工业大数据的五大典型应用场景与产业发展分析.docxVIP

工业大数据的五大典型应用场景 与产业发展分析 与产业发展分析 随着信息化与工业化的深度融合，工业企业所拥有的数据也日益丰富，包括设计数据、传感数据、自动控制系统数据、生产数据、供应链数据等，数据驱动的价值体现及其带来的洞察力贯穿于智能制造生命周期的全过程。领先企业以平台为载体，不断形成针对制造业应用场景的大数据解决方案。制造和自动化领域的领军企业也依托长期积累的核心技术和行业知识，大力推广大数据在工业领域的应用，推动制造企业形成以数据驱动、快速迭代、持续优化的工业智能系统。 面向制造业企业陆续形成的工业大数据平台正在为工业大数据在 制造业的深入应用提供新技术、新业态和新模式。工业大数据已经成为工业企业生产力、竞争力、创新能力提升的关键，相关技术及产品已经逐步应用于工业企业和产业链的各环节，是驱动智能化产品、生产与服务，实现创新、优化的重要基础，体现在产品全生命周期中的各个阶段，正在加速工业企业的转型升级。近年来由智能制造、工业互联网发展催生的新模式、新应用，再次丰富了工业大数据的应用场景。 依据工业大数据支撑产品从订单到研发设计、采购、生产制造、交付、运维、报废、再制造的整个流程考虑，本白皮书将工业大数据典型的应用场景主要概括为智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制等五种模式，如下图所示。 智能化设计 智能化设计是支撑工业企业实现全流程智能化生产的重要条件。设计数据包括企业设计人员或消费者借助各类辅助工具所设计的产品模型、个性化数据及相关资料，例如计算机辅助设计（CAD）、计算机辅助制造（CAM）、计算机辅助工程（ CAE）、计算机辅助工艺设计（CAPP）、产品数据管理（ PDM）等。工业大数据在设计环节的应用可以有效提高研发人员创新能力、研发效率和质量，推动协同设计。客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现新型产品创新和协作的新模式。西门子在数字环境下构建基于模型和仿真的研发设计，有效提升了设计质量、节约研发成本；玛莎拉蒂通过数字化工具加速产品设计，实现开发效率提高 30%。另一方面，传统的产品设计模式是基于设计师的灵感和经验，揣摩消费者的需求喜好，设计产品，针对性不强，不精确，工业大数据可以拉近消费者与设计师的距离，精准量化客户需求，指导 设计过程，改变产品设计模式。通过将产品生命周期设计中各个环节所需要的知识资源有机的集成在一起，运用大数据相关技术，可以将产品生命周期设计所需大数据与各种设计过程集成，以高度有序化的方式展示产品生命周期大数据与设计的关系。 GE 公司使用 Predix 平台助力自身发动机的设计优化，平台首先对产品交付后的使用数据进行采集分析，依托大量历史积累数据的分析和航线运营信息的反 馈，对设计端模型、参数和制造端工艺、流程进行不断迭代优化，实现了发动机的设计改进和性能提升。金风科技通过工业大数据平台的大数据优化处理和针对载荷的定制化应用开发，将 5000 个工况的单 轮仿真数据的后处理速度从半个月跑 1 轮，提速为一周跑 3 轮，单轮 30G 仿真数据的后处理速度从几个小时降低到了几分钟，极大地提升了风场定制化设计的迭代速度和开发效率。 工业大数据使产品生命周期大数据在设计过程中得到有效的应用、评价和推荐。设计知识能够快速地推送给所需要的人，并方便地融合员工在设计中产生的新知识，进一步丰富产品设计大数据。 智能化生产 智能化生产是新一代智能制造的主线，通过智能系统及设备升级改造及融合，促进制造过程自动化，流程智能化。从数据采集开始，生产阶段工业大数据的驱动力体现在数据关联分析和数据反馈指导生 产。在生产阶段，对所采集的数据进行清洗、筛选、关联、融合、索引、挖掘，构建应用分析模式，实现数据到信息知识的有效转化。在制造阶段，通过对制造执行系统中所采集的生产单元分配、资源状态 管理、产品跟踪管理等信息进行关联分析，为合理的库存管理、计 划排程制定提供数据支撑；并且结合实时数据，对产品生产流程进行评估及预测，对生产过程进行实时监控、调整，并为发现的问题提供解决方案，实现全产业链的协同优化，完成数据由信息到价值的转变。工业大数据通过采集和汇聚设备运行数据、工艺参数、质量检测数据、物料配送数据和进度管理数据等生产现场数据，利用大数据技术分析和反馈并在制造工艺、生产流程、质量管理、设备维护、能耗管理等具体场景应用，实现生产过程的优化。 在制造工艺场景中，围绕生产工艺过程参数，设备运行状态参数与产品质量性能、生产线排产负荷、耗能等数据进行关联性深度挖掘， 形成数据闭环，可得出工艺参数的最优区间、生产质量控制的最优调控手段等，提升产品制造品质。美林数据设计的图像实时采集与智能分析系统，能快速识别冲