1、数据技术助力工业企业数智化转型实践与思考钟虓北京工业大数据创新中心产品业务总经理|01源起源起03思考思考02实践实践04在路上在路上目录目录CONTENT|源起01|工业数智化转型正当时|“工业大数据”、“工业互联网”、“工业智能”、“新基建”一连串热门词汇的背后，对于制造企业而言，核心和本质是如何利用新的数字化技术和能力数字化技术和能力，以核心设备设备/生产知识生产知识为基础，挖掘数据价值，打磨数字化智能服务数字化智能服务，在传统产品/制造业务的基础上，提供外延增值服务，增加客户黏性和满意度、提升企业产品竞争力、实现业务模式创新增长，推动企业的服务化转型。自动化、信息化数字化智能化|工业自

2、动化、信息化、数智化工业数智化典型场景|产业互联服务型制造智能设备设备可靠性协同优化运作效率集中监控设备异常预警配变重载分析故障检测供应链优化运维知识库运维优化分布式光伏智能运维传感器偏移优化逆变器可靠性检测大部件质量分析组件异常检测组件热斑识别功率预测智能群控负荷预测大部件异常预警风机工况档案结冰检测虚拟电厂备件联储风场设计优化高精度气象预报服务电力交易优化自适应控制设备参数校正质量缺陷异常分析AGV调度优化备件消耗优化能耗监测智能微电网区块协同智能运维能耗优化生产优化用电需求预大部件健康评估大部件性能统计仿真服务变压器故障诊断输电线路风险评估故障诊断备件需求预测载荷优化检修作业优化覆尘清洗

3、时间优化预测性控制配网抢修配件采购优化限电响应用电平衡保障客户服务优化能耗监测服务工业GIS服务电力用户画像电力交易服务充电桩共享物流信息服务能量结构优化分布式光伏远程运维远程运维车联网共享储能用电需求预测巡检无人机管控智慧电厂工业数智化关注点|关注平台关注数据管理关注知识沉淀关注知识应用控险.提质增效降耗关注业务关注价值关注点转移互联增值运行数据故障数据地理信息气象资源数据振动数据设计方针检测数据实验数据运维工单能耗数据水务供应商数据长期持续工业数智化业务愿景：通过数据汇聚与知识流动产生价值|数据价值核心业务数据汇聚、知识流动打造工业数智化新商业（经济）模式提质增效降耗控险模式创新智能产品技

4、术改造运维保养运营优化备品备件用户流量入口业务创新驱动力实践02|工业数智化领域|数智化服务数智化服务健康评估故障预警备件预测质量波动根因分析黄金批次和路径分析在线质量控制数智化制造数智化制造数智化营销数智化营销数智化研发数智化研发数据驱动研发精细化设计智能协同数智化管理数智化管理风险评估市场预测营销策略优化数智化研发案例：风力发电机数字化协同研发|处理时间数据量1001000 x效率提升30GB2.5MW以下500GB3MW6MW1TB陆上风场混排与精益设计10TB海上风场混排与精益设计传统载荷后处理载荷大数据平台分钟小时天周+叶片厂商塔架厂商发电机厂商机舱厂商传动设备厂商设计院运营商测风技

5、术公司整机制造商认证公司气象信息公司|叶片结冰带来安全隐患，会对风机效率与健康产生严重影响（如发电量下降，叶片鼓包断裂等）现有基于规则的报警有很大的时间滞后|识别及定位因悬挂系统故障导致的轨道车辆剧烈振动，减少由此带来的直接或次生危险通过部署在悬挂系统上的18个传感器对22个部件（弹簧/阻尼）是否存在故障进行检测对有故障的悬挂系统进行定位识别|磨煤机是制粉系统的关键设备，火力发电厂重要辅机，运行状态直接影响锅炉燃烧的稳定性，其故障是火力发电机组非计划停运的重要因素之一。堵磨是煤进出磨煤机的平衡点被打破，原煤在磨煤机内磨盘上越积越多，超过了磨煤机研磨制粉出力，未经粉粹直接涌向一次风环喷嘴，堵塞一

6、次风通道|风力发电设备投入运行后，测风设备随着环境因素的变化出现偏差，主控系统依据错误风向数据进行偏航控制，从而造成发电效率损失。通过云端智能协同，在云端分析获得风机迎风角和发电量的变化模式，并将矫正参数传递回场端，保证和提升发电机组运行效率。|机舱并网柜工况差机舱变频柜工况差机舱加速度超限机舱柜运行不良机舱环境温度异常。机舱&塔筒变桨电机疲劳变桨电机运行不良变桨电容性能差。变桨系统斩波升压IGBT运行不良斩波升压电抗器运行不良斩波升压电流过高网侧逆变器运行不良电机侧逆变器运行不良。变流&变频叶片冰冻隐患叶片角度不平衡叶片疲劳隐患叶片断裂叶片开裂。叶片偏航速度异常解缆告警偏航电机工时不平衡。偏

7、航系统风速仪运行不良风速仪工况差风向标冰冻风向标损伤风向标松动。风速&风向仪定转子支架开裂警告发电机后轴承运行不良发电机前轴承运行不良发电机绕组隐患发电机绕组运行不良。发电机大风时段发电机运行不良功率曲线符合度差预警功率曲线异常。综合发电性能数智化制造案例：ET良率分析可视化|不同ET检测机台的Piece良率趋势分析按工单的Piece良率热力分布原始阻值的正态分布与CPK分析Panel良率空间分布分析数智化制造案例：AMOLED面板阵列段TFT异常排查|选取正常时间段建立数据标准异常参数排序和可视化选取质量异常波动时段进行分析柔性AMOLED面板生产工艺流程超长，仅阵列段就超过60段工序，TF

8、T Vth异常的人工排查需若干小时甚至若干天（几十个机台、上万参数），通过大数据分析技术可快速识别异常波动的工艺参数，帮助工艺人员1小时内定位问题数智化制造案例：AMOLED面板黄金路径及关键参数识别|Equip_11Equip_12Equip_13Equip_21Equip_22Equip_m1Equip_m2Equip_m3Equip_11Equip_12Equip_13STEP_1STEP_2STEP_kSTEP_N真实良率模型预测良率重要工序的重要参数筛选建模预测黄金路径匹配黄金路径的参数，优化整体良率 对于阵列段生产过程，找出最优生产的黄金生产路径（整体良率高），并识别关键工艺参数，

9、指导其他机台的工艺参数优化数智化制造案例：轨梁关键过程参寻优|基于历史同工况数据（固定产品类型和轧辊直径等工况参数），通过分析黄金批次和非黄金批次的关键工艺参数的差异，推荐最优参数及最佳管控区间：该区间可最大区分历史数据上的钢轨良率。结果推荐寻优算法流程图应用界面缩短每班次开始人工调整生产参数时间，减少试轧制次数，提高良品率其他数据分析实践与探索|思考03|工业数智化技术特征|海量高速长程多尺度 无边界持续产生24*7 产生速度快8KHz高频振动数据 数据量大10PB+数据频率各异秒级到8KHz不等数据来源及类型众多 覆盖设备相关的多类数据：静态结构、动态工况、工作周边环境、人机交互信息等等

10、数据以结构化、非结构化、半结构化等形式分散在多个业务系统中数据价值释放方式复杂 数据价值密度不均 工业场景和机理耦合度高 多用复杂机器学习和挖掘算法释放价值 验证迭代困难 速度需求多样，实时、近实时、离线系统生态复杂业务流程繁复在共性需求上有明确的定制化要求持续业务集成数据质量良莠不齐环境复杂，数据采集可能存在不精确、不完整、不一致、不及时的问题。数据链路长，需及时发现定位问题正常的系统变更也会触发数据质量问题工业数智化需要3T深度融合|知识OT计算IT数据DT要素全但不精准实用但不完备工业数据是严重有偏的 设备异常（故障）本是就是小概率事件，大部分数据都是正常工况 很多设备异常没有被有效标记

11、（Labeled）量大但不充足精确的机理模型通常很难获得 未建模因素的作用不可忽略 模型参数很难精准获得（例如，分布式参数系统）很多重要状态量不可观测专家经验不完备 通常伴随很多虚假预警（根据少量失效样本的经验总结）定量化是一个挑战 规则见常常存在冲突工业数智化是长期持续，迭代演进的|新工艺、新设备、新量测手段、新分析方法需求+成果+需求+成果+需求+成果+知识持续积累评估迭代1选题机理发布发布发布迭代2迭代3建模准备评估选题机理建模准备评估选题机理建模准备迭代式推进新需求、新场景工业数智化是一项周期长、试错成本高、落地效率低的复杂工作|上线部署及应用N周N天离线/手动收集数据理解并清洗脏数据

12、N周结果可视化N周N周数据特征提取算法研究结果检测及验证算法并行化N周N天N周数据化模型化服务化建模思路梳理N天在路上04|工业数智化中的共性设备及其数据模型|不同行业存在共性的基础工业单元不同工业设备可由很多共性的基础工业单元组合而成基础工业单元提供了技术参数模型共性的监测数据模型工业数智化中的共性分析方法论和算法基础|不同行业、不同设备、不同主题的数据分析工作貌似纷繁复杂，然而将其拆解后，数据抽取、特征量加工、特征图谱等工作却存在着某种共性或相似性工业数智化中的共性分析应用方式|中心侧集群部署属地侧部署数据实时在线同步SaaS化服务模型工业现场数据（离线/同步）知识沉淀知识应用工业现场工业

13、数智化工作核心要素|上线部署及应用离线/手动收集数据理解并清洗脏数据结果可视化数据特征提取算法研究结果检测及验证算法并行化建模思路梳理数据资源化已沉淀知识知识建模运行服务可视化服务N天N天知识结构化沉淀应用敏捷化服务|测风塔激光雷达测风塔测绘地形图地表粗糙度DEMI地形高程风能光照辐射资源卫星遥感影像地质资源属性现场GPS全球地面气象现场音视频全球气象卫星雷达等遥感资料全球海洋数据全球数值再分析格点资料全球高空气象资料风场CFD模型油品检测项目报告50Hz高频(载荷,振动等）秒级20ms数据日统计数据故障数据状态数据功率曲线数据变位数据动作记录(Action list文件)维护检修数据故障快照

14、(f文件)故障时序(b文件)状态翻转(o文件)消防开关量10分钟平均(m文件)统计累计(Date文件)频谱(能量谱,包络谱等)载荷结果设计报告其它仿真结果海量多源异构的数据本质是对客观物理设备的描述|统一集成、存储和管理来自多个孤立系统的多维异构数据打造数字化设备/系统全生命周期数据模型，并根据模型有机组织和关联相关数据通过数据服务，为分析服务层提供一致的可信的数据测风塔激光雷达测风塔测绘地形图地表粗糙度DEMI地形高程风能光照辐射资源卫星遥感影像地质资源属性现场GPS全球地面气象现场音视频全球气象卫星雷达等遥感资料全球海洋数据全球数值再分析格点资料全球高空气象资料风场CFD模型油品检测项目报

15、告50Hz高频(载荷,振动等）秒级20ms数据日统计数据故障数据状态数据功率曲线数据变位数据动作记录(Action list文件)维护检修数据故障快照(f文件)故障时序(b文件)状态翻转(o文件)消防开关量10分钟平均(m文件)统计累计(Date文件)频谱(能量谱,包络谱等)载荷结果设计报告其它仿真结果基于统一工业物理对象模型的数据服务工业数智化典型案例分析|振动通频值大启停机时同转速下通频量差值较大启停机同转速下供频量差值较大转子热弯曲故障知识结构化方法论|故障定位故障检测异常预警健康评估“特征量-征兆量-研判规则”方法论“特征量-证据/现象-逻辑推理”方法论“劣化度-健康度-综合评价”方法

16、论产品质量分析方法论、流程效率优化方法论、。特征算子征兆算子研判算子算子库按需自由拖拽工业数智化常用算子库|100+个通用算子57个领域算子包含常规的时域、频率、时频分析方法，还包含了机械设备专业振动方法，如全息谱、倒谱，高阶谱，相干谱等。数智化创新体系课题定义敏捷开发（CRISP-DM过程方法）持续运行运维（ModelOps过程方法）1.业务理解2.数据理解3.数据准备4.模型建立5.模型评估6.模型发布7.数据工程8.资产建模9.模型部署10.作业监管业务目标分解与价值评估要素归纳与完备度评估1.1 系统运行机制理解1.2 当前处理逻辑理解1.3 业务可行性确认1.4 分析问题类型规约1.

17、5 数据需求梳理2.1 数据源理解2.2 数据结构(Data Schema)理解2.3 数据探索2.4 数据质量审查（统计）2.5 数据质量审查（业务）2.6 数据处理措施确定3.1 数据导入3.2 数据建模3.3 数据清洗3.4 特征工程4.1 业务指标与技术要点梳理4.2 数据集划分4.3 算法建模4.4 模型检验4.5 业务场景校验5.1 技术评估5.2 业务评估6.1 模型打包与分发6.2 模型运维机制设计1.1 数据接入1.2 数据转换流模型开发(DataPipeline)1.3 数据质量统计2.1 工业对象元模型建立2.2 数据映射3.1 模型导入3.2 与工业对象实例的关联与任务

18、配置4.1 作业执行计划与状态管理4.2 计算资源与性能监管4.3 模型性能监管4.4 作业日志管理选题报告课题定义文档数据需求清单数据探索及建议措施报告数据处理程序数据处理逻辑说明文档数据模型文档分析建模程序分析建模说明文档实验数据集模型评估报告分析模型包模型运维机制设计文档数据处理流模型数据接入说明文档质量统计报告工业对象模型文档数据映射说明文档K2Assets中的分析任务运维日志(包括建议行动项)业务分析师数据分析师参与全程；在#1（业务理解）、#5（模型评估），业务分析师是负责人数据工程师数据工程师部署实施工程师运维工程师业务负责人技术总师数据分析师参与全程；在#1（业务理解）、#5（

19、模型评估），技术总师是负责人；业务负责人参与#5（模型评估）数据工程师数据工程师部署实施工程师运维工程师工业对象数据建模与管理图形化建模环境批流一体的并行化引擎模型发布工业对象数据管理工业对象数据建模模型部署管理作业监管工作台计算资源监控界面工业算子库工业分析案例库工业数据接入工具集典型工业单元模型库运维工具集SMART原则典型课题参考框架基于CRISP-DM的敏捷分析建模方法典型的行业分析课题模板数据工程方法领域建模方法运维工作方法数智化创新方法论数智化创新平台、工具数智化创新成果积累数智化创新团队关于昆仑数据/工业大数据创新中心|用数据推动中国工业未来成为最受工业企业尊敬和认可的大数据合伙

20、人专业、前瞻务实、敏捷世界经济论坛技术先锋Technology Pioneer工业数据挖掘领域顶级赛事PHM大赛世界冠军多次入选国家级工业互联网平台、工信部“制造+互联网”融合试点示范项目、工信部大数据产业发展试点示范项目使命愿景价值观关于昆仑数据/工业大数据创新中心|跨界融合 协同创新 网络布局四川省工业大数据创新中心苏州工业大数据创新中心北京工业大数据创新中心（2016年7月)清华国家工程实验室战略合作单位创新中心成员单位在工信部和地方工信部门支持下建设和运营工业大数据创新中心网络关于昆仑数据/工业大数据创新中心|服务设备资产富集行业关于昆仑数据/工业大数据创新中心|助力工业龙头企业核心产品/业务数字化转型关于昆仑数据/工业大数据创新中心|国家级工业互联网平台工信部“制造+互联网”融合试点示范项目工信部大数据产业发展试点示范项目做工业企业的大数据合伙人帮助客户成功非常感谢您的观看|