【2017年第4期】工业大数据技术与架构
鄭樹泉,1,3,?覃海煥,2,3,?王倩,1,3
1. 上海計算機軟件技術開發中心，上海 201112?
2. 上海電機學院電子信息學院，上海 201306
3. 上海產業技術研究院工程大數據服務創新中心，上海 201206
摘要：工業大數據是工業企業的重要資產，是企業實現轉型升級的核心要素。分析了工業大數據的主要來源及其特點，給出了一種工業大數據參考架構，從生命周期與價值流、企業縱向層和IT價值鏈3個維度，討論了企業實現基于工業大數據的價值創新和企業轉型的典型應用與業務價值創新、企業各層所需部署的信息（物理）系統以及指導工業大數據應用落地的業務架構、信息系統架構和信息技術架構，最后分析了一種工業大數據典型應用案例的架構與技術，驗證了所提架構的有效性。
關鍵詞：工業大數據 ; 架構 ; 智能制造 ; 工業云 ; 工業互聯網
中圖分類號：TP399 ? 文獻標識碼：A
doi:10.11959/j.issn.2096-0271.2017043
Industrial big data technologies and architecture
ZHENG Shuquan,1,3, QIN Haihuan,2,3, WANG Qian,1,3
Abstract:Industrial big data is an important asset of industrial enterprises.It is a crucial factor for an industrial enterprise to realize transformation and upgrading.The main sources and characteristics of industrial big data were analyzed,and reference architecture of industrial big data with three dimensions was proposed.Three aspects of the realization of business innovation and transformation of industrial enterprise based on industrial big data respectively were discussed,which included the typical application and business innovation of enterprise,cyber (physical) systems deployed at all levels of the enterprise,and the business architecture,information systems architecture and IT architecture that guide the implementation of application of industrial big data.Finally,the architecture and technology of a typical application of industrial big data were analyzed,which verified the validity of the proposed architecture.
Key words: industrial big data, architecture, intelligent manufacture, industrial cloud, industrial internet
論文引用格式：鄭樹泉, 覃海煥, 王倩. 工業大數據技術與架構[J]. 大數據, 2017, 3(4): 67-80.
ZHENG S Q, QIN H H, WANG Q. Industrial big data technologies and architecture[J]. Big Data Research, 2017, 3(4): 67-80.
1 引言
伴隨著全球化加劇帶來的生產力扁平化競爭，老齡化帶來的工作人口下降和勞動力成本上升，自然環境的不斷惡化和自然資源的不斷減少以及更加多元化的用戶需求，工業企業面臨巨大的產業升級壓力，如何向更高產品質量和生產效率、更快市場響應速度、更具綠色環保的方向演進，是擺在每個工業企業面前的挑戰。與此同時，自動化和信息化技術近年來得到了長足的發展，特別是信息技術隨著消費互聯網的發展迅速進步，在全面改造第三產業的同時，也進一步與自動化技術產生融合而進入工業，為傳統制造業的升級創造了技術基礎。新工業革命以信息物理系統為載體，以創新商業模式為引領，以數字化、網絡化、智能化為特征，其核心是將以云計算、物聯網、大數據為代表的新一代信息技術與現代制造業、生產性服務業深度融合，推動產業轉型升級。
工業企業多年來（特別是在生產數據自動采集之后）累積的大量工業數據業已成為企業的重要資產，為企業轉型升級提供核心動力，然而，其應用也帶來了廣泛的挑戰。從業務方面來看，工業大數據應用還處于發展初期，具有廣泛示范作用的成功案例還不多。企業面對的一個挑戰是如何著手及推動工業大數據應用的開發和實施，以保證所構建的系統在投產后能產生預期的作用，能收回期待的投資回報。若沒有架構作為基礎，將很難有效地應對這些技術和業務上的挑戰。要解決不同行業之間系統的互操作性問題，不同產業之間就必須對系統的整體架構達成共識。一個通用的參考架構不僅能夠為解決不同產業共有的挑戰提供共同的基礎，還能夠在跨產業的生態系統中實現知識和經驗的共享，采用可重用的技術和系統構建模塊。一個廣闊跨產業的生態系統，將刺激更多的技術創新，降低技術成本，加快工業大數據系統的實施。
當前，工業領域主流的架構主要是從智能制造的視角進行設計，包括德國的工業4.0參考架構、美國的工業互聯網參考架構、中國的智能制造系統架構、日本的工業價值鏈參考框架等，其中，德國的工業4.0參考架構結合自身在工業裝備和生產線自動化方面的領先優勢，從信息技術、生命周期和價值流、企業縱向層3個維度展示了工業4.0架構和工業4.0組件模型，它更多關注的是智能工廠以及智能制造本身；美國的工業互聯網參考架構則從虛擬經濟和科技領域的優勢出發，提出了針對工業互聯網的具有跨行業適用性的參考架構，更注重工業領域的服務；中國的智能制造系統架構[1]依托制造大國的優勢，從生命周期、系統層級和智能功能3個維度構建；日本的工業價值鏈參考框架通過多個智能制造單元的組合形成通用功能塊，展現制造業產業鏈和工程鏈。這類架構提供了與智能制造相關的技術系統的構建、開發、集成和運行的一個框架，構建了軟件的應用程序和服務架構，但這些工作并未關注如何利用累積的工業大數據實現價值創造和企業轉型。因此，需要針對工業大數據的特點，從基于工業大數據的價值創新創造的視角開發一種工業大數據參考架構。參考文獻[2]介紹了工業大數據的主體來源及主要特點，并分析了工業大數據的關鍵技術問題，但并未給出這些問題的解決方案，也未將其與參考架構相關聯。
為解決上述問題，本文提出了一種工業大數據參考架構，為跨產業的大數據應用提供了一個具有通用性和一致性的架構模板和方法論。該架構包含3個維度：生命周期與價值流、企業縱向層和IT價值鏈。其中，生命周期與價值流維度分為3個階段：研發與設計、生產與供應鏈管理及運維與服務，分別討論各階段的數據類型、應用及價值創新；企業縱向層從下至上包含信息物理系統（cyber physics system， CPS）、企業管理信息系統（management information system，MIS）和互聯平臺系統（互聯網+），分別討論企業各層為實現工業大數據應用及工業轉型所需進行的工作；IT價值鏈討論指導工業大數據落地的業務架構、信息系統架構和信息技術架構，且在信息技術架構中，針對工業大數據及工業企業的特點對實現工業大數據應用所需的技術組件進行了討論。
2 工業大數據的定義、主要特征及價值
2.1 工業大數據定義
工業大數據是指在工業領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后服務、運維、報廢或回收再制造等整個產品全生命周期各個環節產生的各類數據及相關技術和應用的總稱。其以產品數據為核心，極大延展了傳統工業數據的范圍，同時還包括工業大數據相關技術和應用。
工業大數據的主要來源有如下3類。
（1）生產經營相關業務數據
生產經營相關業務數據主要來自于傳統企業信息化范圍，存儲在企業信息系統內部，包括傳統工業設計和制造類軟件、企業資源計劃（enterprise resource planning，ERP）、產品生命周期管理（product lifecycle management， PLM）、供應鏈管理（supply chain management，SCM）、客戶關系管理（customer relationship management， CRM）和環境管理系統（environmental management system，EMS）等。這些企業信息系統已累積了大量的產品研發數據、生產性數據、經營性數據、客戶信息數據、物流供應數據及環境數據。此類數據是工業領域傳統的數據資產，在移動互聯網等新技術應用環境下正在逐步擴大范圍。
（2）設備物聯數據
設備物聯數據主要指工業生產設備和目標產品在物聯網運行模式下，實時產生收集的涵蓋操作和運行情況、工況狀態、環境參數等體現設備和產品運行狀態的數據。此類數據是工業大數據新的、增長最快的來源。狹義的工業大數據即指該類數據，即工業設備和產品快速產生且存在時間序列差異的大量數據。
（3）外部數據
外部數據指與工業企業生產活動和產品相關的企業外部互聯網來源數據，例如，評價企業環境績效的環境法規、預測產品市場的宏觀社會經濟數據等。
工業大數據技術是使工業大數據中蘊含的價值得以挖掘和展現的一系列技術與方法，包括數據規劃、采集、預處理、存儲、分析挖掘、可視化和智能控制等。工業大數據應用則是對特定的工業大數據集，集成應用工業大數據系列技術與方法，獲得有價值信息的過程。工業大數據技術的研究與突破，其本質目標就是從復雜的數據集中發現新的模式與知識，挖掘得到有價值的新信息，從而促進制造型企業的產品創新，提升經營水平和生產運作效率以及拓展新型商業模式。
2.2 工業大數據特征
工業大數據除具有一般大數據的特征（數據容量大、多樣、快速和價值密度低）外，還具有時序性、強關聯性、準確性、閉環性等特征。
● 數據容量大（volume）：數據的大小決定所考慮的數據的價值和潛在的信息。工業數據體量比較大，大量機器設備的高頻數據和互聯網數據持續涌入，大型工業企業的數據集將達到PB級甚至EB級別。
● 多樣（variety）：指數據類型的多樣性和來源廣泛。工業數據分布廣泛，分布于機器設備、工業產品、管理系統、互聯網等各個環節，并且結構復雜，既有結構化和半結構化的傳感數據，也有非結構化數據。
● 快速（velocity）：指獲得和處理數據的速度。工業數據處理速度需求多樣，生產現場級要求分析時限達到毫秒級，管理與決策應用需要支持交互式或批量數據分析。
● 價值密度低（value）：工業大數據更強調用戶價值驅動和數據本身的可用性，包括：提升創新能力和生產經營效率及促進個性化定制、服務化轉型等智能制造新模式變革。
● 時序性（sequence）：工業大數據具有較強的時序性，如訂單、設備狀態數據等。
● 強關聯性（strong-relevance）：一方面，產品生命周期同一階段的數據具有強關聯性，如產品零部件組成、工況、設備狀態、維修情況、零部件補充采購等；另一方面，產品生命周期的研發設計、生產、服務等不同環節的數據之間需要進行關聯。
● 準確性（accuracy）：主要指數據的真實性、完整性和可靠性，更加關注數據質量以及處理、分析技術和方法的可靠性。對數據分析的置信度要求較高，僅依靠統計相關性分析不足以支撐故障診斷、預測預警等工業應用，需要將物理模型與數據模型結合，挖掘因果關系。
● 閉環性（closed-loop）：包括產品全生命周期橫向過程中數據鏈條的封閉和關聯以及智能制造縱向數據采集和處理過程中，需要支撐狀態感知、分析、反饋、控制等閉環場景下的動態持續調整和優化。
由于以上特征，工業大數據作為大數據的一個應用行業，在具有廣闊應用前景的同時，對傳統的數據管理技術與數據分析技術也提出了很大的挑戰。
2.3 工業大數據的戰略價值
大數據是制造業提高核心能力、整合產業鏈和實現從要素驅動向創新驅動轉型的有力手段。對一個制造型企業來說，大數據不僅可以用來提升企業的運行效率，更重要的是通過大數據等新一代信息技術提供的能力來改變商業流程及商業模式。從企業戰略管理的視角，可看出大數據及相關技術與企業戰略之間的3種主要關系。
● 大數據與戰略核心能力：大數據可以用于提升企業的運行效率。
● 大數據與價值鏈：大數據及相關技術可以幫助企業扁平化運行，加快信息在產品生產制造過程中的流動。
● 大數據與制造模式：大數據可用于幫助制造模式的改變，形成新的商業模式。其中比較典型的智能制造模式有自動化生產、個性化制造、網絡化協調及服務化轉型等。
3 工業大數據架構
本文提出的工業大數據架構包含3個維度：生命周期與價值流、企業縱向層和IT價值鏈，如圖1所示。在生命周期與價值流層，按照工業大數據的應用領域，又可分成產品生產階段開始前的產品研發與設計、產品交付前的生產與供應鏈管理及產品交付后的運維與服務管理3個領域。在企業縱向層，按照數據采集方式與應用層級又可分成信息物理系統層、企業管理信息系統層及平臺互聯系統層。在IT價值鏈層，又可分成業務架構、信息系統架構及IT技術架構3個層次，其中信息系統架構又可分為應用架構及信息架構。
圖1 ?工業大數據架構
3.1 生命周期與價值流維度
工業大數據架構中的生命周期與價值流維度涵蓋了整個產品生命周期的各階段，即研發與設計、生產、物流、銷售、運維與服務5個階段，其中，生產、物流和銷售可進一步歸類于生產與供應鏈領域，則生命周期與價值流維度包含了3個領域：研發與設計、生產與供應鏈及運維與服務3個領域，各領域的應用場景如圖2所示。下面分別討論這3個領域的數據類型、應用及價值創新。
圖2 ?工業大數據架構產品價值鏈與應用場景
（1）研發與設計領域
研發數據通過研發人員在研發設計過程中不斷積累而成，其來源于產品生命周期各個環節，包括：用戶需求大數據、研發知識大數據、產品重用大數據、研發協同大數據等，具有跨產品和跨行業、種類繁多的特性。在此領域，可通過充分利用工業大數據實現的典型應用及創新如下。
● 實現客戶參與的個性化產品定制設計。企業通過互聯網平臺能夠收集用戶的個性化產品需求、產品的客戶交互和交易數據。挖掘和分析這些客戶動態數據，能幫助客戶參與產品的需求分析和產品設計等活動中，實現定制化設計，再依托柔性化的生產流程，就能為用戶生產出量身定做的產品。
● 實現基于大數據的模擬仿真設計。傳統生產企業在測試、驗證環節需要生產出實物來評測其性能等指標，成本隨測試次數的增加而不斷提升。利用虛擬仿真技術，可以實現對原有研發設計環節過程的模擬、分析、評估、驗證和優化，從而減少工程更改量，優化生產工藝，降低成本和能耗。
● 實現基于大數據的個性化定制設計自動化。傳統企業產品種類、式樣不多，可采用手工設計產品模型、生產樣品，再進行量產的生產模式，但面對個性化、小批量生產的要求，傳統模式將導致產品生產周期過長、成本過高。通過積累大量的產品設計模型數據，分析設計數據之間的關聯，借助大數據技術及其他輔助設計工具可實現個性化定制設計及模型生成的自動化。
● 促進研發資源集成共享和創新協同設計。企業通過建設和完善研發設計知識庫，促進數字化圖紙、標準零部件庫等設計數據在企業內部以及供應鏈上下游企業間的資源共享和創新協同，提升企業跨區域研發資源統籌管理和產業鏈協同設計能力。提升企業管理利用全球研發資源能力，優化重組研發流程，提高研發效率。
● 培育研發新模式。基于設計資源的社會化共享和參與，企業能夠立足自身研發需求開展眾創、眾包等研發新模式，提升企業利用社會化創新和資金資源能力。
（2）生產與供應鏈領域
生產大數據不僅包括產品生產制造過程中采集的產品生產信息、訂單信息、設備信息、控制信息、物料信息、人員工作排程，還包括企業內部管理信息流、資金流、產品生產上下游的供應商及客戶管理等相關輔助生產管理的信息，生產數據的采集依托于企業已有資源管理、制造執行、工控管理、供應鏈管理、供應商管理、客戶管理、商務管理等信息系統。這些數據具有時序性和強關聯性。在此領域，可通過充分利用工業大數據實現的典型應用及創新如下。
● 實現生產過程實時監控與管理及生產設備預測性維護，提升生產過程及設備管理水平，優化生產流程，并提升產品質量。現代化工業制造生產線安裝有數以千計的小型傳感器，探測生產設備的工作狀態，如溫度、壓力、熱能、振動和噪聲等，利用這些數據可實現生產過程實時監控、設備故障診斷與預測、能耗分析、質量事故分析等。此外，還可將生產制造各個環節的數據整合集聚，對生產過程建立虛擬模型，仿真并優化生產流程。
● 實現個性化定制規模生產，推動現代化生產體系的建立。通過產品全生命周期內數據流轉的自動化及對制造生產全過程的自動化控制和智能化控制，將促進信息共享、系統整合和業務協同，提高精準制造、高端制造、敏捷制造的能力，實現個性化定制規模生產，加速智能車間、智能工廠等現代化生產體系建立，實現智能生產。
● 實現網絡化協同制造及制造業共享經濟。通過“互聯網+”，進行生產資源在企業內或企業間的整合優化，實現企業內部的縱向協同制造或企業間的橫向協同制造。通過互聯網+共享經濟，進行創新資源、生產能力、庫存等生產資源的共享，實現制造業共享經濟。
● 優化工業供應鏈。射頻識別（radio frequency identification，RFID）等電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。跟蹤產品庫存和銷售價格，而且準確地預測全球不同區域的需求，從而運用數據分析得到更好的決策，優化供應鏈。
● 實現需求預測，以便更好地安排進貨、生產，當需求下降時，可追溯問題原因，并解決問題。
● 實現客戶畫像與精準營銷以及客戶行為分析，可擴展客源，提升營銷成功率及原有客戶的滿意度及忠誠度。
（3）運維與服務領域
運維與服務領域的數據來源有很多，主要包括：在客戶允許的情況下，通過嵌在產品中的傳感器采集的產品實時運行狀態數據及周邊環境數據；通過商務平臺獲得的產品銷售數據、客戶數據及相應的產品評價或使用反饋；客戶投訴及相應處理記錄；產品退貨/返修記錄及相應的維修記錄。通過對這些數據進行分析、挖掘及預測，可幫助工業企業不斷創新產品和服務，發展新的商業模式。在此領域，可通過充分利用工業大數據實現的典型應用及創新如下。
● 通過監控、分析遠程采集的產品實時運行狀態數據，實現遠程監控與管理、故障診斷及預測性維護等在線增值服務，可降低維護成本，提高產品利用率。
● 通過分析設備的客戶使用數據及周邊環境數據，還可為用戶提供延伸服務，擴展產品價值空間，實現以產品為核心的經營模式向“制造+服務”的模式轉變。如美國迪爾公司通過其在農機上安裝的全球定位系統（global positioning system，GPS）和測試土壤成分的傳感器采集的數據，可監測分析土地中各類肥料的成分，得到土壤狀態分析報告及種植不同農作物的適用程度，從而建議農戶應該種植什么作物、需要施加的肥料類型和數量，幫助農戶實現土壤狀況、水、濕度等環境狀況及肥料的最佳匹配，提高收成。
● 通過分析客戶產品評價或使用反饋、客戶投訴，將有用的意見融入產品的設計及產品改進中，對客戶投訴進行分類處理，可提高產品質量及售后服務質量，降低投訴率，提高客戶滿意度及忠誠度。
● 通過分析產品退貨或返修原因，及時采取有效措施，可提升產品質量，降低退貨率及返修率。
3.2 企業縱向層級
工業大數據架構的企業縱向層從物理域的角度自下而上共分為5層，分別為設備層、控制層、車間層、企業層和協同層。在設備層、控制層、車間層可利用物聯網，基于信息物理系統實現智能工廠；在企業層，企業集成內部各種信息化應用，進行企業內部業務流程整合和改造，提升企業運行效率；協同層使用工業云等平臺技術，實現企業外部協同制造及制造業服務化等創新業務模式。企業縱向維度可以分成信息物理系統、企業管理信息系統、互聯平臺系統3個子系統，如圖3所示。
圖3 ?工業大數據架構縱向層
（1）信息物理系統
無論是德國工業4.0、美國工業互聯網，還是《中國制造2025》的兩化深度融合戰略，其共同點、核心均是信息物理系統。信息物理系統通過傳感器和各類信息系統采集和匯聚機器運轉數據、生產現場數據，實現泛在感知，并運用數據集成處理技術，對工業數據進行采集交換、生產制造反饋控制，達到對設備、車間的控制交互，實現工廠內外物理系統的互聯互通，也為工業建模/仿真與分析提供數據基礎，進而為車間/工廠運營決策優化提供支撐服務。
在工業大數據架構企業縱向層中，用于對工業設備層進行信息采集的信息物理系統以大數據、網絡與海量計算為依托，通過核心的智能感知、分析、挖掘、評估、預測、優化、協同等技術手段，使計算、通信、控制實現有機融合與深度合作，做到工業設備、環境、群體的網絡空間與實體空間的深度融合。信息物理系統本質在于將物理設備連接到互聯網上，讓物理設備具有計算、通信、精確控制、遠程協調和自治五大功能。
（2）企業管理信息系統
企業管理信息系統用于打通企業各流程模塊的信息互聯、控制和集成化管理企業生產經營活動中的各種信息，通過信息數據的獲取，運用大數據分析、挖掘技術，實現企業內外部數據信息的共享和有效利用，進一步優化和重構業務流程，以提高企業的經濟效益和市場競爭力，創新企業管理理念，優化管理流程，重組管理團隊，創新管理手段，提升企業的經濟效益，帶動企業的創新性發展。
從動態的角度來看，企業信息化就是企業應用信息技術及產品的過程，企業信息化是信息技術由局部到全局、由戰術層次到戰略層次向企業全面滲透，運用于流程管理、支持企業經營管理的過程。企業信息化主要涉及生產過程控制、企業管理、產品生命周期管理、供應鏈優化管理等過程。
生產過程控制信息化的重點是產品開發設計、生產工藝流程、車間現場管理、質量檢驗等各設計、生產環節。企業管理信息化是企業信息化建設中比重最大、難度最大、應用最為廣泛的一個領域，涉及企業管理的各項業務及各個層面。企業管理的信息化建設就是在規范管理基礎工作、優化業務流程的基礎上，通過信息集成應用系統有效地采集、加工、組織、整合信息資源，提高管理效率，實時動態地提供管理信息和決策信息。
企業供應鏈管理的信息化使企業的生產和管理活動發生了前伸和后延。企業從原材料、零部件的采購、運輸、存儲、加工制造、銷售，直到最終送到并服務于客戶，形成了一條由上游的供應商、中間的生產者和第三方服務商、下游的銷售客戶組成的鏈式結構，而企業的生產活動、管理流程受到這條供應鏈的制約和影響。
（3）互聯平臺系統
當前，中國及大多數國家的工業發展都面臨著極大的困境和挑戰，包括：產能嚴重過剩、個性化產品稀缺、產品越來越復雜、生產資料未能得到有效配置、大型設備市場日漸飽和等，亟待尋求工業回歸、工業轉型升級的戰略方案。“互聯網+”極具活力的思維及創新的商業模式，為處于困境、亟待轉型升級的制造業提供了一種新的轉型方向，典型的有以下幾方面。
● 通過改革生產方式和商業模式以及提高生產技術，實現客戶個性化定制產品的小批量、大規模生產，解決工業產品大規模產能嚴重過剩與無法滿足客戶對產品的個性化需求的問題，以滿足對客戶尊重與肯定及自我實現的需求。
● 嘗試通過網絡化協同制造解決核心技術薄弱、高端產品制造能力較低的問題，即借助互聯網或工業云平臺，發展企業間協同研發、眾包設計、供應鏈協同等新模式，以有效降低資源獲取成本，大幅延伸資源利用范圍，打破封閉疆界，加速從“單打獨斗”向產業協同轉變，促進產業整體競爭力提升。
● 嘗試通過創新創業、制造業分享型經濟改善產能過剩而資源未得到有效配置及自主創新能力不強的問題。
● 以核心產品為軸心，通過收集、分析產品的客戶使用數據及周邊環境數據，為用戶提供延伸服務，擴展產品價值空間，拓展新市場，實現以產品為核心的經營模式向“制造+服務”的模式轉變。
3.3 IT價值鏈
大數據的價值通過數據的收集、預處理、分析、可視化和訪問等活動來實現。在IT價值鏈維度上，大數據價值通過為大數據應用提供存放大數據的網絡、基礎設施、平臺、應用工具及其他服務來實現，從而提高運營效率和支撐業務創新。大數據技術支撐的企業架構，參考美國開放組織（The Open Group）的開放組織架構框架（the open group architecture framework，TOGAF）劃分方法(www.opengroup.org)，可分成業務架構、信息系統架構成及IT技術架構3個層次，如圖4所示。
圖4 ?工業大數據架構的IT價值鏈
（1）業務架構
業務架構定義了業務戰略、管理、組織和關鍵業務流程，是企業全面的信息化戰略和信息系統架構的基礎，是數據、應用、技術架構的決定因素。業務架構是把企業的業務戰略轉化為日常運作的渠道，業務戰略決定業務架構。
工業大數據作為制造企業的業務戰略，可以幫助企業更全面、深人、及時地了解市場發展趨勢、用戶潛在需求、競爭對手態勢，以推出更有競爭力的創新產品。工業大數據不僅可以用來提升企業的運行效率，而且可以用來支持商業流程及商業模式創新。
工業大數據戰略將帶來制造企業創新和變革的新時代。通過互聯網、移動物聯網等帶來了低成本感知、高速移動連接、分布式計算和高級分析，信息技術和全球工業系統正在深入融合，給全球工業帶來深刻的變革，創新企業的研發、生產、運營、營銷和管理方式。這些不同的創新應用模式為不同行業的工業企業帶來了更快的速度、更高的效率和更高的洞察力。具體體現在智能化生產、網絡協同、個性化定制、遠程服務、平臺化應用等諸多應用場景中。
業務架構將高層次的業務戰略和目標轉換成可操作的業務模型。業務架構是對企業關鍵業務戰略及對業務功能和流程的表達，通常是在業務模型的基礎上實施的業務設計，從不同的視角闡述業務模塊及其之間的關系，即業務的主要流程。業務架構是對業務的主要流程和共享流程的適當劃分，對業務元素生命周期的闡述和分析。通過戰略規劃工業大數據業務和構建企業架構，從而獲得工業大數據的價值。
（2）信息系統架構
為充分發揮工業大數據價值，避免形成“信息孤島”，需要構建統一的信息系統架構，以實現各應用系統及數據的用戶訪問和互操作。
基于工業大數據業務戰略的信息系統架構是一個體系結構，它反映制造企業的信息系統的各個組成部分之間的關系以及信息系統與相關業務、信息系統與相關技術之間的關系。信息系統架構包括應用架構和數據架構。
其中，應用架構描述了支持企業運作所需應用系統的藍圖，包含應用層次、功能、實現方式和建設標準等，它主要研究應用系統間的交互關系、應用與核心業務的對應關系，是企業總體框架研究的重點，可以說是業務架構和技術架構之間的橋梁。工業大數據應用架構既包含對應于工業大數據架構中的企業縱向層各層次的應用系統，也包含基于大數據技術的應用系統。
而數據架構則是對復雜組織體的主要數據類型及來源、邏輯數據資產、物理數據資產以及數據管理資源的結構及交互的描述。在工業4.0時代，制造企業的數據將會呈現爆炸式增長態勢。制造企業為了實現精益制造、業務創新和業務轉型，需要充分利用企業內外信息管理系統的業務運營數據、工業現場數據和互聯網數據，以多源、異構數據的融合集成為基礎，開發創新應用，實現業務優化和創新。
（3）信息技術架構
信息技術架構是指導大數據應用實施的藍圖，它將信息系統架構中定義的各種應用組件映射為相應的可以從市場或組織內部獲得的技術組件，是制定架構信息集合的最后一步。
當前，隨著工業4.0浪潮的興起，物聯網、云計算、大數據、人工智能（artificial intelligence，AI）、增強現實/虛擬現實（augmented reality/ virtual reality， AR/VR）等信息技術不斷向工業領域融合滲透，為工業大數據應用的實施奠定了堅實的技術基礎。其中，物聯網技術使得無處不在的末端設備和設施，可以通過射頻識別、紅外感應器、全球定位系統等信息傳感設備，按約定的協議與互聯網相連接，進行信息交換和通信，使物品及其狀態可見，從而實現智能化識別、定位、追蹤、監控和管理；云計算技術提供了一種可通過網絡實現按需可動態伸縮的廉價計算服務；大數據技術及AI技術則使得在可接受的時間內從海量數據中分析、挖掘出潛在價值以及實現趨勢預測、群體智慧模式等成為可能；通過AR/VR技術則可實現對工廠環境、工業設備等的模擬及增強體驗。
制造業企業每天甚至每時每刻都在產生大量的數據，種類繁多，覆蓋了工業產品的全生命周期，包括設計數據、生產數據、價值鏈數據以及相關的外部數據。這些數據或來自傳感器，或來自智能設備的數據采集與監視控制系統，或來自企業的設計模型、信息系統。實現工業大數據應用需要進行數據采集及預處理、存儲、分析挖掘、針對特定業務進行應用及最后展示結果，相應地，工業大數據信息技術架構也分為6層：數據層、數據采集層、存儲層、計算層、應用層及展示層。若企業獨自建設每一層，建設門檻會比較高。幸運的是，在各國政府、世界各大知名信息企業、全球一線制造業廠商及研究機構的努力下，國內外已研發、建設完成一系列與工業云服務及（工業）大數據處理相關的開源技術組件，人工智能技術也進一步取得了長足的發展，如深度學習的直覺感知能力、群體智能等，為工業領域的智能化轉型提供了可選方案，也降低了工業大數據應用的建設實施門檻。企業若非必要，無需自行實現技術架構的每一個組件，可根據需要選擇使用相應的開源組件搭建工業大數據應用，還可根據需要選用不同類型、不同級別的工業云服務，在此基礎上實施工業大數據應用，以便更專注于企業擅長的業務領域及技術領域。
4 典型工業大數據應用案例
在中國服裝制造業普遍低迷的形勢下，紅領集團（以下簡稱紅領）通過工業大數據技術實現了從傳統的服裝廠到支持服裝大規模個性化定制的大數據工廠的轉型升級[3,4]。集團擁有一套大數據信息系統和數據驅動的能大規模定制化生產的智能化生產線，任何一項數據的變動都能驅動其余9 000多項數據的同步變動，并驅動生產線及時響應變化，每天都能設計、生產2 000種完全不同的個性化定制產品，實現了大規模定制生產及企業效益的大幅提升。下面分析其實現基于大數據的個性化定制的架構。
4.1 生命周期與價值流維度的業務創新
在傳統服裝業市場日漸疲軟之時，紅領發現了消費者日益尋求崇尚自我、彰顯個性化商品所蘊含的商機，立志為客戶提供合身、個性化的西服，以提升西服的附加價值，實現業務模式創新，提升企業效益。為此，紅領優化了其產品生命周期的各個階段。
在研發與設計階段，首先，采集客戶的個性化需求數據，并允許客戶參與西服的個性化設計。西服的需求數據包括以下兩方面。
● 量體數據，可通過3種方案進行采集：通過紅領的三點一線量體法測量采集人體19個部位的24個數據，以掌握一個人的體型細節；根據客戶體驗過的大品牌服裝尺碼在紅領數據庫中自動匹配；客戶自行選擇標準號。
● 衣服的個性化數據，包括：面料、圖案、光澤等，客戶可全部自行設計、只設計其中幾項或采用紅領推薦的個性化設計。其次，紅領需借助新技術以實現個性化設計自動化，即自動化打版，以提高打版速度，縮短生產周期，降低產品價格，支持個性化定制業務創新的實現。
在生產與供應鏈階段，需要實現個性化定制規模生產——拆解成衣。紅領將一件西服的制造過程進行工序分解，然后將定制化設計轉化成不同工序的生產指令數據并存儲，以在整個制作過程中流轉、標識一套衣服。最后，將生產線與信息化進行結合，對車間管理、生產線進行了智能化改造與柔性改造，實現了個性化產品的工業流水線規模化生產，有效縮短了生產周期，提高了生產量。
在運維與服務階段，紅領收集并分析客戶對西服的評價、穿著反饋及退換貨原因等，不斷改善量體數據關聯規則、個性化設計選項及推薦規則，以提高產品質量、客戶需求貼合度以及客戶滿意度與忠誠度。
4.2 企業縱向層的協同
為實現個性化定制，紅領在企業各層開發或引進了相應的系統，并對生產過程進行智能化改造，使數據能在產品全生命周期內自動流轉，實現了數據的實時共享與無縫連接、企業縱向層各系統間的協同以及智能生產。
首先，紅領在企業轉型中引入了互聯網思維，并建設互聯網平臺，提供了用戶表達個性化需求并參與產品設計的平臺。在客戶個性化需求數據采集完成之后，生成訂單，傳送到數據平臺。
其次，紅領開發引進了相關的信息系統，對個性化設計、生產、配送、服務等進行支持，包括：通過計算機輔助設計（computer aided design，CAD）、計算機輔助工藝規劃（computer aided process planning，CAPP）在大數據系統的支持下，實現個性化合身西服的自動打版，并將版型設計轉化成相應的生產指令數據，按工序記錄在一張射頻電子標簽中，作為該西服在整個產品生命周期中的身份證；通過ERP、SCM、CRM等系統在大數據系統的支持下實現對訂單、供應鏈、客戶關系等的管理。
最后，紅領對車間管理、生產線進行了智能化改造與柔性改造，包括：通過制造執行系統（manufacturing execution system，MES）、數據采集與監視控制（supervisory control and data acquisition，SCADA）系統等對生產過程進行監控與管理；通過引進智能裝備/系統，如自動裁床、自動引導運輸車（automated guided vehicle，AGV）、智能分揀配對系統、智能吊掛摘掛系統、智能分揀送料取料系統、智能對格剪裁系統等，完成生產線的半自動化改造，并對生產工序進行科學拆解、重新編程、重新組合，實現個性化西服的流水線批量生產。
4.3 IT價值鏈的支撐
紅領實現個性化轉型，其核心競爭力便是一套大數據信息系統和數據驅動的能大規模定制化生產的智能化生產線，通過提供存放大數據的網絡、基礎設施、平臺、應用工具、規模定制化生產及其他服務，實現運營效率的提高和業務創新的支撐，包括如下方面。
● 通過互聯網平臺實現了客戶個性化需求數據的采集，通過積累大量的產品設計模型數據，建立起了大數據信息系統。借助大數據技術、AI技術分析設計數據中量體數據一個部位的變化引起的大量的身體其他部位的關聯變化規律，如腰圍數據的變化會引起立襠等數據的變化，建立規則庫，設計數學模型，從而解決了自動打版中大量的數據關聯變化的難點問題，實現了個性化設計的自動化打版，并支持客戶個性化設計的自動匹配推薦。隨著數據的累積，該系統已具有大量的服裝版型和設計元素，幾乎能滿足用戶所有的個性化定制需求。
● 通過云計算平臺、云端數據庫實現了產品全生命周期內數據流動的自動化、無縫銜接。在制作過程中，操作人員或自動化設備通過射頻電子標簽訪問云端數據庫，即可獲取該套西服的所有定制化信息，包含個性化需求數據及相應的生產指令數據等。
● 通過物聯網技術、AI技術支持生產線的半自動化改造，實現個性化西服的流水線批量生產，并在生產過程中，使用大數據分析解決生產線平衡和瓶頸問題，使之達到產能最大化、排程最優化及庫存和成本最小化。成衣通過物流通道快速配送至客戶手中，客戶有意見或建議可通過大數據客服平臺進行反饋。
5 結束語
本文給出了一種工業大數據參考架構及遵照該架構的工業大數據應用所需的技術組件，該架構針對工業大數據的特點，從生命周期與價值流、企業縱向層和IT價值鏈3個維度討論了企業實現基于工業大數據的價值創新和企業轉型的典型應用與業務價值創新、企業各層所需進行的工作以及指導工業大數據應用落地的業務架構、信息系統架構和信息技術架構，為跨產業的大數據應用提供了一個具有通用性和一致性的架構模板、方法論和關鍵技術。在未來工作中，將使用該架構為指導，進行具體案例的研究與實施，如設備健康管理與預測性維護、銷售預測與需求管理等。該架構可應用于很多工業領域，具有良好的應用前景。
參考文獻：
[1] 辛國斌,?田世宏.?國家智能制造標準體系建設指南[M].?北京:?電子工業出版社,?2016.
XIN?G B,?TIAN?S H.?National guidance on the construction of intelligent manufacturing standard system[M].?Beijing:?Publishing House of Electronics Industry,?2016.
[2]?王建民.?工業大數據技術[J].?電信網技術,?2016(8):?1-5.
WANG?J M.?Industrial big data technologies[J].?Telecommunication Network Technology,?2016(8):?1-5.
[3] 李杰.?工業大數據—工業4.0時代的工業轉型與價值創造[M].邱伯華,譯.?北京:?機械工業出版社,?2015.
LI?J?.?Industrial big data-the revolutionary transformation and value creation in Industry 4.0 Era[M].?Translated by QIU B H.?Beijing:?China Machine PressPress,?2015.
[4]?劉士軍.?工業4.0下的企業大數據[M].?北京:?電子工業出版社,?2016.
LIU?S J.?The enterprise big data in Industrial 4.0 Era[M].?Beijing:?Publishing House of Electronics IndustryPress,?2016.
鄭樹泉（1965-），男，上海計算機軟件技術開發中心高級工程師，上海產業技術研究院工程大數據服務創新中心主任，主要研究方向為工業大數據標準、架構及應用。
覃海煥（1978-），女，博士，上海電機學院講師，主要研究方向為云計算、大數據技術。
王倩（1983-），女，上海計算機軟件技術開發中心工程師，主要研究方向為工業大數據。
總結
以上是生活随笔為你收集整理的【2017年第4期】工业大数据技术与架构的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 基于ARM的linux嵌入式操作系统
- 下一篇： Library reports erro