宫飞
新疆八一钢铁股份有限公司
摘要: 工业大数据是工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台中的数据等。工业大数据为制造业开辟了一种广阔的思路和生产经营模式，推动企业在今后的生产经营中利用大数据平台，开发、运用先进运营管理方法，推动企业高效发展。
关键词:工业大数据;大数据分析
引言(概念)
当今时代，信息化和工业化的融合已经成为发展趋势。工业大数据在两化融合过程中起着至关重要的作用，国务院颁发的《促进大数据发展行动纲要》把发展工业大数据列为主要任务之一：“推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台”。
德国政府在2013年的汉诺威工业博览会上正式提出“工业4.0”战略，旨在提升制造业的智能化水平，将物联网和智能服务引入制造业。“工业4.0”战略的三大主题：智能工厂，智能生产，智能物流。其本质依然是以信息技术为核心的第三次工业革命的成果。《中国制造2025》指出：“新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点”。
因此，工业大数据是信息化革命应用于制造业的的核心，是制造业提高核心能力、整合产业链和实现从要素驱动向创新驱动转型的有力手段。
工业大数据的组成
工业大数据是指在工业领域中产生的数据，围绕智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据，通过工业互联网将各类数据收集，把人、数据和机器连接起来，所形成的大数据集、大数据技术及相关技术和大数据应用的总称。
在一条完整的工业产业链中，各个环节产生的数据量数以万计，利用这些数据可以实现很多形式的分析，包括设备诊断、质量分析、成本核算、供销一体化分析预测等等，在生产过程中使用这些大数据，就能分析整个生产流程，掌握每个环节实时状态。
工业大数据平台建设首先依托的是网络互联。互联是基础，在网络互联的基础上，通过数据流动和分析，形成智能化变革，形成新的模式和新的业态。
其次工业大数据应用的基础是数据采集、存储。通过工业网络系统读取DCS、PCS、PLC等设备的参数，同时通过布设的传感设备、RFID设备来采集工业现场各个作业设备、作业流程及作业环境的数据，这些数据经工业总线、光纤或无线网络传送到数据采集服务器(SCADA)。
应用场景分析
工业大数据在收集、存储以后，通过各类分析模型和算法，应用到多种实际工业场景的分析任务中，如工艺参数优化、产量预测、故障检测和诊断、客户需求分析和服务类型识别等。通过各个环节不同的需求，将以往认为互不联系的区域关联起来，实现全流程过程分析和模型预测。
生产过程数据分析
大数据可以给予我们生产过程中详细的数据信息，可以通过历史存储的生产信息发现历史预测与实际的偏差概率，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。
例如将当前作业设备的作业参数(电流、电压、作业时间、故障)数据，通过历史数据进行对比分析，挖掘数据库中的关联关系，用数据和知识驱动的方式来代替传统的大量依靠经验的决策方式，预测会对生产过程带来哪些影响，通过何种方式消除，给出结论供使用者选择何种方式组织生产。还有，通过分析钢铁冶炼过程中的化学成分（如碳、锰、磷、硫等）的含量、出钢温度等数据，动态优化、调整如钢铁料、渣料等静态工艺参数和供氧强度、氧枪枪位等动态工艺参数，
达到生产过程可控的目的。
故障诊断与预测
很多工厂现在仍保持着人工录入数据，包括故障描述相关的信息，有专人分析，再经过多方共同确认环节确定几类根本原因，再分配给相应的工作人员制定行动计划。
人工录入数据时可能会出现错误，故障相关信息描述被不同的人理解也可能会得到不同的结果，再经过多方共同确认、分配工作，所经历的时间长、流程复杂，不仅浪费了时间，还影响了检修效率，如果因为检修不及时造成了设备故障、流水线暂停等问题，更是造成了巨大的损失。
基于大数据系统可以通过数据收集，建立分类模型和预测模型分析设备关键状态、运行状态和故障检测和诊断，挖掘与设备密切关联的核心状态参量，建立不同服役环境、不同设备老化状态、不同设备缺陷情况下的设备运行能力短期、中期、长期多尺度动态评估。根据过程动态评估结合分析预测模型，自动生成趋势、报警，并且结合设备状态，自动生成定检修计划。
产品质量管理与分析
质量管理是对已经生产出来的产品的进行综合评判和分析，一方面可以保障企业能够对外提供合格产品，另一方面也能通过质检反映生产过程的问题。质检出的残次品无论多少对企业都是损失，如果能够在产品产出之前就通过产线状态及相关生产数据分析预测出产品质量，并将生产流程调整为最佳产出状态以避免残次品，这就是质量预测。
企业通过监控实时工况数据和生产过程工艺数据，收集生产过程中的设备和操作过程中的数据,基于历史数据进行整合分析，通过关联规则分析算法建立关联性数据分类模型和回归模型，根据给定的工艺参数预测产品质量，基于大数据的分析、判断和预测从而帮助企业快速确定符合预期质量产品的工艺参数，达到在生产过程中不断优化，使产品质量波动稳定可控。
结束语
工业大数据具有广阔的应用前景，在实现工业互联互通、智能制造和智慧管理上起到了决定性的作用，同时工业大数据也面临着诸多挑战。
一个是大数据平台建立的问题。目前随着工业自动化和过程管理的水平不断提升，但是大量的基础数据潜在价值未能被开发，很多实时数据分布于企业中的各个独立控制环节，要想在整个企业内提取这些数据相当困难，大量数据的潜在价值未能体现。
还有一个重要问题是大数据意识建立的问题。由于没有大数据的意识，数据分析手段也不足，在企业大数据建立过程中困难重重，摸着石头过河。但是随着国家《国务院关于深化制造业与互联网融合发展的指导意见》、《国务院关于深化制造业与互联网融合发展的指导意见》等指导意见的相继出台，为工业大数据建设指明了方向，相关产业也会蓬勃发展，同时也对中国制造2025奠定了坚实基础。
参考文献：
[1]工业大数据分析综述：模型与算法 王宏志，梁志宇，李建中，高宏
[2]工业大数据发展态势与典型应用 黄明峰
[3]工业和信息化部关于工业大数据发展的指导意见 工业和信息化部