您的位置:太阳集团游戏官方网址 > 电工电气 > 工业大数目怎样健全运会用,推动工业互连网还

工业大数目怎样健全运会用,推动工业互连网还

2019-09-01 02:04

电工电气网】讯

以数据为关键要素驱动工业转型升级,不仅成为宏观层面的行业共识,也正在微观层面为企业带来实际收益。然而,工业大数据的发展,还面临数据资源不丰富、数据管理滞后、孤岛普遍存在以及应用深度不足等四大挑战。为此,需要在企业层面夯实数据基础,抓住技术创新机遇,在行业层面建立数据互操作与流通的标准与规则。

图片 1

在2019年两会上,李克强总理作政府工作报告表示,要打造工业互联网平台,拓展“智能 ”,为制造业转型升级赋能。而早在2017年12月,习近平总书记在中央政治局第二次集体学习时就强调,要深入实施工业互联网创新发展战略,系统推进工业互联网基础设施和数据资源管理体系建设,发挥数据的基础资源作用和创新引擎作用,加快形成以创新为主要引领和支撑的数字经济。

一、以数据为关键要素驱动工业转型升级

封面

可以说,宏观上,大力发展工业互联网,把数据技术和工业转型升级结合,已经成为决策层的共识。微观上,大数据技术的应用已经开始给企业带来实实在在的收益。工业互联网产业联盟2019年2月发布的《工业互联网平台白皮书》显示,工业研发设计、工艺优化、设备维护、质量控制、节能减排等方面的作用越来越凸显。

宏观上,大力发展工业互联网,用数据智能助推工业转型升级相结合,已经成为全国上下的高度共识。

一、 工业互联网平台体系架构

工业互联网平台面向制造业数字化、网络化、智能化需求, 构建基于海量数据采集、汇聚、分析的服务体系,支撑制造资源泛在连接、弹性供给、高效配置的工业云平台,包括边缘、平台(工业 PaaS)、应用三大核心层级。可以认为,工业互联网平台是工业云平台的延伸发展,其本质是在传统云平台的基础上叠加物联网、大数据、人工智能等新兴技术,构建更精准、实时、高效的数据采集体系,建设包括存储、集成、访问、分析、管理功能的使能平台,实现工业技术、经验、知识模型化、软件化、复用化,以工业 APP 的形式为制造企业各类创新应用,最终形成资源富集、多方参与、合作共赢、协同演进的制造业生态。

图片 2

图 1:工业互联网平台功能架构图

第一层是边缘,通过大范围、 深层次的数据采集, 以及异构数据的协议转换与边缘处理, 构建工业互联网平台的数据基础。一是通过各类通信手段接入不同设备、 系统和产品,采集海量数据;二是依托协议转换技术实现多源异构数据的归一化和边缘集成;三是利用边缘计算设备实现底层数据的汇聚处理,并实现数据向云端平台的集成。

第二层是平台, 基于通用 PaaS 叠加大数据处理、 工业数据分析、工业微服务等创新功能, 构建可扩展的开放式云操作系统。一是提供工业数据管理能力,将数据科学与工业机理结合, 帮助制造企业构建工业数据分析能力,实现数据价值挖掘; 二是把技术、知识、经验等资源固化为可移植、可复用的工业微服务件库,供开发者调用; 三是构建应用开发环境, 借助微服务组件和工业应用开发工具, 帮助用户快速构建定制化的工业 APP。

第三层是应用, 形成满足不同行业、不同场景的工业 SaaS 和工业 APP, 形成工业互联网平台的终价值。一是提供了设计、生产、管理、服务等一系列创新性业务应用。二是构建了良好的工业 APP 创新环境, 使开发者基于平台数据及微服务功能实现应用创新。

除此之外,工业互联网平台还包括 IaaS 基础设施,以及涵盖整个工业系统的安全管理体系,这些构成了工业互联网平台的基础支撑和重要保障。泛在连接、云化服务、 知识积累、应用创新是辨识工业互联网平台的四大特征。

一是泛在连接, 具备对设备、 软件、 人员等各类生产要素数据的全面采集能力。

二是云化服务, 实现基于云计算架构的海量数据存储、 管理和计算。

三是知识积累, 能够提供基于工业知识机理的数据分析能力,并实现知识的固化、积累和复用。

四是应用创新, 能够调用平台功能及资源,提供开放的工业 APP 开发环境,实现工业 APP 创新应用。

根据白皮书,中国石化对4600个批次的石脑油原料进行分析建模,优化工艺操作参数,使汽油收率提高0.22%,辛烷值提高0.90%。中化能源对泵机群、压缩机、蒸汽轮机等装备进行健康管理,实现了设备故障的诊断、预测性报警及分析,设备维护成本每年减少15%。航天电器建立多种因素与质量关键KPI的关联关系模型,对设备、工艺、检测等数据进行关因分析,不良品率降低56%。山钢集团对跨工序能效数据进行动态寻优,年化能源降本8000多万元,能耗成本降低11.4%。酒钢集团通过大数据分析实现能耗的智能化管理,单座高炉每年降低成本2400万元,减少碳排放20000吨,冶炼效率提升10%。

微观上,大数据技术的应用也开始为诸多企业带来实际收益。工业互联网产业联盟2019年2月发布的《工业互联网平台白皮书》显示,数据在工业研发设计、工艺优化、设备维护、质量控制、节能减排等方面的作用日益凸显。

二、  工业互联网平台七大核心技术交织融合

工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题,涉及七大类关键技术,分别为数据集成和边缘处理技术、 IaaS 技术、 平台使能技术、数据管理技术、工业数据建模与分析技术、应用开发和微服务技术、安全技术。

图片 3

图 2:工业互联网平台关键技术体系图

1. 数据集成与边缘处理技术

设备接入:基于工业以太网、工业总线等工业通信协议,以太网、光纤等通用协议,3G/4G、NB-IOT 等无线协议将工业现场设备接入到平台边缘层。

协议转换:一方面运用协议解析、中间件等技术兼容 ModBus、OPC、CAN、Profibus 等各类工业通信协议和软件通信接口,实现数据格式转换和统一。另一方面利用 HTTP、MQTT 等方式从边缘侧将采集到的数据传输到云端,实现数据的远程接入。边缘数据处理:基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑,在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用,提升操作响应灵敏度、消除网络堵塞,并与云端分析形成协同。

2.IaaS 技术

基于虚拟化、分布式存储、并行计算、负载调度等技术,实现网络、计算、存储等计算机资源的池化管理,根据需求进行弹性分配,并确保资源使用的安全与隔离,为用户提供完善的云基础设施服务。

3.平台使能技术

资源调度:通过实时监控云端应用的业务量动态变化,结合相应的调度算法为应用程序分配相应的底层资源,从而使云端应用可以自动适应业务量的变化。

多租户管理:通过虚拟化、数据库隔离、容器等技术实现不同租户应用和服务的隔离,保护其隐私与安全。

4.数据管理技术

数据处理框架:借助 Hadoop、Spark、Storm 等分布式处理架构,满足海量数据的批处理和流处理计算需求。

数据预处理:运用数据冗余剔除、异常检测、归一化等方法对原始数据进行清洗,为后续存储、管理与分析提供高质量数据来源。

数据存储与管理:通过分布式文件系统、NoSQL 数据库、关系数据库、时序数据库等不同的数据管理引擎实现海量工业数据的分区选择、存储、编目与索引等。

5.应用开发和微服务技术

多语言与工具支持:支持 Java,Ruby 和 PHP 等多种语言编译环境,并提供 Eclipse integration,JBoss Developer Studio、git 和Jenkins 等各类开发工具,构建高效便捷的集成开发环境。

微服务架构:提供涵盖服务注册、发现、通信、调用的管理机制和运行环境,支撑基于微型服务单元集成的“松耦合”应用 开发和部署。

图形化编程:通过类似 Labview 的图形化编程工具,简化开发流程,支持用户采用拖拽方式进行应用创建、测试、扩展等。

6.工业数据建模与分析技术

数据分析算法:运用数学统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。

机理建模:利用机械、电子、物理、化学等领域专业知识,结合工业生产实践经验,基于已知工业机理构建各类模型,实现分析应用。

7.安全技术

数据接入安全:通过工业防火墙技术、工业网闸技术、加密隧道传输技术,防止数据泄漏、被侦听或篡改,保障数据在源头和传输过程中安全。

平台安全:通过平台入侵实时检测、网络安全防御系统、恶意代码防护、网站威胁防护、网页防篡改等技术实现工业互联网平台的代码安全、应用安全、数据安全、网站安全。

访问安全:通过建立统一的访问机制,限制用户的访问权限和所能使用的计算资源和网络资源实现对云平台重要资源的访问控制和管理, 防止非法访问。

在上述七大类技术中,通用平台使能技术、工业数据建模与分析技术、数据集成与边缘处理技术、应用开发和微服务技术正快速发展,对工业互联网平台的构建和发展产生深远影响。在平台层,PaaS 技术、新型集成技术和容器技术正加速改变信息系统的构建和组织方式。在边缘层,边缘计算技术极大的拓展了平台收集和管理数据的范围和能力。在应用层,微服务等新型开发框架驱动工业软件开发方式不断变革,而工业机理与数据科学深度融合则正在引发工业应用的创新浪潮。

随着这几年工业互联网的不断深入发展,大数据在工业领域的应用取得了可喜的巨大进步。然而,我们也应该看到,成功案例仍然只是星星之火。由点及面形成燎原之势,任重道远,还需要跨越“缺数”、“低质”、“浅层”、“孤岛”等障碍。

中国石化对4600个批次的石脑油原料进行分析建模,优化工艺操作参数,使汽油收率提高0.22%,辛烷值提高0.90。中化能源对泵机群、压缩机、蒸汽轮机等装备进行健康管理,实现了设备故障的诊断、预测性报警及分析,设备维护成本每年减少15%。

三、四类平台企业、 五大支撑主体、两类平台用户共同构筑平台产业体系

工业互联网平台产业发展涉及多个层次、不同领域的多类主体。在产业链上游, 云计算、数据管理、 数据分析、 数据采集与集成、 边缘计算五类专业技术型企业为平台构建提供技术支撑;在产业链中游, 装备与自动化、工业制造、信息通信技术、工业软件四大领域内领先企业加快平台布局;在产业链下游, 垂直领域用户和第三方开发者通过应用部署与创新不断为平台注入新的价值。

图片 4

图 3:工业互联网平台产业体系

1. 信息技术企业提供通用使能工具,成为平台建设重要支撑信息技术企业提供关键技术能力,以“被集成”的方式参与平台构建。

主要包括五类:一是云计算企业, 提供云计算基础资源能力及关键技术支持, 典型企业如亚马逊、微软、 Pivotal、Vmware、红帽等; 二是数据管理企业, 提供面向工业场景的对象存储、关系数据库、 NoSQL 数据库等数据管理和存储的工具,典型企业如 Oracle、 Apache、 Splunk 等;三是数据分析企业, 提供数据挖掘方法与工具,典型企业如 SAS、IBM、Tableau、Pentaho、PFN 等;四是数据采集与集成企业, 为设备连接、多源异构数据的集成提供技术支持,典型企业如 Kepware、 NI、博世、 IBM 等;五是边缘计算企业,提供边缘层的数据预处理与轻量级数据分析能力,典型企业如华为、 思科、 英特尔、 博世等。

2.平台厂商通过整合资源实现平台构建, 发挥产业主导作用。

平台企业以集成创新为主要模式,以应用创新生态构建为主要目的, 整合各类产业和技术要素实现平台构建, 是产业体系的核心。

目前, 平台企业主要有以下四类:一是装备与自动化企业,从自身核心产品能力出发构建平台,如 GE、西门子、 ABB、和利时等; 二是生产制造企业, 将自身数字化转型经验以平台为载体对外提供服务, 如三一重工/树根互联、海尔、航天科工等;三是工业软件企业, 借助平台的数据汇聚与处理能力提升软件性能,拓展服务边界,如 PTC、 SAP、 Oracle、用友等;四是信息技术企业, 发挥 IT 技术优势将已有平台向制造领域延伸,如 IBM、微软、华为、 思科等。

图片 5

3.应用主体以平台为载体开展应用创新,实现平台价值提升工业互联网平台通过功能开放和资源调用大幅降低工业应用创新门槛, 其应用主体分为两类: 行业用户在平台使用过程中结合本领域工业知识、机理和经验开展应用创新, 加快数字化转型步伐,如全球研磨机械制造商格林公司基于西门子 MindSphere平台开发服务于机床的工业 APP,实现对刀具磨损状态的精准预测和适时更换。 第三方开发者能够依托平台快速创建应用服务,形成面向不同行业不同场景的海量工业 APP,提升平台面向更多工业领域提供服务的能力,典型企业如 Webalo、Bearing Point、ThetaRay、 NEC、 Pitney Bowes 等。

一是“缺数”。理论上,工业领域的数据应该是非常丰富的。麦肯锡2009年的报告显示,美国的离散制造业是所有行业中数据储量最大的。而我国情况如何呢?根据中国信息通信研究院和工业互联网产业联盟2018年底对国内74家工业企业的调研,我国工业企业的数据资源存量普遍不大,66%的企业数据总量都在20TB以下,还不到一个省级电信运营商日增数据量的十分之一。这背后的原因主要是我国工业互联网发展还处于起步阶段,企业数字化网络化程度普遍较低,数据资源的积累尚需时日。而目前工业系统协议七国八制现象非常突出,很多软件系统的接口不开放,也增加了数据采集的技术难度。

航天电器建立多种因素与质量关键KPI的关联关系模型,对设备、工艺、检测等数据进行关因分析,不良品率降低56%。山钢集团对跨工序能效数据进行动态寻优,年化能源降本8000多万元,能耗成本降低11.4%。

四、工业互联网平台应用场景

二是“低质”。警惕“垃圾进,垃圾出”!数据质量问题是长期困扰数据分析工作的难题。工业领域对数据分析的可靠性要求更高,因而对数据质量的要求也就更高。美国2016年《联邦大数据研发战略计划》还专门把确保数据质量、提升数据分析可信性作为七大战略之一。从信息化程度较高的金融、电信、互联网等行业的经验看,如果不开展专门的数据治理,就难以确保数据质量。调查表明,我国工业企业只有不到1/3的企业开展了数据治理,51%的企业仍在使用文档或更原始的方式进行数据管理。在数据治理方面,大部分工业企业还需加快补课。

酒钢集团经过大数据分析实现能耗的智能化管理,单座高炉每年降低成本2400万元,减少碳排放2万吨,冶炼效率提升10%。

(一)平台应用由单点智能向全局智能、由状态监测向复杂分析演进

当前,工业互联网平台在工业系统各层级各环节获得广泛应 用,一是应用覆盖范围不断扩大,从单一设备、单个场景的应用 逐步向完整生产系统和管理流程过渡,最后将向产业资源协同组 织的全局互联演进。二是数据分析程度不断加深,从以可视化为主的描述性分析,到基于规则的诊断性分析、基于挖掘建模的预 测性分析和基于深度学习的指导性分析。其中,设备、产品场景 相对简单,机理较为明确,已经可以基于平台实现较复杂的智能 应用,在航空航天、工程机械、电力装备等行业形成了工艺参数 优化、预测性维护等应用模式;企业生产与运营管理系统复杂度 较高,深度分析面临一定挑战,当前主要对局部流程进行改进提 升,在电子信息、钢铁等行业产生供应链管理优化、生产质量优 化等应用模式;产业资源的协同目前还没有成熟的分析优化体系, 主要依托平台实现资源的汇聚和供需对接,仅在局部领域实现了 协同设计、协同制造等应用模式。

图片 6

图 4 工业互联网平台应用阶段视图

总体来看,平台应用还处于初级阶段,以“设备物联 分析”或“业务系统互联 分析” 的简单场景优化应用为主。未来平台应用将向深层次演进,将在物联与互联全面打通的基础上实现复杂的分析优化,从而不断推动企业管理流程、组织模式和商业模式创新。 最终,平台将具备全社会资源承载与协同能力,通过全局性要素、 全产业链主体的重新组织与优化配置, 推动工业生产方式、管理模式和组织架构变革。

1.设备、工艺等单个场景已可以实现基于数据和机理的预测, 正步入决策性分析阶段

工业互联网平台广泛连接设备、装备、产品,基于设备机理模型和产品数据挖掘开展了大量基于规则的故障诊断、工艺参数优化、设备状态趋势预测、部件寿命预测等单点应用,如 GE 依托 Predix 平台,通过构建数字双胞胎实现对航空发动机、燃气轮机等重型装备的健康管理,施耐德基于 Ecostruxure 平台为罗切斯特医疗中心提供配电设备管理服务,实现电力故障的预测性报警与分析。随着数据的持续积累与分析方法的不断完善,将形成基于设备数据挖掘的更精准分析模型,并自主提出指导性优化建议。目前该趋势已初步显现,例如微软 Azure IoT 平台为Rolls-Royce 发动机提供基于机器学习的海量数据分析和模型构建,能够在部件即将发生故障时准确预报异常,并提前介入主动帮助 Rolls-Royce 规划解决方案。

2.企业管理与流程优化从当前局部改进向系统性提升迈进

工业互联网平台实现了生产现场与企业运营管理、资源调度的协同统一,在此基础上形成面向企业局部的生产过程优化、企业智能管理、供应链管理优化等重点应用。日立公司 Lumada 平台通过物联设备实时收集商品流转数据,并通过与子公司货车调配业务系统的互联,形成庞大供应链管理数据池,实现全集团的仓储物流优化。未来随着平台底层连接能力的提升和企业 IT-OT 层的打通,大量生产现场数据和管理系统数据将进行集成汇聚, 基于海量数据分析挖掘实现智能工厂整体优化、企业实时智能决策等应用,实现企业生产管理领域的系统性提升。罗克韦尔公司自动化部门与微软 AZURE 平台合作,打通了 OT 层自动化系统与IT 层业务系统数据,基于大量数据进行工厂系统建模与关联分析,实现生产物料管理、产品质量检测、生产管控一体化等综合功能,探索数字工厂应用。

3.产业/资源层面从信息交互向资源优化配置演进

工业互联网平台在应用过程中汇聚了大量工业数据、模型算法、软件工具,乃至研发设计、生产加工等各类资源与能力。目前这些资源在平台上主要通过简单信息交互实现供需对接与资源共享等浅层次应用。未来,随着平台全局运行分析与系统建模能力的逐步提升,平台将成为全局资源优化配置的关键载体。找钢网平台在为钢铁行业上下游企业提供钢材资源供需对接服务的基础上,正在探索基于大数据分析的钢厂精准供需匹配、资源区域性优化投放和最优定价策略。

三是“孤岛”。数据孤岛是几乎所有企业都面临的困境。从单一企业内部来看,存在着不同时期由不同供应商建设的客户管理、生产管理、销售采购、订单仓储、财务人力等众多IT系统,烟囱林立,而要深度推进智能制造,更要打通IT和OT,推进难度非常大,而且越大的企业包袱越重。从全行业看,发展工业互联网,实现从单一企业内部的局部优化,跨越到整个产业链的全局优化,必然要实现产销与供应链上不同企业之间的数据流通,进一步面临着安全合规、商业模式和技术标准的更大挑战。调查显示,超过半数的企业表示需要使用外部数据或对外提供数据,仅有2.7%企业觉得不会涉及数据合作。德国工业4.0计划已经把数据流通作为重点议题,国内促进工业数据流通方面工作还需加快。

这样的星星之火还有很多。可以说,随着这几年工业互联网的不断深入发展,工业领域的数据分析应用取得了令人可喜的进步。

(二)工业互联网平台当前总体应用于四大场景

1.面向工业现场的生产过程优化

工业互联网平台能够有效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,通过数据分析和反馈在制造工艺、生产流程、质量管理、设备维护和能耗管理等具体场景中实现优化应用。

制造工艺场景中,工业互联网平台可对工艺参数、设备运行等数据进行综合分析,找出生产过程中的最优参数,提升制造品质。例如 GE 基于 Predix 平台实现高压涡轮叶片钻孔工艺参数的优化,将产品一次成型率由不到 25%提升到 95%以上。

生产流程场景中,通过平台对生产进度、物料管理、企业管理等数据进行分析,提升排产、进度、物料、人员等方面管理的准确性。博世基于平台为欧司朗集团提供生产绩效管理服务,可在生产环境中协调不同来源的数据,提取有价值的信息并自动运用专家知识进行评估,实现了生产任务的自动分配。

质量管理场景中,工业互联网平台基于产品检验数据和“人机料法环”等过程数据进行关联性分析,实现在线质量监测和异常分析,降低产品不良率。富士康集团基于其平台实现全场产品良率自动诊断,打通车间产能、质量、人力、成本等各类运行状况数据,并对相关数据进行分析计算和大数据优化,使良率诊断时间缩短 90%。

设备维护场景中,工业互联网平台结合设备历史数据与实时运行数据,构建数字孪生,及时监控设备运行状态,并实现设备预测性维护。例如嵌入式计算机产品供应商 Kontron 公司基于Intel IoT 平台智能网关和监测技术,可将机器运行数据和故障参数发送到后台系统进行建模分析,实现板卡类制造设备的预测性维护。

能耗管理场景中,基于现场能耗数据的采集与分析,对设备、产线、场景能效使用进行合理规划,提高能源使用效率,实现节能减排。例如施耐德为康密劳硅锰及电解锰冶炼工厂提供EcoStruxure 能效管理平台服务,建立能源设备管理、生产能耗分析、能源事件管理等功能集成的统一架构,实现了锰矿生产过程中的能耗优化。

2.面向企业运营的管理决策优化

借助工业互联网平台可打通生产现场数据、企业管理数据和供应链数据,提升决策效率,实现更加精准与透明的企业管理, 其具体场景包括供应链管理优化、生产管控一体化、企业决策管理等。

供应链管理场景中,工业互联网平台可实时跟踪现场物料消耗,结合库存情况安排供应商进行精准配货,实现零库存管理, 有效降低库存成本。雅戈尔基于 IBM Bluemix 平台对供应链和生产系统的重要数据进行抽取和多维分析,优化供应链管理并使库存周转率提高了 1 倍以上,库存成本节省了 2.5 亿元,缺货损失减少了 30%以上,工厂的准时交货率达到 99%以上。

生产管控一体化场景中,基于工业互联网平台进行业务管理 系统和生产执行系统集成,实现企业管理和现场生产的协同优化。石化盈科通过 ProMACE 平台在炼化厂的应用,围绕生产计划优化, 推动经营绩效分析、供应链一体化协同及排产、实时优化、先进 控制和控制回路的闭环管控,实现财务日结月清。

企业决策管理场景中,工业互联网平台通过对企业内部数据的全面感知和综合分析,有效支撑企业智能决策。中联重科结合SAP HANA 平台的计算能力及 SAP SLT 数据复制技术,实现工程起重机销售服务、客户信用销售、集团内控运营三个领域的实时分析,有效针对市场变化做出快速智能决策。

3. 面向社会化生产的资源优化配置与协同

工业互联网平台可实现制造企业与外部用户需求、创新资源、生产能力的全面对接,推动设计、制造、供应和服务环节的并行 组织和协同优化。其具体场景包括协同制造、制造能力交易与个 性定制等。

协同制造场景中,工业互联网平台通过有效集成不同设计企业、生产企业及供应链企业的业务系统,实现设计、生产的并行实施,大幅缩短产品研发设计与生产周期,降低成本。如河南航天液压气动技术有限公司基于航天云网 INDICS 平台实现了与总体设计部、总装厂所的协同研发与工艺设计,研发周期缩短 35%、资源利用率提升 30%,生产效率提高 40%。

制造能力交易场景中,工业企业通过工业互联网平台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 iSESOL 平台向奥邦锻造公司提供了 i5 机床租赁服务通过平台以融资租赁模式向奥邦提供机床,按照制造能力付费,有效降低了用户资金门槛,释放了产能。

个性定制场景中,工业互联网平台实现企业与用户的无缝对接,形成满足用户需求的个性化定制方案,提升产品价值,增强用户粘性。例如海尔依托 COSMOPlat 平台与用户进行充分交互, 对用户个性化定制订单进行全过程追踪,同时将需求搜集、产品订单、原料供应、产品设计、生产组装和智能分析等环节打通, 打造了适应大规模定制模式的生产系统,形成了 6000 多种个性化定制方案,使用户订单合格率提高 2%,交付周期缩短 50%。江森自控-日立公司基于 Ayla 平台,打通社交媒体数据,整合 8 亿微信用户需求,提供商用空调定制服务。

产融结合场景中,工业互联网平台通过工业数据的汇聚分析, 为金融行业提供评估支撑,为银行放贷、股权投资、企业保险等金融业务提供量化依据。如树根互联与久隆保险基于根云RootCloud 共同推出 UBI 挖机延保产品数据平台,明确适合开展业务的机器类型,指导保险对每一档进行精准定价。

4. 面向产品全生命周期的管理与服务优化

工业互联网平台可以将产品设计、生产、运行和服务数据进行全面集成,以全生命周期可追溯为基础,在设计环节实现可制造性预测,在使用环节实现健康管理,并通过生产与使用数据的反馈改进产品设计。当前其具体场景主要有产品溯源、产品/装备远程预测性维护、产品设计反馈优化等。

产品溯源场景中,工业互联网平台借助标识技术记录产品生产、物流、服务等各类信息,综合形成产品档案,为全生命周期管理应用提供支撑。例如 PTC 借助 ThingWorx 平台的全生命周期追溯系统,帮助芯片制造公司 ATI 实现生产环节到使用环节的全打通,使每个产品具备单一数据来源,为产品售后服务提供全面准确信息。产品/装备远程预测性维护场景中,在平台中将产品/装备的实时运行数据与其设计数据、制造数据、历史维护数据进行融合,提供运行决策和维护建议,实现设备故障的提前预警、远程维护等设备健康管理应用。例如 ABB 为远洋船舶运营公司 Torvald Klaveness 的多用途船提供 ABB Ability 平台服务,通过船上的传感器收集信息,并进行性能参数分析,实现对远洋航行船舶的实时监控、预警维护和性能优化。SAP 为意大利铁路运营商Trenitalia 提供车辆维护服务,通过加装传感器实时采集火车各部件数据,依托 HANA 平台集成实时数据与维护数据、仪器仪表参数并进行分析,远程诊断火车运行状态,提供预测性维护方案。

产品设计反馈优化场景中,工业互联网平台可以将产品运行 和用户使用行为数据反馈到设计和制造阶段,从而改进设计方案, 加速创新迭代。例如 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、流程进行优化,通过不断迭代实现了发 动机的设计改进和性能提升。

本文摘自《工业互联网平台白皮书(2017).pdf》如需获取PDF原告,请关注公众号“创业股”,并输入关键字“工业互联网平台白皮书”。

图片 7

四是“浅层”。大数据在工业领域的作用,纵向可以从三个层次来看:最基础的,是可以根据数据来描述工业产线、营销和企业经营活动的历史与现状;进一步的,可以基于数据预测设备、车间和整个企业的未来状况;最高层次,是根据数据分析结果,绕过人工干预,自动的直接指导企业运作,形成智能化的数据闭环。横向则可以跨越设计、生产、销售、服务等全链条。但推进情况如何呢?最近,工业互联网联盟对国内外366个工业互联网平台应用案例进行了分析,40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域,而在涉及数据范围更广、分析复杂度更高的经营管理优化和资源匹配协同等场景中,多数平台现有数据分析能力还无法满足应用要求,需要进一步推动数据分析技术创新以及实现长期的工业知识积累。工业数据分析的深度还需加快爬坡升级。

图片 8

工业互联网的长期目标,是构建“数字双胞胎”,使得物理世界的万物得以在数字世界重现,通过数字世界里的计算、分析、预测、优化,来指导物理世界的最优化运行。这就要求在物理和数字这对双胞胎之间架设畅通的“大动脉”。数据就是这大动脉里流淌的血液。只有工业数据越来越丰富、全面,质量越来越高,“数字双胞胎”才能长得像。在这基础上,对工业数据的分析利用,还需要结合对物理机理模型的透彻理解,甚至老师傅几十年积累的经验,不断迭代、走向深入。做好了这些,数据对制造业转型的基础资源作用和创新引擎作用就能真正发挥出来。

二、工业大数据发展面临四方面挑战

(作者系中国信息通信研究院云计算与大数据研究所主任)

然而,也应该看到,成功案例仍然只是星星之火。由点及面形成燎原之势,任重道远。

挑战1:工业数据资源不丰富

理论上,工业领域的数据应该是非常丰富的,麦肯锡2009年的报告显示,美国的离散制造业是所有行业中数据储量最大的。但实际上,有价值的数据非常稀缺,原因是在工业领域,有分析利用价值的机器数据往往需要包含故障情形下的“坏”样本。但很多工业系统的数据可靠性较高,观测到故障并且已经标记的有效样本更是难能可贵。还有一些工业场景,只有在极短的时间内采集测量数据,才能捕获机器设备的细微状况,这就要求时序数据库和流处理平台等专用的新一代数据存储软件提供支撑。

很多工业企业面临“数到用时方恨少”的尴尬。根据中国信息通信研究院和工业互联网产业联盟2018年年底对国内74家工业企业的调研,我国工业企业的数据资源存量普遍不大,66%的企业数据总量都在20TB以下,还不到一个省级电信运营商日增数据量的1/10。数据资源不丰富,与我国工业互联网发展还处于起步阶段有关。企业数字化、网络化程度普遍较低,数据资源的积累尚需时日。而目前工业系统协议“七国八制”现象非常突出,很多软件系统的接口不开放,也增加了数据采集的技术难度。

图片 9

挑战2:工业数据资产管理滞后

计算机科学家警钟长鸣:警惕“垃圾进,垃圾出”。数据质量问题是长期困扰数据分析工作的难题。权威数据专家估计,每年低质量的数据会给企业带来10%~20%的损失。工业领域很多时候追求确定性的分析结果,对数据分析的可靠性要求高,因而对数据质量的要求也就更高了。美国一直重视数据质量,在1990年还专门颁布了数据质量法案,2016年美国《联邦大数据研发战略计划》也专门把确保数据质量与提升数据分析可信性作为七大战略之一。

用数据,更要“养”数据。从信息化程度较高的金融、电信、互联网等行业经验来看,如果不开展专门的数据治理,就难以确保数据质量。而调查显示,我国工业企业只有不到1/3的企业开展了数据治理,51%的企业仍在使用文档或更原始的方式进行数据管理。工业企业应该把数据视为与机器设备同等重要甚至更宝贵的资产,加强数据资产管理。好消息是,已经有越来越多的工业企业从主数据或元数据切入,着手开展数据资产管理。而且,随着机器学习技术的发展,智能化的数据资产管理工具也越来越完善,工业数据资产的管理,可以更多依赖人工智能高效完成。但相比信息化程度较高的金融、电信、互联网等行业,工业数据的管理,还有很多欠账要补。

图片 10

挑战3:工业数据孤岛普遍存在

数据孤岛几乎是所有企业都面临的困境。从单一企业内部来看,存在着不同时期由不同供应商开发建设的客户管理、生产管理、销售采购、订单仓储、财务人力等众多IT系统,可谓烟囱林立。而要深度推进智能制造,不仅是上述IT系统要横向互通,还要进一步纵向打通IT和OT两界的数据,推进难度非常大。而且,企业越大,管理和技术包袱越重。

从全行业看,发展工业互联网,实现从单一企业内的局部优化,到整个产业链的全局优化的跨越,必然要实现整个供应链上跨企业的数据流通,这就进一步面临着安全合规、商业模式和技术标准等方面的更大挑战。前述调查显示,超过半数的企业表示需要使用外部数据或对外提供数据,仅有2.7%的企业觉得不会涉及到数据合作,但数据流通由于涉及确权、安全合规等问题,风险和阻力都很大。

图片 11

挑战4:工业数据应用还不深入

大数据在工业领域的作用,纵向可以从3个层次来看:

最基础的,是可以根据数据来描述工业产线、营销和企业经营活动的历史与现状。

更上一层楼,可以基于数据预测设备、车间和整个企业的未来状况。

最高层次,是根据数据分析结果,绕过人工干预,自动地直接指导企业运作,形成智能化的数据闭环。

而大数据在工业领域的作用,横向则可以跨越设计、生产、销售、服务全链条。

然而,工业企业的数据分析应用还普遍处于浅层阶段。最近,工业互联网产业联盟对国内外366个工业互联网平台应用案例进行了分析,40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域,而在涉及数据范围更广、分析复杂度更高的经营管理优化和资源匹配协同等场景中,多数平台现有数据分析能力还无法满足应用要求,还需要进一步推动数据分析技术创新以及实现长期的工业知识积累。

未来,工业数据分析还需以问题为导向,把工业机理与数据科学方法紧密结合,让数据应用的层次再上台阶,从而产出更大价值。

图片 12

三、推进工业大数据发展的思考

工业互联网的长期目标,是构建“数字双胞胎”。只有工业数据越来越丰富、全面,质量越来越高,“双胞胎”才可能长得像,才能“心心相印”。也只有这样,才能让物理世界的万物得以在数字世界重现,通过数字世界里的计算、分析、预测、优化,来指导物理世界的最优运行,从而开辟新的增长空间。为此,还需直面上述挑战,做好几个方面的工作:

夯实数据基础,高度重视数据资产管理的战略价值

企业不仅要关注最终数据分析的显性价值,更要重视数据采集、资产管理、治理、互操作与标准化等基础性工作的价值。磨刀不误砍柴工,只有地基牢固了,工业大数据才能可信、可用,成为价值源泉。

抓住技术创新机遇

数据技术正在进入新的发展阶段,时序数据库、知识图谱、深度学习、安全多方计算等为工业大数据采集、整合与分析孕育着新的动力,将特定应用场景与这些新技术结合,有望带来新的突破。

建立行业标准与规则

在行业层面,可以发挥行业联盟作用,在数据采集协议、数据模型等方面建立行业标准,扫清技术层面互通的障碍。同时,还要推动形成工业企业间数据共享的行业规则,创造安全可信、利益均衡的数据流通生态,为打破全行业数据孤岛铺平道路。

更多关于工业大数据话题的讨论,欢迎登陆慧都科技官网与我们沟通交流。

本文由太阳集团游戏官方网址发布于电工电气,转载请注明出处:工业大数目怎样健全运会用,推动工业互连网还

关键词: