张礼立：从大数据，工业物联网，工业大数据应

看了三一重工的案例，我从，物联网，然后到工业大数据应用这三个方面的感受和看法。

大数据

我们大多数人会认为大数据包含了非结构化数据与结构化数据。我更提倡大数据是“多结构化数据”的说法，无论是自由文本还是关系数据库等，大数据可以由人类产生的数据足迹与机器自动生产的数据两大板块形成。大数据的工具和技术能够为不同的结构化数据服务。

目前三一重工有20万台在外设备安装了自主研发的工业智能控制终端，已累积40TB的工况数据，且每天增量达两亿条。在信息化与工业化融合的过程与商业活动中，我们需要加强机器数据的采集，分析，并且把此项工作作为智能制造的核心工作之一。

2014年，三一集团启动大数据平台建设，通过自主研发了大数据储存与分析平台即“ECC的客户服务平台”，包括所有设备底层控制的硬件和软件，能够实现双向的交互以及对设备的远程控制，可将20多万台客户设备实时运行情况的数据通过传感器传到后台进行分析和优化，最终目的是实现低成本海量设备数据接入与分析，完美实现服务承诺，敏锐洞察用户行为，全生命周期闭环反馈。用户可通过网页或手机APP，随时随地掌握机器各方面的状态。

依据大数据分析，针对常用档位按区域、载荷、温度分别进行精准控制，使新产品的动力总成效率提升8%，油耗降低10%。最初在小范围的工程设备和车联上实行试商用，主要解决信息采集状态不稳定、无线网络传输带宽不足、监控信息平台的网络接口改造等技术问题。

三一重工的“M2M远程数据采集与监控平台”实行规模化商用，建成国内首家工程机械物联网企业控制中心。公司进一步完善了车载M2M系统，作为工程机械的标配，在出厂前全部预装，开通中国移动的M2M服务。

实际上，有关于为了使得工业数据能够最终形成商业机会，我们有四个方面需要关注：

沟通。

即设备环境信号识别。信号识别的关键点是信息收集过程中实时性还不够，信号识别的对象不够完整和全面，这是建立工业大数据能力需要考虑的第一个问题。

集成与融合。

即大数据的数据平台。所谓融合就是说，OA、知识库、ERP、采购系统、等所有的可触摸和非可触摸的数据都应该串联起来。我们整个串联工作还有非常漫长的路要走。

分析与决策。

我们大数据的建模能力不差。缺的是我们对行业理解的投入以及形成模型的能力，以及不断推倒重建和调整的持续投入，因为做出一个好的模型，可能花很多年，而且不断的去修正，这种能力不是一触即发的，需要大家注意。

创建颠覆性的自助服务文化。

机器能够自我学习和自我调节。通过焦点转移到不可见的因素，数据给了我们发现创新的全新多视角，最终导向了革命性的商业机会。

工业互联网/物联网

在工业互联网领域，发达国家走在了前列。国外企业纷纷进军工业物联网。

IIoT平台引起无数供应商的关注是因为工业物联网平台的构成自身就是一个多元化的整合以及不同元素之间相互探索的平台。这也是底层的智能设备与资产所给我们描绘的场景。通过海量的传感器使得设备可认知，通过不同的通讯协议让机器与机器交流M2M，基础设施与配置成为数据的承载，应用工作的协同，让数据与管理流程融合就形成了我们的第三个层面。

通过第二层的对运营数据的各种分析，其中包括了预测分析，可靠性分析，供应链的分析等，最终把这一切动态实时展现在管理层的面前，为运营计划，设备资产维护战略以及成本效率管理作出决策的辅助支撑。

在现代工业供应链中，随着大数据应用的普及，我们可以感受到了从采购，生产，物流与销售市场都是大数据的战场。传感器数据属于工业大数据类别之一，从这些机器数据中，我们可以保障生产，满足法律法规的要求，提升环保，改善客户服务。通过帮我们找到已经发生的问题做好协助预测相类似问题未来重复发生的几率与时间。

工业物联网(IIoT)和工业大数据的出现，以及制造业中，与之相关的预测性分析，和资产密集型部门的兴起，使“资产性能管理”或APM成为这一轮信息化与智能化建设的一个焦点。

资产性能管理(APM)是一个特定的术语，应用于提供与状态检修、可靠性维修以及资产配置策略制定等相关的特定功能的资产管理部分产品。在资产性能管理中，性能指的是资产完成其预设功能的情况。

“预设”是整个资产性能管理的关键字。性能在此处表的含义是资产在“预设”的程度上，給企业带来了哪些价值。资产性能管理的定义具体取决于实际使用该术语的解决方案或服务提供商，在企业内的部署范围，更具ISO55000的规范，应该包罗一切与“资产”有关的事物。

从狭义的保守派来看，资产性能管理重点应该在对资产性能的“控制和决策的技能”。而从广义的定义上看管理，我们也会包括“控制资产性能的行为”管理这个层面。

虽然狭义与广义之间有些微妙，但有助于解释资产性能管理从单点解决方案，变为实现卓越运营的方法的演变的思路。这种方法涵盖了从对资产设备状况原始数据从收集到用于记录、计划和安排维修活动的企业资产管理应用程序。因此，我认为，资产性能管理是一种支持卓越运营的商业流程。

强化及高度重视大数据应用

三一重工开展的大数据应用主要在以下几个方面：

1、预测宏观环境。

三一重工与清华大学合作，推出了“挖掘机指数”，显示设备的施工时长和开工率等数据，根据开工率数据预测下个月固定资产投资增量，在一定程度上可以反映中国宏观经济走势。根据每个省数据情况，发现各省固定资产投资走向，实时分析区域市场变化，指导营销。

2.分析产品结构。

建立基于数据分析的研发模式，可以发现哪种型号产品更受欢迎，对于基于市场定位的产品研发有较强参考价值。

3. 预测设备故障。

在设备出现故障征兆时提前维护，目前在出现故障的设备里有50%可以事先预测，减少了客户的损失。

4.预测配件需求。

通过设备运行状况研究其跟配件消耗之间有什么样的关联，建立起预测模型，可大大降低企业生产成本。

智能设备的未来，一定是能够自主评估健康状况和退化情况并主动预防潜在性能故障，并且做出维修决策，以避免潜在故障的系统。要实现健康条件评估，就需要利用数据驱动算法分析从机械设备及其周边环境中的数据。

实时设备条件信息可反馈至机械控制器以实现自适应控制，同时信息也会反馈至设备管理人员方便及时维修。操作员可根据每台设备的健康条件平衡和调节每台设备工作量和工作压力，从而最大程度优化生产和设备性能，实现主动检修计划的智能决策。

从长期看，硬件制造端的价值在不断降低，智能化产品的价值将不断提升。大数据和智能制造给传统工业带来了巨大冲击，强大的工业数据分析服务将成为制造企业数字化战略的重要组成部分，工业物联网将显现出更大的战略价值。

相关阅读：

 

 

时间:2019-08-01 22:16  来源:    转发量:次