大數據和智能制造背景下車輛主機廠面臨的機遇和挑戰

朱新榮 王磊 畢修令 吳雪陽 李宏陽

摘要：通過對近年來軌道交通車輛制造行業希望通過信息化手段提升產品利潤率的需求出發，研究發現大數據和智能制造已成為軌道交通行業的主要研究和發展方向，本文通過結合馬斯諾需求模型和車輛主機廠的現狀分析，提出了軌道車輛主機廠借用大數據和智能制造的應用前景和相應的風險控制方式，通過結合大數據在制造業的應用，盡力推動軌道車輛的智能化和產品利潤的最大化。

關鍵詞：城市軌道交通；大數據；智能制造；風險控制

進入21世紀以來，交通運輸、金融保險業以及高科技產業等基礎設施投資逐漸成為跨國公司新的投資熱點。與此同時，龐大的數據容量、繁多的類型、高速的數據處理與流轉，以及低價值密度使制造型企業常感到無所適從。如何利用大數據分析解決問題、挖掘潛在聯系、實現數據增值，已成為跨國公司和各制造型企業提升競爭力的關鍵。

我國在大數據發展和應用方面仍存在產業基礎薄弱、缺乏頂層設計和統籌規劃、創新應用領域不廣等問題。我國大數據正面臨著從容量大、類型多、存取速度快、應用價值高為特征的數據，快速發展為以數量巨大、來源分散、格式多樣的數據采集、存儲和關聯分析為特征的轉變。本文通過國內外大數據的應用分析，提出了軌道車輛主機廠在大數據處理和智能制造推進的合理化建議以及相應的風險防范等內容。

一、概述

在各地鐵公司和車輛主機廠以及部件供應商紛紛推出各自的智能化解決方案以及智能制造方案的背景下，制造型工業將與高維仿真、數據分析、傳感數量高度融合，使各個層面的數據得到充分利用，進而預測產品在全壽命使用中可能存在的風險，提高產品耐受性和企業利潤水平。為充分利用大數據和智能制造平臺，國外的巨頭公司紛紛采用在產品壽命的前端、中端、后端三個階段實現應用和創新。通過大數據的信息挖掘，分析和預測市場走向、實現制造業服務化、建立數據共享平臺。

1）前端營銷和服務環節，全面分析市場走向，建立科學決策機制，提升市場應變能力。在國外制造業領域，不少企業通過大數據分析預測市場走向，預測經營管理中可能存在的問題，對于提高跨國企業的市場應變能力大有裨益。

2）在中端設計研發環節，基于客戶需求，提供系統化解決方案，走制造業服務化路線。目前，制造業基于產品的傳統生產模式已經開始向基于服務的定制化模式轉型。大數據作為一個精準定位的有效工具，幫助跨國企業了解客戶需求，針對不同群體進行產品細分，為客戶提供系統化解決方案。

3）在后端制造和物流環節，建立大數據共享平臺，優化作業流程，提高生產效率。在后端，不少工廠也采取了數據采集和分析，以進行內部流程優化。

二、車輛主機廠的現狀

隨著生產要素成本的持續上升和傳統生產模式的改變，如何從低附加值、勞動密集型模式向追求高附加值、高技術含量模式的轉變，是車輛主機廠乃至整個制造業面臨的巨大挑戰。作為一個為國內外提供城軌車輛的主機廠，僅部分部門開展了數據平臺建設，存在信息不暢通、更新不及時，在解決此類問題基礎上，還需借助大數據的分析對市場進行進一步預測，以提高企業的盈利水平。

據2017年4月份發布的中國中車股份有限公司2016年年度報告中所述，中車除了基本的鐵路裝備業務外，還在城市基礎設施業務、新產業（含通電機電業務、風電&新能源等新興業務）、現代服務業務、國際業務均取得了長足的進展。然而受限于主營產品“以銷定產”的供銷模式，以及對過往數據共享和分析的欠缺，導致了對目前軌道產品“智能化”、車輛維護“狀態修”、服務提供“利潤化”、物流銜接“無縫化”、運輸服務“一體化”的實際需求反應有所滯后，僅局限在部分主機廠部門的研究和探索應用中。

三、車輛主機廠與大數據和智能制造結合的應用前景

通過對國內外大型企業內大數據應用進展的分析，建議作為車輛主機廠可按照Abraham H.Maslow提出的馬斯諾需求模型的五層次理論（生理需要、安全需要、社交需要、尊重需要、自我實現需要）進行分析，將需求模型與車輛主機廠現狀相結合，從大數據的應用程度以及未來發展方向大致分為五個階段（數字化列車積累需求、數字化列車初級應用需求、數字化列車智能應用需求、數字化工廠應用需求、數字化自我提升需求），如圖2所示。

如上圖所示，依據大數據對應軌道車輛主機廠的實現方式，從易到難的實現角度進行介紹。

1）部件數據積累

收集列車關鍵部件或回路狀態信息，建立基礎數據庫。通過在列車上的關鍵部件和重要電氣回路中增設相應類型的傳感器，將記錄的模擬量數據通過數模轉換，以電信號形式通過數據電纜傳遞給網絡系統進行監控、記錄和存儲，為實現列車多種參數的實時監控及列車LCC（列車全壽命）數據的積累做好技術準備工作。

2）初級智能列車平臺的搭建

實時更新車輛基礎數據庫，完成預設條件下的列車自主運行。通過列車上的網絡數據交互設備，與軌旁信號基站設備交換列車實時狀態信息，使列車與信號設備按照預設程序完成列車日常主動喚醒、自行出庫、正線自動運行、列車按時回庫、列車當日信息及故障數據的上傳，列車自主休眠。在整個列車無人駕駛的過程中，通過對數據的前期計算和持續積累和分析來實現初級智能列車平臺的搭建。

3）全效智能列車平臺的構建

實時數據與數據庫信息進行對比，自主選擇最優行車規則，列車故障時自主選擇最優解決方案，自主提出維修建議。通過對故障數據及解決方案的學習，提升車輛的自我管理權限，在車輛出現類似故障情況下，由車輛自主決定停車、下線、降級或正常運行。除此之外，還可以通過監控車輛狀態數據的變化趨勢，主動向車輛段內的維護人員提出維修建議，使得目前的車輛維保模式從常規維保、全效修等模式向狀態修進行轉變，狀態修遲遲未能實現的根本原因也主要受制于車輛可靠性數據的積累不足。

4）智能工廠平臺的搭建

以服務信息（含營銷和售后）為平臺，拉動公司內部各部門支持。以顧客為企業核心驅動力可提高自身競爭力，而以數據為核心驅動力則指引著企業的發展方向。雖然軌道交通行業目前還是個“以需定產”的生產模式，但通過對以往項目的信息收集和數據分析，考慮用戶在日常產品使用中的不滿和實際需要，將分析得到的實際需求信息反饋公司設計和工藝部門，以便提前完成方案規劃，盡可能的在用戶明確提出需求或不滿前，給出處理方案和實施方案，盡量縮短彌補或者改善方案的時間耗費，提高用戶滿意度。

5）智能世界平臺的搭建

以數據分析為基石，主動向潛在用戶進行營銷服務。在此階段，除了關注既有客戶的隱性需求，還應關注潛在客戶（含既有客戶）未來的隱性需求甚至為客戶量身定制和創造需求。在智能世界階段，只有通過對大數據進行分析才能獲取更多智能的、有價值的信息。通過對有價值信息的剖析，主動營銷培訓服務、產品替換、產品升級改造、備件更新等服務，在提升產品競爭力的同時，樹立產品在用戶心中不可或缺的地位。

四、機遇和挑戰

大數據中蘊含的寶貴價值已成為人們存儲和處理大數據的驅動力。對數據的占有和控制將成為國家間和企業間新的爭奪焦點，“大數據時代”已然來臨，然而大數據應用中必然會遇到數據上傳、共享風險、數據的維護與應用風險，但是這些風險可以通過建立合理的管理體系、可靠的數據安全保護體系來進行控制。

制造行業應用大數據和智能制造面臨的機遇也越來越明晰：

1）建立統一管理平臺和數據處理標準流程，減少“信息孤島”，避免需共享的信息掌握在個人手中，造成目前信息不對稱問題的發生。

2）轉變制造型企業的戰略思路，可以通過與同行甚至上下游企業建立市場信息共享、供應商信息共享、物流資源共享、售后服務信息共享等方式突破目前制約信息共享的瓶頸；

3）持續完善信息化管理平臺，逐步從部件狀態數據的持續積累，到初級智能列車的實現，從全效智能列車到智能工廠的實現，最后利用大數據技術打造智能世界，考慮從生產企業向服務企業觀念的轉變，努力提升品牌自身競爭力。

參考文獻：

[1]中國信息通信研究院.中國大數據發展調查報告（2017）.

[2]Fei Hu，Big data：storage，sharing and security[B]. CRC Press，（2016）.

[3]呂佑龍，張潔. 基于大數據的智慧工廠技術框架。計算機集成制造系統，2016，11（022）.

[4]馮登國，張敏，李昊。大數據安全與隱私保護。計算機學報，2014，37（1）。

[5]程學旗，靳小龍，王元卓等。大數據系統和分析技術綜述。軟件學報，2014，25（9）。

[6] Russell Walker. From big data to big profits，success with data and analytics. Oxford University Press，[2015].