工业APP成为释放工业大数据价值的方式

工业互联网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，工业APP成为释放工业大数据价值的方式

以物联网、大数据、云计算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，为制造业创新和发展提供了极大的想象空间。工业互联网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。

一

工业大数据的来源

工业大数据来源主要有三个方面：一是企业经营管理数据；一是机器设备数据；一是来源于企业外部数据：

1、经营管理数据:是指传统工业自动化控制与信息化系统中产生的数据， 如 ERP、MES 等。

2、机器设备数据:是来源于工业生产线设备、机器、产品等方面的数据，多由传感器、设备仪器仪表进行采集产生。

3、外部数据:是指来源于工厂外部的数据，主要包括来自互联网的市场、环境、客户、政府、供应链等外部环境的信息和数据。

二

工业大数据的特征

工业大数据具有4V特性,即具有大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值密度低（Value）。换句话说，只有具备这些特点的数据，才是大数据。

三

工业大数据的采集和处理

互联网的数据主要来自于互联网用户和服务器等网络设备，主要是大量的文本数据、社交数据以及多媒体数据等，而工业数据主要来源于机器设备数据、工业信息化数据和产业链相关数据。

工业大数据来源复杂，采集的手段也多样。工业领域的设备光通讯协议都让会让人眼花目眩。下图是网上找来的一张工业协议的汇总图，但这仅仅是众多协议中的一部分：

工业大数据，从特征来看，可以分为结构化、半结构化或非结构化等几种类型；而且有大量的不可用的数据。数据采集只是万里长征的第一步。

采集来的数据还需要经过数据ETL的数据处理过程，即数据的抽取（Extract）、数据的清洗（Cleaning）、数字的转换（Transform）、数字的装载（Load）。数据的处理过程如下图：

四

工业大数据的技术参考架构

工业大数据技术架构共有五个部分，分别为数据采集层、数据存储与集成层、数据建模层、数据处理层、数据交互应用层。

五

工业大数据的作用

1、资源优化是目标

两化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。

2、数据转化是关键

海量的工业大数据通过工业互联网将信息数据化，网络化让数据汇集和流动，智能化实现了数据转化，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。

3、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，其背后都有赖于模型。工业软件构建了一套数据如何流动的模型，正是这套模型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。

六

释放工业大数据价值的工业APP

为落实国务院《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，加快培育工业互联网APP，2018年5月11日，工信部印发了《工业互联网APP培育工程实施方案(2018-2020年)》。实施方案中明确指出在未来三年将通过政策保障、资金支持培育出30万个工业APP，构建工业APP标准体系。

所谓工业APP，是指面向特定工业应用场景，开发者通过调用工业互联网云平台的资源，推动工业技术、经验、知识和最佳实践模型化、软件化、再封装而形成的应用程序。工业大数据挖掘和分析的结果可广泛应用于企业研发设计、复杂生产过程、产品需求预测、工业供应链优化和工业绿色发展等各个环节。而作为工业软件的一种工具、要素和载体的工业APP，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。

1、面向设计领域的工业APP

工业设计大数据主要用于提高研发人员的研发创新能力、研发效率和质量，支持协同设计，具体体现为以下几个方面：

（1）基于模型和仿真的研发设计

基于模型的研发设计。在数字化技术环境下的产品设计开发，从概念设计就以数字化模型为载体，不受到时间和空间等因素的限制对产品模型修改和完善，然后将最终方案的数据通过生产设备进行产品制作。

基于仿真的设计。通过数字化模型的显示、仿真、快速成型、虚拟现实交互，可及早发现设计缺陷，优化产品，克服以往多种缺点。虚拟仿真技术还在不断提高系统的智能型，逐步解决产品创新设计中的不确定性与模糊性。

（2）基于产品生命周期的设计

运用大数据相关技术，实现高度有序化的方式展示产品生命周期设计大数据的关系，方便地集成员工在设计中产方便地集成员工在设计中产生的新知识，使产品设计大数据得进一步丰富。

（3）融合消费者反馈的设计

利用工业数据平台获取消费者、市场等各维度的数据信息，达到生产者和消费者之间“信息粘性”的效果，利用这些关联数据信息，通过大数据挖掘分析技术，实现客户全面洞察，改进、创新设计产品的功能和款式。

2、面向生产制造的工业APP

（1）工业物联网生产线

在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，有助于制造商改进其生产流程。在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，优化能源的消耗。

（2）生产质量控制

利用工业大数据技术，挖掘产品质量特性与关键工艺参数之间的关联规则，抽取过程质量控制知识，为在线工序质量控制、工艺参数优化提供指导性意见。

（3）生产计划与排程

大数据给予企业更详细的数据信息，发现历史预测与实际的偏差概率，通过数据的关联分析及监控，企业能更准确地制定计划。

3、面向需求预测的工业APP

在产品开发方面，分析当前需求变化和组合形式，通过消费人群的关注点进行产品功能、性能的调整，设计制造更加符合核心需要的新产品，针对每一个群体策划并推送针对性的营销。

4、面向供应链的工业APP

供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。

5、面向运营服务的工业APP

新一代信息技术通过对产品的配方、工艺及原材料采购、生产制造、仓储、运输、使用、大修和报废的全过程进行监控和管理，保证了企业的更好运营和提供给用户更好的服务。

七

结语

工业大数据是互联网、大数据和工业产业结合的产物，是中国制造2025、工业互联网、工业4.0等国家战略在企业的落脚点。工业APP是基于工业互联网，承载工业知识和经验，是工业技术软件化的重要成果，也是工业大数据价值的物化。不仅如此，基于大数据数据的价值挖掘创造新价值，推动制造业服务化的转型，创新商业模式，发掘更多的蓝海市场。