工业大数据：制造企业未来的核心竞争力
一个诺大的厂房，多条工程机械装配线排列得井然有序，地面和大块头的工程车上都几乎一尘不染。每个生产工位上，工人们三三两两围着一台工程车，对照电子屏幕里的数字仿真和三维作业指导进行装配，不时的利用身旁的MES终端进行报工、记录。一辆辆AGV智能小车沿着规定路线、来回穿梭在零件仓库和各个工位之间，将一件件需要的工件及时准确地送到工人手上。在厂房中央，喷泉、棕榈树、绿草、清水，从头顶飘过的白云，几个工人拿着热咖啡正在小憩……这幅美景不是在电影里的未来工厂，而是亚洲最大的"智"造车间--三一重工的18号厂房。
国家首批智能制造试点示范项目之一--三一重工18号厂房
在厂房不远处，三一ECC（企业控制中心）的巨大屏幕上，采集自三一重工分布全国各地20余万台工程机械的大数据实时铺展出来，一张设备开机率、开机小时、运行状况等数据信息震撼跃然眼前，这就是作为我国宏观经济运行研判依据、每半月上报给国家统计局的知名"三一指数"。
三一重工ECC（企业控制中心）
从18号厂房到三一指数，支撑这一切正常运行的是来自生产现场的工业大数据。近日，恰逢"工业大数据应用智造沙龙"在三一重工长沙总部举行，笔者对三一重工如何利用工业大数据打造工业4.0时代的智能工厂做了深入了解。
工业大数据：未来的核心竞争力
18号厂房总面积约十万平方米，有混凝土机械、路面机械、港口机械等多条装配线。在厂房规划之初，已经应用数字化工厂仿真技术进行方案设计与验证，在工艺流程上，摒弃了传统的离散制造模式，改为高度柔性的多品种产品混装+流水模式。整个厂房通过自主开发的SanyMES系统与上层的ERP无缝集成，再通过高级计划排程系统（APS）、仓储管理系统(WMS)、生产控制中心管理决策系统、DNC数控系统和物流执行系统（LES）等实现数字化生产，一个订单可逐级快速精准地分解至每个工位，可1小时下线1台泵车，5分钟下线一台挖机。同时，通过MES，自动向质检员发送标准化、电子化质检待办，检验数据通过MES终端录入数据库，而数据的录入则会为产品质量追溯提供可靠依据。
"这是一个大型计算系统加上传统的操作工具、大型生产设备的智慧厂房，包括每一次生产过程、每一次质量检测、每一个工人劳动量都记录在案，厂房每周都会产生超过1TB的数据，运用这些数据进行生产制造，实现智能化、柔性化、少人化，可以满足多品种、小批量生产、提高效率、降低成本和保证质量等要求。"三一重工副总裁兼首席流程信息官贺东东介绍说。
在ECC，工业大数据的应用更为普遍和重要。三一重工对所有出厂设备都安装了机载控制器、传感器、无线通讯模块和智能终端，每台机械每挥动一铲、行动一步，都形成数据上传到长沙数据中心，每台设备本身的信息、最新位置、是否开工、作业时间多长、工作量是多少，甚至设备内的液压、转塔、排量、换向、发动机转速、支腿、臂架、零件磨损和油耗情况怎样等都可以实时监控。用户也可以通过手机客户端实时查看自己设备的状态信息。
"我们对销售在外的20万台工程机械进行联网、状态监控，每天会有２亿条数据上传，目前已经累计有超过40TB的大数据资源。这些数据帮助我们实现设备位置与轨迹监控、工况实时监控和预警、远程故障诊断和提供预测性维护，而且还能促进我们不断改进产品质量，赢得市场。"贺东东说。
三一重工现在对售后服务车辆和服务工程师也配备智能终端或智能手机，将设备和服务资源"连接"了起来，通过智能调度，客户的设备发生故障时，公司就可以就近调遣工程师、配送配件，不但提高了服务质量，减少了客户停机损失，大幅度提高了为客户服务的能力。同时，贺东东表示，通过大数据分析，进一步优化了配件周转状况，在保证服务水平不变的前提下，库存水平下降了近50%，配件需求预测准确率提升了25%。
"通过应用物联网和工业大数据，我们将建立面向全生命周期的工程机械运维服务支持技术体系和系统框架，创新工程机械新型运维服务模式，实现服务型制造驱动，向价值链高端转移，给客户提供增值服务，实现价值的延伸，在提升产品竞争力的同时提升客户粘度。" 贺东东说，"我们甚至可以基于客户和设备使用数据，创新互联网产业金融服务，从而实现商业模式的创新。所以，我可以坚定地说，工业大数据将成为三一重工未来的核心竞争力。"
工业大数据：工业4.0的关键支撑手段
当前，全球制造业都在走向智能制造、工业4.0时代，工业大数据的价值和方法是什么呢？其商业价值实现路径又是什么呢？在此次工业大数据应用智造沙龙上，来自国内外的知名专家学者做了不同层面的解读。
清华大学数据科学研究院工业大数据研究中心副主任、原IBM中国研究院副院长陆薇认为，无论是德国的工业4.0，还是美国的工业互联网都以数字化、互联化、智能化为特征，而工业大数据是关键支撑手段。她指出，工业大数据就是在工业领域信息化相关应用中所产生的海量数据，不仅包括企业内，还包括客户、用户、产业链以及互联网上的数据，其核心是机器数据。工业4.0系统可以被看作是数据、硬件、软件和智能的流通与互动，从智能设备和网络中获取数据，然后利用大数据和基于机器所在行业的分析工具进行存储、分析和可视化，最终的"智能信息"可以供决策者使用，或者作为各工业系统中更广泛的资产优化或战略决策流程的一部分。大数据将和物联网、云计算等一起支撑制造生命周期各环节业务模式创新。
清华大学数据科学研究院工业大数据研究中心副主任陆薇博士
"通过大数据驱动的创新产品设计、智能制造、智能服务，实现提升产品质量、生产效率、节省成本，达到提升企业在行业内竞争力的目的。同时，以智能联网的工业产品为载体承载服务产品周边生态系统的产业互联网业务，达到开创新兴市场和业务模式的目的，也就是常说的制造+互联网。"陆薇对大数据的商业价值实现路径这样总结道。
美国辛辛那提大学教授、美国智能维护系统（IMS）研究中心主任 李杰
来自美国辛辛那提大学的李杰教授则从制造业未来的竞争说起，他认为，"我们过去追求的机器质量、速度、效率等都是可见的竞争，未来，智能制造更多的竞争是不可见的，这些不可见的竞争就是以客户需求为中心的更多的智能服务，而智能服务需要通过工业大数据来分析和挖掘。"
李杰教授指出，工业大数据本身并不是目的，而是一个技术手段。与其他技术手段的目的相同，工业大数据的核心目标是创造价值，这里的价值体现在去避免和解决不可见的问题，并且从不可见的世界中创造新的知识。"举例来说，轮胎的压力问题，以往我们只能看到轮胎瘪了车子不能开了，这是可见的问题。但是轮胎压力不平衡造成的额外油耗是不可见的。我们可以利用大数据分析轮胎压力提醒用户如何保养轮胎更加省油，每年可以给一辆集装箱客车节省3000美元的油耗。所以工业大数据的价值在于从以往看不见的空间里挖掘价值。
工业大数据应用平台化解决方案
工业大数据的应用架构通常是这样的，首先是通过传感器或者执行器采集机器设备的各类模拟数据转换为数字数据，由数据采集和控制系统处理后实时传送至云端或者数据中心，再运用数据分析工具将数据转换成有用的信息。整个过程不仅涉及到传感、采集、传输等硬件技术，同时还必须有相应的数据分析处理软件平台和工具，对于专注于工业研发和生产的企业来说，要构建这么一个大数据应用平台并非易事。一直专注于数据采集和分析的美国国家仪器公司（NI）在此次沙龙上，展示了其新近推出的平台化架构工业大数据采集和应用解决方案。
NI行业市场经理崔鹏介绍，在NI的解决方案中，硬件采用基于开放、灵活的LabVIEW RIO架构的模块化CompactRIO嵌入式控制器，可以采集和控制各种不同类型的传感器，可实现不同行业、不同设备、不同信号的数据采集。在软件方面，采用NI新推出的在线状态监控套件InsightCM Enterprise，该套件可用于中央数据管理服务器的数据管理、数据分析和系统管理，进行分析测量、警报生成、允许维护专家可视化和管理数据，简化大规模部署CompactRIO监测系统的远程管理。
在大数据应用算法开发上，李杰教授领导的美国智能系统维护中心(IMS 中心) 通过与NI的合作，开发了基于LabVIEW的Watchdog Agent预诊断工具包，改工具包采用了一项专利分析技术和行业标准，可在LabVIEW应用中添加易于使用的预诊和健康管理算法和图形化显示功能，实现特征提取、主成分分析以及模式匹配，从而检测和预测从关键设备到整个机器等各种对象的故障。同时，它还可以帮助用户创建用户界面，轻松地将预测结果以及待测资产的分析信息传递给客户。
"NI通过提供一个完整的平台化系统设计方法，以快速构建分布式监控与工业大数据系统，帮助企业快速实现工业大数据采集、分析和信息挖掘。"崔鹏经理说，"NI是目前唯一一家提供数据采集与在线监测智能系统的供应商，全球范围内，已经用于石油与天然气、发电、矿业、铁路与工业制造等领域大数据应用，目前正和部分国家智能制造示范企业进行合作，以推动更多工业大数据的应用。"