京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08