
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28