产业链用什么数据

1. 物联网时代的八大工业大数据应用场景

物联网时代的八大工业大数据应用场景

工业大数据是一个全新的概念，从字面上理解，工业大数据是指在工业领域信息化应用中所产生的大数据。

随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文将对工业大数据在制造企业的应用场景进行逐一梳理。

1.加速产品创新

客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。

这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。

2.产品故障诊断与预测

这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10TB数据。

这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气(GE)的例子，位于美国亚特兰大的GE能源监测和诊断(M&D)中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。

3.工业物联网生产线的大数据应用

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。

4.工业供应链的分析和优化

当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。

利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。

5.产品销售预测与需求管理

通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多订货，同时在开学季之前一两个月开始产能规划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调整，如几年前大家喜欢用音乐手机，而现在大家更倾向于用手机上网、拍照分享等，手机的拍照功能提升就是一个趋势，4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析，可以找到更多的潜在销售机会。

6.生产计划与排程

制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么?而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。

7.产品质量管理与分析

传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢?如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢?这是一个已经困扰半导体工程师们多年的技术难题。

某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。

8.工业污染与环保检测

《穹顶之下》令人印象深刻的一点是通过可视化报表，柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。

这给我们带来的一个启示，即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢?其实并非都是凭借高层关系获取，不少数据都是公开可查，在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构，可查询的公益环保数据越来越多，包括全国空气、水文等数据，气象数据，工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化，普通人看不懂。如果能够看懂并保持关注，大数据将成为社会监督环保的重要手段。近日网络上线《全国污染监测地图》就是一个很好的方式，结合开放的环保大数据，网络地图加入了污染检测图层，任何人都可以通过它查看全国及自己所在区域省市，所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类，最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源，出现提醒，该监测点检测项目，哪些超标，超标多少倍。这些信息可以实时分享到社交媒体平台，告知好友，提醒大家一同注意污染源情况及个人安全健康。

总结工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，也有这些大数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。因此，工业大数据应用一个重要议题是集成应用。

以上是小编为大家分享的关于物联网时代的八大工业大数据应用场景的相关内容，更多信息可以关注环球青藤分享更多干货

2. 产业链数字化平台，全链智能推出什么功能点

产业地图平台，目前，全链智能，是行业领先的，推出国内首家产业链地图产品，公司通过利用知识图谱、自然语言处理技术等前沿AI技术，从现实物理隔离的产业分布，到虚拟数据连接的产业链结构，在线化+数据化+智能化”进行连接1亿以上企业与企业，解决“精准查上下游，高效找合作方”的核心需求，利用产业链产品，主要满足公司销售和采购场景。

3. 大数据产业化应用价值解析

大数据产业化应用价值解析

大数据是当下科技应用的热土，传统企业在转型、升级等战略调整的同时，需要借助一些新兴科技作为企业发展的“左膀右臂”，助力企业增效、获益。随着IT的发展，社会经济“互联网化”愈演愈烈，大数据从前沿科技逐步走向寻常百姓人家的饭后谈资。大数据引领的“数据为王”的DT数据时代，正在昂首阔步的走来，大数据正在经历着产业化的变迁，数据应用价值亦然成为企业手中的一把利剑，在企业竞争角逐中无往不利，所向披靡。

数据之所以成为新商业经济社会的必争之物，在于它实际场景中的应用价值。

数据只有被应用到具体的商业场景和产业生产中才具有价值和意义，企业之所以将建立的交易数据库、客户数据库等视为企业核心竞争力，是因为得数据者得用户、得用户者得天下。企业之间的激烈竞争是商业社会优胜劣汰的必经之路，如何利用好数据，将之转化为有价值的数据财富应用到产业化场景中，是当下企业建立竞争壁垒的首要问题。

大数据包含收集、积累、处理、应用等一系列环节，其真正的价值体现在产业化的管理和使用，将数据作为产业链中不可或缺的驱动力、创新力，使其成为企业发展的“内核发动机”，从而促进整个商品经济社会生产与再生产，实现商业本质的最优化和服务的最佳化。

以下是大数据产业化应用的三个主要层面：

弹无虚发：精准营销

企业应社会需求生产商品，在生产过程中会遇到生产过剩或者商品滞销等问题，往往商品或者服务和消费者存在“一堵墙”的距离，这堵墙表现在产品或服务与消费者之间的巨大沟通成本。企业精准定位目标消费群体，选择性的为消费者提供商品、服务，但是在线上商店的商品无法精准的出现在目标消费者的视阈里，一个网络游客逛到一家在线商店，店小二无法知晓进店的是一条狗还是一个人，他（她）的需求都是无法捕捉和观察到的，没有量化的数据支撑网商的判断和商品推广，交易便难以产生。

不同于线下实体店的是，店员都会根据进店顾客的特征，多维度的判断他（她）可能存在的消费需求，长相、体型、性别、年龄等等店员都可以根据目测做出一个较为准确的判断，从而进行下一步的导购。大数据可以提供企业目标消费群体多维度的特征描述，以便将其“一网打尽”。

大数据是有着海量数据积累，大数据手段能够捕捉到用户的网络消费行为与消费特征，将其进行数据化处理，并且保留在云端，当用户再次出现在互联网上就会被监测到，经过一些列大数据算法，依据用户以往的消费数据信息，选择向用户的Web界面推送一些可能会购买的商品或者服务，实现精准营销，实现企业高效率、低成本、高ROI的规模化扩张之路。

以人为本：定制生产

定制生产是依照消费者的需求进行产品设计、生产，以满足互联网时代消费者日益丰富的多层次、个性化的消费需求。以往企业生产什么产品消费者就用什么产品的模式逐渐从市场褪去，企业开始看重细分领域消费者的需求，为其创造更好的服务体验，力争增加消费黏性和建立消费者的品牌忠诚度，提升竞争力。以人为本的企业服务理念被视为未来商业的可能，随着态势日趋转好经济大环境，“顾客就是上帝”的传统理念将会被重新定义。需求导向型产业需要大数据的分析模型，按需而策划、定制的产品是紧跟消费市场的，因此企业实行定制生产必须在设计、生产、供应、销售、管理、配送等各个环节上，都要适应小批量、多式样、多规格、多品类的生产和销售变化。大数据在其中起着挖掘需求、设计产品、建立渠道等方面的重要促进和指导作用，所有环节都要以消费者数据为出发点。

定制生产的产品，将会以高匹配被市场接受和认可，以消费者为中心的理念促进了企业资源的最优配置和排序，避免了产能过剩和定位模糊，数据驱动力一定程度上映射着商业的本质。商业的本质是商品和服务，商品或服务的使用价值体现在消费者对其功效的使用，数据是商品、服务量化了的指标和参数，数据会真实反映出商品、服务的市场适应性和方向性。

其中，如何检验收集到的数据是否有使用价值、可被利用性，可被当做定制化生产指标的等等问题，至关重要。这就要求企业要保证数据来源的科学性、逻辑性、准确性，企业的可持续发展需要多层面的共同协作。

高效匹配：两端桥梁

前面提到了精准营销和定制生产，实际上是从企业端和目标消费群体端来讲的，可以理解为B端和C端，C to B 的定制模式和B to C的精准营销是大数据目前应用最为广泛的场景。实际上大数据是链接目标消费者和企业的信息桥梁，两者在沟通环节中可能会遇到诸多问题，例如企业定位的偏差，消费者伪需求的传达，都会造成产业链的冗长和落后，大大增加了时间成本和投入了更多的沉没成本，致使效率低下，消费萎靡、滞缓。所以说，大数据会告诉企业应该生产什么样的产品，会告诉消费者企业产品与服务的差异在哪里。数据化的指标就像人体心率、肺活量、血压、血糖等等指数一样，能够准确反映出一个人的身体状况，大数据能够体现一个企业的状况，一个消费者的状况。数据不会说谎，只传达真相。

产业链的两端分别是企业和消费者，中间环节长度决定着双方反馈速度的快慢，产业链过长必然需要一定的时间来使双方做出反应，而经济市场瞬息万变，供与需是否能够及时得到平衡匹配很难保证。这就要求企业建立产业生态链条的全闭合和高效供需匹配机制，实时响应、反馈，把两端的利益契合点找出来并且进行组合搭配。

大数据的挖掘成本和价值含量，直接影响着企业对数据的信心，“有用”的数据才是大数据存在的意义，社会的高效运作离不开经济体之间的相互协作，大数据机制的形成和高层级应用是当下数据发展的方向，数据产业化蕴含着巨大的市场机会，而中国正在经历着数据时代的变迁。

以上是小编为大家分享的关于大数据产业化应用价值解析的相关内容，更多信息可以关注环球青藤分享更多干货