工业大数据典型应用场景分析

工业大数据

典型应用场景分析

序言：拥抱工业大数据时代的到来

当前，以大数据、云计算、移动物联网等为代表的新一轮科

技革命席卷全球，正在构筑信息互通、资源共享、能力协同、开放合作的制造业新体系，极大地扩展了制造业创新与发展空间。新一代信息通信技术的发展驱动制造业迈向转型升级的新阶段——数据驱动的新阶段，这是新的技术条件下制造业生产全流程、全产业链、产品全生命周期的数据可获取、可分析、可执行的必然结果，也是制造业隐性知识显性化不断取得突破的内在要求。

习近平总书记强调，“要着力推动互联网与实体经济深度

融合发展，以信息流带动技术流、资金流、人才流、物资流，促

进资源配置优化，促进全要素生产率提升”。习总书记这段话深

刻阐释了互联网与实体经济的关系，阐释了以互联网为代表的

新一代信息通信技术融合创新推动实体经济转型升级的内

在机理，也充分体现了工业大数据作为一种新的资产、资源

和生产要素，在制造业创新发展中的作用。可以从三方面来

理解。

首先，资源优化是目标。新一代信息通信技术与制造业

融合主要动力和核心目标就是不断优化制造资源的配置效率，就是要实现更好的质量、更低的成本、更快的交付、更多

的满意度，就是要提高制造业全要素生产率。从企业竞争

的角度来看，企业是一种配置社会资源的组织，是通过对社

会资本、人才、设备、土地、技术等资源进行组合配置来塑

造企业竞争能力的组织，是一个通过产品和服务满足客户需

求的组织，企业之间竞争的本质是资源配置效率的竞争，这

是任何一个时代技术创新应用永恒追求的目标。

其次，数据流动是关键。新一代信息通信技术是如何优

化制造资源配置效率？信息流是如何带动技术流、资金流、

人才流、物资流？关键是数据流动。从数据流动的视角来看，数

字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化要解决数据“自动流动”的问题，即能够把正确的数据

在正确的时间以正确的方式传递给正确的人和机器，能够把

海量的工业数据转化为信息，信息转化为知识，知识转化为

科学决策，以应对和解决制造过程的复杂性和不确定性等问题，在这一过程中不断提高制造资源的配置效率。

第三，工业软件是核心。工业大数据的核心在于应用，

在于优化资源配置效率，其关键在于，数据如何转化为信息，

信息如何转化为知识，知识如何转化为决策，其背后都有赖于

软件,软件是人类隐性知识显性化的载体，软件构建了一套数据

如何流动的规则体系，正是这套规则体系确保了正确的数据能

够在正确的时间以正确的方式传递给正确的人和机器。工

业软件作为一种工具、要素和载体，为制造业建立了一套信

息空间与物理空间的闭环赋能体系，实现了物质生产

运行规律的模型化、代码化、软件化，使制造过程在虚拟世界实现快速迭代和持续优化，并不断优化物质世界的运行。

目录

1工业大数据典型应用场景 (6)

1.1.优化现有业务，实现提质增效 (6)

1.1.1.研发能力提升 (6)

1.1.2.生产过程优化 (6)

1.1.3.服务快速反应 (7)

1.1.4.推动精准营销 (7)

1.2.促进企业升级转型 (7)

1.2.1.创新研发设计模式，实现个性化定制 (8)

1.2.2.建立先进生产体系，支撑智能化生产 (8)

1.2.3.基于全产业链大数据，实现网络化协同 (11)

1.2.4.监控产品运行状态和环境，实现服务化延伸 (12)

1.3.促进中小企业创新创业 (13)

1工业大数据典型应用场景

工业大数据可应用于现有业务优化、推动大中型企业实现智能制

造升级和工业互联网转型，并支撑中小企业创新创业。

1.1.优化现有业务，实现提质增效

工业大数据可以在现有组织、流程保持不变的前提下，把各个部

门和岗位的工作做得更好，促进整个企业的提质增效。

1.1.1.研发能力提升

建立针对产品或工艺的数字化模型，用于产品、工艺的设计和优化。模型作为量化、可计算的知识载体，可提高企业知识重用水平、并促进

持续优化。将大数据技术与数字化建模相结合，可以提供更好的设计工具，缩短产品交付周期。

例如，波音公司通过大数据技术优化设计模型，将机翼的风洞实

验次数从2005 年的11 次缩减至2014 年的1 次；玛莎拉蒂通过数字

化工具加速产品设计，开发效率提高30%。

1.1.

2.生产过程优化

通过分析产品质量、成本、能耗、效率、成材率等关键指标与工艺、设备参数之间的关系，优化产品设计和工艺。以实际的生产数据为基础，建立生产过程的仿真模型，优化生产流程。根据客户订单、

生产线、库存、设备等数据预测市场和订单，优化库存和生产计划、

排程。

1.1.3.服务快速反应

通过设备的智能化，可以通过互联网获取用户的实时工况数据。

当用户设备出现问题或异常时，帮助用户更快地发现问题、找到问题的

原因。通过数据分析，构建基于规则或案例的故障预测系统，对用户设

备状态进行预测、帮助用户更好地维护设备。

1.1.4.推动精准营销

利用工业大数据，可以分区域实现对市场波动、宏观经济、气象条件、营销活动、季节周期等多种数据进行融合分析，对产品需求、产品

价格等进行定量预测。同时，可以结合用户当前对产品使用的工况数据，对零部件坏损进行预判，进而对零部件库存进行准确调整。此外，通过

对智能产品和互联网数据的采集，针对用户使用行为、偏好、负面评价

进行精准分析，有助于对客户群体进行分类画像，可以在营销策略、渠

道选择等环节提高产品的渗透率。更重要的是，可以结合用户分群实现

产品的个性化设计与精准定位，针对不同的群体，实现从产品设计开

始实现完整营销环节的精准化。

1.2.促进企业升级转型

随着工业互联网的深入发展，数据集成从企业内部发展到企业之

间。业务应用也随之拓展至终端用户、全产业链和制造服务等场景。

这种变化可能导致企业业务定位、盈利模式的重大改变，甚至会导致核

心业务的转型。这也就对应了《工业互联网体系架构》中总结的工业智

能化四类典型场景：个性化定制、智能化生产、网络化协同、服务化延伸。

1.2.1.创新研发设计模式，实现个性化定制

应用工业互联网和大数据技术，可有效促进产品研发设计的数字化、透明化和智能化。数字化能有效提升效率，透明化可提高管理水平、智

能化可降低人的失误。通过对互联网上的用户反馈、评论信息进行收集、分析和挖掘，可挖掘用户深层次的个性化需求。通过建设和完善研发设

计知识库，促进数字化图纸、标准零部件库等设计数据在企业内部的知

识重用和创新协同，提升企业内部研发资源统筹管理和产业链协同设计

能力。通过采集客户个性化需求数据、工业企业生产数据、外部环境数

据等信息，建立个性化产品模型，将产品方案、物料清单、工艺方案通

过制造执行系统快速传递给生产现场，进行设备调整、原材料准备，实

现单件小批量的柔性化生产。

1.2.2.建立先进生产体系，支撑智能化生产

生产过程的智能化是智能制造的重要组成部分。要推进生产过程

的智能化，需要对设备、车间到工厂进行全面的数字化改造。以下四点

应该特别引起重视：

“数据驱动”。定制化（小批量生产，个性化单件定制）带来的是

对生产过程的高度柔性化的要求，而混线生产也成为未来工业生产的

一个基本要求。于是，产品信息的数字化、生产过程的数字化成为一个

必然的前提。为此，需要为产品相关的零部件与原材料在赛博空间中建

立相对应的数字虚体映射，并根据订单与生产工艺信息，通过生产管

理系统与供应链和物流系统衔接，驱动相应物料按照生产计划

（自动的）流动，满足混料生产情况下物料流动的即时性与准确性要

求，从而满足生产需要。

“虚实映射”。个性化或混线生产时，每个产品的加工方式可能是不

一样的。这样，当加工过程中的物料按计划到达特定工位时，相应工序

的加工工艺和参数（包括工艺要求，作业指导书，甚至三维图纸的信息

等等）必须随着物料的到达即时准确的传递到相应的工位，以指导工人进行相应的操作。更进一步的情况下，通过CPS，生产管理系统将根据

这些信息控制着智能化的生产设备自动的进行加工。为此，必须实现数据的端到端集成，将用户需求与加工制造过程及其参数对应起来。同时，通过工业物联网自动采集生产过程和被加工物料的实时状态，反馈到赛

博空间，驱使相关数字虚体的对应变化，实现虚实世界的精准映射与变化。

“实时监控”。生产过程及设备状态必须受到严格的监控。当被加

工的物料与生产过程中的设备信息在赛博空间实现精准映射的状态下，便可以实现生产过程或产品质量的实时监控。当发现生产过程中

出现设备、质量等问题时，便可以及时地通过人或者系统的手段进行

及时的处理。对于无人化、少人化车间，还可以通过网络化的智能系统做到远程监控或移动监控。而要做到这一点，实现正生产过程全流程的纵向集成，便成为必要的前提条件。

“质量追溯”。从订单到生产计划，到产品设计数据，到完整的供应链与生产过程，完整的数据将为生产质量的追溯提供必要的数据保证。信息化系统可以提供订单、供应链与生产计划的完整数据，工业物联网实现了设备、产品与质量数据的采集与存储。这些数据除了保证生产过程的顺利进行，也为未来生产过程的追溯与重现提供了数据基础。为了保证产品质量的持续改进，就要实现从订单到成品的端到端的系统完整信息集成，对生产过程中人机料法环等因素进行准确记录，并与具体订单及相关产品对应，这些是实现完整质量追溯的前提。而系统数据的整合与互联互通，以及不同系统之间数据的映射与匹配，则是实现这个目标的关键所在。

在此基础上，如果能够推进设备的智能化、不断地消除哑设备，通过对积累沉淀的工业大数据的深入挖掘，不断的推进设备与生产过程控制的持续优化，做到设备的自诊断、预测性维护，则对提高设备运行效率、降低维修维护成本、提高产品质量都有着重大意义。

1.2.3.基于全产业链大数据，实现网络化协同

工业互联网引发制造业产业链分工细化，参与企业需根据自身优劣势对业务进行重新取舍。基于工业大数据，驱动制造全生命周期从设计、制造到交付、服务、回收各个环节的智能化升级，推动制造全

产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，

整体提升制造业发展水平和世界竞争力。基于设计资源的社会化共享和

参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升

企业利用社会化创新和资金资源能力。基于统一的设计平台与制造资源

信息平台，产业链上下游企业可以实现多站点协同、多任务并行，加速

新产品协同研发过程。对产品供应链的大数据进行分析，将带来仓储、

配送、销售效率的大幅提升和成本的大幅下降。

1.2.4.监控产品运行状态和环境，实现服务化延伸

在工业互联网背景下，以大量行业、用户或业务数据为核心资源，

以获取数据为主要竞争手段，以经营数据为核心业务，以各种数据资源

的变现为盈利模式，可有力推动企业服务化转型。首先要对产品进行智

能化升级，使产品具有感知自身位置、状态能力，并能通过通信配合智

能服务，破除哑产品。企业通过监控实时工况数据与环境数据，基于历

史数据进行整合分析，可实时提供设备健康状况评估、故障预警和诊断、维修决策等服务。通过金融、地理、环境等“跨界”数据与产业链数据的

融合，可创造新的商业价值。例如可通过大量用户数据和交易数据的获

取与分析，识别用户需求，提供定制化的交易服务；建立信用体系，提供高效定制化的金融服务；优化物流体系，提供高效和低成本的加工配

送服务；可通过与金融服务平台结合实现既有技术的产业化转化，实现

新的技术创新模式和途径。

1.3.促进中小企业创新创业

互联网促进了协同、降低了交易成本，促进了社会分工。这种逻辑，也同样适用于制造业。

在工业互联网时代，企业有条件服务于更多的客户；故而可以将自己的业务聚焦于更小的细分领域，如特种设备维修维护、特殊产品的制造、专业设计研发等。这样就产生了更多的创业机会。在这种细分市场，中小企业可以通过知识和数据的积累、提升自己的专业水平。

中小企业往往人才和资源匮乏，影响产品创新和生产技术水平的提升。在工业互联网时代，中小企业可以更加方便地分享和利用外部的人才和知识资源，提升自己的技术水平和创新能力。