论坛与新闻

工业大数据的范畴、关键问题与实践(1)

工业大数据的范畴、关键问题与实践(一)

(2017年6月2日)

编者注:本文是清华大学王建民教授55日在杭州举办的——2017中国工业大数据大会钱塘峰会发表的重要演讲。

探索走出符合国情的工业大数据自主之路

——工业大数据的范畴、关键问题与实践

近年来,随着德国工业4.0和美国工业互联网为代表的新工业革命深入发展,以及“中国制造2025”、“互联网+”行动计划与“促进大数据发展行动纲要”的颁布实施,工业大数据得到了越来越多的关注。这里分享一下我们的思考与实践。

工业大数据三大来源

企业信息系统、装备物联网和企业外部互联网是工业大数据的三大来源

企业信息系统存储了高价值密度的核心业务数据。上世纪60年代以来信息技术加速应用于工业领域,形成了产品生命周期管理(PLM)、企业资源规划(ERP)、供应链管理(SCM)和客户关系管理(CRM)等企业信息系统。这些系统中积累的产品研发数据、生产制造数据、物流供应数据以及客户服务数 据,存在于企业或产业链内部,是工业领域传统数据资产。

近年来物联网技术快速发展,装备物联网成为工业大数据新的、增长最快的来源,它实时自动采集了生产设备和交付产品的状态与工况数据。一方面,机床等生产设备 物联网数据为智能工厂生产调度、质量控制和绩效管理提供了实时数据基础;另一方面,2012年美国通用电气公司提出的工业大数据(狭义的),专指装备使用过程中由传感器采集的大规模时间序列数据,包括装备状态参数、工况负载和作业环境等信息,可以帮助用户提高装备运行效率,拓展制造服务。

当前互联网与工业深度融合,企业外部互联网已成为工业大数据不可忽视的来源。本世纪初,日本企业就开始利用互联网数据分析获取用户的产品评价,时至今日,小米手机利用社交媒体数据成功实现产品创新研发。此外,外部互联网还存在着海量的“跨界”数据,比如影响装备作业的气象数据、影响产品市场预测的宏观经济数 据、影响企业生产成本的环境法规数据……

(未完待续)

(选摘自 公众微信号 钱塘大数据)