1.工业大数据
工业大数据是指在工业领域中,围绕典型智能制造模式,从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。
工业大数据的主要来源有三类:
第一类是生产经营相关业务数据。主要来自传统企业信息化范围,被收集存储在企业信息系统内部。此类数据是工业领域传统的数据资产,正在逐步扩大范围。
第二类是设备物联数据。主要指工业生产设备和目标产品在物联网运行模式下,实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此类数据是工业大数据新的、增长最快的来源。
第三类是外部数据。指与工业企业生产活动和产品相关的企业外部互联网来源数据。
2.工业大数据的地位
2.1在智能制造标准体系中的定位
工业大数据位于智能制造标准体系结构图的关键技术标准的左侧,属于智能制造标准体系五大关键技术之一。
2.2与大数据技术的关系
工业领域的数据累积到一定量级,超出了传统技术的处理能力,就需要借助大数据技术、方法来提升处理能力和效率,大数据技术为工业大数据提供了技术和管理的支撑。
首先,工业大数据可以借鉴大数据的分析流程及技术,实现工业数据采集、处理、存储、分析、可视化。其次,工业制造过程中需要高质量的工业大数据,可以借鉴大数据的治理机制对工业数据资产进行有效治理。
2.3与工业软件和工业云的关系
工业软件承载着工业大数据采集和处理的任务,是工业数据的重要产生来源,工业软件支撑实现工业大数据的系统集成和信息贯通。
工业大数据技术与工业软件结合,加强了工业软件分析与计算能力,提升场景可视化程度,实现对用户行为和市场需求的预测和判断。
工业大数据与工业云结合,可实现物理设备与虚拟网络融合的数据采集、传输、协同处理和应用集成,运用数据分析方法,结合领域知识,形成包括个性化推荐、设备健康管理、物品追踪、产品质量管理等工业大数据应用系统。
3.全球主要国家工业大数据战略部署
3.1美国先进制造业战略
2012年2月,美国发布了《先进制造业国家战略计划》报告,将促进先进制造业发展提高到了国家战略层面。从投资、劳动力和创新等方面提出了促进美国先进制造业发展的三大原则、五大目标及相应的对策措施。
2014年,美国白宫发布《2014 年全球大数据白皮书》,分析指出,美国大型企业在投资大数据科技方面存在以下几个关键驱动因素:分析运营和交易数据的能力;洞察客户线上消费的行为,以向市场提供新的高度复杂的产品;对组织中的机器和设备进行更加深入的感知。
3.2德国工业4.0战略
2015年4月,德国提出来“工业4.0”战略。强调通过信息网络与工业生产系统的充分融合,使产品与生产设备之间、工厂内部纵向之间、工厂与工厂之间,都能通过CPS(物理信息系统)联结为一个整体,从而实现生产的智能化,提升制造业的灵活性和工程效率。