【干货】看三一物联网、大数据如何助力工业4.0

此内容为数据派独家内容，数据派是清华大数据产业联合会官方微信公众账号，定期发布清华大数据系列讲座信息，分享讲座实录，欢迎转发 。

其他机构或媒体如需转载，请联系 [e-mail] 申请授权。

【回复“清华大数据”可下载此ppt（有效期7天哟）】

本讲座选自贺东东于2015年10月26日在 RONG 系列论坛之五——清华大学大数据重构制造业论坛上所做的题为《三一物联网、大数据助力工业4.0》的演讲。

贺东东先生现任三一重工股份有限公司高级副总裁、流程信息化总部总监,2014年中国百佳CIO，湖南省制造强省建设专家咨询委员会委员，同时担任华中科技大学兼职教授、中国对外经贸大学客座教授。贺东东先生曾担任三一重工印度有限公司董事长、三一德国有限公司董事长，并主持三一重工在印度及德国的工厂建设，全程参与三一重工并购普茨迈斯特项目。十余年在国际和国内工程机械行业的历练，使其在企业战略、国际化运作、品牌营销、运营管理、流程再造、信息化等方面有着深厚的积淀。

贺东东：

非常感谢清华给我这次机会，再次来到清华汇报三一的工作。我们和清华大数据中心一直在合作，所以今天有一半内容也是在汇报我们的合作。

我的题目是《物联网、大数据助力工业4.0》，有这样几部分：第一，三一的简介。第二，应用现状。第三，助力工业4.0。第四，挑战与政策。

第一，简介。

我们1994年进入重工行业，大家从PPT中可以到，成长比较快。

战略方面，我们讲究差异化竞争战略和裂变式创新发展。其中差异化竞争体现在我们的绝对优势的产品、无与伦比的服务、物有所值的价值，这是确立竞争优势的要点。

创新机制来讲，除了产品研发创新外，我们也有类似于像创投机制一样，孵化新事业的创新机制，另外就是智能制造。

三一制造业跟其他企业相比有几个特点，或者说有几个难点。第一，我们有完整的工序链。我们从高强钢板的热处理，到整个机器出来，以及到市场全生命周期，我们是真正全生命周期工序链，管理跨度特别大。第二，前些 42 34825 42 14942 0 0 2977 0 0:00:11 0:00:05 0:00:06 2977年我们强调自主发展核心零部件的自制体系。第三，全球化战略供应体系。第四，成熟的质量控制体系。我更愿意将这些特点作为难点来看待。跨度非常大的制造企业，对于大数据也好，对于智能制造也好，挑战都非常大。

智能装备方面，我们也做了一些基础工作，所有底层控制器从硬件到软件都是三一自制，七年前我们已经建立起ECC平台，在这个平台上监控有20万台客户设备的运行数据。另外，用户端开发，包括物联网应用，以及智能设备管理等等。我们在大数据平台以及初步搭建及应用方面和清华一直在合作。

谈到工业4.0，其实真正做工业4.0时你会发现，从设备终端采集到最后形成大数据应用，很多东西需要自己做，三一建了BPIT部门、三一智能、上海华兴等，三一智能和上海华兴就是做智能控制硬件、软件及平台开发。七八年前很难从市面上找到现成的解决方案，所以被逼无奈自己开发。刚才讲的设备控制器终端以及硬件、软件，包括通信、传输、采集都要自己做。自己有显示器，摇控器等等，再包括远程控制平台，以及自己的MES、GPS等等。八年前我们就完成了这样一个平台的搭建，形成了我们自己设备的CPS能力。

第二，应用现状。

基于这些努力，我们形成四个方面的应用。

第一，产品智能化。第二，制造智能化。第三，服务智能化。第四，产品大数据分析与应用。

一、产品智能化，目前三一从智能遥控控制系统，以及到底层传感器、通信系统等等，设备初步智能化已经完成。简单描述一下，所有终端设备运行数据可以上传到后台进行分析，所有程序可以远程刷机和升级。设备可以远程锁机和解锁，初步实现设备端的智能化。

系统智能化。围绕智能终端搭建平台，后面我会做详细的分析，包括对研发、销售、服务的指导和实际应用，这些我们已经做了很多年。

产品装备智能，工业机器人：我们自己做机器人，自己做高端设备，通过做这些基础设备，为大规模采用机器人和数控机床搭建系统提供了充足的底层数据储备。

二是制造智能化，数字化车间。现在做到什么程度呢？工程机械行业和汽车行业不一样，我们是典型的高度离散制造模式。听起来一天有几十亿售量，但是单个型号的销售多的一年几百台，少的十几台。在二十个工位实现一百多个型号产品的组装，接近大规模“定制”，（但还谈不上定制，因为产品型号是预先设定的型号，还不能根据客户需求做不同的型号。）每个单独订的单会被分解为物流和配送的定单，再分解到工位，通过MES把单个定单的工作指令和根据系统配送过来的物料做匹配，就可以实现柔性化的制造。这就是数字化车间，我们正在把这个推广到全世界。

三是智能服务。智能服务依托ECC平台，我们要知道需要服务的设备是怎么运行的、在什么地方运行、出现了什么问题，这样我们才能更好地做服务。这意味着要完成问题的预测和故障的诊断，以及最快速度就近调集服务车辆和服务工程师，这就是智能服务的平台，我们这个平台最近被发改委和质检总局作为智慧服务平台的样板项目。

四是还有大数据分析与应用，我们现在有5000多个参数，有40TB的数据。这也是跟清华合作的主要方向，我们在数据里进行各个方面的挖掘，包括故障诊断、包括客户征信，包括市场预测、配件消耗预测，以及现在每半个月向国务院汇报我们产品的开工数据，从而对宏观经济形势进行判断等等。

下面简答的极少几个目前我们大数据应用的例子：

第一、目前我们正在和清华合作通过三一现有的工况大数据来预测宏观环境：这是清华和我们一起做的，我们根据开工率数据能够预测下个月固定资产投资增量，现在已经监控一段时间，从现有分析接结果来看应该说是非常准确的。

另外我们还能实时的分析区域市场的变化，看到每个省数据的情况，这个数据反映固定资产投资的走向，对于企业级应用来讲，这对指导营销有很大的帮助。

第二个应用是分析产品结构，不同时候看产品趋势就可以看出哪一种型号产品越来越受欢迎，这对于未来2-3年研发投入有参考价值，哪些产品使用在增加、哪些产品使用在降低，我想这对于基于市场定位的产品研发是很有帮助的。

基于数据分析的研发模式，这里有个简单的案例是汽车起重机。汽车起重机主要就是承载负荷，设计太高的话成本太高，设计太低的话不安全。起重机大部分是农民或者是准农民在使用，你很难根据国家的设计规范做，后来有了ECC系统后很简单，每一台设备实时工况都有记录，超载在那一节臂，根据大数据统计我们来做优化，可以做到最优，可以做到成本最低同时又最安全。

第三是设备故障预测我们正在做。作为装备制造业来讲，设备出故障修好没问题，但是最好不要出故障，出现故障征兆时可以提前维护，减少客户的损失。在我们监控下发生故障的设备大概有50%能够被我们预测到，我这里讲的是真实的数据。出现故障的设备里有50%可以事先预测，但是还有50%预测不到，但是我们正在尽可能做的更好。对于单个客户来讲，我说的50%是一个概率，但是对于我们来讲，50%就是一个庞大的群体。他们的设备如果能够防止故障的发生，会产生非常大的客户增值，这是我们的一个主要方向。

第四是配件需求的预测，这块是清华帮助我们一起做，通过设备运行状况看它跟配件消耗之间有什么样的关联，能不能建立起预测模型，从目前的数据来看应该是可以建立起模型的。

第三，助力工业4.0，是三一近期马上要做的事情。

一是示范工厂，我们正在向各方请教。我们数字化车间可以做柔性制造，但是离工业4.0还差得很远，要打通生态链还要做更多的工作。我们正在策划，也请各位帮助三一一起建立新的智能工厂。

二是工业化住宅智能平台。这是三一新发展的行业，就是工业化住宅。工业化住宅就是以造机器的方式造房子，工厂生产零部件到基地组装，污染减少30%、40%，效率提高1到2倍，整体设备效益是巨大的，而且房子质量更好。大家知道在工厂里生产的零部件，和建筑工人现场造的房子不可同日而语，这个事情在国内发展非常快。但是能不能从工业4.0角度设计，从智能制造的角度设计，从前端设计开始，能不能打通各个环节？这是最适合工业4.0的行业，而且没有包袱。将来我们在这方面会有所动作。前端设计师设计后，后端就开始生产组件，同样的物流吊装过去后在现场组装起来。在座的同学如果买房子时有这样的选择更好，一定更便宜，而且建筑更快。

三是数字化码头，针对我国港口自动化、信息化等综合管理水平落后的现状，我们在想能不能把码头全套物流最优化、运输最优化，优化整条产业链的数据，包括从船运的数据、吊装物品数据、吊装调度数据等等，现在不同的企业都从不同方向在往这边走，我们作为港口设备的生产商也在努力的做。

第四，工业4.0展望与挑战。展望方面，稍微远期一点。

一是行业级的工业物联网大数据平台。现在在企业已经做了这么一个平台，虽然每次出来都讲我们大数据分析怎么样，但是说得准确一点，一家企业的大数据不是真正的大数据，只有全社会的数据才叫大数据，我们只是小数据。呼之欲出的，行业级工业物联网大数据平台如何建，我们现在也做了策划和建议，我们也希望和大的制造企业联手，打造行业级工业大数据的平台。

二是基于客户与工程设备使用数据建立征信系统，提供产业链金融服务。如果把客户数据和客户的征信模型建立起来，这对保险业来讲、对于金融行业来讲是很大的提升，反过来也是极大提升我们本身装备制造业的整体解决方案，跨界的大数据应用才更有价值，这也是突破企业小数据的大应用。

三是智能化产品。这与工业4.0高度相关，现在有了无人驾驶汽车、无人机，顺理成章地像如恶劣工况下的无人机器或者遥控精准操控工程和矿山机器是未来趋势。

四是构建数据驱动的制造生态链，分布实施工业4.0的横向集成。这是未来工业4.0的主要方向，现在不要说更大的合作，现在急需统一的数据标准，这样数据化才能被计算机储存、分析、传输。你想真正在你的生态链内，或者是生态系内实现横向集成，大家要相互配合，关于标准制定，要标准交换，以及尽可能把自己的物理世界变成数字化的世界，我想这是大家的责任，也是我们未来看得到的、近期应该做的。

工业4.0的挑战。第一，数字化。第二，智能化。第三，开放互联。第四，基础设施。前几天我在另外一个活动也曾提到，我们有30%的设备传输不了数据，原因很简单：就是没有无线网络。怎么样用WIFI，或者是用4G、3G覆盖全中国，这对物联网的基础设施很大挑战。另外是费用太高，所有的智能终端产生的流量会是很大一笔钱，很多代理商不愿意承担。第五，云平台。从企业私有云到共有云，大部分在座企业选择私有云。私有云将来如何做大数据分析，如何做跨平台也是一个问题，现在很少用公有云，如果企业够大的话便会定制私有云。第六，模式创新。大部分的企业都没有足够的钱把所有的东西数据化。所有的物料，所有的运营过程都要上系统，信息化的投资，买专业的工业软件、实施、上线不仅是很大一笔钱，而且需要好几年的时间。我一直强调一点，工业4.0是全方向的升级换代，但是作为具体的企业，你没有能力，没有资金全面提升。我们这里面临的挑战是，有限资源和无限任务的矛盾。

对策与建议，第一，互动的用户洞察。第二，极致的产品服务。第三，极高的生态系效率。第四，聚焦。什么意思呢？工业4.0放在全球来看，德国也好、中国也好、美国也好，各自有自己的长处和短处。我在小范围交流时谈到，如果完全按照德国工业4.0路径走，我们会永远落后德国的制造业。他在制造设备、制造过程、零部件级管理已经积累起相对竞争优势，如果把工业4.0集中在这些制造设备、制造过程、制造环节的智能化4.0，你就永远赶不上。中国企业的竞争优势在哪里呢？就是我们有全世界最庞大的用户群和全世界最庞大的市场。三一这样的企业能具备深刻的客户洞察和大量的客户数据积累，这是德国企业没有的。我们并购一家德国的隐形冠军PM，他是原来我们的竞争对手，是全世界最好的混凝土制造商，他的设备比我们好，但是最后为什么被三一打败，还被收购？因为三一靠客户更近，靠市场更近，对客户的理解更深。基于这样的理解建立起比较优势，所以才能打赢他。我在各种场合反复呼吁，中国工业4.0在中、美、德三国中我们要优先理解，由客户倒推到产业链，而不是德国从后往前由制造方看工业4.0，或者是美国以创新能力，以颠覆式的创新，以互联网优势做这个事情。

我们需要聚焦自己最有优势的产品和服务上，集中提高整个生态系的效率。钱花在什么地方，一定要聚焦、聚焦再聚焦，某一点上形成竞争力，既能够给企业持续的发展空间，也能够赶上工业4.0的节奏。

整理：刘博

校对：祁德力