大數據和智能制造給傳統工業帶來了巨大沖擊，強大的工業數據分析服務將成為制造企業數字化戰略的重要組成部分，工業物聯網將顯現出更大的戰略價值。

2014年，三一集團啟動大數據平臺建設，通過自主研發了大數據儲存與分析平臺即“ECC的客戶服務平臺”，能夠實現雙向的交互以及對設備的遠程控制，可將20多萬臺客戶設備實時運行情況的數據通過傳感器傳到后臺進行分析和優化，最終目的是實現低成本海量設備數據接入與分析，敏銳洞察用戶行為，全生命周期閉環反饋。用戶可通過網頁或手機APP，隨時隨地掌握機器各方面的狀態。“M2M遠程數據采集與監控平臺”實行規模化商用，則建成了國內首家工程機械物聯網企業控制中心。

實際上，為了使得工業數據能夠最終形成商業機會，我們有四個方面需要關注：

1.溝通。即設備環境信號識別。信號識別的關鍵點是信息收集過程中實時性還不夠，信號識別的對象不夠完整和全面，這是建立工業大數據能力需要考慮的第一個問題。

2.集成與融合。即大數據的數據平臺。所謂融合就是說，OA、知識庫、ERP、采購系統等所有的可觸摸和非可觸摸的數據都應該串聯起來。我們整個串聯工作還有非常漫長的路要走。

3.分析與決策。我們大數據的建模能力不差。缺的是我們對行業理解的投入以及形成模型的能力，以及不斷推倒重建和調整的持續投入，因為做出一個好的模型，可能花很多年，而且要不斷的去修正，這種能力不是一觸即發的，需要大家注意。

4.創建顛覆性的自助服務文化。機器能夠自我學習和自我調節。通過焦點轉移到不可見的因素，數據給了我們發現創新的全新多視角，最終導向了革命性的商業機會。

工業互聯網／物聯網

工業物聯網（IIoT）和工業大數據的出現，以及制造業中與之相關的預測性分析，和資產密集型部門的興起，使“資產性能管理”或APM成為這一輪信息化與智能化建設的一個焦點。

從狹義的保守派來看，資產性能管理重點應該是對資產性能的“控制和決策的技能”。而從廣義的定義上看管理，我們也會包括“控制資產性能的行為”管理這個層面。

雖然狹義與廣義之間有些微妙，但有助于解釋資產性能管理從單點解決方案，變為實現卓越運營的方法的演變的思路。這種方法涵蓋了從對資產設備狀況原始數據從收集到用于記錄、計劃和安排維修活動的企業資產管理應用程序。因此，我認為，資產性能管理是一種支持卓越運營的商業流程。

強化及高度重視大數據應用

三一重工開展的大數據應用主要在以下幾個方面：預測宏觀環境、分析產品結構、預測設備故障、預測配件需求。

智能設備的未來，一定是能夠自主評估健康狀況和退化情況并主動預防潛在性能故障，并且做出維修決策。要實現健康條件評估，就需要利用數據驅動算法分析從機械設備及其周邊環境中的數據。實時設備條件信息可反饋至機械控制器以實現自適應控制，同時信息也會反饋至設備管理人員方便及時維修。操作員可根據每臺設備的健康條件平衡和調節每臺設備工作量和工作壓力，從而最大程度優化生產和設備性能，實現主動檢修計劃的智能決策。

從長期看，硬件制造端的價值在不斷降低，智能化產品的價值將不斷提升。大數據和智能制造給傳統工業帶來了巨大沖擊，強大的工業數據分析服務將成為制造企業數字化戰略的重要組成部分，工業物聯網將顯現出更大的戰略價值。