工业4.0在工程机械领域的大数据应用实践

在工程机械领域，重工机械设备更新周期慢且平稳是最大的特点。但当遭遇国家经济增速下行，会出现生产能力过大、存量设备过多等问题……如何改变这样的现状?除了持续不断苦炼内功、创新产品，已在中联重科供职10年的周志忠博士提出通过大数据驱动来促进转型，聚焦于后服务市场。

工程机械市场转型期：挑战与机遇并存

中联重科做为装备制造企业，业务包括工程机械板块、农机板块和金融板块。其中工程机械板块所占的比重非常大，也是中联重科最早发家的一个板块。工程机械板块最近几年一直处于相对低迷的状态，主要原因有三方面：

由于经济、投资、房地产市场等因素，导致整个行业设备供过于求，新机器的销售直接受到影响。

想要进一步开拓行业盈利空间，除了持续创新产品，还需通过大数据技术，对设备、客户等数据进行深度分析，实现信息共享与融合，作用于后服务市场。

随着施工行业对施工安全、效率及成本管控的重度越来越高，设备厂商就要在强化设备智能化水平的同时还要具备数据分析处理的能力。由“被动服务”向“主动服务”升级，进而达到施工风险降低，无故障工作时间变长。

工程机械市场需求持续下滑，不能再凭借主机销售的收入来支撑整个企业的发展。同时客户也面临着工程项目减少，设备开工率与设备运行效率双低、运营管理成本及维修保养成本双高等困难局面。

因此，如何通过数据分析使企业更加贴近市场、更加理解客户，提升企业运营管理和决策效率，快速从传统生产制造型向高端智能服务型的转型升级是行业内每个企业面临的重大挑战。

通过数据驱动促进转型，但数据来自哪里?

对于工业企业而言，也有一部分互联网的数据，如网上商城、微信应用中采集到的用户行为相关的数据，但更多的是围绕自身产品，从研发、生产到销售、服务，这样一个完整系列产品数据，这些数据是中联重科非常重要、也是核心的数据来源。

中联重科工程机械物联网云平台监控室

中联重科数据来源主要包含如下三类：

物联网数据：主要包含中联重科设备实时回传的工况、位置信息。当前中联重科物联网平台已累积了近 10 年数据，监控设备 12 余万台套，存量数据量40TB，每月新增数据300GB。数据通过移动网络以加密报文方式回传，通过平台解析后实时保存至大数据平台。目前，数据采集频率5分钟一次，根据数据分析需要可进行调整，设备传感数据采集点将近 500 个。

内部核心业务系统数据：包含了中联重科在营运过程中产生的业务信息，主要包含ERP、CRM、PLM、MES、金融服务系统等数据，涵盖研发、生产、销售、服务全环节。当前，业务系统已累积近 10 年数据，存量数据约 10TB，数据每天进行更新。

外部应用平台数据：包含了中联重科相关应用平台(官方网站、微信公众号/企业号、中联商城、中联 e 家系列移动APP、智慧商砼、塔式起重机全生命周期管理平台)积累的数据、从第三方购买和交换的数据以及通过爬虫程序在网络上搜集的舆情及相关企业公开数据。除结构化数据外，平台还以日志方式保存了大量的用户行为数据。由于相关平台多于2016 年推出，存量数据约为1TB。

中联重科的工业大数据应用技术方案

为进一步提升设备的智能化水平，丰富设备数据采集维度，提升设备数据采集和预处理能力，中联重科研发了新一代 4.0 产品和智能网关。

中联重科产品 4.0是以“模块化平台+智能化产品”为核心，深度融合传感、互联等现代技术，研发性能卓越、作业可靠、使用环保、管控高效的智能化产品。通过在设备上加装大量的高精度传感器，实时采集设备的运动特征、健康指标、环境特征等相关数据，结合智能网关的本地分析功能，真正实现设备的“自诊断、自适应、自调整”。

相关数据通过多种传输渠道(移动网络、WiFi、蓝牙等)回传至中联重科大数据平台，通过相关建模分析为客户提供包括设备实时定位、工况监控、油耗分析、设备异常分析、故障预警、工作运营统计在内的高附加值信息服务。

打通多方数据，形成统一的工业大数据分析平台，对内辅助科学决策，对外提供智能化服务。平台融合了物联网平台、业务系统、应用系统及第三方数据，分析角度涉及产品、经营、客户、宏观行业等方面，服务涵盖轻量级应用(中联e 管家、服务e通等)和重量级专业领域应用(智慧商砼、建筑起重机全生命周期管理平台)，并通过移动端APP、PC 端、大屏幕等多种方式提供高效增值服务。

工业大数据平台整体采用成熟的Hadoop 分布式架构进行搭建。基于Cloudera CDH的发行版，中联重科从2015年底开始部署，同时进行相应的大数据开发工作。

首先建立如客户类、设备、交易、信用等主题。然后把物联网平台、企业内部ERP、CRM等核心平台都在Cloudera大数据平台上贯通，并且通过相应的组件把数据采集到平台。

平台通过流式处理架构，满足高时效性的数据分析需求;通过分布式运算架构，满足对海量数据的离线深度挖掘。前端通过统一接口层以多种通用格式对外提供数据分析服务。

考虑到大数据平台汇集了企业内外部多方敏感数据，为保证数据安全，平台引入了企业级数据治理组件，实现统一的元数据管理、数据质量控制、数据溯源、数据操作权限管控、数据脱敏及数据使用审计功能，并贯穿数据存储和应用的全过程。

拥抱开源分析大数据技术未来的挑战

当问及为什么会选择Hadoop，周志忠博士表示：开源的生态环境中有大量人才提供贡献，我们认为比单一企业开发的环境更有生命力、更强壮。

开源带来的挑战

采用开源技术对团队的技术能力要求稍高。

运营过程中的技术难点稍多一些。因此，他们选择开源的同时也采购了Cloudera的企业级服务，作为中联重科整个平台运营的保障。

开源有很多问题，如很多组件之间的适配是不是最优、及参数涉及到一些复杂的问题。

所以采用发行版、企业服务的支持，就不需要把重心放在运维平台、系统的层面，而是更多的聚焦在业务分析、获得业务扩展等可创造数据价值的层面。

对大数据技术行业未来的期许

周志忠博士说:“目前从支撑应用的角度，大数据技术已足够。最主要的难点在于业务应用场景与现有技术、算法如何最佳地匹配。”

中联重科也在尝试机器学习方面的一些应用，如设备的健康指数评估，怎样通过不同维度、不同传感数据及公司内部的数据，建立模型。从模型角度，相应算法也能够支撑，但关键问题在于，数据是不是全备且准确，数据响应是不是及时等”。