【BDTC 2015】工业与制造业大数据分论坛：宝钢、三一重工的实践及智能制造技术进展

2015中国大数据技术大会第二天的工业与制造业大数据分论坛中，来自清华大学、宝钢中央研究院、哈尔滨工业大学、三一重工华兴数字公司、国家重点实验室、杭州电子科技大学的六位专家与教授分享了工业与制造业中大数据的应用和面临的挑战。本次论坛由哈尔滨工业大学副教授、博士生导师王宏志和中国科学院计算技术研究所副研究员靳小龙共同主持。

清华大学软件学院副院长、教授王建民：离散工业大数据应用及挑战

清华大学软件学院副院长、教授王建民带来题为“离散工业大数据应用及挑战”的演讲。王建民首先介绍了工业大数据的背景，认为工业界不存在大数据是不正确的，目前全球工业进入智慧互联产品时代。谈到大数据与我国制造强国战略，他以体现信息技术与制造技术深度融合的数字化、网络化、智能化制造为主线。

信息化相关的应用中所产生的海量数据，不仅包括企业在内，还包括客户、用户、产业链和互联网上的数据。离散工业领域中，业务数据（IT）、机器数据（OT）、互联网数据（DT）三者融合形成工业大数据。业务数据包括产品的BOM数据、需求数据、项目数据等等；机器数据来源均非常广泛，通过密集采样，广泛的生成机器数据；现在因为在制造业当中整个互联网+之后有很多业务的融合产生大量互联网的数据。

清华大学软件学院副院长、教授  王建民

紧接着，他介绍到装备制造业产品周期包括设计制造阶段、服务保障阶段、回收利用阶段。以前主要关注设计制造阶段，伴随大数据的出现将更倾向服务保障阶段。王建民提到大数据塑造微笑曲线，通过利用大数据抢占价值高端，实现产品智能化。实现从“中国制造”到“中国创造”的转变，从“生产型制造”到“服务型制造”转变。在这里他举了三一重工基于工业大数据实现“天地人合一，一二三线协同”的主动服务和陕鼓工业服务创新经营模式转变两个例子加以证明。

但是在今天工业大数据环境下，原来做的IT就是很小的一部分。虽然内容没有变，仍存在PLM、ERP、SCM、CRM，但信息化成部分而非全部。外部的互联网系统会成为整个工业大数据的一部分，中间完全是OT这一部分构成的新的系统。今天产品变成软件和硬件两部分。

演讲结尾他提到工业大数据实现面临：大数据与小数据融合、机器数据的质量、工业大数据分析等方面的挑战，但是可以利用感知技术、联网技术、服务转型等新的交互渠道加以实现。

宝钢中央研究院首席研究员郭朝晖：让需求拉动工业大数据

宝钢中央研究院首席研究员郭朝晖分享的主题是“让需求拉动工业大数据”。他以“只有创造价值工业大数据才有生命力技术才能真正在企业落地”这句名言展开了演讲。但工业大数据以及数据挖掘技术，很少能取得预想中的成功。工业界对可靠性的要求相当之高，技术可靠与否决定其价值高低。数据的约束的常常让分析往往不了了之。郭朝辉谈到对已有样本的判断准确，绝不等于对新样本的判断正确。数据质量严重影响分析结果，当数据本身误差和检测范围处于同一数量级时，就意味着检测不存在价值。所以，他解释到误差最小的可能不是最好的，存在差的外延性。这里他用自己在宝钢建模型抓错误数据的事例加以证明。数据质量，导致分析出来的结果很有可能是错的。

同时，也存在实际隐性的非随机系统干扰过多、工业系统的普遍复杂性的问题，使得各种经典统计和检验方法失效，从而难以得出正确的结论。工业是一个系统，如果不从整体上、联系上掌握事实，结果往往不可靠。在工业过程分析一定要重因果否则很难达到可靠的要求。

工程师常根据经验和知识，采用前馈、反馈手段；构成复杂的系统。但是仅看相关性还是不够的工业过程分析一定要重因果否则很难达到可靠的要求。

所以，他认为大数据和工业大数据必须区分开来，否则必然产生认识错误。要实现大数据的可靠性，需要将统计和机理相结合。对于大数据而言，场景显得尤为重要，针对个别案例的分析价值更大，GE的设想：很好，但普通企业难复制。大数据是对事物发生痕迹的数字化记录，为人们奠定了“用数据说话的条件”。大数据是业务系统产生数据的二次应用，可用于企业管理水平，用大数据提高管理水平，或许适合很多中国企业。在此他分享了自己经验：不仅要记录数据，还要记录数据产生和收集过程；要用好工业大数据，最好事先想好怎么用，将应用于工作流程结合起来。

宝钢中央研究院首席研究员  郭朝晖

演讲结尾，郭朝晖再次重申:用好工业大数据，请先把“大”字忘掉：应首先专心于价值创造的逻辑，未来不缺数据，缺少的是提炼能力！

哈尔滨工业大学教授高宏：工业感知大数据获取与计算

哈尔滨工业大学的高宏教授带来的分享是“工业感知大数据获取与计算”。首先，她谈到第四次工业革命与大数据的关系，德国提出工业4.0，美国提出工业互联网，中国也紧跟着提出了中国制造2025。工业大数据是在工业领域信息化相关应用中所产生的海量数据，具有行业相关性、流程关联性、价值时效性、模态多样性、质量低劣性等特点。高宏提到了工业大数据中面临的获取、传输与融合、计算、分析与挖掘等问题。

紧接着，高宏谈到了自身的一些探索和研究成果：一是感知数据的高质量获取，通过大量的感知器件进行收集数据；她认为智能感知是工业智能系统的基础，高质量数据采集是后续分析挖掘的保障。一个设备的全生命期信息包括设备运行的状态信息、设备运行的工况信息、设备使用中的环境信息、维护保养信息等等构成了感知数据。如果继续采用等频采样时，她发现出现曲线失真，关键数据特征或变化要素丢失等问题。简单的加大频率采样会导致加大

更加庞大的感知数据，同时加重数据存储与传输的负担。

因此提出了基于Hermit插值的变频数据采集算法和基于三次样条插值的变频数据采集算法两种解决方法。前一个方法中，将时间轴分成若干时间区间进行采样，但存在采样频率调节过于频繁、数据采集次数较多和曲线光滑度不高、二阶间断点多问题。方法二中思想是一段时间调整一次数据采集频率：若干时间区间构成一个时间窗口；一个时间窗口内进行等频采样，不同窗口间调整采样频率。

工业大数据之间很多数据之间存在着极强的时空相关性、冗余信息量大、一个小数据子集即可保证携带整个数据集的主要信息。其团队以Do More with Less为指导，提出了-Dominant Dataset概念及其计算方法，结果满足ε-主数据定义，复杂度为O(1)，主数据规模近似最优，能量消耗小。既能够保存原始数据，又能够支持无解压计算！

哈尔滨工业大学教授  高宏

最后高宏讲到：工业大数据是未来工业在全球市场竞争中发挥优势的关键，其任重而道远！

三一重工华兴数字公司总经理助理兼研究院常务副院长闫鑫：基于大数据的工程机械控制信息一体化平台

华兴数字公司隶属三一集团，是三一集团旗下产品的电控系统独家供应商，其核心产品包括工业控制器、人机界面、智能IO、工业大数据平台、智能终端APP等，广泛应用于挖掘机、履带吊、旋挖钻机、泵车、起重机、装载机等工程机械。

三一重工华兴数字公司总经理助理兼研究院常务副院长  闫鑫

演讲之初，闫鑫解释了之所以选择选择挖掘机产品作为研究平台是因为挖机功能强大、产销量大、系统复杂等特点。目前挖掘机发展呈现高效率低能耗、智能化精准化、更好的用户体验等趋势。

易维讯系统是华兴为工程机械领域打造的信息控制大数据平台，英文名为E-Vision（简称EVI）。运行至今平台上共有设备88000余台，每日实时监控其运行信息(如位置、工时、转速、主压、油耗等)是三一重机旗下挖掘机、旋挖钻机和装载机等设备全生命周期的“眼睛”。

系统面向代理商、操作手、挖机老板和研发人员四类主要用户提供4大类99项功能。用户可通过网页或手机APP，随时随地掌握机器各方面的状态。易维讯系统依据大数据分析，针对常用档位按区域、载荷、温度分别进行精准控制，使新产品的动力总成效率提升8%，油耗降低10%。易维讯系统大数据设计要点从操作手、代理商、挖机老板、研发人员四个侧重点出发，采用基础矩阵分拆成基础向量，再分拆成特征值，其特征值重新组合形成自定义向量再组合成设备信息、健康等矩阵，进而提供全生命周期的增值服务。

大数据能力将成为工程机械领域差异化竞争力，易维讯系统通过科学解决方案，提升设备的性能和用户体验，用大数据辅助，研发高效、智能、精准的下一代挖机。但仍存在问题，如现有系统采集数据粒度大，数据存储周期短，数据库并发查询能力低，不具备异地灾备设计；数据价值发现体现在数据统计层面，挖掘模型尚未系统建立。演讲结尾，闫鑫简要介绍了中国移动“大云”工业大数据解决方案，该平台可存储PB级数据；采用并行计算框架，可提供强大的计算性能；采用廉价的PC服务器就可以解决数据增长的问题；分析TB级别全量数据。

流程工业综合自动化国家重点实验室主任助理、副教授王良勇：面向流程工业的智能工厂和智能制造

他从流程工业智能制造内涵与挑战；智能优化制造与工业“大数据”；智能优化制造系统的大数据技术研究三个方面展开了分享。流程工业在国民经济中占有基础性的战略地位，同时流程工业生产高效化和绿色化是国家重大需求。中国制造2025应对互联网、大数据、云计算等信息领域新技术和不断增加的国际竞争。面向流程工业的智能制造内涵与挑战，总体要求——创新驱动、质量为先、绿色发展、结构优先、人才为本。王良勇表示应把握智能制造主线：以体现信息技术与制造技术深度融合的数字化网络化智能化制造为主线！

流程工业与离散工业有着大量的不同点，实现高效化和绿色化的关键在于生产工艺优化和生产全流程的整体优化。关于流程工业制造的现状，由于我国原料成分复杂、生产工况波动大，使生产工艺优化和生产全流程整体优化更加困难和决策过程的知识与数据不完整、滞后等条件的制约，王良勇表示目前存在信息集成度低、数据利用率低、智能化程度低等问题。

对于工业大数据，他精确地将其解释为在允许时间范围内超出学科领域理论、方法、技术及工具可能处理的数据。工业过程的全流程控制涉及“大数据”；企业运作管理与生产管理涉及“大数据”，实现全流程一体化优化控制。“大数据”应用技术为研究机理不清的复杂系统的动态行为开辟新途径，利用复杂系统的动态特性反映于不同类型的数据群，以及大数据应用技术、建模技术与仿真技术等信息技术相结合预测动态性能成为可能。

流程工业综合自动化国家重点实验室主任助理、副教授  王良勇

演讲结尾，他认为的研究方向应是：“云端”+“终端”工业大数据平台：面向终端与云端数据的交换融合与智能协同，构建覆盖产品全生命周期和制造全业务活动的工业大数据平台；工业大数据管理与分析技术：研发工业数据的实时采集、高吞吐量存储、数据压缩、数据索引、查询优化、数据缓存等关键技术，研究时空关联与机理模型下的数据质量检查与修复关键技术；工业大数据的应用技术：大数据（数据、图像声音、文本）驱动的复杂工业过程的动态特征描述、挖掘与机器学习及可视化技术。

杭州电子科技大学计算机学院副教授吴以凡：面向浙江省制造业的大数据分析：现状与挑战

吴以凡首先从浙江省的经济现状展开了演讲，浙江省第二产业比例较重，中小企业量大面广、块状经济为特色，中低端产业为主。形成了具有区域特色，“一乡一品”，向多产业形态辐射融合发展产业集群。浙江省产业集群发展趋势是传统产业集群转型升级、加大行业或区域性创新服务平台建设等方向。然而转型升级需要新技术的支持。吴以凡谈到大数据指的是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。其中制造业大数据是指在制造业领域中所产生的大数据制造业大数据是指在制造业领域中所产生的大数据，浙江省制造业大数据具有行业广数量大、企业过程复杂、数据积累丰富、数据源不可控等特点。

吴以凡以西奥电梯电梯为例，详细讲解了制造业中的大数据产生过程。包括设计、建模的产品数据；组织结构、业务管理的运营数据；包括客户、供应商、合作伙伴等价值链数据；包括经济运行、行业、市场、竞争对手等数据外部数据。对这些数据进行分析后，可将其用于工艺优化、配送优化、故障预测、产品运行状态监控等多个领域。

制造业大数据分析也面临许多挑战：一是：智能制造业全过程需要不同数据分析；二是：需要为智能制造业全过程建立多种分析模型。从设计、采购、生产、销售、售后所有的数据举要采集，避免形成数据孤岛。

制造业对分析结果的容错能力低和一次失误可能造成严重后果等原因导致制造业大数据分析需要高质量的数据。与此同时，制造业不同过程需要多粒度实时性的高性能算法，包括实时分析监控生产过程、弱实时分析优化生产、非实时分析大规模历史数据制定长期决策。

杭州电子科技大学计算机学院副教授 吴以凡

吴以凡谈到：大数据分析的结论必须应用到制造企业生产和经营不同阶段；分析结果必须满足不同阶段的形式和内容；高可用的分析结果才能转化为高价值的有效应用。同时也需要注意平衡分析结果的价值与成生成本。他表示想要用好制造业中的大数据，必须打通信息孤岛、提高数据质量、设计高效算法、实施有效应用。

更多精彩内容，请关注直播专题 2015中国大数据技术大会(BDTC)，新浪微博ImapBox@邮箱云存储，订阅ImapBox大数据微信号。 

本文为ImapBox原创文章，未经允许不得转载，如需转载请联系market#csdn.net(#换成@)