工業大數據是壹個全新的概念，從字面上理解，它是指信息化在工業領域應用過程中產生的大數據。
隨著信息化和工業化的深度融合，信息技術已經滲透到工業企業產業鏈的各個環節，條形碼、二維碼、RFID、工業傳感器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術已經廣泛應用於工業企業，特別是互聯網、移動互聯網、物聯網等技術的應用。新壹代信息技術在工業領域的應用，工業企業也進入了互聯網產業的新發展階段，工業企業所擁有的數據越來越豐富。工業企業的生產線處於高速運轉狀態，工業設備產生、采集和處理的數據量遠遠大於企業中計算機和人力產生的數據量，從數據類型來看也多為非結構化數據，生產線的高速運轉對數據的實時性要求也更高。因此，工業大數據應用所面臨的問題和挑戰並不亞於互聯網行業的大數據應用，在某些情況下甚至更為復雜。
工業大數據應用將為工業企業帶來壹個創新和變革的新時代。通過互聯網、移動物聯網等帶來的低成本傳感、高速移動連接、分布式計算和高級分析，信息技術與全球工業體系正在深度融合，給全球工業帶來深刻變革，創新了企業的研發、生產、運營、營銷和管理方式。這些創新為不同行業的工業企業帶來了更快的速度、更高的效率和更強的洞察力。工業大數據的典型應用包括產品創新、產品故障診斷與預測、工業生產線物聯網分析、工業企業供應鏈優化、產品精準營銷等。本文將逐壹梳理工業大數據在制造企業中的應用場景。
1.加速產品創新
客戶與工業企業之間的互動和交易行為會產生大量數據，挖掘和分析這些客戶動態數據，可以幫助客戶參與產品需求分析和產品設計等創新活動，促進產品創新。福特公司就是這方面的典範，他們將大數據技術應用於福特福克斯電動車的產品創新和優化，使這款車成為名副其實的 "大數據電動車"。第壹代福特福克斯電動車在行駛和停車時會產生大量數據。在駕駛過程中，駕駛員會不斷更新車輛的加速、制動、電池電量和位置信息。這對駕駛員很有用，但這些數據也會反饋給福特工程師，以便了解客戶的駕駛習慣，包括如何充電、何時充電以及在哪裏充電。即使車輛處於靜止狀態，它也會繼續向最近的智能手機發送有關車輛胎壓和電池系統的數據。
這種以客戶為中心的大數據應用場景具有多重優勢，因為大數據可實現有價值的新型產品創新和協作。駕駛員可以獲得有用的最新信息，而底特律的工程師則可以匯總有關駕駛行為的信息，從而了解客戶、制定產品改進計劃並實施新的產品創新。此外，電力公司和其他第三方供應商可以分析數百萬英裏的駕駛數據，以確定在哪裏建設新的充電站，以及如何防止脆弱的電網超負荷運行。
2.產品故障診斷和預測
這可用於售後服務和產品改進。無處不在的傳感器和互聯網技術的引入使產品故障的實時診斷成為現實，而大數據應用、建模和仿真技術則使動態預測成為可能。在馬航MH370失聯客機的搜尋過程中，波音公司獲得的發動機運行數據為確定飛機失聯路徑發揮了關鍵作用。讓我們以波音公司的飛機系統為例，看看大數據應用如何在產品故障排除中發揮作用。在波音飛機上，發動機、燃油系統、液壓系統和電氣系統等數百個變量構成了飛機的空中狀態，而這些數據的測量和發送不到每幾微秒壹次。以波音 737 飛機為例，發動機每飛行 30 分鐘就會產生 10 TB 的數據。
這些數據不僅是可在未來某個時間進行分析的工程遙測數據，而且還有助於實時自適應控制、燃料使用、部件故障預測和飛行員簡報，從而有效地進行故障排除和預測。再看壹個通用電氣（GE）的例子，位於美國亞特蘭大的GE能源監測與診斷（M&D）中心收集了全球50多個國家數千臺GE燃氣輪機的數據，僅每天就能為客戶收集10G的數據，通過分析系統中傳感器的振動和溫度信號帶來的源源不斷的大數據流，這些大數據分析將為GE提供燃氣輪機故障診斷和預警的能力。風力渦輪機制造商維斯塔斯也能夠通過交叉分析氣象數據和期間渦輪機儀表數據來改進風力渦輪機布局，從而提高功率輸出水平並延長風力渦輪機的使用壽命。
3.用於工業物聯網生產線的大數據
現代工業生產線安裝了數千個小型傳感器，用於檢測溫度、壓力、熱量、振動和噪音。由於數據每隔幾秒就會收集壹次，因此可以利用這些數據實現多種形式的分析，包括設備診斷、用電分析、能耗分析和質量事故分析（包括違反生產規定和組件故障）。首先，在生產流程改進方面，在生產過程中使用這些大數據可以對整個生產流程進行分析，了解每個步驟是如何執行的。壹旦出現偏離標準流程的工序，就會產生報警信號，可以更快地找到錯誤或瓶頸所在，更容易解決問題。利用大數據技術，還可以建立工業產品生產過程的虛擬模型，對生產過程進行模擬和優化，當所有過程和性能數據都可以在系統中重構時，這種透明性將有助於制造商改進生產過程。例如，在分析能源消耗時，利用傳感器集中監控生產設備的所有生產流程，可以發現能源消耗的異常或峰值情況，從而可以優化生產流程中的能源消耗，對所有流程的分析將大大降低能源消耗。
4.產業供應鏈分析與優化
當前，大數據分析已經成為許多電商企業提升供應鏈競爭力的重要手段。例如，電商企業京東商城通過大數據分析，提前預測各地商品需求，從而提高配送和倉儲的有效性，保證次日商品送達客戶的體驗。RFID等產品電子識別技術、物聯網技術和移動互聯網技術可以幫助工業企業獲得完整的產品供應鏈大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的提高和成本的大幅降低。
以海爾為例，海爾擁有完善的供應鏈體系，它以市場鏈為紐帶，以訂單信息流為中心，帶動物流和資金流的運動，整合全球供應鏈資源和全球用戶資源。在海爾供應鏈的各個環節中，客戶數據、內部數據、供應商數據都被聚合到供應鏈系統中。通過對供應鏈大數據的收集和分析，海爾能夠不斷改進和優化供應鏈，確保海爾對客戶的敏捷響應。美國有壹千多家較大的原始設備制造商供應商，為制造企業提供了壹萬多種不同的產品，每家供應商都依賴於市場預測和其他不同的變量，如銷售數據、市場信息、展會、新聞、競爭對手數據，甚至天氣預報等來銷售產品。
利用銷售數據、產品傳感器數據和供應商數據庫數據，工業制造商可以準確預測全球不同地區的需求。通過跟蹤庫存和銷售價格，並在價格下跌時進行購買，制造商可以節省大量成本。如果再利用產品中的傳感器產生的數據，了解哪些地方出現故障，哪些地方需要零部件，還可以預測何時何地需要零部件。這將大大減少庫存並優化供應鏈。
5.產品銷售預測和需求管理
大數據用於分析當前的需求變化和組合形式。大數據是很好的銷售分析工具，通過對歷史數據的多維度組合，我們可以看到區域需求的比例和變化、產品品類的市場受歡迎程度和最常見的組合形式、消費者的層次等，從而調整產品策略和門店策略。在壹些分析中我們可以發現，高校較多的城市在開學季對文具的需求量會更大，因此我們可以加大對這些城市經銷商的促銷力度，吸引他們在開學季多訂貨，同時可以在開學季前壹兩個月就開始產能規劃，以滿足促銷需求。在產品開發方面，通過關註消費群體來調整產品功能和性能。例如，幾年前，人們喜歡使用音樂手機，但現在人們更傾向於使用手機上網、拍照分享等。手機拍照功能的提升是大勢所趨，4G 手機也占據了較大的市場份額。通過大數據分析壹些市場細節，可以發現更多潛在的銷售機會。
6.生產計劃和排程
制造業面臨多品種、小批量的生產模式，數據的精細化自動及時便捷采集（MES/DCS）和通用性導致數據劇增，再加上十幾年信息化的歷史數據對於需要快速響應的 APS 來說，是壹個巨大的挑戰。大數據可以給我們提供更詳細的數據信息，發現歷史預測與實際之間的偏差概率，考慮產能約束、人員技能約束、物料可用性約束、工裝約束等，通過智能優化算法，制定預計劃排產，並監控計劃與現場實際之間的偏差，動態調整計劃排產。幫助我們避免 "畫像 "的缺陷，直接將群體特征直接強加給個體（工作中心數據直接改變為具體的設備、人員、模具等數據）。通過對數據的關聯分析和監控，我們可以未雨綢繆。雖然大數據略有缺陷，但只要應用得當，大數據將成為我們的有力武器。當年，福特公司曾詢問客戶對大數據的需求是什麽。答案是 "壹匹更快的馬"，而不是現在流行的汽車。因此，在大數據世界中，創造力、直覺、冒險精神和智慧雄心尤為重要。
7.產品質量管理與分析
傳統制造業正面臨大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各個環節，都在熱切期待工業背景下迎接大數據挑戰的創新方法的誕生。例如，在半導體行業，芯片在生產過程中會經過多次摻雜、分層、光刻和熱處理等復雜工序，每壹步都必須滿足極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，還要同步生成海量的測試結果。這些海量數據究竟是企業的負擔，還是企業的金礦？如果是後者，那麽如何快速洞察先機，從 "金礦 "中準確發現產品良率波動的關鍵原因？這是壹個困擾半導體工程師多年的技術難題。
壹家半導體技術公司在生產晶圓的測試環節中，每天都會包含壹百多個測試項目、長度達幾百萬行的測試記錄數據集。根據質量管理的基本要求，壹項必不可少的工作就是需要對這些技術規範要求的壹百多個測試項目分別進行壹次過程能力分析。按照傳統的工作模式，我們需要壹步壹步地計算出壹百多個工序能力指標，並對每個質量特性逐壹進行評價。在這裏，且不論龐大繁瑣的工作量，即使有人能解決計算量的問題，但也很難看出這壹百多項工序能力指標之間的關聯性，更難以對產品的整體質量性能有壹個全面的了解和總結。但是，如果我們利用大數據質量管理分析平臺，除了可以快速得到壹長串傳統的單指標工序能力分析報告外，更重要的是，我們還可以從同壹個大數據集中得到很多全新的分析結果。
8.工業汙染與環保檢測
《穹頂之下》讓人印象深刻的壹點是，柴靜團隊通過可視化報告，向觀眾傳達了霧霾問題的嚴重性、霧霾產生的原因等。
這給我們帶來的啟示是，大數據對於環境保護具有重大價值。穹頂之下》中圖表的原始數據從何而來？其實，並不都是憑借高層關系獲得的，很多數據都是公開的，在中國政府網、各部委網站、中石油中石化官網、環保組織官網以及壹些專門機構，都可以查詢到越來越多的公益環保數據，包括全國大氣、水文等數據，氣象數據，工廠分布和汙染排放達標情況等數據等等。只是這些數據太分散、太專業，缺乏分析，沒有可視化，普通人看不懂。如果能看得懂、盯得住，大數據將成為環保社會監督的重要手段。最近百度上線的 "全國汙染監測地圖 "就是壹個很好的辦法，結合開放的環保大數據，百度地圖增加了汙染檢測層，任何人都可以用它查看全國和自己所在區域省市所有在環保局監測下的排汙機構（包括各類火電廠、國控工業企業和汙水處理廠等）的位置信息、排汙單位名稱、排汙量、排汙時間等。您可以查看環保局公布的汙染源的位置信息、機構名稱、汙染物排放類型以及最新的汙染排放達標情況。可以查看最近的汙染源、出現的警報、監測點檢測項目、哪個超標、超標多少次。這些信息可以實時分享到社交媒體平臺，告知您的朋友，提醒大家共同關註汙染源情況和人身安全健康。
綜上所述，工業大數據應用的價值潛力巨大。但是，要實現這些價值，還有很多工作要做。壹是大數據意識的樹立問題。過去也有這些大數據，但由於沒有大數據意識，數據分析手段也不足，很多實時數據被丟棄或束之高閣，大量數據的潛在價值被埋沒。另壹個重要問題是數據孤島問題。很多工業企業的數據分布在企業的各個孤島中，尤其是大型跨國企業，要在整個企業中提取這些數據相當困難。因此，工業大數據應用的壹個重要課題就是集成應用。
以上就是我給大家分享的關於物聯網時代的八大工業大數據應用場景，想了解更多信息，可以關註全球綠常春藤，分享更多幹貨
。