对高端制造业来说,生产出来的设备因故障给客户带来损失,是会被收取高额罚金的。比如,高铁、动车的电力牵引设备,如果因设备故障意外停机,铁路用户会收取设备制造商每停机一分钟15万元的赔偿金。对设备制造商来说,要想把客户及自身的损失降到最低,唯一的办法就是提前发现问题、预见问题、解决问题,不让大的设备故障发生。如何发现问题、预见问题?大数据技术可以在这个过程里发挥积极、有效的作用。
轨道交通的大数据应用
2015年之前,铁路总公司的动车电力牵引设备,是通过人工定期巡检的方式来发现设备隐患的。人工进行设备巡检,并对问题点进行标注,比如电压超标、电流过载、小的部件故障等等,从而形成设备故障文件;再让专家来分析,看属于哪类故障,并进行维修或者部件更换。2015年,明略数据协助某核心制造企业部署了大数据应用平台,实现海量设备数据的汇总和状态监测;对核心组件进行模式识别和特征挖掘,来预测故障。
具体来说,数据收集不再仅仅依靠人工巡检,而是通过传感器收集设备运行数据;通过网络将数据实时或定期传输到研究所的数据中心;再采用GPU加速进行深度机器学习,实现机器对故障样本的自动标注。这样既大大减少了人工巡检的工作量,还提高了巡检的频率,收集到数据更全面、更真实。这样,小的零部件故障,以及电压、电流等小问题,能及时发现,及时纠正,就会最大限度避免更大的事故发生。倘若小故障不能被及时发现,置之不理,那迟早会酝酿大型机械故障,给用户和自身带来不可估量的损失。
高端制造业生产出来的设备被广泛用于车船道桥等重要交通领域,为百姓出行提供便利。在车船道桥日常维护中单凭维护人员肉眼识别是难以做到及时且准确,需要运用大数据技术在设备未出故障前及时将故障进行预测,并将其隐藏的风险扼杀在摇篮中,对于设备隐患的及时解决,是对百姓出行安全的有利保障。
“升维思考,降维打击”在制造业的应用
明略数据从成立之初,就致力于用大数据还原真实的世界。2016年4月,明略数据举办大数据解决方案峰会。峰会上,明略数据董事长吴明辉指出,不论是在公安、税务、制造、金融等等哪个行业,明略数据都用“升维思考,降维打击”的指导思想,来让数据还原真实的世界。
“升维思考,降维打击。”即,要花足够的时间和精力,把方向的问题想清楚,要站在比别人更高的维度看问题、站在比别人远的未来看方向,然后,在执行的时候比别人更凶狠、更投入、更接地气。在制造业的大数据分析中,也需要“升维思考,降维打击”的过程。明略观点,“制造业天生是个数据维度就非常高的行业。还以轨道交通为例,对一辆车而言,需要传感器采集各个部件的状态、电压、电流等等,诸多维度的信息;不仅如此,还要采集这些信息在车辆启动时的数据、车辆加速时的数据、车辆平稳行驶时的数据、车辆转弯时的数据等等。加上时间这个维度,数据的维度信息就翻了很多倍。这是一个‘升维思考’的过程。通过数据挖掘和数据分析,得出来的结论却必须是低维的,也就是:这台设备是否存在安全隐患,是否需要维修?这是一个‘降维打击’的过程。”
明略数据通过分布式的数据挖掘系统DataInsight,推出了基于大数据的设备故障诊断与预测解决方案,将“升维思考,降维打击”的大数据思维渗透到了制造业生产和维护过程中。利用这套系统做轨道交通上的高铁和地铁的故障预测,对交通安全来说有很重要的保障作用。
《中国制造2025》指导制造业用大数据技术转型升级
《中国制造2025》对制造业的发展提出了明确的指导方向,其中不乏制造业对大数据的应用。明略认为,在《中国制造2025》当中,不仅需要大数据帮制造业分析生产制造、产品销售、用户使用过程当中的规律,更需要通过大数据为制造业的用户提供高增值的服务。
制造业不是把设备卖给用户就万事大吉了。高端制造业还可以通过大数据分析让用户更好、更高效、更安全地使用设备。实现从卖设备到提供软服务的转型升级。明略数据为制造企业提供的服务,能让铁路用户更及时、更安全地发现故障隐患,就是高端制造业为用户提供增值服务的很好例证。
为了给用户提供更好的增值服务,明略数据还让大数据科学家们深入到企业当中,在企业内部进行驻场工作,深入企业业务当中进行快速学习,并在与客户的沟通与实践中,快速了解客户所需,及时发现问题,教会企业如何快速让大数据技术为其所用。这也就是明略数据的“大数据驻场科学家文化”。大数据科学家驻场,能让明略数据更好地服务高端制造企业,从而让设备制造商给用户提供更好的增值服务。