21世纪的竞争是数据的竞争，谁掌握数据，谁就掌握未来。by马云
随着工业4.0、工业互联网及中国制造《2025》的强力推进，以云计算、大数据、物联网、人工智能等为代表的新经济正在茁壮成长，正引领人类社会由工业经济时代进入数字经济时代。配合智能制造，国务院发布了《促进大数据发展行动纲要》，工信部与北京市经信委联合成立了北京工业大数据创新中心，工业大数据的标准体系和参考框架在今年也已经形成，国内多家大型企业对工业的大数据的探索及实践。
今天我们站在企业生产过程的视角，从5个角度来聊一下对工业大数据的理解。
1.工业大数据是谁工业大数据是企业围绕着智能制造模式，在客户需求、销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、交货、物流运输、售后服务等各个环节活动所产生数据。例如：产品研发数据、产品生产过程数据、企业经营数据、客户信息数据、物流供应及环境数据等等，当然也包含技术和应用。
工业大数据本质要制造行业或企业出发，利用行业或企业制造活动产生的数据发现新的模式与知识，特别是挖掘那些隐形的价值信息，进而推进工业企业的产品创新、管理模式创新、工艺技术创新、经营模式创新等等。我们在这里着重探讨工业大数据在工厂制造过程中的应用，也可理解为狭义的工业大数据。
工业大数据具有一般大数据的特征（海量性、多样性、价值性、快速性等），它是大数据一个分支。相对于商业大数据的应用，它更强调以下几点。第一是实时性，例如采集设备运行、工艺控制、质量呈现、能源控制、运输物流等工业物联数据，从而提高企业的生产经营效率、工艺优化能力、质量预测水平、设备诊断准确率等。第二是准确性，也就更加要关注数据的真实性、完整性和可靠性，更加关注数据质量，以及分析结果的可靠性及准确性。第三是闭环性，完成工业控制回路下的感知、分析、反馈、自学习、再控制等闭环场景下的动态持续调整和优化。
设计领域的应用，利用工业设计大数据支持协同设计，采用模型和仿真的研发设计提高效率，综合多知识领域和多学科协同设计，构建相关性标签体系去匹配产品需求、细分客户类型进行设计等。生产过程优化的应用，利用大数据分析解决生产线平衡和瓶颈问题，使之达到产能最大化、排程最优化、库存和成本的最小化；与领域专用算法相结合，进行工艺调优、在线设备诊断、设备故障预测、质量隐形问题挖掘等。产品需求预测的应用，通过地域性需求占比和变化、产品品类的市场受欢迎程度、消费者层次等历史数据，建立MTA（面向可得性）的制造模式，以此来调整企业经营策略。供应链优化，即通过全产业链的信息整合，使整个生产系统上下游达到协同优化，让生产系统更加动态灵活，提高供应链配送体系优化和用户需求快速响应。
工业大数据的核心价值不在于数据本身，数据的分析与应用才是核心价值的体现。制造行业具有强烈的领域特征，各行业的领域知识差异巨大。不同行业的生产设备、材料、加工工艺、加工精度、质量要求存在巨大的区别，各个行业及领域的算法差异很大。需要行业领域专家与数据分析人员共同完成数学建模、领域算法，形成跨界合作，通过不断探索与实践，才能把工业大数据的价值正真体现出来，服务于企业的“提质增效、节能降耗”及产业的“结构优化、转型升级”。
共有条评论 网友评论