最新新闻
我要投稿
联系电话:027-87592219/20/21转188
投稿邮箱:tb@e-works.net.cn
您所在的位置:首页 > 智库 > 智能决策

工业大数据与数据驱动的智慧

发布时间:2017-09-16 作者:e-works整理  来源:e-works
关键字:工业大数据 数据驱动 
2017年9月2日,由中德智能制造联盟和e-works数字化企业网联合主办的2017(第二届)工业软件与制造业融合发展高峰论坛在北京辽宁大厦隆重召开。会上清华大学软件学院院长王建民教授做了题为《工业大数据与数据驱动的智慧》的演讲,本文根据演讲内容整理而成。
    2017年9月2日,由中德智能制造联盟和e-works数字化企业网联合主办的2017(第二届)工业软件与制造业融合发展高峰论坛在北京辽宁大厦隆重召开。会上清华大学软件学院院长王建民教授做了题为《工业大数据与数据驱动的智慧》的演讲,本文根据演讲内容整理而成。
 
清华大学软件学院院长王建民教授
 
图 清华大学软件学院院长王建民教授
 
    非常荣幸能够参加今天这场盛会,我今天演讲的题目是《工业大数据与数据驱动的智慧》。谈起今天的演讲话题,令我深有感触的是,中国的工业软件越来越受到关注,无论是从数据层面,硬件层面,网络层面还是商业模式层面,软件都是中间的核心和灵魂,今天我主要汇报一下与数据相关的认识。
 
    国内外巨头加速工业互联网产品布局
 
    制造业转型升级是历史的必然趋势,当前工业互联网正处在高速发展的时期,国际工业和软件龙头企业正在迅速布局工业互联网技术与产品。2015年8月,总部位于美国的GE公司率先宣布推出首个面向工业数据和分析的云平台Predix,2016年2月,Predix正式对开发者开放;2016年4月的德国汉诺威工业展上,西门子宣布将推出云平台MindSphere,到了2017年4月的汉诺威工业展,MindSphere已经成为西门子展区最核心的展出内容。
 
通用电气Predix平台MRO 5.0
图1 通用电气Predix平台MRO 5.0
 
 西门子MindSphere平台
图2 西门子MindSphere平台
  
    同样在今年的汉诺威工业展上,总部位于瑞士的ABB宣布推出ABB Ability,它集成了ABB从设备到边缘计算到云服务的跨行业、一体化的数字化能力。
 
    总部位于法国的施耐德电气也推出了EcoStruxure平台,它综合了施耐德电气的互联互通产品、边缘控制,以及应用、分析和服务。
 
工业互联网技术与产品
图3 工业互联网技术与产品
 
    而在国内,包括三一重工、海尔、中国航天科工等公司也开始打造自己的平台,推出了树根互联、COSMOPlat、航天云网等工业互联网平台产品。
 
    工业大数据应用场景分析
 
    工业数据包括企业信息化数据、工业物联网数据,以及外部跨界数据。而高端制造大数据不仅包含制造业领域信息化系统所管理的业务数据,还包括来自机器设备的监测数据以及跨产业链的外部数据。从下图的工业大数据图解来看,现在的工业大数据已经超越了当年GE在2012年白皮书里所提到的定义和内涵,近年来由人产生的数据规模的比重正逐步降低,机器数据所占据的比重将越来越大。
 
工业大数据应用场景
图4 工业大数据应用场景
 
    •数据驱动的智慧矿山应用
 
    未来,工业大数据一个显著的特征就是多模态,高通量和强关联。在多模态里会围绕产品的全生命周期,把上下游的数据集成起来,然后在新的智能化联网设备中收集大量的传感器数据。
 
未来智慧矿山的场景图
图5 未来智慧矿山的场景图
 
    上图是美国欧风公司未来智慧矿山的场景图。在矿山的经营过程中,有很多的装备,而且都是按计划生产。那么这座智慧矿山未来的场景是怎样的呢?它可以通过工业大数据直接感知市场需求,之后通过市场分析,可以知道哪一种铁矿石是现在市场上卖价最好,卖得最快的。然后就可以实时将决策命令下达到工程装备上进行操作,这就是跨尺度的信息集成和优化。也就是说把今天的市场需求通过数据的方式挖掘出来,直接传达到设备上变成行动和操作。
 
    而现在的信息化主要解决的是哪些问题呢?主要解决的是数据单元传递问题。如下图,这是一个制造业复杂装备阶段活动图,我们看到黑线部分从上游往下游传递,它主要反映了订单和票据是否正确的问题,这是信息化过程中需要解决的核心问题。而大数据所讲的数据集合的分析,从制造业角度来看,红线主要是反馈部分。通过数据集分析它的结构就可以发现它的规律,然后反馈给上游的各个环节,这就是信息化和大数据智能化的区别,然而两者又是不可分割的。
 
信息化与大数据:数据单元传递vs数据集合分析
图6 信息化与大数据:数据单元传递vs数据集合分析
 
    •数据驱动的智慧打车应用
 
    下面举一个打车的例子,打车虽然是一个传统的信息化问题,但也可以做一些智能优化。在上世纪六十年代的时候,也就是人工智能的早期,我们可以通过一些方式来定义打车的规则,但是司机和打车的人匹配的效率很低,成本也不划算。而现在通过大数据的办法,进行低成本的搜集,存储,然后训练,评分,使得这个圈更加的智能和优化,所以今天通过数据智能可以很大程度降低打车成本。
 
数据驱动的智慧打车应用
图7 数据驱动的智慧打车应用
 

2
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。