全球工业转型期：工业大数据开启未来制造业无限想象

在制造业向智能化转型的过程中，将催生工业大数据的广泛应用。而工业大数据的应用也将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必须面对的重要课题。

当下，一场新的制造业竞争已经拉开序幕。无论是德国的“工业4.0”，美国的“工业互联网联盟”，还是我国的《中国制造2025》，都将变革的方向瞄准了虚拟的信息世界和现实物理世界的深度融合技术。

近日，工信部刚刚发布《信息化和工业化融合发展规划（2016-2020年）》（以下简称《规划》）明确提出，到2020年，信息化和工业化融合发展水平进一步提高，制造业数字化、网络化、智能化取得明显进展。互联网与制造业的融合发展，工业大数据等新业态蓬勃发展。

对此，业界多位人士在采访中表示，在德国工业4.0中，大数据被认为是物理与信息融合中的关键技术。在美国GE提出的工业互联网中，大数据分析作为联机数据处理分析的核心，被认为是重构全球工业、激发生产力的关键技术。在我国提出的《中国制造2025》中，云计算和大数据等技术成为两化融合的关键技术，并明确将工业大数据平台作为重点发展产品。随着信息化与制造业的深度融合，工业大数据的形成与应用将给未来制造业带来诸多想象。

工业大数据正在形成

当下，信息产业呈现出前所未有的繁荣。从传统互联网的PC终端，到移动互联网的智能手机，再到物联网传感器，技术革新使数据生产能力呈指数级提升。据IDC预测，目前每年数据的生产量是8ZB，2020年将达到40ZB。而从大数据的实际应用来看，目前已开始从概念逐步走向实操阶段，并产生了巨大价值。据麦肯锡对交通、零售、消费金融等7个主要领域的估算，数据开放每年带来的经济价值高达4万亿美元左右，与第四大经济体德国的GDP相当。

随着《中国制造2025》和“互联网+”国家战略的提出，有专家预测，当数据成为生产要素并实现开放流通后，必将迎来一个真正的工业互联网时代，工业大数据也将逐渐成为制造业企业提升生产力、竞争力、创新力的关键要素。

据记者了解，工业大数据的概念是由美国通用电气公司（GE）在2012年首次明确提出，该概念主要是关注工业装备在使用过程中产生的海量的机器数据。同年，麦肯锡发布报告，并指出制造业存储了比任何其他一种行业都多的海量的数据。工业已经进入“大数据”时代，而他们所控制的数据的体量、多样性和复杂程度，也正以前所未有的速度不断激烈地爆发式发展。

“我认为，工业大数据的产生是有一定背景的。”国家制造业信息化科技工程专家组成员、清华大学软件学院党委书记兼副院长王建民在接受本报记者采访时表示，一是数字化装备和产品逐步普及；二是装备和产品网络化连接（“互联网+”）的不断成熟；三是工业企业正逐步开始向服务型制造转型；四是“从摇篮到摇篮”绿色制造的必然要求。

“工业大数据事实上就是在工业领域相关信息化应用中所产生的、包括结构化和非结构化全类型的海量数据。但需要格外注意的是，工业大数据的‘相关应用’不仅包括生产企业内部和产业链，还应包括客户、用户以及互联网上产生的相关数据。因此，企业数据、机器数据和互联网数据这三条数据流汇聚成了工业大数据。毫无疑问，无论是中国的《中国制造2025》，还是德国的‘工业4.0’都顺应了工业大数据的发展潮流。”王建民表示。

利用工业大数据

抢占制造业价值高地

我国制造业规模全球领先，有着世界门类齐全、独立完整的制造业体系，在多个工业领域具有产量优势。但同时，中国制造业也面对低成本优势消失、发达国家制造业回流的双重压力，传统制造业的转型升级也显得尤为迫切。

今年5月李克强总理出席“中国大数据产业峰会暨中国电子商务创新发展峰会”和业界人士对话座谈时指出，我们将推动大数据等技术同制造业相融合，改造和提升传统产业，促进中国经济转型升级。据前瞻产业研究院发布的《工业4.0时代中国制造业商业模式创新与投资战略规划专项分析报告》显示，工业大数据在制造业的智慧生产、消费者洞察、客户互动等方面都有其独特应用。

“毋庸置疑，加工制造环节的确能够产生利润，但在当前环境下，生产制造的利润越来越薄，使企业越来越难以为继。只有利用工业大数据抢占价值高地，聚焦产品创新，实现产品智能化，才能实现从‘中国制造’到‘中国创造’的转变，另外深挖存量市场、创新服务模式，从‘生产型制造’到‘服务型制造’转变，这也是‘中国制造2025’战略的应有之义。”王建民对记者说。

武汉优博睿科技有限公司总经理、工业大数据高级顾问康志刚在接受本报记者采访时也表示，制造业最核心的是高效价值创造，包括科技研发、制造、使用等过程都属于价值创造，这是一个企业的价值链。在每个环节中价值越多，企业竞争力就越强。

那么该如何利用工业大数据抢占价值高地？康志刚认为，应从以往的“管理驱动”变为“数据驱动”，这样无论在对内的总体成本控制能力上，还是对外的客户服务能力上以及解决被供应链绑架的问题上，都会起到一定的价值提升作用。

在明略数据董事长吴明辉看来，从目前工业大数据的落地场景来看，有故障诊断；预测性维护；优化生产流程；优化供应链四大场景。通过这四大场景工业大数据的分析、诊断、预测和应用，能够提高良品率，减少浪费并降低运营成本，当然在完善供应链、提高产品质量等方面也会起到促进作用。

如在装备时空监管方面，企业在得到工况数据以后，首先是对装备运营进行监管。不同于传统的运营监管，在大数据技术支持下，运营是成套设备互相协同的运营。以搅拌站为例，通过收集位置数据、油位数据可以对搅拌车运输的过程进行优化调度，从而避免拥堵、减少等待、降低能耗。

“通过大数据还可以对杭深高铁沿线装备的故障做深度分析，选择与故障车辆关系密切的特征工况，可以发现这些故障车辆的每分钟换向次数在变化幅度上高度相关，再通过引入互联网上的行政区划数据和历年高铁建设数据（企业外部数据），可以得出这样一个结论，这些典型故障均发生在2012-2013年期间在建重大工程‘杭深高铁’沿线，这为寻找装备故障更深层次的原因提供重要线索。”王建民对记者举例说。

此外，通过数据分析也可以节省成本提升效益。比如风机上有一个测风仪，但在长时间运行之后，这个测风仪就会出现偏差，若人工爬到塔上校正成本很高，这就要通过数据的在线分析应用。纠正一台风机每年可以多发3万多元的电，如果一个企业有1.5万台风机，大约三分之一的风机存在误差，那么每年就会损耗掉1.5亿元。

建立工业大数据平台或成未来方向

虽然工业大数据是制造业转型升级的重要抓手，未来前景广阔，应用也将十分广泛，但正如王建民所说，目前国内外工业大数据还是刚刚起步，还没有完全发挥出数据的价值，只是有了一些尝试，但还没有对《中国制造2025》形成系统的支撑，还有一段很长的路要走，具有巨大的发展空间。

据记者了解，目前，大多数企业还停留在企业全面数据化和建立齐备的数据标准阶段，与实现利用数据加强业务创新还存在距离。此外，无论是在未来的工业4.0还是智能制造领域，工业大数据最大的挑战仍然是数据本身。随着物联网技术的深入应用，将诞生越来越多的智能工厂，产品全生命周期中各个环节会产生大量的数据类型更为复杂的数据，对于这些数据，不仅给数据存储带来挑战，更给数据分析带来前所未有的难题。

对此，吴明辉认为，要成功实施工业大数据，应逐步实现大数据战略落地与大数据价值变现。这就需要企业全面数据化，即实现数据资产化，管理一切可以记录的数据；同时建立齐备的数据标准，即统一数据管理和更新流程，建立数据规范；建立统一数据管理平台，即数据由业务主导，能够实现跨部门共享；同时提高海量数据的分析能力，并增强数据的创新能力。

前瞻研究院有关专家也指出，事实上，对制造业企业而言，大数据技术的战略意义不仅在于掌握庞大的数据信息，更在于对数据的“加工能力”，对大量的数据进行专业化的处理，使之转化成为对企业有用的信息。制造业企业如果能够在工业环境中建立起大数据平台，提高工厂对不同设备收集的海量信息进行梳理的能力，提高企业信息系统的计算能力和数据消化能力，实现对企业的产品数据、运营数据、销售数据、客户数据的实时而有针对性的分析，并用其指导下一轮的研发、生产、销售和服务。这将会使得企业能够在低成本运营的同时，有效实现按需生产，从而在实现绿色生产的同时，提高企业的经营效率。这才是真正可持续发展。