『壹』 物聯網時代 工業大數據八大應用場景
物聯網時代 工業大數據八大應用場景
工業大數據是一個全新的概念，從字面上理解，工業大數據是指在工業領域信息化應用中所產生的大數據。隨著信息化與工業化的深度融合，信息技術滲透到了工業企業產業鏈的各個環節，條形碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術在工業企業中得到廣泛應用，尤其是互聯網、移動互聯網、物聯網等新一代信息技術在工業領域的應用，工業企業也進入了互聯網工業的新的發展階段，工業企業所擁有的數據也日益豐富。工業企業中生產線處於高速運轉，由工業設備所產生、採集和處理的數據量遠大於企業中計算機和人工產生的數據，從數據類型看也多是非結構化數據，生產線的高速運轉則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比互聯網行業的大數據應用少，某些情況下甚至更為復雜。
工業大數據應用將帶來工業企業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感知、高速移動連接、分布式計算和高級分析，信息技術和全球工業系統正在深入融合，給全球工業帶來深刻的變革，創新企業的研發、生產、運營、營銷和管理方式。這些創新不同行業的工業企業帶來了更快的速度、更高的效率和更高的洞察力。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和產品精準營銷等諸多方面。
1.加速產品創新
客戶與工業企業之間的交互和交易行為將產生大量數據，挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。福特公司是這方面的表率，他們將大數據技術應用到了福特福克斯電動車的產品創新和優化中，這款車成為了一款名副其實的「大數據電動車」。第一代福特福克斯電動車在駕駛和停車時產生大量數據。在行駛中，司機持續地更新車輛的加速度、剎車、電池充電和位置信息。這對於司機很有用，但數據也傳回福特工程師那裡，以了解客戶的駕駛習慣，包括如何、何時以及何處充電。即使車輛處於靜止狀態，它也會持續將車輛胎壓和電池系統的數據傳送給最近的智能電話。
這種以客戶為中心的大數據應用場景具有多方面的好處，因為大數據實現了寶貴的新型產品創新和協作方式。司機獲得有用的最新信息，而位於底特律的工程師匯總關於駕駛行為的信息，以了解客戶，制訂產品改進計劃，並實施新產品創新。而且，電力公司和其他第三方供應商也可以分析數百萬英里的駕駛數據，以決定在何處建立新的充電站，以及如何防止脆弱的電網超負荷運轉。
2.產品故障診斷與預測
這可以被用於產品售後服務與產品改進。無所不在的感測器、互聯網技術的引入使得產品故障實時診斷變為現實，大數據應用、建模與模擬技術則使得預測動態性成為可能。在馬航MH370失聯客機搜尋過程中，波音公司獲取的發動機運轉數據對於確定飛機的失聯路徑起到了關鍵作用。我們就拿波音公司飛機系統作為案例，看看大數據應用在產品故障診斷中如何發揮作用。在波音的飛機上，發動機、燃油系統、液壓和電力系統等數以百計的變數組成了在航狀態，這些數據不到幾微秒就被測量和發送一次。以波音737為例，發動機在飛行中每30分鍾就能產生10TB數據。
這些數據不僅僅是未來某個時間點能夠分析的工程遙測數據，而且還促進了實時自適應控制、燃油使用、零件故障預測和飛行員通報，能有效實現故障診斷和預測。再看一個通用電氣(GE)的例子，位於美國亞特蘭大的GE能源監測和診斷(M&D)中心，收集全球50多個國家上千台GE燃氣輪機的數據，每天就能為客戶收集10G的數據，通過分析來自系統內的感測器振動和溫度信號的恆定大數據流，這些大數據分析將為GE公司對燃氣輪機故障診斷和預警提供支撐。風力渦輪機製造商Vestas也通過對天氣數據及期渦輪儀表數據進行交叉分析，從而對風力渦輪機布局進行改善，由此增加了風力渦輪機的電力輸出水平並延長了服務壽命。
3.工業物聯網生產線的大數據應用
現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次數據，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析(包括違反生產規定、零部件故障)等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標准工藝，就會產生一個報警信號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用大數據技術，還可以對工業產品的生產過程建立虛擬模型，模擬並優化生產流程，當所有流程和績效數據都能在系統中重建時，這種透明度將有助於製造商改進其生產流程。再如，在能耗分析方面，在設備生產過程中利用感測器集中監控所有的生產流程，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。
4.工業供應鏈的分析和優化
當前，大數據分析已經是很多電子商務企業提升供應鏈競爭力的重要手段。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。RFID等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
互聯網大數據營銷專家羅百輝表示，工業製造企業利用銷售數據、產品的感測器數據和出自供應商資料庫的數據，可准確地預測全球不同區域的需求。由於可以跟蹤庫存和銷售價格，可以在價格下跌時買進，所以製造企業便可節約大量的成本。如果再利用產品中感測器所產生的數據，知道產品出了什麼故障，哪裡需要配件，他們還可以預測何處以及何時需要零件。這將會極大地減少庫存，優化供應鏈。以海爾公司為例，海爾公司供應鏈體系很完善，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，客戶數據、企業內部數據、供應商數據被匯總到供應鏈體系中，通過供應鏈上的大數據採集和分析，海爾公司能夠持續進行供應鏈改進和優化，保證了海爾對客戶的敏捷響應。美國較大的OEM供應商超過千家，為製造企業提供超過1萬種不同的產品，每家廠商都依靠市場預測和其他不同的變數，如銷售數據、市場信息、展會、新聞、競爭對手的數據，甚至天氣預報等來銷售自己的產品。
5.產品銷售預測與需求管理
通過大數據來分析當前需求變化和組合形式。大數據是一個很好的銷售分析工具，通過歷史數據的多維度組合，可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等，以此來調整產品策略和鋪貨策略。在某些分析中我們可以發現，在開學季高校較多的城市對文具的需求會高很多，這樣我們可以加大對這些城市經銷商的促銷，吸引他們在開學季多訂貨，同時在開學季之前一兩個月開始產能規劃，以滿足促銷需求。對產品開發方面，通過消費人群的關注點進行產品功能、性能的調整，如幾年前大家喜歡用音樂手機，而現在大家更傾向於用手機上網、拍照分享等，手機的拍照功能提升就是一個趨勢，4G手機也占據更大的市場份額。通過大數據對一些市場細節的分析，可以找到更多的潛在銷售機會。
6.生產計劃與排程
製造業面對多品種小批量的生產模式，數據的精細化自動及時方便的採集(MES/DCS)及多變性導致數據劇烈增大，再加上十幾年的信息化的歷史數據，對於需要快速響應的APS來說，是一個巨大的挑戰。大數據可以給予我們更詳細的數據信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計劃與現場實際的偏差，動態的調整計劃排產。幫我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體(工作中心數據直接改變為具體一個設備、人員、模具等數據)。通過數據的關聯分析並監控它，我們就能計劃未來。雖然，大數據略有瑕疵，只要得到合理的應用，大數據會變成我們強大的武器。當年，福特問大數據的客戶需求是什麼？而回答是「一匹更快的馬」，而不是現在已經普及的汽車。所以，在大數據的世界裡，創意、直覺、冒險精神和知識野心尤為重要。
7.產品質量管理與分析
傳統的製造業正面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。例如在半導體行業，晶元在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝製程，每一步都必須達到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，也同步生成了龐大的檢測結果。這些海量數據究竟是企業的包袱，還是企業的金礦呢？如果說是後者的話，那麼又該如何快速地撥雲見日，從「金礦」中准確地發現產品良率波動的關鍵原因呢？這是一個已經困擾半導體工程師們多年的技術難題。
某半導體科技公司生產的晶圓在經過測試環節後，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試項目分別進行一次過程能力分析。如果按照傳統的工作模式，我們需要按部就班地分別計算一百多個過程能力指數，對各項質量特性一一考核。這里暫且不論工作量的龐大與繁瑣，哪怕有人能夠解決了計算量的問題，但也很難從這一百多個過程能力指數中看出它們之間的關聯性，更難對產品的總體質量性能有一個全面的認識與總結。然而，如果我們利用大數據質量管理分析平台，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，更重要的是，還可以從同樣的大數據集中得到很多嶄新的分析結果。
8.工業污染與環保檢測
《穹頂之下》令人印象深刻的一點是通過可視化報表，柴靜團隊向觀眾傳遞霧霾問題的嚴峻性、霧霾的成因等等。
這給我們帶來的一個啟示，即大數據對環保具有巨大價值。《穹頂之下》圖表的原生數據哪裡來的呢？其實並非都是憑借高層關系獲取，不少數據都是公開可查，在中國政府網、各部委網站、中石油中石化官網、環保組織官網以及一些特殊機構，可查詢的公益環保數據越來越多，包括全國空氣、水文等數據，氣象數據，工廠分布及污染排放達標情況等數據等等。只不過這些數據太分散、太專業、缺少分析、沒有可視化，普通人看不懂。如果能夠看懂並保持關注，大數據將成為社會監督環保的重要手段。近日網路上線《全國污染監測地圖》就是一個很好的方式，結合開放的環保大數據，網路地圖加入了污染檢測圖層，任何人都可以通過它查看全國及自己所在區域省市，所有的在環保局監控之下的排放機構(包括各類火電廠、國控工業企業和污水處理廠等)的位置信息、機構名稱、排放污染源的種類，最近一次環保局公布的污染排放達標情況等。可查看距離自己最近的污染源，出現提醒，該監測點檢測項目，哪些超標，超標多少倍。這些信息可以實時分享到社交媒體平台，告知好友，提醒大家一同注意污染源情況及個人安全健康。
工業大數據應用的價值潛力巨大。但是，實現這些價值還有很多工作要做。一個是大數據意識建立的問題。過去，也有這些大數據，但由於沒有大數據的意識，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。還有一個重要問題是數據孤島的問題。很多工業企業的數據分布於企業中的各個孤島中，特別是在大型跨國公司內，要想在整個企業內提取這些數據相當困難。因此，工業大數據應用一個重要議題是集成應用。
以上是小編為大家分享的關於物聯網時代 工業大數據八大應用場景的相關內容，更多信息可以關注環球青藤分享更多干貨
『貳』 美國工業大數據有GE Predix，那中國有企業在做工業互聯網大數據嗎
工業互聯網是全球工業系統與高級計算、分析、感應技術以及互聯網連接融合的結果版。它權通過智能機器間的連接並最終將人機連接，結合和大數據分析，重構全球工業、激發生產力，讓世界更美好、更快速、更安全、更清潔且更經濟。GE將在中國擴展其數字聯盟項目，幫助擴大工業互聯網的覆蓋面。
工業互聯網的實質是什麼。
首先是全面互聯，在全面互聯的基礎上，通過數據流動和分析，形成智能化變革，形成新的模式和新的業態。互聯是基礎，工業互聯網是工業系統的各種元素互聯起來，無論是機器、人還是系統。
互聯解決了通信的基本，更重要的是數據端到端的流動，跨系統的流動，在數據流動技術上充分分析、建模。伯特認為智能化生產、網路化協同、個性化定製、服務化延伸是在互聯的基礎上，通過數據流動和分析，形成新的模式和新的業態。
這是工業互聯網的基理，比現在的互聯網更強調數據，更強調充分的連接，更強調數據的流動和集成以及分析和建模，這和互聯網是有所不同的。工業互聯網的本質是要有數據的流動和分析。
『叄』 工業互聯網與大數據
鄭文盼 16020150021
【嵌牛導讀】在經歷了長達30年的經濟快速發展之後，現在，中國需要一個全新的增長模式。快速的城鎮化和工業化讓數億人擺脫了貧困，中國人的人均壽命提升了十年，中國一舉成為世界上最大的製造產品出口國和世界第二大經濟體。然而，強勁的消費需要更快速的工資增長來拉動——因而需要更快速地提高生產力。因此，中國需要加速從低成本生產向高附加值、高科技製造轉型。這是一個非常嚴峻的挑戰。
【嵌牛鼻子】工業互聯網、大數據
【嵌牛提問】工業互聯網未來發展
【嵌牛正文】
1、數字化創新提升競爭力
由數據分析得出的洞察可以實現預測性維護：提前處理潛在故障，避免意外停機。感測器和數據分析構建了一個數字化的網路——工廠車間的所有元素連接在一起，並與供應鏈和分銷渠道相連，提高製造過程的速度和靈活性——GE稱之為智慧工廠(Brilliant Factory)。現在3D列印等數字技術使一些新的製造流程成為可能，在提高生產速度的同時，降低了生產成本。
這些數字化的創新能夠大幅提升各行各業的效率和生產力，從而提升競爭力，使中國的某些行業在全球范圍內確立領導地位。
工業互聯網創新還能提升不同層面工人的能力。具有虛擬現實/增強現實能力的攜帶型和可穿戴設備可以使工人即時訪問信息、提供即時培訓、更有效地合作以及學習和借鑒其他同事積累的實踐經驗。
人們常常擔心新技術的出現因為提高了自動化水平而減少工作崗位。工業互聯網創新的發展方向不同於以往，工業互聯網使人與機器之間形成更強大的新型夥伴關系，並提升各個層面工人的能力和生產力。而近年來，中國在提升工人平均技能水平方面也取得了巨大的進展：1982年，年齡在25-29之間的中國人中只有不足1%的人口接受過高中及更高水平的教育;到2010年，這一比例已經超過20%，其中大部分集中在科學和工程學。教育水平的提高使中國的勞動力從這些創新中獲得巨大的收益;這也將為中國科學家和工程師的持續創新創造環境，為新型數字化工業技術的增長和傳播作出貢獻。
在這樣的背景下，數字化和智能工業作為一個重大趨勢，已不可逆轉。很多工業公司已經將數字化視為生存和發展的必要前提。盡管互聯網已經改變了消費領域，但這一價值在工業領域還有待釋放，在1990到2010年期間，工業生產力的年均增速為4%，但是，在過去的五年裡卻下降到了1%。如何將數字化轉化為價值，這是所有工業公司所需要解答的問題。
中國經濟正在經歷前所未有的結構化轉型，可以預見，服務業態將在整個GDP當中起到非常重要拉動作用。製造業在過往的中國GDP中占很大比例，但在隨著結構化轉型，未來的製造業將成為製造和服務並舉的行業，其中服務所創造的價值貢獻甚至會超過製造，從而打造出是高質量、高利潤、可持續增長的全新服務業態。
BCG的數據表明，中國經濟當今的轉型之當中，服務的價值在醫療、航空、能源以及有一些機械製造等行業領域都有體現，在未來，他們都將走上以服務成長拉動增長的路徑。所以製造業的轉型對於整個GDP的貢獻也由此成為重要的話題。
GE本身也是一個製造型企業，但這個百年老店也需要思考如何在新的國際競爭當中尋找突破創新之路。GE的工業互聯網在2012年來到中國，而這個戰略最早在五年前被提出，因為製造業本身面在尋求新的增長點方面走進了一個困境。在GE超過1000多億的營收和160億美元的純利潤當中，75%來自製造。但由於客戶市場和全球環境的變化，GE需要找重新思考如何服務於全球各行業的客戶。所以GE就提出了工業互聯網的概念，從根本上講，就是要把人與機器，機器與機器之間通過數據無縫連接，通過海量數據找到運營當中的瓶頸，降低成本，提升效率，從而進行整個核心競爭力的轉型。
工業互聯網同中國工業的智能化在中國的結合恰逢其時，這主要源於三個條件：經過20年的信息化建設，中國積累了很好的基礎設施;同時中國目前的製造業的轉型上升為國家戰略之一，迫切需要一些好的信息化手段、管理理念、創新來推動實現這一目標;最後，人才儲備也已經達到一定水平。
2、資產優化與運營優化
在製造業領域，工業互聯網在實現工業智能化主要著力於資產優化和運營優化。資產優化是基於一個事實，亦即製造企業的重資產特性。目前重資產企業最重要的關切就是產能過剩的挑戰，如何優化資產效率，提升資產的利用率，同時為客戶帶來一些關鍵的增值服務，通常也被衍生為裝備服務業。其次，是運營優化，中國企業所在的是相比德國提出工業4.0，我們還處在2.0甚至更粗放的階段。管理粗放，機能低下，信息化基礎薄弱等等，都是現在制約製造業發展的重要問題。所以如何使運營優化讓我們在崗的工人、管理人員，能夠和管理規章制度結合提升我們的效率，這是工業互聯網的著眼點，也是中國工業企業轉型迫切需要解決的，資產的優化、運營的優化。
目前中國有很多離散型的工廠，例如家電，電子類產品製造商，資產優化、對這些企業而言運營優化有重要的意義。而整個智能化有三個不同的層次：第一，經由感測器驅動的自動化。第二，實現全工廠級別的自動化。第三，包括供應鏈，供應鏈上下游的優化。
這一戰略也與中國的人口轉型相吻合。目前，中國的人口增速降低，老齡化加速。最近出台二胎政策暫時還不會影響到中國的人口發展趨勢。與此同時，較低的人口增長速度也意味著勞動力不再像過去幾十年那樣快速增長。現在，中國的工業面臨更加有限的人力資源。因此，為支持快速的經濟增長，必須更快速地提高生產力以彌補較慢的勞動力增長。
3、製造服務業與中國工業的轉型
從實施角度，要實現這三方面的優化要經過四個階段，第一階段，在沒有數據的情況下我們往往有盲人摸象的感受，就像你坐在軍中但缺乏前線匯報，這種作戰毫無智慧策略可言。所以數據化是非常重要的前提，大部分企業的決策和管理是基於經驗，哪怕有一些數據，也是局部不及時的，甚至是錯誤數據，這都會直接影響到最終結果，所以全局數據的採集是非常關鍵的。有了數據之後我們下一步希望可視化，所以在GE的智能工廠當中我們推出了數字鏈和數字雙胞胎的概念，通過信息可視化手段通觀工廠製造全流程，讓我們對生產力、生產資源、生產效率有了解。隨之而來的是控制，比對管理目標實施自動化、智能化控制，在流程式控制制、資源控制、物料控制等等，同時與製造工藝無縫相結合。最後一個環節是我們最期待的環節，也是價值釋放的部分，就是實現優化，基於全局數據基礎上我們可以實現預測，能夠對資源，對於市場，對於客戶的需求的預測性的指導下我們進行優化。
這四個階段就是剛才我們說互聯網在智能工廠的一個體現，說起來簡單，但是做起來確實是很困難的。縱觀中國的產業發展，工業和基礎設施還處在由硬體轉向軟硬體結合的過渡當中，據統計，2014年我國數字化研發設計工具普及率已達54%，關鍵工序數控化率達到30%。不過較發達國家，中國離互聯互通，軟硬體結合的工業體系距離還很遠。目前，我國高端感測器、智能儀器儀表、高檔數控系統、工業應用軟體等市場份額不到5%。
目前GE所提供的工業互聯網方案，最直接的價值就是幫助客戶實現零意外停機時間，目前GE每天監測和分析來自1000萬個感測器的5000萬項元數據，這些數據涉及資產價值達到萬億美元。基於Predix的APM幫助客戶將海量數據轉化為准確決策，及時、主動地確保資產安全、幫助設備更好地運行、消耗更少的燃料、更高效地部署服務，並最大限度地減少意外停機時間。更多APM解決方案和服務將有利於資產所有者和運營商降低維護成本和運營風險，同時提高可靠性。獲得「可完全預測的資產」對任何機構的都是終極目標。對於尚不成熟的機構來說，這似乎是一個無法實現的目標。但隨著資產運營者逐步接受這一觀念，它所帶來的諸多益處證明這一投資是值得的，APM將是實現資產預測性的根本基石。
在智慧工廠層面，其價值在於利用大數據、軟體、感測器、控制器和機器人提高生產力，從而實現資產和業務優化。智慧工廠的產品擁有四個要素：虛擬製造、感測器啟用自動化、工廠優化和供應鏈優化。GE目前在全球范圍內擁有400家工廠。為了改變這些工廠的管理方式並提高生產效率，我們在整個企業共有16個智慧工廠試點。2015年，我們計劃把試點數量增加到75個左右。
4、挑戰與關注
安全性。製造企業進行轉型不管走的是什麼路徑，目標是一致的，但是安全是非常重要的。傳統的信息化的安全不足以覆蓋到製造領域的安全，GE工業互聯網上倡導的安全，除了IT的安全還有OT的安全，就是工業技術的安全。
基礎設施：基礎設施從數據中心到網路，到大數據分析，到雲計算等等基礎設施的部署。
復合性人才。過去中國的20年，無論是信息化還是工業化過程中培養了很多人才，但是都過於單一化。工業化和信息化的深度融合之後，我們需要更多的是復合性人才，對工業材料了解，對信息業了解的，當然對我們管理也提出了很高的要求。因為技術是服務於業務的，剛才提到的最終是希望驅動企業，使它具備智能管理和持續創新的能力，從而提高它的核心競爭力。所以對於企業的經營者來講，也是一個挑戰，就是我們的管理技能如何和信息化技術，和先進材料技術多方面融合，給企業制定一個好的戰略。
業務模式的改變。技術的引入也會促使我們從上游產品設計到生產製造，到供應鏈，一直到市場服務形成一個全閉環的流程。每一個環節都會對我們傳統的運營模式和業務模式帶來沖擊，互聯網給消費領域帶來的改變每個人都感受到了，工業領域也是如此。比如說眾包在產品設計階段，現在已經被廣泛的使用了，我相信將來在供應鏈，在市場服務的時候如何更精準，更和消費者互動，這些都會對我們已有的模式帶來很大的改變，我們參與的很多項目當中都是著眼於這方面的改變。
『肆』 醫療器械巨頭們的轉型之路
當眾多國產器械還處在技術上努力追趕之時，國際醫療器械巨頭們已經把目光投向了更遠處。
從原先的大工業集團中分拆、獨立為單獨的醫療 健康 集團後，「去工業化」與「成為一家 科技 公司」成為肉眼可見的趨勢。
而「我們是一家 科技 公司」並非僅僅是一句口號，藉助著飛速發展的技術，一方面是產品的數字化與人工智慧輔助，另一方面則是打通上下游，從單一產品銷售轉向整體解決方案提供商。
雖然有著很多相似指出，但全球醫療器械三大巨頭GPS（GE、飛利浦、西門子醫療三家公司英文大寫的縮寫簡稱）也選擇了不同的側重點與實現路徑。
2018年年中，GE醫療宣布將從GE集團中獨立，約半年後，生物制葯板塊被剝離，GE醫療未來的聚焦將在於數字醫療應用和解決方案；飛利浦則在5年前把數字化創新與人工智慧列為公司戰略，自建生態平台、並購初創企業、聯合生態合作夥伴；西門子醫療則希望建立屬於自己的數字化醫療版「App store」。
影像是GE醫療最大的優勢，作為中國市場上最大的醫療設備製造企業，GE醫療在影像設備上的裝機量全球領先，這也給其帶來了海量的數據，這也是GE醫療構築優勢的一大基礎。
CMEF上，GE醫療與AI創新公司Arterys推出了人工智慧輔助心臟核磁診斷Cardio MR AI、以及基於心電大數據平台的雲心電AI預判分析系統；新一代基於矢量技術的全能CT設備矢量CT等。
產品的數字化只是起點，以此為基礎，GE醫療開始圍繞醫院打造整體產品方案。除了提供設備產品外，運用AI輔助診斷與產品運維能力，還從資源、人力等方面幫助醫院進行能力建設。如新發布的APM資產雲管家升級版本新增了放射科指揮中心方案、設備調劑中心方案等功能性模塊，可提升放射科資源利用的有效性和合理性，智能匹配臨床科室設備需求，實現全院設備更優化的流程操作、更精細的績效管理和更智慧的決策分析，進一步提升醫院資產利用率和運營效益，減少冗餘采購浪費，從而提升醫院的綜合管理水平和醫療服務效率，協助智慧醫院建設。
以雲資產為代表的「資產」系列和以雲影像、雲心電為代表的「雲」系列正是GE醫療在中國出兩大系列數字化產品和應用，這正是其在數字化上的兩大主攻方向，而因對醫院對圍繞，使得GE醫療也對基層醫療與非公醫療兩大潛在增量頗為重視。
正如GE醫療中國副總裁陳金雷此前介紹，在數字醫療領域，GE醫療正緊密圍繞資產運營管理、病患臨床診斷、醫院能力建設三大領域、結合臨床醫學、機器與大數據高級分析，幫助醫院和醫生實現更優臨床和運營決策，促進優質醫療資源下沉，提升基層醫生診療能力和服務質量，推動醫聯體建設和分級診療落地。
數據+全產業鏈覆蓋+全球運營下的本土化將是GE醫療未來優勢所在，圍繞高端、基層和非公立醫療「三大市場、四大支柱」的業務發展策略將繼續。
同樣強調整體解決方案，飛利浦的思路更多是圍繞的是疾病的整體解決方案。包括送醫就診治療以及診前診後的互聯關護，乃至早篩。
以飛利浦心血管整體解決方案為例，本次新推出的整體解決方案產品既包括星影智能系統、EPIQ 7C智i心血管超聲系統、超聲心動圖介入治療解決方案等以診斷與輔助產品，也包括針對「胸痛中心」和「卒中中心」建設質控數據直報需求而開發的一站式系統星海智能 健康 系統（ISCM）。
在互聯關護上，目前飛利浦主要有「監護與分析及診療關護」、「睡眠呼吸護理」和「人口 健康 管理」三大業務，連接院前、院中、院外各個場景，提供智能化綜合數據管理和分析解決方案，採集並集成患者的全部數據，幫助醫護人員更好決策。
而新發布產品中，飛利浦雲海中央信息中心旨在打破ICU信息孤島，能夠有效連接床旁監護設備和系統，將分散的監護設備信息集中分析、管控。
此外，與神州醫療一同推出的神飛雲2.0在1.0版本已經實現的置於雲端的飛利浦星雲影像後處理平台上，針對肺癌早篩這一實際應用場景，開發出一套集成解決方案，包括智能化設備、信息化軟體系統和專業服務，為基層醫院實現肺癌精準篩查提供全流程服務。
飛利浦星雲醫學影像人工智慧平台正是飛利浦數字化醫療生態最關鍵的產品，該平台包含ISP（支持臨床影像診斷，涵蓋心臟病學、腫瘤學和神經學）和ISD（醫用科研平台）兩個平台。
如飛利浦大中華區副總裁梁建球所言，飛利浦幾年前被定義成側重工業的企業，現在則被業界認可為一個 健康 科技 企業。
而根據此前鈦媒體報道，西門子醫療的數字化思路也分為產品數字化、生產過程數字化、服務數字化三個階段。與此類似，西門子醫療的AI戰略規劃分三個步驟：第一步，盡量多地把所有人工智慧技術嵌到現有設備產品當中去，目前已有40多個人工智慧應用；第二步，基於已經收集到的數據，提供高效解決方案；第三步，不斷探討基於數據的應用。
西門子醫療還推出了數字化醫療平台Teamplay，該平台是一個基於雲端的大數據平台及醫療生態圈。通過連接醫療機構及其成像設備，並基於診斷成像過程所產生的元數據，包括檢查時間、類型和時長，放射劑量以及掃描協議等數據，大型醫院、醫院網路和診斷中心可以了解有多少台設備在使用中。Teamplay平台有著類似於「App store」的定位與作用，可以解決標准化的問題，規范不同醫院的掃描參數、劑量、使用序列，是一個整體解決方案。在此基礎上，入駐平台的AI初創公司可以獲得硬軟體與標准化運作的支持。
『伍』 Predix，GE(美國通用電氣)推出的工業大數據分析雲平台，底層架構採用的數據倉庫是哪一款
Predix GE自發平台MindSphere實際西門利用SAP HANA Cloud Platform Could Foundry （HCP CF）PaaS推工業雲西門平台系統軟體發實力SAP選擇SAP合作發Predix MindSphere共同點專都工業物聯網雲接機屬器數據做析預測PaaS技術都用源Cloud Foundry SAP HCP提供應用服務比Predix更豐富更適合平台擴展做各種應用發與各種SAP非SAP商業系統集等想像空間足夠 GE Predix做做般機器數據預測析展現夠畢境GE做機器起家公司現向軟體析轉型另外Predix選擇微軟 Azure做IaaSSAP 首選AWS合作
『陸』 大數據如何貢獻大價值
大數據如何貢獻大價值
一切的現象都在告訴人們，一個新的科技時代似乎正在來臨。有些IT職業追潮人士甚至激動地認為「人類歷史上第三次科技革命」即將到來。
大數據之惑
問題在於，什麼是大數據？為什麼人人言必稱大數據？
「很大很大的數據」就是大數據。對「大」的定義在不斷刷新。10年前1GB數據已經很大了，今天，1000GB並不算太大。
問題其實不在於大，而在價值。「大數據」再大仍舊只是數據，沒有足夠有效的分析與應用，一切數據都是垃圾。紐約時報專欄作家David Brooks認為，缺乏足夠有效的分析是大數據的最大問題：越來越多的數據，帶來越來越多的相關性；其實很多相關性都是沒有意義的，這種欺騙性質的數據關聯會把數據管理者和使用者引入歧途，浪費大量的人力物力去管理、分析這些數據。
除了傳統意義上人們認為的那些有行有列有數值或者文字的數據表單之外，IT技術還幫助人們收集了越來越多的其他類型的資料，比如視頻，語音，圖片，文檔等。這些被稱為「非結構化數據」。
結構化與非結構化數據每天都在成倍的增加。以道路視頻監控為例，全上海的攝像頭有10多萬個，每一刻都在記錄圖片與視頻。一旦發生案件或者事件，這些記錄在硬碟庫里的資料就成為偵察與審判環節的重要證據。盡管目前技術尚不支持，業界仍然期望未來能在TB乃至於PB級的視頻數據里搜到一張特定身影或者臉孔。這類搜索/分析技術未來將是啟動視頻類大數據應用的引擎。
同樣，基於語音、照片或者文本的分析與數據挖掘同樣可以給人類對數據的理解帶來革命性的突破。問題在於，這類技術仍停留在實驗室階段。
盡管沒有足夠的應用，大數據仍然不可阻擋地火熱了起來。不扯上大數據似乎就要落伍了一樣，大數據滿天飛的日子來到了。至於這股潮流到底會演變成象。com一樣的泡沫，還是第三次產業革命，在華威先生們眼裡，已經根本不重要了。業界，資料庫/存儲等領域供應商當然樂見其成，而企業的IT經理們則又多了一個申請預算的借口。
數據的價值及企業數據戰略
數據的獲取與存儲仍然是IT建設的基礎架構。一旦決定啟動「大數據戰略」，對資源源源不斷的佔用使得這一工作黑洞化。如何規避這種大數據黑洞？結合全球主要行業領導企業以及部分小而強的歐洲企業的成功案例，我認為，應該以應用（分析及業務決策）為中心建立相應的數據戰略，並且隨之建立相應的從收集數據、管理數據到最終業務決策的一整套流程。而不是為數據而數據——首先要建立以應用為中心的數據戰略。說到應用，銀行、保險、汽車、化工等幾乎所有行業都在開展以數據分析為基礎的各種應用，以JMP軟體全球行業案例庫裡面的部分典型客戶為例：
電商在分析顧客采購行為數據，以進行促銷和相關貨品推薦（交叉/提升銷售）
航空公司在調查旅客反饋，以改進空中服務（客戶挽留）
葯廠在對臨床實驗數據進行分析，以判斷新葯的安全性和有效性（研發新產品）
汽車廠商在對維修信息進行分析，以改進汽車整車和關鍵零部件的可靠性以提升客戶滿意度（挽留及獲取客戶）、降低客戶擁有成本和車廠的保修成本（降低成本）
手機公司在對手機銷售量進行預測，以合理排產與優化庫存（運營優化）
衛生管理部門在運用數據模型對流行病趨勢進行描述、監控與預測
銀行在對客戶服務流程進行優化與改善，以提升客戶滿意度
電腦廠商在利用客戶對不同配置組合進行市場調查，以進行定價
保險公司在根據保單出險情況進行保單定價的動態調整，以確保該產品基本盈利能力
半導體企業在對製造全流程數據進行分析/建模/優化，以改善工藝，提升良率，從而實現成本降低與利潤提升
食品公司在利用數據分析和市場調查手段，研發本地客戶最喜好的口味
快速食品行業在利用JMP地圖分析工具與人口統計學相結合，以進行門店選址，客戶獲取及供應鏈優化
只有足夠有效的應用，方可獲取數據的價值。企業只有在戰略層面確立了數據分析的重要性，方可持續改善。以GE為例，六西格瑪及相應的數據分析流程已經成為GE的全球戰略與文化。不僅如何，GE還持續不懈地推動基於數據分析的持續改善工作。在高端航空發動機研發及GE能源系統業務領域方面，GE也與時俱進，導入JMP所代表的業界最高水平的實驗設計（DOE）方法，以進一步提升其研發水平。
其次，一切都離不開人。與這股指數級增長的數據分析需求相對應，統計、分析類人才正成為職場上的稀缺品種和搶手貨。3月初華爾街日報刊登了「全美最搶手職業排名」，數據分析類職位高居榜單第二位。這是美國。對中國來說，或許排名更高，因為稀缺。
最後，建立一整套以數據分析及決策流程，以取代傳統的拍腦袋決策體系。這一點對於中國企業來說尤其需要強調。這不僅僅是對戰略的有效執行，更需要企業拿出「改變」的決心和勇氣，在制度層面體現出對「改變」的鼓勵和包容。
在這個應用為王的年代，對於企業來說，不論是搭建基礎架構還是應用軟體，要不要投入，如何投入，其實是個老話題了，無外乎價值與價格。大數據/雲計算，不論名字如何變化，邏輯依舊。
『柒』 工業大數據開啟新時代 七大應用分析
工業大數據開啟新時代 七大應用分析
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和產品精準營銷等諸多方面。本文我們講就工業大數據在製造企業的應用場景進行逐一梳理。
隨著信息化與工業化的深度融合，信息技術滲透到了工業企業產業鏈的各個環節，條形碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術在工業企業中得到廣泛應用，尤其是互聯網、移動互聯網、物聯網等新一代信息技術在工業領域的應用，工業企業也進入了互聯網工業的新的發展階段，工業企業所擁有的數據也日益豐富。工業企業中生產線處於高速運轉，由工業設備所產生、採集和處理的數據量遠大於企業中計算機和人工產生的數據，從數據類型看也多是非結構化數據，生產線的高速運轉則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比互聯網行業的大數據應用少，某些情況下甚至更為復雜。
工業大數據應用將帶來工業企業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感知、高速移動連接、分布式計算和高級分析，信息技術和全球工業系統正在深入融合，給全球工業帶來深刻的變革，創新企業的研發、生產、運營、營銷和管理方式。這些創新不同行業的工業企業帶來了更快的速度、更高的效率和更高的洞察力。
1.加速產品創新
客戶與工業企業之間的交互和交易行為將產生大量數據，挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。福特公司是這方面的表率，他們將大數據技術應用到了福特福克斯電動車的產品創新和優化中，這款車成為了一款名副其實的「大數據電動車」。第一代福特福克斯電動車在駕駛和停車時產生大量數據。在行駛中，司機持續地更新車輛的加速度、剎車、電池充電和位置信息。這對於司機很有用，但數據也傳回福特工程師那裡，以了解客戶的駕駛習慣，包括如何、何時以及何處充電。即使車輛處於靜止狀態，它也會持續將車輛胎壓和電池系統的數據傳送給最近的智能電話。
這種以客戶為中心的大數據應用場景具有多方面的好處，因為大數據實現了寶貴的新型產品創新和協作方式。司機獲得有用的最新信息，而位於底特律的工程師匯總關於駕駛行為的信息，以了解客戶，制訂產品改進計劃，並實施新產品創新。而且，電力公司和其他第三方供應商也可以分析數百萬英里的駕駛數據，以決定在何處建立新的充電站，以及如何防止脆弱的電網超負荷運轉。
2.產品故障診斷與預測
這可以被用於產品售後服務與產品改進。無所不在的感測器、互聯網技術的引入使得產品故障實時診斷變為現實，大數據應用、建模與模擬技術則使得預測動態性成為可能。在馬航MH370失聯客機搜尋過程中，波音公司獲取的發動機運轉數據對於確定飛機的失聯路徑起到了關鍵作用。我們就拿波音公司飛機系統作為案例，看看大數據應用在產品故障診斷中如何發揮作用。在波音的飛機上，發動機、燃油系統、液壓和電力系統等數以百計的變數組成了在航狀態，這些數據不到幾微秒就被測量和發送一次。以波音737為例，發動機在飛行中每30分鍾就能產生10TB數據。
這些數據不僅僅是未來某個時間點能夠分析的工程遙測數據，而且還促進了實時自適應控制、燃油使用、零件故障預測和飛行員通報，能有效實現故障診斷和預測。再看一個通用電氣（GE）的例子，位於美國亞特蘭大的GE能源監測和診斷（M&D）中心，收集全球50多個國家上千台GE燃氣輪機的數據，每天就能為客戶收集10G的數據，通過分析來自系統內的感測器振動和溫度信號的恆定大數據流，這些大數據分析將為GE公司對燃氣輪機故障診斷和預警提供支撐。風力渦輪機製造商Vestas也通過對天氣數據及期渦輪儀表數據進行交叉分析，從而對風力渦輪機布局進行改善，由此增加了風力渦輪機的電力輸出水平並延長了服務壽命。
3.工業物聯網生產線的大數據應用
現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次數據，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析（包括違反生產規定、零部件故障）等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標准工藝，就會產生一個報警信號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用大數據技術，還可以對工業產品的生產過程建立虛擬模型，模擬並優化生產流程，當所有流程和績效數據都能在系統中重建時，這種透明度將有助於製造商改進其生產流程。再如，在能耗分析方面，在設備生產過程中利用感測器集中監控所有的生產流程，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。
4.工業供應鏈的分析和優化
當前，大數據分析已經是很多電子商務企業提升供應鏈競爭力的重要手段。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。RFID等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
以海爾公司為例，海爾公司供應鏈體系很完善，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，客戶數據、企業內部數據、供應商數據被匯總到供應鏈體系中，通過供應鏈上的大數據採集和分析，海爾公司能夠持續進行供應鏈改進和優化，保證了海爾對客戶的敏捷響應。美國較大的OEM供應商超過千家，為製造企業提供超過1萬種不同的產品，每家廠商都依靠市場預測和其他不同的變數，如銷售數據、市場信息、展會、新聞、競爭對手的數據，甚至天氣預報等來銷售自己的產品。
利用銷售數據、產品的感測器數據和出自供應商資料庫的數據，工業製造企業便可准確地預測全球不同區域的需求。由於可以跟蹤庫存和銷售價格，可以在價格下跌時買進，所以製造企業便可節約大量的成本。如果再利用產品中感測器所產生的數據，知道產品出了什麼故障，哪裡需要配件，他們還可以預測何處以及何時需要零件。這將會極大地減少庫存，優化供應鏈。
5.產品銷售預測與需求管理
通過大數據來分析當前需求變化和組合形式。大數據是一個很好的銷售分析工具，通過歷史數據的多維度組合，可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等，以此來調整產品策略和鋪貨策略。在某些分析中我們可以發現，在開學季高校較多的城市對文具的需求會高很多，這樣我們可以加大對這些城市經銷商的促銷，吸引他們在開學季多訂貨，同時在開學季之前一兩個月開始產能規劃，以滿足促銷需求。對產品開發方面，通過消費人群的關注點進行產品功能、性能的調整，如幾年前大家喜歡用音樂手機，而現在大家更傾向於用手機上網、拍照分享等，手機的拍照功能提升就是一個趨勢，4G手機也占據更大的市場份額。通過大數據對一些市場細節的分析，可以找到更多的潛在銷售機會。
6.生產計劃與排程
製造業面對多品種小批量的生產模式，數據的精細化自動及時方便的採集（MES/DCS）及多變性導致數據劇烈增大，再加上十幾年的信息化的歷史數據，對於需要快速響應的APS來說，是一個巨大的挑戰。大數據可以給予我們更詳細的數據信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計劃與現場實際的偏差，動態的調整計劃排產。幫我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體（工作中心數據直接改變為具體一個設備、人員、模具等數據）。通過數據的關聯分析並監控它，我們就能計劃未來。雖然，大數據略有瑕疵，只要得到合理的應用，大數據會變成我們強大的武器。當年，福特問大數據的客戶需求是什麼？而回答是「一匹更快的馬」，而不是現在已經普及的汽車。所以，在大數據的世界裡，創意、直覺、冒險精神和知識野心尤為重要。
7.產品質量管理與分析
傳統的製造業正面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。例如在半導體行業，晶元在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝製程，每一步都必須達到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，也同步生成了龐大的檢測結果。這些海量數據究竟是企業的包袱，還是企業的金礦呢？如果說是後者的話，那麼又該如何快速地撥雲見日，從「金礦」中准確地發現產品良率波動的關鍵原因呢？這是一個已經困擾半導體工程師們多年的技術難題。
某半導體科技公司生產的晶圓在經過測試環節後，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試項目分別進行一次過程能力分析。如果按照傳統的工作模式，我們需要按部就班地分別計算一百多個過程能力指數，對各項質量特性一一考核。這里暫且不論工作量的龐大與繁瑣，哪怕有人能夠解決了計算量的問題，但也很難從這一百多個過程能力指數中看出它們之間的關聯性，更難對產品的總體質量性能有一個全面的認識與總結。然而，如果我們利用大數據質量管理分析平台，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，更重要的是，還可以從同樣的大數據集中得到很多嶄新的分析結果。
以上是小編為大家分享的關於工業大數據開啟新時代 七大應用分析的相關內容，更多信息可以關注環球青藤分享更多干貨
『捌』 製造業大數據的「冷」思考
製造業大數據的「冷」思考？
當前，大數據作為新一代信息技術的關鍵，逐漸成為新一輪產業革命的核心。製造業邁入了大數據時代，2012年，GE公司率先明確了「工業大數據」的概念。在製造業，產品的全生命周期從市場規劃、設計、製造、銷售、維護等過程都會產生大量的結構化和非結構化數據，形成了製造業大數據，而這些數據符合大數據的三「V」的特徵：規模性、多樣性以及高速性。除此以外，製造業大數據還具多源異構、多尺度、不確定、高雜訊等特徵。因此，研究和應用製造大數據更具有挑戰性。 主要體現在製造大數據的存儲、管理、分析和展示方面。如何充分挖掘工廠中數據的價值，通過對製造大數據進行分析，提升數字化工廠運行效率，已成為制約數字化工廠向智慧工廠發展的瓶頸！
然而，大數據給我們帶來的思考：在製造業能用嗎？解決什麼問題？製造業大數據到底在哪些領域可以發揮它的作用？
首先，能用否？大數據已經成為解決現實世界問題的方法。要解決現實世界的問題，第一種方法就是科學實驗，通過實驗的方法來發現現實世界的一些規律和解決和問題； 第二種就是通過理論分析和推導方法；第三種就是科學計算，模擬模擬成為第三種解決問題的範式；數據科學成為第四種解決問題的範式，這個就是由美國圖靈獎的獲得者，他出了一本書《第四種範式》，目前現在國外數據科學是一門非常熱門的學科，它是一門綜合交叉的學科。
大數據方法帶來了思維上的變化，主要是從三個方面來看的：
從因果到關聯，更強調事物之間的相關性而非因果性。
從局部到全體，採用全體數據進行分析，而不是隨機樣本。
從精確到混雜，通過數據保證解的優異性，不再一味追求精確的演算法。
既然大數據已經成為解決問題的方法，那能用它。
因此，從數字化工廠向智能化工廠轉化的過程中面對著海量的數據，需要尋找它們相互之間的聯系和隱藏規律，實現透明化的目標。
最後，在哪裡用？大數據它給製造業提供的是一種全方位的全程式的一種服務，在產品全生命周期階段，從設計到製造、從使用到維護、直到維修階段，產生的正向數據以及逆向數據，這些數據都能全方位的使用。
在產品的設計中，傳統的設計師，基於經驗靈感和經驗，揣度消費者的需求喜好，設計產品。在大數據時代，設計師通過對用戶行為和需求大數據進行分析，精準量化客戶需求，指導設計過程。
在製造階段，大數據技術可以幫助實現生產過程異常發現、產品質量和生產調度優化等方面。以生產異常發現為例，傳統的基於降維手段的異常發現方法，容易破壞信息完整性，不利於設備異常的發現。在大數據模式下，基於製造數據的分析對關鍵參數進行提取，然後通過聚類分析手段發現設備異常模式，在此基礎上對設備控制優化。大數據也能幫助提高產品的質量控制，大家來自製造業可能知道SPC控制的是整個過程的單個參數，但是單個參數在正常范圍，為什麼還會出現一些質量問題？可能每個參數均處於臨界狀態，綜合產生會產生一些質量問題，所以在這個過程中，傳統就是數據的篩選、參數分析，這個過程介入了人工的分析來進行質量的預測，數據篩選過程淘汰了許多有效的數據資源，參數分析過程經常存在人工經驗判斷，使得預測模型對整個產品加工過程信息的描述殘缺不全，不能發現產品質量問題的深層次原因（如誤差累積）。 因此在大數據模式下，根據產品的加工工藝過程，對產品質量相關數據按層次進行組織，利用多隱藏層的神經網路深度學習加工過程中產品質量數據的相互作用機理，從而對產品質量問題進行全面、深層次描述。大數據能提升大規模生產調度的全局性能，大家知道為什麼我們企業生產調度一直會出現問題，我們做的計劃好好地趕不上變化。因為所做的計劃，是在一個理想狀態下考慮約束做的計劃。我自己做生產優化調度做了20多年，一直在尋找一種最優的解決方案，研究智能方法，例如：遺傳演算法、螞蟻演算法等。但隨著工藝的復雜、環境的復雜、工藝的規模，整個問題規模越來越大的時候，它已經是一個很難解決的問題。傳統的智能調度方法難以求解大規模的調度問題，基於規則和瓶頸的方法在大規模問題中又很難得到全局優化解；大數據帶來了新思路，他採用全局的數據之間的關聯關系，從而形成全局的調度方案，能夠解決大規模生產中的全局調度問題。
大數據能為產品的運營維護服務，很典型的案例就是GE的案例，建立一個平台，為航空發動機的監控、運行監測、故障診斷提供一個全方位的服務。在產品的運行和維護過程中，大數據模式一改傳統方法被動的運維模式，通過採集和分析智能設備的感測器數據，進行大數據分析，主動進行產品的安全監測、故障診斷，優化產品的運行過程。大數據應用過程中需要的是什麼呢，首先需要的是能夠採集到數據，也就是需要產品是一個智能化的產品，所以 在智能製造中，首先要有智能化的產品，安裝感測器，能夠實時的傳遞數據，這為後面的運行、維護服務提供了依據。
大數據不只是關於數據，而是採用傳統及新的分析方法來分析所有數據。針對大數據分析的結果採取行動來提升業務才是最重要。隨著大數據技術的不斷地發展，國內外已對大數據在製造領域中的應用進行了一些開拓性的研究，代表性的有GE工業互聯網解決方案、Smart Factory計劃，SAP HANA平台和Invensys數據分析平台，並已在農夫山泉、百事飲料等公司應用。三一重工利用大數據技術通過對地理位置數據的關聯分析發現泵車主油缸故障與沿海地區杭深高鐵建設的強相關性，確定了沿海地區的鹽霧環境和水質是導致油缸密封體腐蝕的主要原因。日本小松公司通過對挖掘機安裝感測器與GPS定位系統，從而實時監控車輛運行情況，並通過大數據分析，對未來挖掘機市場的需求進行預測從而調整生產、對用戶的使用習慣進行分析與建議從而降低油耗。
以上的一些工業案例成為製造業大數據的先驅，然後，目前絕大多數製造業大數據的應用沒能形成系統化的思路和方案，缺乏理論體系的支撐。 針對國內在製造業大數據應用基礎研究上的空白，我團隊2014年申請了國家自然科學基金重點項目「大數據驅動的智能車間運行分析與決策方法研究」，並得到了資助。目前，圍繞車間製造大數據之間的耦合作用機理、車間性能的演化規律、車間運行過程的調控機制三個基礎科學問題進行科學研究，來探索我們的大數據在我們的智能製造車間的運行情況。解決問題的思路是是一切都在用數據來說話，利用大數據來解決工程問題的科學研究思路是： 一切數據說話。首先數據化：將設備狀態參數、計劃執行情況等運行參數，以及質量、交貨期等性能指標數據化；然後分析這些數據之間的關聯關系，用數據挖掘的方法預測交貨准時率、產品合格率等車間性能的演化規律；從演化規律中，發現質量指標中某數據異常，找到影響該異常數據的關鍵參數，最後對關鍵數據進行控制，保證交貨期和產品質量。為了實現大數據應用，我們提出了大數據驅動的智慧工廠，它是生產車間、物聯網、雲端、移動互聯的有機融合。利用物聯網技術，使得車間生產過程、物流及之後的銷售、服務過程具備感知能力；全生命周期內產生的各種製造數據保存到雲端；藉助大數據處理與分析技術，依託雲計算平台，幫助分析數字工廠運行過程，提供決策支持，並通過移動互聯方式展現。目前我們在晶圓製造的車間和發動機裝配車間，開展了一系列的工作。
最後，我認為：實現以數據感知、數據處理分析、製造過程決策與支持、數據可視化技術為核心的智慧工廠已經成為趨勢，大數據產業鏈及技術體系逐漸成熟，大數據必將加速數字工廠向智慧工廠的轉型。