工業大數據助力制造企業跨界運營

在制造業的利潤越來越低的情況下，工業大數據可以為企業帶來新的利潤增長點。

近200年的世界工業史表明，一個國家的制造業產值在國民生產總值中所占的比例，在從低收入國家到高收入國家進程中形成了一條“苦笑曲線”。這就意味著隨著一個國家經濟發展水平不斷提高，一些資源勢必要從傳統制造領域釋放出來，從第二產業轉向第三產業，這就催生了生產型服務業。今天，在制造業的利潤越來越低的情況下，工業大數據可以幫助企業進行跨界運營，為企業帶來新的利潤增長點。

正確認識工業大數據

工業大數據，是指與工業領域相關的海量數據。2012年，美國通用電氣公司率先明確了“工業大數據”的概念。同年，麥肯錫公司的報告中給出了一個有趣的事實：在虛擬經濟占主導地位的美國，其工業界蘊含的數據總量是最大的，甚至超過了互聯網領域的數據。事實上，工業大數據不是一件新鮮事，至少工業數據不是一件新鮮事。工業界很早就重視數據分析，希望通過數據發現客觀規律，優化生產過程。

近幾年，很多企業都急于搭上“工業大數據”這趟快車，然而在現實中遇到了很多的問題，也存在以下一些誤區。

誤區一 工業大數據等同于消費大數據

大數據塑造制造業的微笑曲線

工業大數據對于準確率的要求遠甚于消費大數據。工業大數據最核心的問題是分析結果的可靠性，即分析結論上的因果關系。在消費大數據上，如互聯網廣告推薦能達到2%的轉化率，就是搜索引擎的最好水平。但是，這一數據在工業領域顯然遠遠不夠，2%的可靠性是無人敢用的。在工業領域，數據的準確率需要達到99.9%，甚至更高，否則就會造成嚴重的經濟損失乃至安全事故的發生。

誤區二 采集的數據越多越好

對于企業而言，機器采集的數據有時候是一個災難，因為不是企業采集的所有數據都是有用的。不產生價值的數據就是垃圾，對于企業而言就是負擔。企業在收集數據之前，首要任務是確定業務目標，在進行數據分析之前，要給數據畫像，弄明白自己到底需要什么樣的數據。

誤區三 有了大數據就不再需要流程

眾所周知，梳理業務流程是企業信息化的基礎工作。業務流程規定了達到某一業務目標所要執行的必要的業務活動，直接體現了企業創造價值的業務邏輯，即我們常說的流程驅動。今天有些人認為流程驅動過時了，一切都要數據驅動。這種觀點存在一定的片面性，數據驅動核心是通過數據獲得知識從而驅動業務流程中的決策節點，如供應商選擇、故障診斷等，而傳統信息傳遞與組織運行，即將正確的信息在正確的時間送給正確的人，仍然需要業務流程驅動。

塑造制造業微笑曲線

工業大數據究竟從哪里來？總體上來講，工業大數據來源于加速累加的三個階段：20世紀60年代開始的企業信息化，20世紀90年代開始的企業互聯網化，以及21世紀初開始的工業物聯網化。

事實上，工業大數據來源于產品生命周期的各個環節，包括市場、設計、制造、服務、再利用等。例如，設計階段引入用戶社區數據，制造階段使用機床在線感知與測量數據，市場營銷階段使用社交網絡數據等。當然，企業外、產業鏈外的“跨界”數據也是工業大數據不可忽視的重要來源。

歐盟第六框架計劃資助的基于敏捷嵌入式系統的PLM和信息追蹤系統（PROMISE）項目，將產品的全生命周期分為三個階段：開發制造階段（Beginning of Life，BOL）、使用維護階段（Middle of Life，MOL）、回收利用階段（End of Life，EOL）。BOL和MOL的分離點是產品交付用戶的時刻，MOL和EOL的分離點是產品退役的時刻。

傳統制造企業將重心放在開發制造階段，企業的核心目標就是將產品設計制造出來。至于產品銷售到哪里，如何進行使用維護，往往容易被企業忽視，甚至被企業看作負擔而故意回避。但是，一個產品是否有價值，關鍵在于它能不能滿足用戶的使用需求，而不完全取決于制造。盡管產品制造時質量很重要，但產品價值的真正體現是在使用階段。

加工制造環節，確實能夠產生很多利潤，但在當前環境下，生產制造的利潤越來越薄，企業越來越難以為繼。因此，工業大數據應該圍繞產品增值服務的業務邏輯，讓數據發揮作用，讓產品的價值充分體現。20世紀90年代，英國羅爾斯?羅伊斯公司率先在發動機上嵌入傳感器監控其運行狀態，開創了以銷售飛行小時為標志性業務的服務型制造新模式。這些傳感器采集的工況數據正是通用電氣公司和麥肯錫公司報告中所說的工業大數據的主體，即機器時序數據。

中國是一個制造大國，更是一個使用大國，只有利用大數據搶占價值高地，實現產品智能化，才能實現從“中國制造”到“中國創造”的轉變，從“生產型制造”到“服務型制造”的轉變。

跨界應用開創新未來

和之前的很多技術一樣，工業大數據并非橫空出世，而是一脈相承，但又有新的變化。這種新的變化來源于當前蓬勃發展的工業互聯網，其核心在于連接，將原來孤立的機器連接起來，將人和機器連接起來，將不同的企業、行業連接起來。

事實上，這種連接已經產生了巨大的價值，有很多企業已經開始了創新實踐。例如，將人和產品聯系起來，可以實現產品創新。日本科研人員設計出一種新型汽車座椅，根據駕駛者的體重、壓力值等數據識別駕駛者，判斷是否為自己的主人，從而決定是否啟動。

工業互聯網為生產性服務業延伸提供了基礎。在工業領域，維修和運行是制造服務業務的主體，即MRO（大修）。維修是指當產品性能下降的時候，通過更換零件或者其他手段，恢復其產品性能；而運行是指如何使用機器，使它產生價值。MRO源于航空領域，目前為工業服務領域廣泛接受。通過工業物聯網提高設備運行效率、降低維修成本，已成為工業4.0時代的共識，MRO技術發展為第五代產品，即以GE Predix Cloud為代表的工業大數據云服務平臺。

此外，將兩個不同領域的跨界數據連接起來，可以實現銷售模式的創新。例如，歐洲人根據一系列數據，對明天的風力進行精準測算，從而實現今天賣明天的風電。這是風電裝備在整個大氣環境下進行跨界運營的絕佳案例。不僅如此，美國能源企業把風場運維數據分析報告，作為風機裝備投標的必要條件。

在農業領域，傳統的方式是將播種器械、收獲器械聯合起來，然后到一個農場去作業。利用工業大數據，可以將農業機器的集群和天氣的數據、種子的數據、灌溉系統的數據聯合起來，通過全方位的連接來解決農業生產中的增產保收以及綠色節能問題。

通過跨界運營來創新是工業互聯網轉型的核心。在使用階段進行簡單的維修，不管是預防性維修還是主動性維修，都還處于工業互聯網的初級階段。只有通過數據進行跨界運營，才抓住了整個裝備制造業在服務階段轉型升級的核心。

值得注意的是，工業大數據項目主要不是針對“現有業務”，而是針對“未來業務”“創新業務”，其魅力在于創新性、不確定性。目前，工業大數據還處在“科學”階段，人們對數據價值的“提取”方法、技術與工具尚未定型，特別是以物理規律發現為目標的工業大數據處理更是充滿挑戰。

為此，2016年在國家“十三五”重點研發項目支持下，清華大學聯合中國人民大學、北京大學、哈爾濱工業大學以及金風科技等國內優勢單位，協同研發具有國際先進水平的高端制造領域大數據管理系統與工具集，并制定相應標準規范、評測基準與工具，努力打造“高端風電裝備互聯網+制造”標桿性應用示范。

當然，工業大數據在世界范圍內仍然處于起步階段，需要冷靜思考，堅持應用驅動，最終實現中國制造強國之夢。