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
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31