中国工业大数据的实践与思考

同时GE公司的报告还揭示了工业大数据所蕴 含的巨大价值。
为什么今天提出“工业大数据”?
• 我感觉有几个重要背景：
– 第一是数字化装备和产品的普及； – 第二装备和产品网络化连接的普及（互联网+
）；
– 第三是企业向服务型制造转型，第四“从摇篮 到摇篮”制造的必然要求。无疑“智慧互联设 备”、“工业4.0”和“工业互联网”都顺应了 这样一个趋势。
主要内容
• 1、工业大数据 • 2、工业大数据思考 • 3、工业大数据实践
在工业大数据方面的“小实践”：
• 在工业产品全生命周期的各个阶段都有大数据， 比如设计阶段引入用户社区数据，制造阶段使用 机床在线测量数据，在市场营销阶段使用社交网 络数据等。在这里，和大家分享一下使用过程中 产生的装备工况大数据。
应用实践
• 再举个例子，我们 知道液压系统是工 程机械的核心系统 之一，导致故障的 原因有很多，例如 ：密封套腐蚀，内 壁刮花，密封环损 坏，阀块受损，等 等。有了工况大数 据就可以寻找深层 次原因。
应用实践
• 有了工况大数据，我 们通大规模过比对开 工指标，从典型取值 、波动幅度、回传密 度多个维度进行分析 ，自动搜索推荐与故 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。
应用实践
总结
• 工业大数据刚刚起步，需要冷静思考，坚 持应用驱动，最终实现我们的目标。
4、工业大数据有没有“交钥匙”工程？ 没有“交钥匙”工程
• 持续迭代
– 新装备：需要对装备进行改进，实现互联互通、透彻 感知
– 新数据：需要从多个渠道去获取数据并相互关联 – 新业务：需要打破传统组织边界衍生新型业务 – 新模式：甚至在产业链上谋求模式的改变
• 深度融合
– 物理设备和信息的融合 – 业务过程和数据的融合 – 领域专家和数据科学家的融合
趋势和动力
主要内容
1、工业大数据 2、工业大数据思考 3、工业大数据实践
对工业大数据的几点思考：
1、工业大数据从哪里来？
• 工业大数据来源于产品生命周期的各个环节 ，包括市场、设计、制造、服务、再利用各 个环节，每个环节都会有大数据，“全”生 命周期汇合起来的数据更大，当然企业外、 产业链外的“跨界”数据也是工业大数据“ 不可忽视”的重要来源。
4、工业大数据有没有“交钥匙”工程？
• 新世纪以来，我国工业界经历了轰轰烈烈 的信息化浪潮，“不搞信息化等死，搞了 信息化找死”，后半句话告述我们，“信 息化”是有难度和风险的，所以“交钥匙 ”工程成了广大企业所期望的方式。
4、工业大数据有没有“交钥匙”工程？
• 我个人的观点，工业大数据不存在“交钥匙”工程（至少 现在），原因如下：
应用实践
• 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年~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 原因提供了重要线索 。
• 最后，我们可以 通过大规模工况 数据透视宏观装 备应用情况，可 以根据这些信息 ，进行易损配件 需求的预测，优 化调配我们的服 务资源，甚至我 们可以推测各地 宏观经济情况。
1、工业大数据从哪里来？
2、工业大数据和企业已有数据之间的关系？
• 传统企业信息化的“四大件”，广义 PLM系统（包括CAX）支持产品开发、 ERP系统负责“人财物、产供销”、SCM 系统协调供应链，CRM系统关照企业客户 和用户，这些系统一般架构在关系数据库 系统之上，显然这些系统中的数据是工业 大数据，是其中的“20%”部分。
中国工业大数据的 实践与思考
演讲者：王建民
Байду номын сангаас讲人介绍：
王建民 现为清华大学软件学院教授、博士生
导师，副院长、党委书记，信息系统与工 程研究所所长。国家“十一五”863计划先 进制造领域专家。中国计算机学会高级会 员，数据库专委会委员，Petri网专委会委 员。
主要内容
• 1、工业大数据 • 2、工业大数据思考 • 3、工业大数据实践
– 静脉血管，数据写入 – 动脉血管，数据查询 – 整个过程生命不能停顿，系统不能
中断运行
– 意外发生可以恢复，切换途中可以 回退
切换方案
根据我们的实践，工况大数据的典型应用场 景如下页面所示：
应用实践
• 首先看时空监管的例子。 当得到工况数据以后，首 先是对一般运营进行监管 ，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，例如：以搅拌站 为例，通过收集位置数据 、油位数据可以对搅拌车 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。
3、工业大数据和业务流程的关系？ • 从过程产生数据到数据驱动过程
• 过程管理的“不变”与“变”
– “不变”：企业在业务过程中凝结人类劳动 – “变”：长流程的碎片化、基于数据的路由等
• 企业的“本”与“末”
– “本”：产品+服务、物质加实质、产品生命 周期等
– “末”：单纯强调信息化技术先进性、甚至赶 “时髦”
• 不举小数据之“纲”，难张大数据之“目”
3、工业大数据和业务流程的关系？
• 传统企业信息化项目一般是从梳理业务流 程起步的，流程“主动”、数据“被动” 。而工业大数据环境下，要求企业快速满 足个性化用户需求，企业僵化的“长流程 ”，难以适应“实时决策”的要求，需要 变“流程驱动”为“数据驱动”，至少是 “混合驱动”，“流程”和“数据”深度 融合。上述表现，就是我们说的“流程碎 片化”，数据成为连接这些“碎片”的媒 介。
1、工业大数据
• 简单来讲，工业大数据就是在工业领域信息 化相关应用中所产生的海量数据，注意这里 的“相关应用”意味着不仅包括企业内和产 业链，还包括客户用户和互联网上的数据。
• 2012年，GE公司率先明确了“工业大数据” 的概念。同年麦肯锡的报告中给出了一个有 趣的事实：那就是在虚拟经济占主导地位的 美国，其工业界蕴含的数据总量反而是最大 的。
2、工业大数据和企业已有数据之间的关系？ 工业大数据领域2/8法则
• 数据价值密度
– 20%的SQL小数据具有80%的价值密度
• 例如：产品图纸、试验分析、加工工艺等
– 80%的工业大数据密度只有20%，需要分析挖掘
• 例如：工况数据、图片数据、文本数据等
• 数据的依赖关系
– 20%的SQL小数据将引爆80%工业大数据价值
• 1) 工业大数据项目主要不是针对“现有业务”，而是针 对“未来业务”、“创新业务”的，其魅力在于创新性、 不确定性；
• 2) 工业大数据现在还处在“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 规律为发现目标的工业大数据处理更是刚刚起步；
• 3) 人们普遍认同的“领域专家”、“统计专家”和“软 件专家”组成的协同团队，是当前“大数据”深度应用的 有效方法。
• 首先，工况大数据平台不是单独存在的，需要嵌 入企业已有信息系统，比如客户服务系统，需要 将大数据系统与SQL系统进行融合协同应用，有 时需要切换原来的数据管理系统，在实践中我们 总结出“四阶段”切换方案。
在企业内部切换数据库的难度
• 如果将数据比作血液，数据库相 当于心脏
• 替换数据库相当于心脏移植