
来自挖掘机企业的大数据分析处理
席卷全球的智能制造浪潮势头越来越猛。传统工业正面临前所未有的冲击,而这一日益剧烈的冲击力来自当下最热门的话题——物联网和大数据。
作为中国工程机械龙头企业,三一重工在20万余台工程机械上加装传感器,历经多年产生了大量数据,并在此基础上推出了“挖掘机指数”。通过这些数据,三一重工可以实时监测设备的作业情况、关键零件磨损、油耗和承压情况等,从而在问题出现之前提出预警,做到主动维修,实现对成本的精准控制并大幅提高用户服务质量。
来自挖掘机企业的大数据分析处理
有报道称,通过七年多的积累,三一重工已形成5000多个维度、每天2亿条、超过40TB的大数据资源。该“挖掘机指数”还能显示设备的施工时长和开工率等数据,在一定程度上反映出经济走势。
“‘挖掘机指数’主要起监测作用,还只是一个相对初步的应用,”美国参数技术公司(Nasdaq:PTC)全球副总裁兼中国区总裁寿宇澄告诉界面新闻记者,随着运营的逐步深入,企业可以进行更多的数据分析,具有很大的发展空间。
除对产品状态、运行和外部环境进行全面监测外,大数据的应用还可以实现控制、优化、自动等多种功能。通过产品内置或产品云中的命令和算法进行远程控制,对实时数据或历史记录进行分析,植入算法,大幅提高产品的产出比、利用率和生产效率,将监测、控制和优化功能融而为一,提高产品的自动化程度。
最简单的产品案例是美国iRobot公司的真空扫地机器人Roomba,它内置软件和传感器,能对不同结构的地面进行扫描和清扫。更先进的产品则具备学习能力,能根据周边环境分析产品的服务需求,并根据用户的偏好调整。自动功能不仅能减少产品对人工操作的依赖,亦能实现偏远地区的远程作业,提升危险环境下的工作安全性。
正是瞄准了大数据的广阔前景,全球范围内不少工业企业正在纷纷转型大数据公司。美国工业巨头通用电气公司(下称GE)宣称,依靠机器以及设备间的互联互通和分析软件,打造智能机器,实现人、机器和数据的无缝协作,到2030年,要为全球GDP贡献15万亿美元。
GE与英特尔、思科、华为等多家企业携手,耗资十多亿美元开发了Predix软件操作平台,负责将各种工业资产设备和供应商相互连接、接入云端,并提供资产性能管理和运营优化服务。自今年起,面向所有企业开放。
所有的智能互联产品,从家用电器到工业设备,都包括三个部分:物理部件(例如机械和电子零件)、智能部件(传感器、微处理器、数据储存装置、控制器、软件、内置操作系统和数字用户界面),以及互联部件(互联网接口、天线、连接协议、联通产品的网络以及在远程服务器运行并包含外部操作系统的产品云)。
大数据和智能制造浪潮虽给传统工业带来了巨大冲击,一些在物理部件领域具有极强口碑和产品质量保障的企业,却依然可能“活”得很好。“我们现在总是强调智能部件,并不意味着物理部件不重要,例如日本、德国等一些企业在产品细节上精益求精,没有智能也未见得就会消亡。”寿宇澄说。
但他亦认为,国内企业的制造能力、创新能力和服务能力是否能够抵御大数据和智能制造浪潮,“还得打一个问号”。在他看来,国内传统工业企业向智能化转型,不失为一个好的出路。“长期来看,物理部件的重要性在不断降低,智能化产品带来的用户体验是不可比拟的。”寿宇澄说。
寿宇澄认为,物联网大数据平台的开发非常复杂,每个企业都去自主开发“不现实”,“比如三一重工开发了一套平台,它的竞争对手也去开发,这种相互独立的做法无法做到‘互联’,”寿宇澄说,工业企业应更多地考虑跟第三方软件公司合作,通过分期订购(subscribe)模式,根据市场情况调节订单,还可以极大缓解资金压力。
中国尚未有具有市场影响力的物联网大数据平台企业出现。寿宇澄告诉界面新闻记者,目前国内的物联网企业推出的应用型产品层出不穷,主要以App为主,没有大平台。“这个需要一定的经验积累,需要客户基础和市场号召力。”他说。
美国参数技术公司通过大举收购,拥有了ThingWorx和Axeda等多个物联网应用程序平台,占据了全球七成以上的市场份额。其中,ThingWorx已在GE旗下的智慧工厂中使用。
寿宇澄认为,中国政府首先要做的是鼓励具备条件的企业优先进入行业,以资金资助的方式推动一批企业进行试点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15