3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
工业大数据在智能制造中的应用
达索技术团队
雷霆
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
议程
工业大数据在智能制造中的应用
大数据与智能制造
案例分享
3
1
2
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
当前主题
工业大数据在智能制造中的应用
大数据与智能制造
案例分享
3
12
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
信息物理融合系统具备记忆和自我学习能力能够检测并响应外部变化收集、测量和分析数据
不具备推理能力
描述
交通运输医疗卫生能源建筑
国防军工
消费电子环境感知系统响应式系统自主系统
互联系统
无智能系统
智能化
未来设备智能化发展
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
未来系统智能化发展
智能的产品
智能的城市
系统中的系统
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
未来制造业发展趋势
现状：
大部分生产端的设备、工艺、流程、制度、理念都是应对大生产而准备
未来：
“互联网＋”推动个性化、多品种、小批量、灵活配置的发展趋势
智能制造
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
智能制造的定义与内涵
智能制造是指将物联网、大数据、云计算等新一代信息技术与设计、生产、管理、服务等
制造活动的各个环节融合，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称，具备以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网通互联为支
撑的四大特征，可有效缩短产品研制周期、提高生产效率、提升产品质量、降低资源能源消耗，对推动制造业转型升级具有重要意义。
--《国家智能制造标准体系建设指南
(2015年版)》（征求意见稿）
1
2
3
4
一条主线：新一代信息技术与产品全生命周期各环节及先进制造技术的深度融合两个目的：智能地实现产品，实现智能的产品
三大功能：信息深度自感知、智慧优化自决策、精准控制自执行
四个特征：智能工厂、关键制造环节智能化、端到端数据流、网通互联
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
QUALITY 质量WAREHOUSE 仓储MAINTENANCE 维护PRODUCTION 生产LABOR 人工
ROBOTICS 机器人MACHINING
加工PROCESS
PLANNING 工艺和产线规划
ERGONOMICS 人机INTELLIGENCE 智能分析CENTER OF
EXCELLENCE
最佳实践
TRACEABILITY
实时跟踪SCHEDULING 工时优化未来智能制造平台的关键要素
基于统一模型实现数字化的制造规划通过数字模型贯穿整个制造执行过程，实现供应链可视化，执行
和监控所有资源
基于大数据，提取关键信息，持续改进制造性能数字化制造规划制造运营管理
运营优化
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
VariétéVélocité
工业大数据的来源
企业业务运营产生的数据
ERP –PLM –CRM –…Business Applications
智能设备的采集数据Logs –Smart Meters –GPS …
社交数据
e-Mail –Documents …
Volume Variety Velocity
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
工业大数据分析和传统商业智能领域差别
全球
车间
实时
月次、年次工場
日次
工业大数据
领域
BI 领域
空间轴
时间轴
主要分析计划层数据?财务?销售?库存?制造?人事
分析制造/供应链数据?工程?制造?品质?库存?设备?人工
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
Business Objects Enterprise Model Flat Representation Logical View Business View Physical / Enterprise Logical / Usage
Collect
Access
Interact
Consolidate
Process
Service
典型的大数据处理流程
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
当前主题
工业大数据在智能制造中的应用
大数据与智能制造
案例分享
3
12
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
工业大数据在智能制造中的应用
制造知识挖掘
制造流程智能
产品质量智能
工厂设备智能
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
制造知识挖掘
?如何去组织来源不同，格式不同的历史工艺数据?
如何从大量的历史设计信息中提取可复用的数据
?如何从新的产品工艺设计中识别出可复用的知识?产品工艺设计中复用的规律是什么
?
如何在海量的数据中快速的检索出可复用的知识
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
+ 清单
+ 分析
特征+ 图档+ 相似性
制造知识挖掘
+ 社交数据
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
制造流程智能
?订单分析
?实际循环时间与平均作业循环时间分析?作业持续时间?订单完工率分析?作业与订单延迟率?作业与订单遵守率
?
提前开工作业与订单分析
?生产报表
?完工不良与报废数量统计?一次通过率与传统产量对比?订单完工数与剩余数统计
?统计分析维度:
?日期与班次
?工作中心，部门和工厂?员工?订单类型?产品和产品组
?流程(持续改进监控能力)?
原因代码与原因组
MPI 生产报废报表
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
实时制造可见性
多工厂大数据分析
事务数据共享主数据历史/分析数据
工厂特殊主数据总部
(拥有共享主数据)
工厂1
工厂2
工厂n
RAP DI
RAP 数据仓库
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
单工厂到多工厂的制造流程数据
DB
Plant MPI
MPI DW
MPI
EIC Portal
EIC
DB
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
按产品分组，监控计划与实际绩效的差别，可尽早发现订单问题，帮助提高订单按期率
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014
通过各种维度条件参数，统计订单按时、延迟、提早交付的状况，用以分析并发现生产流程中的问题
工业大数据设备项目财务分析表 一、项目背景情况 当前，地区将进入以转型促发展的新阶段，工业发展仍处于大有 可为的战略机遇期，同时也将面临着发展环境复杂多变的严峻挑战， 加之生产要素瓶颈等制约，任务艰巨而紧迫。 工业大数据是指在工业领域中，围绕典型智能制造模式，从客户 需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、 库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品 全生命周期各个环节所产生的各类数据及相关技术和应用的总称，其 以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业 大数据相关技术和应用。随着各国工业革新的推进、智能制造的发展，工业大数据行业得到快速发展。 工业大数据是未来工业在全球市场竞争中发挥优势的关键。近年来，各国纷纷推动其工业发展的改革，德国工业4.0、美国工业互联网、中国制造，制造业创新战略的实施基础都是工业大数据的搜集和特征 分析，以此创新发展、指导经营，推动工业智能化的发展。工业智能 化与工业大数据相互促进，其数据来源包含企业内部与外部及市场上
的相关数据，主要包含生产经营相关的业务数据、设备物联数据和外 部数据几个方面。 工业大数据是智能制造的关键技术，利用智能化的手段及数据服务，推动生产型制造向服务型制造转型，其在智能制造中有着广阔的 应用前景，在产品市场需求获取、产品研发、制造、运行、服务直至 报废回收的产品全生命周期过程中，工业大数据在智能化设计、生产、网络化协同制造、智能化服务、个性化定制等场景都发挥较大的作用。 随着工业化改革的发展，全球工业大数据的规模不断增加。截止 至2017年全球工业大数据的市场规模为201亿美元，当年全球大数据 市场规模为394亿元，工业大数据占全球大数据总规模超过50%，可见工业大数据已经成为全球大数据行业发展的主要的领域。未来，在以 德国为代表的工业4.0深化发展及其他国家智能制造的发展，预计 2020年全球工业大数据的市场规模为480亿美元，占大数据总规模的 比重约为60%。 《中国制造2025》提出推动了我国工业发展要向智能化的转变， 工业大数据成为行业发展的一个重要领域。据贵阳大数据交易所统计 资料显示，2017年我国工业大数据市场规模约为212元，较上年同比 增长41.3%，增速较快。按照国内工业数据化的发展及政策支持的推进，
工业大数据应用场景分析 2015-08-05 工业4点0 工业4点0 工业大数据也是一个全新的概念，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。本文我们讲就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
工业大数据驱动智能制造 随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计、生产过程、管理经营、服务运维智能化的关键要素 5月5日15时19分，一架在后机身涂有象征天空蓝色和大地绿色的大型客机，潇洒稳健地降落在第四跑道上。这是一个历史性的时刻――它标志着中华民族百年的“大飞机梦”终于取得了历史性突破。而C919的下线以及首飞，不仅仅是一个产品的成功研制，更是一种新模式新体系――智能制造的实践检验。 2015年5月，国务院印发《中国制造2025》规划，部署全面推进实施制造强国战略。规划提出，以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。 智能制造是一系列热点技术的总称，它是基于物联网、大数据、云计算等新一代信息技术，贯穿于研发、设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。 智能制造具有以智能工?S为载体、以关键制造环节智
能化为核心、以端到端数据流为基础、以全面深度互联为支撑四大特征，其目标是缩短研发周期、降低运营成本、提高生产效率、提升产品质量、降低资源能耗。 C919大型客机成功首飞意味着中国实现了民机技术集群式突破，形成了我国大型客机发展的核心能力，其中就包括工业大数据技术。 中国商用飞机有限责任公司信息化中心主任王文捷介绍，大飞机一次飞行产生的数据量达到10个TB的量级，也就是说至少20台500G大硬盘的电脑才能装得下。而中国商飞公司，不仅要成功研制自主知识产权大飞机，还要成功运营大飞机制造商，从适航试飞到供应链管理，分分秒秒、日新月异的大数据堪称天量。 专家表示，设计图纸将成为过去，飞机完全是在数字世界里设计的，3D几何数据模型以数字模型的形式呈现飞机。数字化样机将含有制造所需的全部信息，不仅含有产品几何体，而且还含有制造产品所需的信息，比如材料、技术要求、包含的标准件、授权发布的文件等。在装配阶段，数字化装配技术将实现飞机装配建模、装配序列建模、装配路径规划和装配过程分析。 为此，中国商飞已经新合并成立信息化与管理创新部，并专门下设数据处，用数据驱动创新。如今，中国商飞建立起以零件号、版次、物料组等为基础的编码标准，给大大小
工业大数据在工业企业中的典型应用介绍 工业大数据可广泛应用于企业整个生产过程。下面按照企业生产过程的研发设计、供应链、生产制造、营销与服务环节，对工业大数据的应用场景及其应用进行探讨。 4.1 研发设计环节工业大数据的应用场景 在研发设计环节，工业大数据应用主要有产品协同设计、设计仿真、工艺流程优化等。 产品协同设计，主要是利用大数据存储、分析、处理等技术处理产品数据，建立企业级产品数据库，以便不同地域可以访问相同的设计数据，从而实现多站点协同、满足工程组织的设计协同要求。 设计仿真，是指将大数据技术与产品仿真排程相结合，提供更好的设计工具，减少产品交付周期。如波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从2005年11次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。 工艺流程优化，主要是应用大数据分析功能，深入了解历史工艺流程数据，找出工艺步骤和投入之间的模式和关系，对过去彼此孤立的各类数据进行汇总和分析，评估和改进当前操作工艺流程。例如一家排名前五强的生物药品制造商广泛收集与工艺步骤和使用材料相关的数据，应用大数据分析技术，来确定不同工艺参数之间的相关性，以及参数对产量的影响，最终确定影响最大的9种参数，针对与这9种参数相关的工艺流程做出调整，从而把疫苗产量增加了50%以上。 4.2 供应链环节工业大数据的应用场景
供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。 供应链配送体系优化，主要是通过RFID等产品电子标识技术、物联网技术以及移动互联网技术获得供应商、库存、物流、生产、销售等完整产品供应链的大数据，利用这些数据进行分析，确定采购物料数量、运送时间等，实现供应链优化。如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。 用户需求快速响应。即利用先进数据分析和预测工具，对实时需求预测与分析,增强商业运营及用户体验。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。 4.3 生产制造环节工业大数据的应用场景 在制造环节，工业大数据的应用主要有智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等应用。智能生产。就是生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时监控。
大数据技术在新工业革命中将扮演着重要的角色。制造业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售后服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求，评估和改进当前操作工艺流程，从而提供更好的设计工具，缩短产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链管理环节，制造业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。同时大数据也是推进传统制造业转型升级的重要工具。因此在新工业革命的世界竞争中，制造业大数据必将是各国信息技术企业竞争的焦点。要迎接新工业革命的挑战，必须发展制造业大数据。 制造业大数据的特点： 从制造业大数据的特点来看，它符合大数据定义中的4V特点，数据规模大（Volume）、处理速度快（Velocity）、数据多样化（Variety）、数据价值密度低（Value）. 从规模来看，工业数据的主体，是由机器设备所产生的数据量远超过其它行业以人为主要产生的数据量。以风力发电机为例，终端正常状态下每秒会产生一个数据包，这个数据包包含500个左右的测点数据。如果全部数据需要处理与存储，那么1000台风机发电机产生的测点数据每秒可高达50万个。而无论是大型的风电场运营企业还是风电设备制造商，其需要监控的风机都会达到数千甚至上万的规模。而且与金融、电信等传统服务业可以区分忙时与闲时不同，大多数工业设备的运转都具有长时间连续的特
点。数据通常需要长时间或者永久保留，总的规模应该是TB或者PB级。1千千个G等于1个TB，1000个TB约等于一个PB级。 从处理速度来看，由于源数据的持续高吞吐量，大数据处理平台必须能够高速的对数据进行实时解包、协议解析、格式转换等基本处理。而在越来越多的智能化应用中，需要能够进行实时的数据分析并完成相应操作。特别是在控制系统中，针对安全生产的实时故障检测要求从数据收集到完成数据分析能够实现秒级甚至毫秒级的事前预警或事后报警停机，以避免事故的发生或对设备本身造成更大的连锁损害。 从数据多样性来看，工业数据不仅包括机器设备产生的时序、时空、高伟矩阵等数据，同时还有ERP等信息化管理系统产生的关系型数据，设计研发环节的产品图纸、工艺文档、加工代码等非结构化数据，以及来自外部互联网的半结构化（如JSON XML等）与非结构化数据（如文本等），它们构成了一个典型的多样化数据体系。 从数据价值来看，由于大量的工业设备与智能产品绝大部分时间工作于正常的工况条件下，因而在制造大数据分析的典型场景中，以生产运营优化为目的的应用只是需要使用聚合后的数据，而以故障分析为目标的应用针对的数据仅为少量非正常的工况，因此相对传统企业信息化数据而言，工业数据的价值密度相对较低。 Predix是一个云操作系统，负责将各种工业资产设备和供应商相互连接并接入云端，实现工业数据管理与工业数据分析，并提供资产性能管理（APM）和运营优化服务。SAP开发了面向物联网应用和实时数据处理的HANA大数据平台，并利用其在传统企业信息化ERP系统上的优势，推动HANA与信息
工业大数据如何成功推动智能制造发展 信息技术特别是互联网技术正在给传统工业发展方式带来颠覆性、革命性的影响。二维码、RFID、传感器、工控系统、物联网、ERP、CRM 等技术的广泛应用，推动工业企业实现生产流程各环节的互联互通，促进互联网与工业融合发展。但网络、通信、硬件设备等只是工业企业实现互联互通的基础，实时感知、采集、监控生产过程中产生的大量数据,运用大数据技术对企业产生、拥有的海量数据进行挖掘，得到有作用的分析结果，智能制造才能得以实现。 多源数据的融合是实现互联网与工业融合创新的必要条件，而要实现对多种来源、多种类型海量数据的分析处理，以及复杂的数据关联关系挖掘，都需要有大数据的支撑。在大数据的驱动下，互联网与工业进一步深度融合，新模式、新业态层出不穷，产业模式、制造模式、商业模式正在重塑，企业、市场与用户的互动程度和范围得到扩展，企业与用户关系加速重构，生产周期从产品的设计、研发、制造、销售、服务等逐渐构成闭环。 创新研发设计模式实现个性化定制 实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；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，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定
制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。 利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。 建立先进生产体系实现智能化生产 提升车间管理水平。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、振动和噪声等，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。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。例如，美国GE集团在纽约州斯克内克塔迪市有一家氯化镍电池工厂，18万平方英尺的电池生产厂区内，安装了1万多个传感器，用来监测相关的温度、能耗和气压，并全部连接高速内部以太网络进行数据传输。在流
智能制造与工业大数据研究团队 团队负责人孔宪光 团队成员 团队简介 该团队现有教师25人，顾问8人，博士研究生11人，硕士研究生70余人，形成了一支机械、数学、计算机、管理等学科交叉融合，数字化、可靠性、健康管理、仿真、统计分析、大数据、人工智能等技术交叉融合团队。承担了国家科技重大高端装备专项、国家发改委大数据专项、国家工业互联网平台专项、工信部智能制造项目、教育部、国防科工局、军委装备发展部、国家自然基金、省科技统筹创新及国际合作交流专项、省教改项目等，获得了省科技进步奖、省教学成果奖等，授权受理专利40多项，软件著作权近20项。 建立了陕西省电子装备虚拟仿真实验教学中心，陕西省研究生联合培养示范工作站（西电-上海航天精密机械研究所可靠性与虚拟仿真人才培养示范工作站），西电-800可靠性试验与仿真联合实验室，西电-美国堪萨斯州立大学质量大数据联合技术研究中心，西电-紫光
云引擎工业互联网与工业大数据联合研发中心，西电-顶逸轨道交通及工业大数据联合实验室，西电-中铁盾构工业大数据联合技研究中心，并与国际知名的工业大数据机构IMS紧密合作。中心积极开展产学研合作，与航天800所、空军装备研究院、中铁一局、西电集团、中兴通讯、航天15所、中电29所、中电27所、中电深科技、航空430厂、西门子、陕鼓、清华紫光、网易、新华三等公司在内的10余家单位建立了密切合作关系。参加中国信息通信研究院主办的首届工业大数据创新竞赛，阿里云-天池工业大数据竞赛，取得了不错的比赛成绩。 围绕国家智能制造与中国制造2025的军民重大需求，中心正逐步将智能制造成果拓展应用于航空航天、电子电器、高端装备智能制造、城市地下空间工程智慧建造等领域，推动中国工业转型升级，培养新工科跨学科人才，致力于产学研成果转化并成为国内有影响力的智能制造与工业大数据研究中心！ 人才、重要成果及奖项 1.国务院政府特殊津贴专家、陕西省有突出贡献专家：仇原鹰 2.华山学者讲座教授、美国辛辛那提大学杰出教授：李杰 3.兼职教授、上海航天800所副所长：李中权 4.兼职教授、西电研究院总经理：康鹏举 5.兼职教授、西安交通大学教授、博导：王军平 6.陕西省智能制造专家委员会委员，陕西省大数据与云计算创新联盟理事，陕西省信息技术标准化技术委员会委员，陕西省军民融合专家
基于工业大数据的智能制造企业形态探索 高海燕 （重庆海王仪器仪表有限公司，重庆401121） 摘要：随着物联网、大数据、人工智能等前沿技术的发展及快速迭代，企业在一波又一波技术浪潮下也在不断转型升级以求更快更好地适应大的环境。本文深入浅出地分析了制造企业尤其是中小型制造企业在制造过程中如何基于工业数据驱动产品结构、制造模式、人才结构、市场模式及组织结构等方面的转型以及最终形成的以云端智能交互为中心的企业形态。 关键词：物联网工业大数据智能制造转型升级云端智能交互 Seaching on the Formal of Intelligent Manufacturing Enterprises Based on Industry B ig Data Abstract: As the rapid development of technology of IoT, Bigdata and AI, all the enterprises are transforming and upgrading their own companies to applied to the new environment. This article analyses the transformation of manufacturing enterprises and especially the small and medium sized manufacturing enterprises which involved in product structure, manufacture mode, human resources structure, marketing mode and company structure. And airEC will be the ultimate formal of business organization. Key words: IoT Bigdata Intelligent Manufacturing Transformation airEC 中图分类号：文献标识码：文章编号： 0 引言 2015年5月8日国务院印发了《中国制造2025》，同时把《中国制造2025》列为我国实施制造强国战略第一个十年的行动纲要。新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点。基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革；网络众包、协同设计、大规模个性化定制、精准供应链管理、全生命周期管理、电子商务等正在重塑产业价值链体系；可穿戴智能产品、智能家电、智能汽车等智能终端产品不断拓展制造业新领域。我国制造业转型升级、创新发展迎来重大机遇，未来企业的存在形态将是何种方式，本文提供了一种创新的思路。1．制造企业现状 劳动力短缺、成本增加、产能过剩及全球经济的疲软制约了企业的发展，来自全球的竞争在逐渐蚕食着中国“世界工厂”的地位。低端制造正快速从中国向其他低成本国家转移，而高端制造向发达国家回流对中国制造企业来说无疑更是雪上加霜。面对种种压力，转型升级已经成为企业的当务之急。基于互联网技术的产品创新、精益制造、柔性生产以及供应链集成，成为中国制造业发展的主基调。在中国制造业下行压力及结构调整阵痛下，企业生产经营困难增多，转型升级需求将更为迫切。第三平台技术的加速落地及物联网、机器人、3D打印等创新加速器的潜力释放将成为制造业两化融合和转型升级的关键，同时也促进企业在组织结构、产品结构、制造模式、人才结构、市场模式等方面的转变以及最终形成的以云端智能交互为中心的企业形态。
工业大数据应用 “数字化工厂”展现了信息化制造的强大魅力，“互联工厂”模式给人们无限的想象空间。工业自动化、数字化等作为“智能制造”的关键技术，大数据、人工智能在新一轮革命发展浪潮下必将成为重要的角色。 新一代信息技术为核心的第四次工业革命已经悄然开始，为适应并引领新工业革命的浪潮，美国推出“再工业化”，德国提出“工业4.0”，作为世界制造大国的中国制定了“中国制造2025”并把“智能制造”、“大数据”、“人工智能”定为中国未来的主攻方向，中国制造业进入了转型升级的重要发展阶段。 在工厂里，每一台自动化设备均由PLC、变频器、工控机、传感器、人机界面、伺服与运动控制、机器视觉等基础工控元件构建而成，设备与设备之间通过工业以太网连接，所有的机器设备互联组成井然有序的生产系统，再由MES、PDM/PLM、ERP、CAD/CAE/CAM/CAPP、SCADA等信息管理软件进行统筹，最终形成所谓的“智能制造”工厂解决方案。中国“智能制造”转型带来了巨大的自动化市场需求。 早在几年前，德国政府推出了“工业 4.0”的计划，通用电气GE 提出了“工业互联网”的愿景，信息技术在工业领域上应用研究已积累数年。工业大数据生态要求企业有能力平台化，不管企业是生态的主导者还是参与者，工业大数据将来肯定是一种生态存在业态，只不过各家企业在其中的角色是不同的。 基于云平台构建的制造企业的大数据的意义-bonc云平台
产品营销：大数据分析结果为制造企业提供针对性推销、定向研发、智能维保等服务。 设备远程故障诊断分析：大数据预测设备未来可能出现故障的时间，提供避免风险的解决方案，消除设备故障停机给客户带来的损失。 客户体验：在移动端建立企业宣传平台，以场景化方式让客户参与产品的认知，增加品牌的传播效果。 技术创新：借助平台的专家经验共享、智能决策库的建立，提高运维领域的装备管理水平，降低行业运营成本。 节约能耗：通过数据集的切分和规律查找，帮助找到最优化的数据集，实现人员投入及控制过程的节能提效。 具有理想的工业大数据企业也许也要经历这样的过程，他们需要通过单个项目帮助企业完成内部的纵向集成，然后把解决方案产品化和平台化，进一步延展自己的核心竞争力。
随着工业4.0、工业互联网、中国制造2025等词的出现，掀起制造业建设的新一轮的浪潮。 近年来随着制造业信息化应用不断的完善，形成大量的数据积累下来，大家也都希望把这些 数据进行提炼出来，形成企业自己的数据资产，使之变为企业的生产力。如何来构建企业自 己的数据资源中心，以及数据最终应该如果应用？成为了众多企业思考的问题。小编一直从 事于制造业IT数据服务建设，运用自己所了解的知识给出一些建议，希望能给大家一些帮助。我们先来看一下如何来构建企业的大数据平台(数据资源中心)，首先我们要想明白我数据资 源中心的架构，由那些模块平台来构成，我大概的整理出来一个架构图供大家参考： 我们以这张图为参考来具体的讲一下数据中心的构建： 1、数据源：也有是所有采集的数据的业务系统。根据业务统的主次，以及对接业务系统的 接口预算，咱们可以分期进行业务采集对接。也可以全部应用系统都进行对接。跟据企业现 实情况来进行判断。 2、数据的整合平台：也就是对采集好的数据进行清洗的平台，把采集到应用系统的数据进 行加工处理（ETL过程）。针对不同的数据有不同的处理方式: Flumen实时日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据，同时对 数据进行简单处理，并写到各种数据接收方。 Sqoop是一个用来将和关系型数据库中的数据相互转移的工具，可以将一个关系型（例如：MySQL Oracle Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导 进到关系型数据库中。 Kafka是一种高吞吐量的发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键 因素。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。对于像一样 的数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目 的是通过的并行加载机制来统一线上和离线的消息处理，也是为了通过来提供实时的消息。 通过这些工具把数据进行整理，输送上方的存储与计算平台。咱们也可以把这一过程理解为 在做家具时用的原材料加过的工程，一开始从各地方收集来的树，然后把树跟据不同的大小，
大数据对未来制造业智能制造发展的影响有哪些 中国拥有全球规模最大，增长速度最快的智能产业市场。从2013年开始，以智能硬件为核心的智能产业获得了快速起步和发展，不同品类的产品层出不穷，智能产业呈现爆发式增长。而“十三五”规划的出台，更是将智能产业的发展推上了风口浪尖。过去的制造业只是一个环节，上下游之间的合作一直都是以固定且简单的链条为主。 以前：固定且简单的链条 随着互联网进一步向制造业环节渗透，网络协同制造已经开始出现。制造业的模式将随之发生巨大变化，它会打破传统工业生产的生命周期，从原材料的采购开始，到产品的设计、研发、生产制造、市场营销、售后服务等各个环节构成了闭环，彻底改变制造业以往仅是一个环节的生产模式 新一轮工业革命的背后是智能制造，是向效率更高、更精细化的未来制造发展。信息技术使得制造业从数字化走向了网络化、智能化的同时，传统工业领域的界限也越来越模糊，工业和非工业也将渐渐地难以区分。制造环节关注的重点不在是制造的过程本身，而将是用户个性化需求、产品设计方法、资源整合渠道以及网络协同生产。所以，一些信息技术企业、电信运营商、互联网公司将与传统制造企业紧密衔接，而且很有可能它们将成为传统制造业企业的，乃至工业行业的领导者。 现在：新一轮工业革命带来的变革 自动化只是单纯的控制，智能化则是在控制的基础上，通过物联网
传感器采集海量生产数据，通过互联网汇集到云计算数据中心，然后通过信息管理系统对大数据进行分析、挖掘，从而制定出正确的决策。这些决策附加给自动化设备的是“智能”，从而提高生产灵活性和资源利用率，增强顾客与商业合作伙伴之间的紧密关联度，并提升工业生产的商业价值。 未来，在网络协同制造的闭环中，用户、设计师、供应商、分销商等角色都会发生改变。与之相伴而生，传统价值链也将不可避免的出现破碎与重构。 大数据将主导未来的制作业 首先，从最小的层面——企业来看，工业大数据为企业全过程设计、创新、生产、经营、管理、决策服务，为企业的发展战略和目标的实现服务。 第二个层面，工业大数据服务于供应链的优化、产业链的完善、生态链的形成和优化。从供应链、产业链、生态链来看，不管是CSM 的生产圈，还是一个特定产品制造过程的供应链，或是一个完整生产过程的分析，工业大数据都是为了它的形成和优化。 为什么我们要关注工业大数据？ 第三个层面，工业大数据要满足行业和宏观决策调控的实际需求，提高行业和宏观经济管理决策质量、能力。政府的行业管理对于供应链、产业链、生态链、商业链、价值链有着非常重要的作用，但是政府的宏观调控超越了这样的链环本身，我们要对经济发展面临的重大问题作出回应，甚至回答制造业如何来应对这样的问题。所以从这个
什么是工业大数据？ 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、自动化、数字无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 工业是国民经济不可或缺的一环，也是一个国家强大竞争力背后的力量支撑。而我国工业目前位居世界第一，但却大而不强。企业创新能力不足，高端和高价值产品欠缺，在国际产业分工中处于中低端状态，中国工业企业急需转型和升级。 制造企业在利用大数据技术后，其生产成本能够降低10%—15%，大数据对于工业企业的重要性不言而喻。不同层面的制造企业在发展过程中，应该采取相应的大数据策略，才能离“工业4.0”、“工业互联网”和“中国制造2025”更近一步。 工业大数据四大特征 工业大数据具有一般大数据的特征（海量性、多样性等），此基础上具有四个典型的特征： 价值性、实时性、准确性、闭环性。 （1）价值性（Value）：工业大数据更加强调用户价值驱动和数据本身的可用性，包括：提升创新能力和生产经营效率，以及促进个性化定制、服务化转型等智能制造新模式变革。 （2）实时性（Real-time）：工业大数据主要来源于生产制造和产品运维环节，生产线、设备、工业产品、仪器等均是高速运转，从数据采集频率、数据处理、数据分析、异常发现和应对等方面均具有很高的实时性要求。 （3）准确性（Accuracy）：主要指数据的真实性、完整性和可靠性，更加关注数据质量，以及处理、分析技术和方法的的可靠性。 （4）闭环性（Closed-loop）：包括产品全生命周期横向过程中数据链条的封闭和关联，以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场景下的动态持续调整和优化。 工业大数据“3+3”理论——3个层面+3个过程 第一个“3”是指3个层面——企业，企业上面的供应链、产业链和生态链，以及在这
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014 工业大数据在智能制造中的应用 达索技术团队 雷霆
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014 议程 工业大数据在智能制造中的应用 大数据与智能制造 案例分享 3 1 2
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014 当前主题 工业大数据在智能制造中的应用 大数据与智能制造 案例分享 3 12
3D S .C O M ? D a s s a u l t S y s t èm e s | C o n f i d e n t i a l I n f o r m a t i o n | 12/3/2015| r e f.: 3D S _D o c u m e n t _2014 信息物理融合系统具备记忆和自我学习能力能够检测并响应外部变化收集、测量和分析数据 不具备推理能力 描述 交通运输医疗卫生能源建筑 国防军工 消费电子环境感知系统响应式系统自主系统 互联系统 无智能系统 智能化 未来设备智能化发展
从大数据到智能制造 推进智能制作的并不是大数据自身，而是大数据的剖析技能。大数据給了咱们一个看国际的新视点,变树立异驱动基地动力的来历。咱们要从设备智能处理、工业大数据下手剖析，驾御工业物联网的三驾马车，联络现代制作业公司的下一代公司架构，发明并构成数据盈利，在智能制作的文明晋级中，完结重生，完结制作强国之梦。制作业是一个国家归纳国力最首要的体现，在国民经济中占有首要比例，也是挑选民众日子质量的首要条件。在阅历了21世纪初的互联网泡沫和2008年全球经济危机今后，国际各国，格外是兴旺国家都知道到，制作业是推进科技立异、经济添加和社会安稳的首要力气，变成各国打开和转型的机会以及构成新竞赛力的战场。 美国人之所以认为将来智能工业的打开必定从出产制作端改动到花费端，并且提出“工业互联网”的理念与“国家制作业立异网络计划”，是由于互联网与商业办法立异是美国的强项。德国在制作业的基地优势是配备制作业以及出产线主动化，经过配备和自控的优化体系使得工业出产全主动化，所以德国工业4.0的实习重视出售、效劳才干的前进。尽管视点不一样，无不环绕着制作业这个基地翻开。 我国的制作业在革新敞开30多年来取得了举世瞩意图成果，接连几年变成“国际制作力竞赛指数”最强的国家，我国已然变成国际制
作业的新基地。2015年中，国务院印发<我国制作2025>，布置悉数推进施行制作强国战略。配套“互联网+”和“供给侧革新”等多项办法，“智能制作”被定位为我国制作的主攻方向。 大数据是智能制作基地驱动力 怎么完结智能制作? 从哈佛商学院到宾夕法尼亚大学沃顿商学院，有一个遍及的一致，即数字化转型是智能制作完结的路径。更为首要的是，这一一致一样来自许多的国际级制作业公司家们。 这一一致是根据许多技能趋势的交融。例如物联网、信息物理体系技能(CPS)、工业物联网、移动技能、人工智能、云核算、虚拟／增强实习（VR／AR）、大数据剖析等。咱们必定要坚持头脑清醒，不要简略认为有了这些技能，将来五年便是制作业的黄金期间，由于新制作业文明的革新进程是适当杂乱、缓慢和困难的，没有作业与公司与用户的交融推进，这次革新无法完结。数字化转型不只仅意味着公司简略的数字化，而是把数字作为智能制作的基地驱动力，需求运用数据去联络工业链和价值链。 在曩昔的3到5年中，上面列出的技能一向都是抢手商业论题，独自运用时，其间每一项都能使商业中的一些程序或活动完结数字化。而假定将这些技能交融起来运用，就有或许完结数字化转型。
工业大数据案例 This manuscript was revised by the office on December 10, 2020.
大数据技术在新工业革命中将扮演着重要的角色。制造业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售后服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求，评估和改进当前操作工艺流程，从而提供更好的设计工具，缩短产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链管理环节，制造业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。同时大数据也是推进传统制造业转型升级的重要工具。因此在新工业革命的世界竞争中，制造业大数据必将是各国信息技术企业竞争的焦点。要迎接新工业革命的挑战，必须发展制造业大数据。制造业大数据的特点： 从制造业大数据的特点来看，它符合大数据定义中的4V特点，数据规模大（Volume）、处理速度快（Velocity）、数据多样化（Variety）、数据价值密度低（Value）. 从规模来看，工业数据的主体，是由机器设备所产生的数据量远超过其它行业以人为主要产生的数据量。以风力发电机为例，终端正常状态下每秒会产生一个数据包，这个数据包包含500个左右的测点数据。如果全部数据需要处理与存储，那么1000台风机发电机产生的测点数据每秒可高达50万个。而无论是大型的风电场运营企业还是风电设备制造商，其需要监控的风机都会达到数千甚至上
工业大数据案例Revised on November 25, 2020
大数据技术在新工业革命中将扮演着重要的角色。制造业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售后服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求，评估和改进当前操作工艺流程，从而提供更好的设计工具，缩短产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链管理环节，制造业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。同时大数据也是推进传统制造业转型升级的重要工具。因此在新工业革命的世界竞争中，制造业大数据必将是各国信息技术企业竞争的焦点。要迎接新工业革命的挑战，必须发展制造业大数据。 制造业大数据的特点： 从制造业大数据的特点来看，它符合大数据定义中的4V特点，数据规模大（Volume）、处理速度快（Velocity）、数据多样化（Variety）、数据价值密度低（Value）. 从规模来看，工业数据的主体，是由机器设备所产生的数据量远超过其它行业以人为主要产生的数据量。以风力发电机为例，终端正常状态下每秒会产生一个数据包，这个数据包包含500个左右的测点数据。如果全部数据需要处理与存储，那么1000台风机发电机产生的测点数据每秒可高达50万个。而无论是大型的风电场运营企业还是风电设备制造商，其需要监控的风机都会达到数千甚至上
万的规模。而且与金融、电信等传统服务业可以区分忙时与闲时不同，大多数工业设备的运转都具有长时间连续的特点。数据通常需要长时间或者永久保留，总的规模应该是TB或者PB级。1千千个G等于1个TB，1000个TB约等于一个PB级。 从处理速度来看，由于源数据的持续高吞吐量，大数据处理平台必须能够高速的对数据进行实时解包、协议解析、格式转换等基本处理。而在越来越多的智能化应用中，需要能够进行实时的数据分析并完成相应操作。特别是在控制系统中，针对安全生产的实时故障检测要求从数据收集到完成数据分析能够实现秒级甚至毫秒级的事前预警或事后报警停机，以避免事故的发生或对设备本身造成更大的连锁损害。 从数据多样性来看，工业数据不仅包括机器设备产生的时序、时空、高伟矩阵等数据，同时还有ERP等信息化管理系统产生的关系型数据，设计研发环节的产品图纸、工艺文档、加工代码等非结构化数据，以及来自外部互联网的半结构化（如JSON XML等）与非结构化数据（如文本等），它们构成了一个典型的多样化数据体系。 从数据价值来看，由于大量的工业设备与智能产品绝大部分时间工作于正常的工况条件下，因而在制造大数据分析的典型场景中，以生产运营优化为目的的应用只是需要使用聚合后的数据，而以故障分析为目标的应用针对的数据仅为少量非正常的工况，因此相对传统企业信息化数据而言，工业数据的价值密度相对较低。
工业大数据 内容简介： 工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业4.0、美国工业互联网还是《中国制造2025》，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。本书基于工业4.0的时代背景，通过深入剖析未来工业的商业模式和智能服务体系的创新技术变革，论述如何通过工业大数据的分析和应用去预测需求、预测制造，整合产业链和价值链，发现用户的价值缺口，发现和管理不可见的问题，实现为用户提供定制化的产品和服务 作者： 李杰教授现任美国辛辛那提大学(Univ.of Cincinnati) 讲座教授，美国国家科学基金会(NSF)智能维护系统（IMS）产学合作中心主任，目前的研究重点是以工业大数据分析为主的智能预测技术、产品及服务的主控式创新设计(Do m i n a n tInnovation?) 工业大数据则以分析这些问题为出发点，围绕它能够解决什么样的问题和为用户提供什么样的服务为价值。同时，工业大数据能够在横向与纵向环节的互联与在统一平台的信息共享，由此将资源利用与分析维度规模化、价值最大化，进而能够最大范围地面向各环节的用户进行应用服务的定制与按需分发，由此又可衍生出持续性服务共赢的模式。 工业大数据是互联网、大数据和工业产业结合的产物，是中国制造2025、工业互联网、工业4.0等国家战略在企业的落脚点。
读书笔记 1.工业大数据产生的背景 1.无时不刻产生的数据 2.工业生产的数据采集、使用范围就逐步加大 3.数据的采集和使用的成本 4.社会需求变革，响应个性化需求 5.国策方针（国内现状--发展中） 2.工业大数据的特点和分类 数据扩大 1.时间维度不断延长 2.数据范围不断扩大 3.数据粒度不断细化 （粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据的粒度一直是一个设计问题。） 数据的用途 1.经营性数据 2.生产性数据 3.环境类数据 特点 1.准确率高 2.实时性强 3.工业大数据应用案例 大数据在工业企业的应用 1.基于数据的产品价值挖掘 2.提升服务型生产 3.创新商业模式
工业大数据采集特点及技术应用价值介绍大数据应用的第一步就是采集数据。巧妇难为无米之炊，数据采集的完整性、准确性，决定了数据应用是否能真实可靠的发挥作用。大数据时代的数据采集有如下三个特点： 1）数据采集以自动化手段为主，要尽量摆脱人工录入的方式； 2）采集内容以全量采集为主，要摆脱对数据进行采样的方式； 3）采集方式多样化、内容丰富化，摆脱以往只采集基本数据的方式。 从采集数据的类型上看，不仅要涵盖基础的结构化交易数据，还将逐步包括半结构化的用户行为数据，网状的社交关系数据，文本或音频类型的用户意见和反馈数据，设备和传感器采集的周期性数据，网络爬虫获取的互联网数据，以及未来越来越多有潜在意义的各类数据。 2.常见数据采集技术 传统的数据采集方法包括人工录入、调查问卷、电话随访等方式，大数据时代到来后，一个突出的变化是数据采集的方法有了质的飞跃，下面所介绍的数据采集方式的突破直接改变着大数据应用的场景。 移动互联网的兴起让面向移动设备的数据采集技术有了迅速发展，目前使用最多的常称为Android或iOS的采集SDK，这种技术能帮助统计APP的基础数据，包括用户数、活跃情况、流失比例、使用时长等；用户的位置、安装列表、通讯情况等通过授权也可以采集。网络爬虫是
另一类广泛使用的互联网采集技术，常被用于进行大规模全网信息采集、舆情监控、竞品分析等领域。 物联网也和大数据息息相关，因为物联网的关键技术之一是无线射频标签：当安装有RFID微型标签的读卡器在近距离发出信号时，带有RFID的物品能自动返回其唯一的序列号，这样就能实现自动大批量辨识物品信息的工作。RFID技术解决了物品信息与互联网实现自动连接的问题，结合后续的大数据挖掘工作，能发挥其强大的威力。 在工业制造业里，传感器是另一类常见的大数据采集装置，它能将测量到的信息按一定规律变换为电信号输出，通常用于自动检测和控制等环节。传感器的种类极为丰富：大到机械设备、汽车、飞机、建筑物，小到一部智能手机、一个智能设备，都可以安装很多种传感器，传递温度、压力、位置、位移、光敏、距离、化学感应、生物、磁场等各类信号。未来携带传感器大数据平台的智能设备将越来越多，基于传感器数据的大数据应用才刚刚起步，如智能医疗，智慧城市等，这方面有着广阔的前景。 3.数据存储技术的发展和演进 传统企业信息化系统采用关系数据库来进行数据存储，其中规模较大的通常被称为“数据集市”。随着采集数据的种类越来越多，部分行业领先的公司看到了把不同数据集市集中到一个大系统中的价值，这