工业大数据的应用与实践

doi:10.11959/j.issn.2096-0271.2017059

摘要/Abstract

摘要：

随着物联网和信息物理系统时代的来临，更多数据可以被收集和分析，工业大数据也成为行业创新和转型的重要驱动力。与传统互联网大数据不同，工业大数据与工业逻辑紧密结合，详细对比了工业大数据与互联网大数据的区别，结合典型案例，阐述了需求驱动传统制造业变革的过程和工业大数据的发展之路，介绍了工业大数据平台的架构和工作原理。最后以挖掘机业务为例，展示了工业大数据平台的应用效果，并提出共享数据和模型将会使基于数据的应用产生更大的价值。

关键词: 工业大数据, 共享数据, 平台, 智能服务

Abstract:

With the advent of the Internet of things and the era of Cyber Physical System,more data can be collected and analyzed,and industrial big data have become important driving force for industry innovation and transformation.Unlike traditional Internet big data,industrial big data are closely integrated with industrial logic.The difference between industrial big data and internet big data was compared in detail.Combined with the classical cases,the process of demand driven transformation of traditional manufacturing industry and the development path of industrial big data were expounded.The structure and working principles of industrial big data platform were introduced.At last,taking the excavator business as an example,it shows the application effect of the industrial big data platform,and that having a share in data and models will make data based application produce more value was put forward.

Key words: industrial big data, share data, platform, intelligent service

中图分类号:

TP399

袁爱进, 岳滨楠, 闫鑫, 黄健. 工业大数据的应用与实践[J]. 大数据, 2017, 3(6): 27-41.

Aijin YUAN, Binnan YUE, Xin YAN, Jian HUANG. Application and practice of industrial big data[J]. Big Data Research, 2017, 3(6): 27-41.

图/表 17

表1

图1

图2

图3

图4

图5

表2

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

参考文献 8

[1]	王建民 . 工业大数据实践与思考[N]. 中国信息化周报—大数据， 2016-05-30.
	WANG J M . Practice and thinking of industrial big data[J]. China Information Weekly-Big Data, 2016-05-30.
[2]	张曙 . 工业4.0和智能制造[J]. 机械设计与制造工程， 2014,43(8):2-4.
	ZHANG S . Industrial 4.0 and intelligence manufacturing[J]. Machine Design and Manufacturing Engeering, 2014,43(8):2-4.
[3]	王喜文 . 工业大数据的四种用途和两大价值[J]. 物联网技术， 2016(4):7-8.
	WANG X W . Four uses and two major values of industrial big data[J]. Internet of Things Technologies, 2016(4):7-8.
[4]	李杰 . 工业大数据—工业4.0时代的工业转型与价值创造[M]. 北京：机械工业出版社， 2015.
	LI J . Industrial big data-the revolutionary transformation and value creation in industry 4.0 Era[M]. Beijing: China Machine Press, 2015.
[5]	陈尚义 . 百度大数据应用与实践[J]. 大数据， 2015(1):2015009.
	CHEN S Y . Big data applications and practices of Baidu[J]. Big Data Research, 2015(1):2015009.
[6]	郑树泉，覃海焕，王倩 . 工业大数据技术与架构[J]. 大数据， 2017(4):67-80.
	ZHENG S Q , QIN H H , WANG Q . Industrial big data technologies and architecture[J]. Big Data Research, 2017(4):67-80.
[7]	李杰 . 从大数据到智能制造[M]. 北京：上海交通大学出版社， 2016.
	LI J . From big data to intelligent manufacturing[M]. Beijing: Shanghai Jiao Tong University Press, 2016.
[8]	岳滨楠 . 液压挖掘机整机性能的数字化匹配研究[D]. 上海：同济大学， 2012.
	YUE B N . Research on digital match of hydraulic excavator overall performance[D]. Shanghai: Tongji University, 2012.

分类	工业大数据	互联网大数据
数据要求	全面样本数据，以覆盖工业过程中各类变化条件，时效性要求高	大量样本数据，时效性要求低
特征提取	注重特征背后的物理意义以及特征之间关联性的机理逻辑	依靠统计学工具挖掘属性之间的关系，不注
		重属性的具体含义
分析手段	数据建模、分析更加复杂；	具备成熟的数据挖掘算法；
	需要专业领域的算法，不同行业、不同领域的算法差异很大；强调跨学科技术的融合	轻属性含义、重价值挖掘，从看似无关的属性中找出内在价值
应用领域	健康诊断、故障预警、工况识别、市场预测等	图像识别、语音识别、语义分析、偏好推荐等

模块	功能	维度
健康诊断	挖掘机诊断	效能、易损件残值、核心件残值、状态信息
	操作手诊断	工作饱和度、机器爱护度、使用黏性
	代理商诊断	销售业绩、服务业绩
	服务工程师诊断	工作饱和度、工作能力、工作态度
需求预测	保养订单预测	精准预测保养订单数量，合理安排工单
	故障维护预测	预测机器可能故障，提醒客户提前采取措施
	整机销量预测	预测不同区域不同型号机器销量，为主机厂提供决策支持
	配件销售预测	预测不同区域配件需求状态，供代理商参考
	核心件库存预测	预测核心件消耗状态，降低库存储备
	二手机价值预测	评估二手机残值，为市场提供官方指导价格
	客户流失预测	根据用户画像和使用黏性，预测客户流失，并采取合理措施
	意向客户预测	根据用户画像和使用黏性，预测客户购买意向

[1]	陈宏民, 熊红林, 胥莉, 杨云鹏, 卓训方. 基于平台视角下的数据交易模式及特点分析[J]. 大数据, 2023, 9(2): 56-66.
[2]	赵泽睿. 围绕数字平台公司风险的治理制度改革分析[J]. 大数据, 2022, 8(4): 17-33.
[3]	王德军, 代亚楠. 数字时代平台经济领域金融业务的监管思考[J]. 大数据, 2022, 8(4): 46-55.
[4]	郑婷一, 庞亮, 靳小龙. 平台经济中的数据与算法安全[J]. 大数据, 2022, 8(4): 56-66.
[5]	黄丽华, 窦一凡, 郭梦珂, 汤奇峰, 李根. 数据流通市场中数据产品的特性及其交易模式[J]. 大数据, 2022, 8(3): 3-14.
[6]	黄新波. 十四运会信息化系统大数据统一平台的设计与应用[J]. 大数据, 2022, 8(2): 158-167.
[7]	曹乔卓然, 陈祖刚, 李国庆, 李静. 科学数据中心资源和用户访问控制体系[J]. 大数据, 2022, 8(1): 98-112.
[8]	汪岸, 任帅, 苗雪, 董玲玉, 朱迎, 陈丹丹, 胡长军. 数值核反应堆大数据及其应用[J]. 大数据, 2021, 7(5): 40-56.
[9]	霍建同, 肖利民, 霍志胜, 徐耀文. 广域虚拟数据空间中边缘缓存系统的研究与实现[J]. 大数据, 2021, 7(5): 57-81.
[10]	贺相春, 郭绍青. 基于数据智能的区域教育大平台建设与应用实践[J]. 大数据, 2020, 6(6): 40-51.
[11]	刘汪根, 郑淮城, 荣国平. 云环境下大规模分布式计算数据感知的调度系统[J]. 大数据, 2020, 6(1): 81-98.
[12]	丁小欧, 王宏志, 于晟健. 工业时序大数据质量管理[J]. 大数据, 2019, 5(6): 19-29.
[13]	包小源, 张凯, 金梦, 谢双莲, 宋锴. 基于数据空间的电子病历数据融合与应用平台[J]. 大数据, 2019, 5(6): 47-61.
[14]	刘现印. 山东省地理信息时空大数据中心建设方法[J]. 大数据, 2019, 5(5): 89-99.
[15]	林子雨. 大数据技术原理与应用课程建设经验分享[J]. 大数据, 2018, 4(6): 29-37.