解讀工業大數據的來源、實施項目的關鍵問題

近年來，隨著德國工業4.0和美國工業互聯網為代表的新工業革命深入發展，以及“中國制造2025”、“互聯網+”行動計劃與“促進大數據發展行動綱要”的頒布實施，工業大數據得到了越來越多的關注。這里分享一下我們的思考與實踐。

1、工業大數據三大來源

企業信息系統、裝備物聯網和企業外部互聯網是工業大數據的三大來源：

企業信息系統存儲了高價值密度的核心業務數據。上世紀60年代以來信息技術加速應用于工業領域，形成了產品生命周期管理(PLM)、企業資源規劃(ERP)、供應鏈管理(SCM)和客戶關系管理(CRM)等企業信息系統。這些系統中積累的產品研發數據、生產制造數據、物流供應數據以及客戶服務數據，存在于企業或產業鏈內部，是工業領域傳統數據資產。

近年來物聯網技術快速發展，裝備物聯網成為工業大數據新的、增長最快的來源，它實時自動采集了生產設備和交付產品的狀態與工況數據。一方面，機床等生產設備物聯網數據為智能工廠生產調度、質量控制和績效管理提供了實時數據基礎；另一方面，2012年美國通用電氣公司提出的工業大數據(狹義的)，專指裝備使用過程中由傳感器采集的大規模時間序列數據，包括裝備狀態參數、工況負載和作業環境等信息，可以幫助用戶提高裝備運行效率，拓展制造服務。

當前互聯網與工業深度融合，企業外部互聯網已成為工業大數據不可忽視的來源。本世紀初，日本企業就開始利用互聯網數據分析獲取用戶的產品評價，時至今日，小米手機利用社交媒體數據成功實現產品創新研發。此外，外部互聯網還存在著海量的“跨界”數據，比如影響裝備作業的氣象數據、影響產品市場預測的宏觀經濟數據、影響企業生產成本的環境法規數據……

2、工業大數據實施的關鍵問題

數據質量、多源關聯和系統集成是工業大數據實施的關鍵問題：

擁有大數據不是目的，發掘其價值才是關鍵。由企業信息化數據、裝備物聯網數據和外部互聯網數據匯聚而成的工業大數據，蘊藏著巨大價值。例如，通過分析用戶使用數據改進產品，通過分析現場測量數據提高工件加工水平，通過工況數據進行產品健康管理等。

筆者認為實施工業大數據項目需要關注以下3個關鍵問題：

（1）數據質量控制問題

原始數據(生數據)質量決定分析結果的質量。企業信息系統數據質量仍然存在問題，例如2014年某大型機車企業ERP系統中近20%物料存在“一物多碼”問題。裝備物聯網數據質量堪憂，某大型制造企業1個月的狀態工況數據中，無效工況(如盾構機傳回了工程車工況)、重名工況(同一狀態工況使用不同名字)、時標混亂(當前時間錯誤或時標對不齊)等數據質量問題約30%。

（2）多源數據關聯問題

層次化的物料表(Bill Of Material， BOM)定義了企業信息系統數據的核心語義結構。針對跨生命周期的研制BOM和實例BOM間結構失配問題，我們提出了中性BOM模型，并以此為核心，向前關聯設計制造BOM，向后關聯服務保障BOM，形成星型結構，極大地降低了數據關聯的復雜度。同時，針對裝備物聯網數據和外部互聯網數據，可以根據其綁定的物理對象(零部件或產品)與相應的BOM節點相關聯。從而以BOM為橋梁，關聯3個不同來源的工業大數據。

（3）大數據系統集成問題

工業大數據其來源更加廣泛，并且裝備物聯網數據(半結構化數據)和外部互聯網數據(非結構化數據)都要與企業信息系統(結構化數據)進行集成，因此要重構數據支撐平臺，甚至替換“舊”系統。

3、工業大數據實施工程案例

工業大數據分析提升工程裝備服務保障水平，這里分享兩個工程案例：

案例1、工業大數據提供故障分析新手段

液壓系統是工程機械的關鍵部件。2013年我們發現液壓系統的油缸密封套腐蝕故障數量異常。于是依據企業信息系統記錄的液壓系統維修歷史數據，通過比對相關狀態工況數據(裝備物聯網數據)，搜索推薦與故障車輛關系密切的工況，發現車輛油缸換向頻率的波動幅度與這些故障高度相關。

進一步，引入互聯網上的行政區劃數據和歷年工程建設數據(外部互聯網數據)后，發現2012～2013年期間這些典型故障均發生在沿海省份，從而推斷出鹽霧環境是導致密封套腐蝕故障的主要誘因。

案例2、工業大數據提升備件需求預測精度

隨著工程裝備增量市場增長乏力，以維修保障為主的存量市場成為企業盈利新的增長點。我們利用了企業信息系統中的備件銷售訂單、采購訂單和備件庫存狀態數據，以及工程物聯網采集到的工況數據和外部互聯網數據(如每個省的GDP，建筑、交通等規劃數據)。

針對30個省市區進行了備件需要預測，平均預測精度為82%，每旬備件需求預測誤差在5件或真實值的20%以內。庫存水平控制在一個較低的穩定水平，僅為原來庫存水平的48%。同時，因為考慮到了20天的配貨周期，基于預測的補貨策略可以保證現貨滿足率，消除緊急臨時訂單。如果按備件庫存占有資金1億元計算，可節約庫存資金占用5000萬元。

工業大數據是實現智能制造的基礎原料，是提升工業生產力、競爭力、創新力的關鍵要素。然而必須看到，工業大數據是一個正在發展的學科領域，其內涵外延、模型理論、技術方法及其實施策略等還有待發展與創新。唯有結合中國國情認真實踐，才能走出中國工業大數據自主之路，實現制造強國的戰略目標。