工業(yè)大數據是互聯網、大數據和工業(yè)產業(yè)結合的產物，是中國制造2025、工業(yè)互聯網、工業(yè)4.0等國家戰(zhàn)略在企業(yè)的落腳點。

對于企業(yè)而言，了解工業(yè)大數據產生的背景，歸納工業(yè)企業(yè)大數據的分類和特點，從數據流推動工業(yè)價值創(chuàng)造的視角看待、重造工業(yè)價值流程，將具有很強的現實意義。文章最后，筆者分享幾個在工業(yè)領域數據驅動價值創(chuàng)造的案例，希望起到拋磚引玉的作用。

01

工業(yè)大數據產生的背景

在工業(yè)生產中，無時不刻都在產生數據。生產機床的轉速、能耗，食品加工的溫濕度，火力發(fā)電機組的燃燒和燃煤消耗，汽車的裝備數據，物流車隊的位置和速度等，都是在生產過程中的數據。

自從工業(yè)從社會生產中獨立成為一個門類以來，工業(yè)生產的數據采集、使用范圍就逐步加大。從泰勒拿著秒表計算工人的用鐵鍬送煤到鍋爐的時間開始，是對制造管理數據的采集和使用；福特汽車的流水化生產，是對汽車生產過程的工業(yè)數據的采集和工廠內使用；豐田的精益生產模式，將數據的采集和使用擴大到工廠和上下游供應鏈；核電站發(fā)電過程中全程自動化將生產過程數據的自動化水平提高到更高程度。

任何數據的采集和使用都是有成本的，工業(yè)數據也不例外。但隨著信息、電子和數學技術的發(fā)展，傳感器、物聯網等技術的發(fā)展，一批智能化、高精度、長續(xù)航、高性價比、微型傳感器面世，以物聯網為代表的新一代網絡技術在移動數據通信的支持下，能做到任何時間、任何地點采集、傳送數據。以云計算為代表的新型數據處理基礎架構，大幅降低工業(yè)數據處理的技術門檻和成本支出。以工業(yè)領域的SCADA系統(tǒng)為例，傳統(tǒng)模式下每個電網、化工企業(yè)都需要建立一套SCADA系統(tǒng)，成本在千萬以上，如果采用云架構模式，成本將可以降低7成以上。

社會需求變革是最大拉動力。在商品過剩經濟時代，以個性化為代表的消費文化，使得工業(yè)企業(yè)的產出物，要最大限度匹配個性需求。從服裝定制，車輛選配，到T恤的印花和個性化教育。

要響應個性化需求，有兩種方式，以服裝定制為例，就是靠老師傅用尺子量，眼見手摸，憑借經驗，確定服裝的裁剪和版型，這種我們可以稱之為模擬方式，效率和質量難以保證，耗時長，個性化定制的成本高；還有一種是數字方式，就是通過制訂一套數據采集手段，由前臺的客戶代表測量采集用戶身形數據，然后將數據傳回總部，將結合生產原材料數據，將需求分解為一項一項的生產工藝動作，最后也生產出達到定制化要求服裝。

當然了，工廠也會聘請資深的老師傅，他們的主要工作不是面對一個個客戶的定制化需求，而是去研究更好的生產工藝，對數據和工藝分解進行把控。這種模式下，效率和質量得到保證，效率隨著生產線的擴容線性提升，有一批專家隊伍不斷研究提升工藝能力，定制化生產的成本將得以顯著攤薄。從發(fā)展趨勢看，后者這種數字模式的個性化生產將是未來選擇。

國策方針是重要影響力。完成了工業(yè)自動化過程的德國工業(yè)界，在自動化基礎上，以工業(yè)數據為基礎，引入云計算和人工智能技術，提升工業(yè)的智能化水平，以滿足大批量個性化定制的社會生產需求；美國擁有強大的云計算、互聯網及數據處理能力，基于此，提出工業(yè)互聯網戰(zhàn)略，將單個設備、單條生產線、單個工廠的數據聯網，通過大數據處理后，在診斷、預測、后服務等方面挖掘工業(yè)服務的價值。

中國相對于德國、美國而言，在工業(yè)自動化、在云計算等領域都處于發(fā)展期，因此提出中國制造2025計劃，通過工業(yè)化和信息化融合發(fā)展的方式，將工業(yè)化和信息化整體規(guī)劃，并制定一系列的重點工程和推進計劃。

02

工業(yè)大數據的特點和分類

不管是工業(yè)自動化、還是工業(yè)智能化（工業(yè)4.0）、或者是工業(yè)互聯網概念，他們的基礎是工業(yè)數據。

隨著行業(yè)發(fā)展，工業(yè)企業(yè)收集的數據維度不斷擴大。主要體現在三個方面：

一是時間維度不斷延長。經過多年的生產經營，積累下來歷年的產品數據、工業(yè)數據、原材料數據和生產設備數據；

二是數據范圍不斷擴大。隨著企業(yè)信息化建設的過程，一方面積累了企業(yè)的財務、供應商數據，也通過CRM系統(tǒng)積累了客戶數據，通過CAD等積累了研發(fā)過程數據，通過攝像頭積累了生產安全數據等，另一方面越來越多的外部數據也被收集回來，包括市場數據、社交網絡數據、企業(yè)輿情數據等；

三是數據粒度不斷細化。從一款產品到多款、多系列產品使得產品數據不斷細化，從單機機床到聯網機床，使得數據交互頻率大大增強；加工精度從1mm提升到0.2mm，從5分鐘每次的統(tǒng)計到每5秒的全程監(jiān)測，都使得采集到的數據精細度不斷提升。

以上三個維度最終導致企業(yè)所積累的數據量以加速度的方式在增加，構成了工業(yè)大數據的集合。不管企業(yè)是否承認，這些數據都堆砌在工廠的各個角落，而且在不斷增加。

再從企業(yè)經營的視角來看待這些工業(yè)數據。可以按照數據的用途分成三類：

第一類是經營性數據，比如財務、資產、人事、供應商基礎信息等數據，這些數據在企業(yè)信息化建設過程中陸陸續(xù)續(xù)積累起來，表現了一個工業(yè)企業(yè)的經營要素和成果。

第二類是生產性數據，這部分是圍繞企業(yè)生產過程中積累的數據，包括原材料、研發(fā)、生產工藝、半成品、成品、售后服務等。隨著數字機床、自動化生產線、SCADA系統(tǒng)的建設，這些數據也被企業(yè)大量記錄下來。這些數據是工業(yè)生產過程中價值增值的體現，是決定企業(yè)差異性的核心所在。

第三類是環(huán)境類數據，包括布置在機床的設備診斷系統(tǒng)，庫房、車間的溫濕度數據，以及能耗數據，廢水廢氣的排放等數據。這些數據對工業(yè)生產過程中起到約束作用。

從目前的數據采用情況看，經營類數據利用率最高，生產性數據和環(huán)境類數據相比差距比較大。從未來數據量來說，生產線數據在工業(yè)企業(yè)數據中的占比將越來越大，環(huán)境類數據也將越來越多樣化。

一般意義上，大數據有具有數據量大、數據種類多、商業(yè)價值高、處理速度高，在此基礎上，工業(yè)大數據還有兩大特點。

一是準確率高，大數據一般的應用場景是預測，在一般性商業(yè)領域，如果預測準確率達到90%已經是很高了，如果是99%就是卓越了。但在工業(yè)領域的很多應用場景中，對準確率的要求達到99.9%甚至更高，比如軌道交通自動控制，再比如定制生產，如果把甲乙客戶的訂單參數搞混了，就會造成經濟損失。

二是實時性強，工業(yè)大數據重要的應用場景是實時監(jiān)測、實時預警、實時控制。一旦數據的采集、傳輸和應用等全處理流程耗時過長，就難以在生產過程中發(fā)揮價值。

03

工業(yè)大數據應用案例

企業(yè)所積累的數據量以越來越快的速度在增加，很多企業(yè)也就順勢將大數據技術引入企業(yè)的生產經營中。大數據在工業(yè)企業(yè)的應用主要體現在三方面：

一是基于數據的產品價值挖掘。通過對產品及相關數據進行二次挖掘，創(chuàng)造新價值。

日本的科研人員日前設計出一種新型座椅，能夠通過分析相關數據識別主人，以此確保汽車的安全。這種座椅裝有360個不同類型的感應器，可以收集并分析駕駛者的體重、壓力值，甚至坐到座椅上的方式等多種信息，并將它們與車載系統(tǒng)中內置的車主信息進行匹配，以此判斷駕駛者是否為車主，從而決定是否開動汽車。實驗數據顯示，這種車座的識別準確率高達98%。

三一公司的挖掘機指數也是如此。通過在線跟蹤銷售出去的挖掘機的開工、負荷情況，就能了解全國各地基建情況，進而對于宏觀經濟判斷、市場銷售布局、金融服務提供調整依據。

二是提升服務型生產。提升服務型生產就是增加服務在生產（產品）的價值比重。主要體現在兩個方向。一是前向延伸，就是在售前階段，通過用戶參與、個性化設計的方式，吸引、引導和鎖定用戶。比如紅領西服的服裝定制，通過精準的量體裁衣，在其他成衣服裝規(guī)模關店的市場下，能保持每年150%的收入和利潤增長，每件衣服的成本僅比成衣高10%。當然了，小米手機也屬于這一類。二是后向延伸，通過銷售的產品建立客戶和廠家的互動，產生持續(xù)性價值。蘋果手機的硬件配置是標準的，但每個蘋果手機用戶安裝的軟件是個性化的，這里面最大的功勞是APPStore。蘋果通過銷售蘋果終端產品只是開始，通過APPStore建立用戶和廠商的連接，滿足用戶個性化需求，提供差異性服務，年創(chuàng)造收入在百億美金。

三是創(chuàng)新商業(yè)模式。商業(yè)模式創(chuàng)新主要體現在兩個方面，一是基于工業(yè)大數據，工業(yè)企業(yè)對外能提供什么樣的創(chuàng)新性商業(yè)服務；二是在工業(yè)大數據背景下，能接受什么樣的新型的商業(yè)服務。最優(yōu)的情況是，通過提供創(chuàng)新性商業(yè)模式能獲得更多的客戶，發(fā)掘更多的藍海市場，贏取更多的利潤；同時通過接受創(chuàng)新性的工業(yè)服務，降低了生產成本、經營風險。

比如，GE不銷售發(fā)動機，而是將發(fā)動機租賃給航空公司使用，按照運行時間收取費用，這樣GE通過引入大數據技術監(jiān)測發(fā)動機運行狀態(tài)，通過科學診斷和維護提升發(fā)動機使用壽命，獲得的經濟回報高于發(fā)動機銷售。

在接受服務方面，目前國內外有一批企業(yè)提供云服務架構的工業(yè)大數據平臺。包括海爾收購GE的白電業(yè)務的一攬子合作中，就包括GE的Predix工業(yè)大數據平臺向海爾開放，接入海爾的工廠，提供工業(yè)大數據服務。九次方大數據也在聯合各省市建立云化的工業(yè)大數據平臺，向當地的工業(yè)企業(yè)開放大數據采集、大數據存儲、大數據挖掘和應用能力。

04

工業(yè)大數據實踐指導

工業(yè)大數據是企業(yè)生產經營的一次重大變革，對于工業(yè)化、信息化都還沒有完成的工業(yè)企業(yè)而言，數據化時代又到來了，挑戰(zhàn)很大。

工業(yè)大數據建設，首先是一種思維變革，改變以前以要素競爭為主的工業(yè)生產模式，進入到數據和創(chuàng)新競爭為主的新生產時代。其次，正如清華大學王建民教授所言“工業(yè)大數據不存在交鑰匙工程”，因此，需要企業(yè)領導人、管理層、員工和相關人都投身其中，各司其職，才有所成。

最后，工業(yè)大數據建設抓住兩個板子作為突破點。一個是最長的板，也就是梳理產品（工業(yè)）競爭力最強的在哪里，繼續(xù)深挖下面的數據價值，圍繞這一塊的工業(yè)數據構建產品和服務能力；另一個是最短的板，就是影響工業(yè)企業(yè)發(fā)展的痛點在哪里，成本、市場、還是供應鏈，還是能耗？在數據化時代下，尋找機遇大數據的解決方案。

藍海長青科技發(fā)展

以恒逸石化為例，如何實現“數采- 建模 -應用 - 反饋 - 服務”閉環(huán)？

導讀：關于數據驅動的價值理念，卻很少在實踐中完整閉環(huán)應用，這造成了盡管是很好的理念和思想，但要想在企業(yè)和場景中應用，確實是一件不太容易的事情。

本文內容節(jié)選于畢馬威和阿里研究院聯合發(fā)布的《從工具革命到決策革命——通向智能制造的轉型之路》（版權歸發(fā)布者所有），選擇了《恒逸石化– 用工業(yè)大腦實現能耗優(yōu)化》的案例，重點闡釋“數據采集 - 模型搭建 -模型應用 - 反饋控制 - 服務提升”，實現鍋爐燃燒能耗優(yōu)化的全過程。

過去十多年來物聯網、人工智能、數字孿生等科技的爆發(fā)性發(fā)展帶來了算力和算法的巨大進步，傳統(tǒng)制造業(yè)的數字化發(fā)展又帶來了海量的數據。三者的日益融合逐漸形成了以“數據 + 算力 + 算法”為核心的智能制造技術體系。

數據是基礎，也是智能經濟的核心生產資料，在產業(yè)鏈各環(huán)節(jié)產生的大量數據是驅動智能制造提高精準度的核心；

數據（Big Data）：工業(yè)數據的收集和分析早在傳統(tǒng)工業(yè)信息化時期就一直在進行，有大量的數據來自于研發(fā)端、生產制造過程、服務環(huán)節(jié)。而工業(yè)從數據到大數據，最大的區(qū)別是實現數據的兩化融合，將工業(yè)化數據與自動化域數據的疊加。在工業(yè)互聯網時代，還需要納入更多來自產業(yè)鏈上下游以及跨界的數據。實現工業(yè)大數據的主要核心技術包括物聯網 (IoT)、MEMS 傳感器和大數據技術等，其中尤以物聯網和 MEMS 傳感器為代表：

物聯網（IoT）：物聯網是指通過嵌入電子傳感器，執(zhí)行器或其他數字設備的方式將所有物品通過網絡鏈接起來，通過萬物互聯來收集和交換數據，從而實現智能化識別、定位、跟蹤、監(jiān)控和管理。物聯網的幾大關鍵技術包括傳感器技術、RFID 標簽和嵌入式系統(tǒng)技術。這些技術可以實現透明化生產、數字化車間、智能化工廠，減少人工干預，提高工廠設施整體協(xié)作效率、提高產品質量一致性。

傳感器MEMS全稱為 Micro Electro Mechanical System，即微機電系統(tǒng)，是集微傳感器、微執(zhí)行器、微機械結構、微電源微能源、信號處理和控制電路、高性能電子集成器件、接口、通信等于一體的微型器件或系統(tǒng)，是一個獨立的智能系統(tǒng)，可大批量生產，其系統(tǒng)尺寸在幾毫米乃至更小，其內部結構一般在微米甚至納米量級。

有了海量數據，就需要強有力的算力進行處理，而以云計算、邊緣計算為代表的計算技術，為高效、準確地分析大量數據提供了有力支撐；

但是，僅有了數據和算力依然不夠，沒有先進的算法也很難發(fā)揮出數據真正的價值。以人工智能、機理模型等為代表的算法技術幫助智能制造發(fā)現規(guī)律并提供智能決策支持；

與此同時，以 5G、TSN 為代表的現代通訊網絡憑借其高速度、廣覆蓋、低時延等特點起到了關鍵的連接作用。它將三大要素緊密地連接起來，讓它們協(xié)同作業(yè)，發(fā)揮出巨大的價值。

由核心技術集群使能的“數據 + 算法 + 算力”模式使得制造領域中的數字世界、物理世界以及人三者間產生了融合，其中數字世界是指工業(yè)軟件和管理軟件、工業(yè)設計、互聯網和移動互聯網等；物理世界是指能源、工作環(huán)境、工廠以及機器設備、原料與產品等。

基于數據驅動和算法模型推動形成的應用服務，構成了智能化的邏輯閉環(huán)。只有在形成有效閉環(huán)，才可釋放數據的價值，才能創(chuàng)造直接或間接的經濟效益，制造企業(yè)客戶才會買單。

【案例】恒逸石化– 用工業(yè)大腦實現能耗優(yōu)化

【背景介紹】：恒逸石化是中國的一家大型化纖生產企業(yè)。化纖屬于高耗能行業(yè)，公司每年煤炭消耗高達幾億元人民幣。為了實現“十三五”計劃所明確的以創(chuàng)新驅動，綠色低碳發(fā)展的行業(yè)發(fā)展目標，企業(yè)引入工業(yè)大腦的決策流程，通過數據采集 - 模型搭建 -模型應用 - 反饋控制 - 服務提升，實現鍋爐燃燒能耗優(yōu)化。

其本質是通過“數據 + 模型”，構建新型服務體系。

1.數據采集。恒逸石化對燃燒過程中涉及到的數百個變量參數進行深度挖掘，識別出對鍋爐燃燒能耗影響最大的十幾個關鍵參數，如進風量、燃料量、蒸汽壓力、爐膛負壓、煙氣濃度、氧氣量、煙氣量、蒸汽體積等，并重點采集十幾個關鍵參數與燃燒能耗一段時間內的歷史數據，形成離線學習樣本集。

2.模型搭建。基于確定的十幾個關鍵參數，一方面，通過數理分析、機理推導，得出關鍵參數與燃燒能耗之間的機理模型，并基于機理模型定性分析出關鍵參數（控制量）與燃燒能耗（被控量）之間的變量關系（增減、比例、指數）、模型結構（一次、二次、高次），以及部分關鍵參數在一定物理條件下的合理變化范圍，初步確定模型部分結構信息。

另一方面，基于大量的離線學習樣本數據，通過數據挖掘（回歸、聚類、分類、關聯等）方法對已確定的機理模型進行反復訓練優(yōu)化，得到離線數據學習下精確的模型。

3.模型應用。訓練后的模型可以部署在本地也可部署在云端，一旦模型部署應用，新的在線數據將源源不斷輸入到離線訓練的模型中，一方面，基于在線優(yōu)化算法可以動態(tài)優(yōu)化，進一步完善模型參數。

另一方面，模型輸出結果可以形成四類模型，用來解釋工業(yè)現場四個基本問題：一是解釋發(fā)生了什么，即監(jiān)測模型，如故障報警，超界響鈴等；二是解釋為什么會發(fā)生，即診斷模型，如故障診斷模型、故障定位模型；三是解釋接下來會怎樣，即預測模型，如剩余壽命預測模型，功率預測模型；四是解釋該怎么辦，即決策模型，如維護策略模型，控制策略模型。

4.反饋控制。所有的模型最終都需要將輸出的結果反饋給實際對象形成閉環(huán)，反饋控制存在兩種方式：一種是模型輸出輔助決策方案，如是否需要延長設備運行時間、提前啟動應急系統(tǒng)，調整生產訂單計劃等，并由人參與到反饋閉環(huán)。

另一種是模型直接輸出優(yōu)化后的一組控制參數，直接作用到控制系統(tǒng)中，調整生產過程中風閥電機、進料量等參數，實現精準控制優(yōu)化。當前，企業(yè)中廣泛采用的是基于模型的輔助決策，并由人參與到反饋閉環(huán)過程。在環(huán)境擾動較小、系統(tǒng)模型相對簡單生產過程中可采用直接作用到控制回路的方式。

5.服務提升。無論是優(yōu)化后的決策方案還是優(yōu)化后的控制參數一旦作用到實際物理對象中，都能夠對設備運行的各項相關參數進行優(yōu)化調整，進而改變系統(tǒng)整體能耗、停機維修成本等，產生實際的經濟效益。恒逸石化基于“數據 + 模型”構建新型服務體系，實現燃煤消耗降低 4%左右，蒸汽量提升約 3%，每年節(jié)省 1000 多萬元燃煤成本。