第2章 传统行业原力觉醒

5 制造业+大数据：塑造智能工厂

王喜文

首席数据官联盟专家组成员，九三学社中央科技委委员，九三学社北京市房山区工委副主任，工信部国际经济技术合作中心中国智造与工业4.0研究所所长。

 

“工业4.0”在德国被认为是机械化（第1次）、电气应用（第2次）、自动化（第3次）之后的第4次工业革命，指在“智能工厂”利用“智能设备”将“智能物料”生产成为“智能产品”，整个过程贯穿以“网络协同”，从而提升生产效率，缩短生产周期，降低生产成本。它的典型特征是融合性与革命性，是新一代信息技术与工业化深度融合的产物，是一种新的生产方式，推动传统大规模批量生产向大规模定制生产转变。“工业4.0”的智能生产体系如图2-1所示。

工业大数据的主要类别

随着制造技术的进步和现代化管理理念的普及，制造业企业的运营越来越依赖信息技术，以致制造业的整个价值链、制造业产品的整个生命周期都涉及诸多的数据，制造业企业的数据也呈现出爆炸性增长的趋势。

制造业企业需要管理的数据种类繁多，如图2-2所示，涉及大量结构化数据和非结构化数据。

1．产品数据：设计、建模、工艺、加工、测试、维护数据、产品结构、零部件配置关系、变更记录等。

2．运营数据：组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、目标计划、电子商务等。

3．价值链数据：客户、供应商、合作伙伴等。

4．外部数据：经济运行数据、行业数据、市场数据、竞争对手数据等。

随着大规模定制和网络协同的发展，制造业企业还需要实时从网上接受众多消费者的个性化定制数据，并通过网络协同配置各方资源，组织生产，管理更多的各类有关数据。

工业大数据的主要用途和价值

大数据可能带来的巨大价值正在被传统产业所认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为企业的管理者和参与者呈现出一个全新的看待制造业价值链的方法。

1．实现智能生产

在“工业4.0”中，通过信息物理系统（CPS）实现工厂/车间的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产。具体而言，生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时的监控。而生产所产生的数据同样经过快速处理、传递，反馈至生产过程中，将工厂升级成为可以被管理和被自适应调整的智能网络，使得工业控制和管理最优化，对有限资源进行最大限度的使用，从而降低工业和资源的配置成本，使得生产过程能够高效地进行。

例如在过去，在设备运行的过程中，自然磨损本身会使产品的品质发生一定的变化。经过信息技术、物联网技术的发展，通过传感器技术实时感知数据，知道产品出了什么故障，哪里需要配件，使得生产过程中的这些因素能够被精确控制，从而真正实现生产的智能化。在一定程度上，工厂/车间的传感器所产生的大数据直接决定了“工业4.0”所要求的智能化设备的智能水平。

此外，从生产能耗角度来看，设备生产过程中利用传感器集中监控所有的生产流程，便于发现能耗的异常或峰值情况，由此能够在生产过程中不断实时降低能源的消耗。同时，对所有流程的大数据进行分析，也会在整体上大幅降低生产能耗。

2．实现大规模定制

大数据是制造业智能化的基础，在制造业大规模定制中的应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等，其核心是定制平台。定制数据达到一定的数量级，就可以实现大数据应用。通过对大数据的挖掘，实现流行预测、精准匹配、时尚管理、社交应用、营销推送等更多的应用（如图2-3所示）。同时，大数据能够帮助制造业企业提升营销的针对性，降低物流和库存的成本，减少生产资源投入风险。

对这些大数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。这将会极大地减少库存，优化供应链。同时，利用销售数据、产品的传感器数据和供应商数据库的数据等大数据，制造业企业可以准确地预测全球不同市场区域的商品需求。由于可以跟踪库存和销售价格，所以制造业企业便可节约大量的成本。

“工业4.0”本质是基于信息物理系统（CPS）实现“智能工厂”，使智能设备根据处理后的信息进行判断、分析、自我调整、自动驱动生产加工，直至最后的产品完成等步骤。可以说，智能工厂已经为最终的制造业大规模定制生产做好了准备。

实现消费者个性化需求，一方面需要制造业企业能够生产提供符合消费者个性偏好的产品或服务，另一方面需要互联网提供消费者的个性化定制需求。由于消费者人数众多，每个人的需求不同，导致需求的具体信息也不同，加上需求的不断变化，就构成了产品需求的大数据。消费者与制造业企业之间的交互和交易行为也将产生大量数据。挖掘和分析这些消费者动态数据，能够帮助消费者参与到产品的需求分析和产品设计等创新活动中，为产品创新做出贡献。制造业企业对这些数据进行处理，进而传递给智能设备进行数据挖掘、设备调整、原材料准备等步骤，才能生产出符合个性化需求的定制产品。

工业大数据的典型应用场景

工业大数据达到一定规模之后，就可以挖掘出具备商业经营价值的智能决策。设备与数据相互结合，网络协同且实时更新，将对诸多行业带来较大裨益。

据美国通用电气公司（简称GE）的预测，航班延误每年给航空公司带来的损失超过400亿美元，其中10%的延误是由对飞机的维护欠缺所造成的。同时，全球航空业每年燃油费用高达1700亿美元（营业收入约为5600亿美元）。而根据国际航空运输协会（IATA）的调查，这些油耗中有18%～22%属于浪费。GE的工业互联网通过对飞机航运数据和零部件系统数据的监测与统计，分析维修保养上的问题，每年可减少1000次延误情况。同时，选择适当的时机进行维修保养，也可以降低设备投资成本。通过航运数据，挖掘减少燃油能耗的实现路径，从而对飞行调度进行优化，可减少2%的能耗使用，每年节约2000万美元成本，减少大量二氧化碳排放。如图2-4所示。

医疗占全球GDP的10%，是一个相当大的行业。据美国GE公司的预测，医疗领域由于低效率，每年会造成7310亿美元的浪费，尤其是临床医疗占到59%，高达4290亿美元的浪费。医疗从业人员与医疗器械之间的信息不对称是主要原因。例如：护士换药、磁共振成像情况、医生诊断等过程都没能实时共享。将医疗从业人员、医疗器械进行联网，对诊断、手术、药方等信息进行共享，可以开展网络协同式的诊疗。GE的工业互联网通过综合管理每个病床，每个诊断的工作流、患者流，搬运医疗器械，改进医疗从业人员、业务流程和器械通信情况，可减少15%～30%的医疗器械成本，提升医疗从业人员的工作效率，节约的时间可多为15%～20%的患者提供服务。如图2-5所示。

大数据构建新一代智能工厂

消费需求的个性化要求传统制造业突破现有的生产方式与制造模式，根据消费者需求所产生的海量数据与信息，进行大数据处理与挖掘。同时，在进行这些非标准化产品生产过程中，产生的生产信息与数据也是大量的，需要及时收集、处理和分析，以反过来指导生产。

这两方面的大数据信息流最终通过互联网在智能设备之间传递，由智能设备进行分析、判断、决策、调整、控制并继续开展智能生产，生产出高品质的个性化产品。可以说，大数据构成新一代智能工厂。

伴随新一代信息技术与制造业的深度融合，新一轮工业革命的孕育发展，使得信息技术渗透到了制造企业产业链的各个环节。条形码、二维码、RFID等物联网标识，工业传感器、PLC等工业自动控制系统，ERP（企业资源计划）、CAD（计算机辅助设计）/CAM（计算机辅助制造）、MES（制造执行管理系统）等软件技术在制造企业中得到了广泛应用。制造业企业的运营也越来越依赖信息技术，以致制造业的整个价值链、制造业产品的整个生命周期都涉及诸多的数据，制造业企业的数据也呈现出爆炸性增长的趋势。

智能工厂中的大数据是“信息”与“物理”世界彼此交互与融合所产生的大数据。如图2-6所示。大数据应用将带来制造业企业创新和变革的新时代。在以往传统的制造业生产管理的信息数据基础上，通过物联网等带来的物理数据感知，形成“工业4.0”时代的生产数据的私有云，创新了制造业企业的研发、生产、运营、营销和管理方式。这些创新给制造业企业带来了更快的速度、更高的效率和更敏锐的洞察力。