工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业4.0、美国工业互联网还是《中国制造2025》，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。2017年2月中国工信部关于工业大数据的白皮书对于工业大数据的定义，定位，来源和特征，相关技术，应用以及发展路线等进行了详细的限定，由此提供了中国工业大数据发展的标准化框架和发展建议。
工业大数据的发展历程
1990年，第一个Web服务器诞生，随着二十多年的发展，信息在各个领域中不断增多，计算、存储、交互，各种类型的数据库不断膨胀，最终形成了现在所说的“大数据”。
2006年，美国NSF（美国国家科学基金会）提出CPS(信息物理系统）。该系统是通过网络虚拟端的数据分析、建模和控制对实体活动内容的深度对称性管理，是第四次工业革命的核心技术。
2011年，德国在汉诺威工业博览会首次提出工业4.0的概念。德国提出“工业4.0”，强调通过信息网络与物理生产系统的融合，即建设信息物理融合系统（Cyber-PhysicalSystem，CPS）来改变当前的工业生产与服务模式。
2012年3月，美国政府发布《大数据研究与发展计划倡议》，宣布启动对大数据的研发计划。同年，美国通用电气公司提出代表全球工业系统和智能传感技术、高级计算、大数据分析，以及互联网技术的连接与融合的工业互联网概念，强调通过智能机器间的连接并最终将人机连接，结合软件和大数据分析，来重构全球工业。
2015年3月，中国提出了一份具有重要意义的国家战略规划——《中国制造2025》，旨在借力互联网、云计算、大数据，进一步夯实中国制造业的基础和推动制造业的变革，用政策推动中国制造向智能化的方向发展。
工业大数据的特点
数据体量大，主要表现在随着设备数据和互联网数据的涌入，工业数据的存储量将达到 EB 级别；
数据分布广泛，分布于机器设备、工业产品、管理系统、互联网等；
结构复杂，有结构化、半结构化和非结构化等不同类型；
数据速度需求多样化 ，有要求时 、半实时和离线3种 ，生产层级要求实时性，需要达到ms 级别，管理层级实时性要求不高；
数据价值不均匀，20%的数据具有 80%的价值密度 （如产品图纸、试验分析、加工工艺），80%的数据只有20%的价值密度，需要分析挖掘（如工况、图片数据）。
工业大数据的应用场景及现状
工业大数据在智能制造领域主要是打通物理世界和信息世界，推动生产型制造向服务型制造转型，在智能化设计，智能化生产，网络协同制造，智能化服务，个性定制等场景都有它的身影。
以智能化生产为例，智能化设计通过对产品数据分析，实现自动化设计和数据化仿真优化，由此提供智能化生产的数据平台，帮助实现人机智能交互，工业机器人，制造工艺的仿真优化，数字化控制，状态监测等。在工业机器人领域，中国机器人产业联盟发布的统计显示，随着国内工业机器人总销量的大幅提升，国产机器人销量在去年达到2.9万台，同比增长30.9%，市场占有率达到32.6%，创历史新高。
智能化生产帮助越来越多的中国企业打造世界品牌，但很多工业企业在利用工业大数据进行转型的过程中，往往走不出“巨婴病”、“文盲病”、“ 模式病”的束缚而失败，工业大数据体现的是智慧工厂建设，如何深入理解并利用好工业大数据这一技术是实现制造业现代化转型的重中之重。
在中国的贵州省，贵阳市政府依托工业大数据平台，实现贵阳市水果种植，技术访问，饮品工厂生产，饮品销售一体化的实时平台。将产业的上下游整合到一个发展空间，解决了复杂的数据生成链对于数据分析和资源共享的问题。
总的来说，“互联网＋”时代的用户需求呈现实时、少量、碎片化、快速翻新等特点，这对于传统制造业提出挑战。工业大数据有其鲜明的特征，随着信息化和工业化融合，对工业大数据的应用为制造业转型升级开辟了新的途径。对工业大数据在制造业生产过程中的应用场景及应用的深入探讨，将有利于更好地发挥其助力作用。
更多关于智能制造、工业互联网及工业大数据前沿咨询和原创观点请关注：
长按指纹识别二维码关注
微信ID：haoshudao长按指纹识别二维码关注
共有条评论 网友评论