企业运营大数据资源机构介绍

在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

运用企业内部的物料采购数据和来自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，不断可以跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

大数据让传统制造企业能够创新产品和服务，从而创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在工业4.0或工业互联网时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。例如实时位置数据的出现已经创造了一套全新的跟踪服务体系，可以使飞机发动机制造企业提供航空信息与服务管理。这不但可以使制造企业自身提升生产效率和产业竞争力，更可以为其所服务的客户创造新的价值。

5.4.2.1　资源涵盖范围

1）产品设计数据资源

产品设计数据资源包括：产品设计CAD数据、产品建模仿真CAE数据、产品工艺数据、产品加工数据与数控加工NC程序、产品测试数据、产品维护数据、产品结构BOM数据、零部件配置关系、变更记录等。

2）产品制造数据资源

数字化工厂分为物理系统（physical system）、网络系统（cyber system）和管理系统（people system）三个部分。首先需要构建由基础设施原型（facility prototype）、产品原型（product prototype）、业务流程原型（business workflow）和生产工艺原型（process flow）组成的智能工厂抽象模型；进而，由智能工厂抽象模型可以组建出多个跨地域的智能工厂（smart factories）实例。其次，针对智能制造过程中生产数据的特点、数据分析的目的以及决策与控制的需求，构建数据仓库与分布式计算框架，基于数据挖掘和大数据处理技术实现对生产数据的充分挖掘与利用，一方面生成实时的控制指令对生产过程进行智能化控制，另一方面提取出关键信息，向管理者提供反馈，并依据管理者的决策执行相应的动作。

3）产品运行维护数据资源(www.xing528.com)

在线状态监测系统越来越多地被应用于制造行业，对产品的维护和修理起到了重要作用。通过加装传感器，产品生产厂商可以实时收集监测数据用于后续的分析工作。尤其在汽车领域，大量在役产品在整个生命周期中持续回传各种类型的数据，使得数据的积累速度非常快，数据容量呈现出爆炸性的增长趋势，如何通过这些数据分析重大故障或事故与相关的客户行为，以及时发现异常征兆提供主动服务，是制造企业向服务转型的重要需求。

5.4.2.2　资源获取途径

对于制造企业而言，其中产生的工业大数据主要用于自身的优化运营效率，优化供应链，细分市场，提升竞争力和创新商业模式。其中的工业大数据大多是企业的核心秘密，并不提供第三方交易与共享。制造企业内部的资源大多通过企业私有云来实现。

5.4.2.3　典型机构

制造业是大数据运行分析的应用宝地，国内外已经有不少大型企业开始挖掘工业大数据的潜在价值，GE与三一重工是其中的典型案例。

通用电气于2009年即启动了，今天宣布位于设立了美国Georgia州Atlanta市的GE能源性能和可靠性中心。GE研发了Proficy平台（图5-18），每天收集全球50多个国家上千台燃气轮机约10千兆字节的数据，对燃气轮机进行故障预警和性能诊断。

图5-18　通用电气的Proficy平台

三一重工有20万台在外设备安装了自主研发的工业智能控制终端，已累积40 TB的工况数据，且每天增量达两亿条。三一重工对这些设备的运行数据进行大数据分析，针对常用挡位按区域、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%。