2011年麥肯錫全球研究院大數據報告表明，2009年美國以裝備制造為代表的離散工業領域擁有的數據規模為各領域之首，比美國政府擁有的數據還要多。近年來，隨著德國工業4.0和美國工業互聯網為代表的新工業革命深入發展，以及“中國制造2025”、“互聯網+”行動計劃與“促進大數據發展行動綱要”的頒布實施，工業大數據得到了越來越多的關注。這里分享一下我們的思考與實踐。

工業大數據三大來源

企業信息系統、裝備物聯網和企業外部互聯網是工業大數據的三大來源：

• 企業信息系統存儲了高價值密度的核心業務數據。上世紀60年代以來信息技術加速應用于工業領域，形成了產品生命周期管理（PLM）、企業資源規劃（ERP）、供應鏈管理（SCM）和客戶關系管理（CRM）等企業信息系統。這些系統中積累的產品研發數據、生產制造數據、物流供應數據以及客戶服務數據，存在于企業或產業鏈內部，是工業領域傳統數據資產。
• 近年來物聯網技術快速發展，裝備物聯網成為工業大數據新的、增長最快的來源，它實時自動采集了生產設備和交付產品的狀態與工況數據。一方面，機床等生產設備物聯網數據為智能工廠生產調度、質量控制和績效管理提供了實時數據基礎；另一方面，2012年美國通用電氣公司提出的工業大數據（狹義的），專指裝備使用過程中由傳感器采集的大規模時間序列數據，包括裝備狀態參數、工況負載和作業環境等信息，可以幫助用戶提高裝備運行效率，拓展制造服務。
• 當前互聯網與工業深度融合，企業外部互聯網已成為工業大數據不可忽視的來源。本世紀初，日本企業就開始利用互聯網數據分析獲取用戶的產品評價，時至今日，小米手機利用社交媒體數據成功實現產品創新研發。此外，外部互聯網還存在著海量的“跨界”數據，比如影響裝備作業的氣象數據、影響產品市場預測的宏觀經濟數據、影響企業生產成本的環境法規數據。

工業大數據實施的關鍵問題

數據質量、多源關聯和系統集成是工業大數據實施的關鍵問題：

擁有大數據不是目的，發掘其價值才是關鍵。由企業信息化數據、裝備物聯網數據和外部互聯網數據匯聚而成的工業大數據，蘊藏著巨大價值。例如，通過分析用戶使用數據改進產品，通過分析現場測量數據提高工件加工水平，通過工況數據進行產品健康管理等。

實施工業大數據項目需要關注以下3個關鍵問題：

• 數據質量控制問題

原始數據（生數據）質量決定分析結果的質量。企業信息系統數據質量仍然存在問題，例如2014年某大型機車企業ERP系統中近20%物料存在“一物多碼”問題。裝備物聯網數據質量堪憂，某大型制造企業1個月的狀態工況數據中，無效工況（如盾構機傳回了工程車工況）、重名工況（同一狀態工況使用不同名字）、時標混亂（當前時間錯誤或時標對不齊）等數據質量問題約30%。

• 多源數據關聯問題

層次化的物料表(Bill Of Material, BOM)定義了企業信息系統數據的核心語義結構。針對跨生命周期的研制BOM和實例BOM間結構失配問題，我們提出了中性BOM模型，并以此為核心，向前關聯設計制造BOM，向后關聯服務保障BOM，形成星型結構，極大地降低了數據關聯的復雜度。同時，針對裝備物聯網數據和外部互聯網數據,可以根據其綁定的物理對象（零部件或產品）與相應的BOM節點相關聯。從而以BOM為橋梁，關聯3個不同來源的工業大數據。

• 大數據系統集成問題

工業大數據其來源更加廣泛，并且裝備物聯網數據（半結構化數據）和外部互聯網數據（非結構化數據）都要與企業信息系統（結構化數據）進行集成，因此要重構數據支撐平臺，甚至替換“舊”系統。

關于慧都大數據分析平臺

慧都大數據分析平臺「GetInsight®」升級發布，將基于企業管理駕駛艙、產品質量分析及預測、設備分析及預測等大數據模型的構建，助力企業由傳統運營模式向數字化、智能化的新模式轉型升級，抓住數據經濟的發展勢頭，提供管理效能，精準布局未來。了解更多，請聯系。

慧都大數據專業團隊為企業提供商業智能大數據平臺搭建，免費業務咨詢，定制開發等完整服務，快速、輕松、低成本將任何Hadoop集群從試用階段轉移到生產階段。

歡迎撥打慧都熱線023-68661681或咨詢慧都在線客服，我們有專業的大數據團隊，為您提供免費大數據相關業務咨詢！