王建民：工业大数据技术综述（5）

王建民：工业大数据技术综述（五）

（2018年11月30日）

6、工业大数据典型应用场景

工业大数据的应用主要是实现制造业企业生命周期的智能化水平提升，以智能化生产为核心，涵盖了从设计研发、生产制造、经营管理到售后服务的整个流程，实现提质增效。随着工业互联网的发展，企业的数据从内部数据实现了跨界，应用也随之拓展到“互联网+用户”“互联网+产业链”“互联网+服务”等场景。工业互联网产业联盟发布的《工业互联网体系架构》对此进行了总结，将其分成了4类典型场景：智能化生产、个性化定制、网络化协同、服务化延伸。

以采矿为例，图7是未来智慧矿山的场景。传统矿山经营过程中有很多装备，一般是按照数月前拟定的计划生产，不能很好地满足市场的实际需求，经常会存在过度生产或者生产不足的问题[6]。未来可以通过工业大数据直接感知市场需求，通过市场分析可以知道哪一种铁矿石配比在当前市场上适销，据此确定各种铁矿石的生产需求，并制定生产计划，然后实时将操作命令下达到相应的智能化工程装备，指挥这些工程装备协同工作，这就是跨尺度的信息集成和优化。也就是说，把当天的市场需求通过大数据挖掘出来，直接传达到设备上，变成设备的行动和操作。还可以通过设备网络化，实时获取装备工况数据。当工程装备出现问题或异常时，及时地发现问题，找到问题的原因。另外，还可以通过大数据构建基于规则或案例的故障预测系统，对装备状态进行预测，更好地保障设备健康。

图7 未来智慧矿山的场景

由此可见，工业大数据是提升工业生产效率，降低能耗，转变高耗能、低效率、劳动密集的粗放型生产面貌的必要手段。结合数控机床、工业机器人等自动生产设备的使用，并建立从经营到生产系统贯通融合的数据流，做到数据全打通和数据流通不落地，可以提升企业整体生产效率，降低劳动力投入，有效管理并优化各种资源的流转与消耗。大数据也是实现工业企业从制造向服务转型的关键支撑技术。工业领域智能服务的本质就是智能产品加上感知控制能力和大数据分析，通过对产品使用过程中的自身工作状况、周边环境、用户操作行为等数据进行采集和分析，可以提供在线健康检测、故障诊断预警等服务以及支持在线租用、按使用付费等新的服务模型。

（未完待续）

王建民（1968?），男，博士，教授、博士生导师、清华大学信息科学技术学院（一级院系）副院长，清华大学软件学院院长，数据科学研究院副院长、管理委员会副主任，大数据系统软件国家工程实验室执行主任，工业大数据系统与应用北京市重点实验室主任。主要研究方向为大数据系统软件、工业大数据、产品全生命周期管理、业务过程管理等。

（摘编自 公共微信号 BDR 大数据期刊）