监测和诊断（M&D）中心，搜集全球50多个国家上千台GE燃气轮机的数据，每天就可以为客户搜集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持。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改良，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。

3、工业物联网生产线的大数据利用

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。由于每隔几秒就搜集1次数据，利用这些数据可以实现很多情势的分析，包括装备诊断、用电量分析、能耗分析、质量事故分析（包括违背生产规定、零部件故障）等。首先，在生产工艺改进方面，在生产进程中使用这些大数据，就可以分析全部生产流程，了解每一个环节是如何履行的。1旦有某个流程偏离了标准工艺，就会产生1个报警信号，能更快速地发现毛病或瓶颈所在，也就可以更容易解决问题。利用大数据技术，还可以对工业产品的生产进程建立虚拟模型，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，这类透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在装备生产进程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此即可在生产进程中优化能源的消耗，对所有流程进行分析将会大大下降能耗。

4、工业供应链的分析和优化

当前，大数据分析已是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提早分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了第二天货到的客户体验。RFID等产品电子标识技术、物联网技术和移动互联网技术能帮助工业企业取得完全的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效力的大幅提升和本钱的大幅降落。

以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以定单信息流为中心，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收集和分析，海尔公司能够延续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依托市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，乃至天气预报等来销售自己的产品。

利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业即可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业即可节俭大量的本钱。如果再利用产品中传感器所产生的数据，知道产品出了甚么故障，哪里需要配件，他们还可以预测何处和什么时候需要零件。这将会极大地减少库存，优化供应链。

5、产品销售预测与需求管理

通过大数据来分析当前需求变化和组合情势。大数据是1个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度和最多见的组合情势、消费者的层次等，以此来调剂产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多定货，同时在开学季之前1两个月开始产能计划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调剂，如几年前大家喜欢用音乐手机，而现在大家更偏向于用手机上网、拍照分享等，手机的拍照功能提升就是1个趋势，4G手机也占据更大的市场份额。通过大数据对1些市场细节的分析，可以找到更多的潜伏销售机会。

6、生产计划与排程

制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的收集（MES/DCS）及多变性致使数据剧烈增大，再加上10几年的信息化的历史数据，对需要快速响应的APS来讲，是1个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差几率，斟酌产能束缚、人员技能束缚、物料可用束缚、工装模具束缚，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，动态的调剂计划排产。帮我们规避“画像”的缺点，直接将群体特点直接强加给个体（工作中心数据直接改变成具体1个装备、人员、模具等数据）。通过数据的关联分析并监控它，我们就可以计划未来。虽然，大数据略有瑕疵，只要得到公道的利用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是甚么？而回答是“1匹更快的马”，而不是现在已普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤其重要。

7、产品质量管理与分析

传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产进程中会经历许屡次搀杂、增层、光刻和热处理等复杂的工艺制程，每步都必须到达极为刻薄的物理特性要求，高度自动化的装备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢？如果说是后者的话，那末又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键缘由呢？这是1个已困扰半导体工程师们多年的技术困难。

某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包括1百多个测试项目、长度达几百万行测试记录的数据集。依照质量管理的基本要求，1个必不可少的工作就是需要针对这些技术规格要求各异的1百多个测试项目分别进行1次进程能力分析。如果依照传统的工作模式，我们需要循序渐进地分别计算1百多个进程能力指数，对各项质量特性逐一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这1百多个进程能力指数中看出它们之间的关联性，更难对产品的整体质量性能有1个全面的认识与总结。但是，如果我们利用大数据质量管理分析平台，除可以快速地得到1个长长的传统单1指标的进程能力分析报表以外，更重要的是，还可以从一样的大数据集中得到很多崭新的分析结果。

TAG：