工业是国民经济不可或缺的组成部分，也是一个国家强大竞争力背后的力量。我国工业现状是世界第一，但大而不强。 当前，我国劳动力成本高，产品质量和生产效率低，资源环境压力大。这些都是工业领域面临的主要问题。 从中国工业企业来看，创新能力不足，缺乏高端高附加值产品，在国际产业分工中处于中低端。虽然很多中小型制造企业已经实现了机械化，但还有很多农机装备企业还没有达到工业2.0的阶段。制造企业整体规模化、标准化、自动化和信息化水平参差不齐、参差不齐，中国工业企业亟待转型升级。 麦肯锡调查报告显示，制造企业使用大数据技术后，生产成本可降低10%-15%。大数据对工业企业的重要性不言而喻。在发展过程中，各级制造企业都应采取相应的大数据战略，以离“工业4.0”、“工业互联网”和“中国制造2025”更近一步。 工业大数据发展背景 从国际发展来看，无论是德国的“工业4.0”、美国的“工业互联网”，还是“中国制造2025”，制造业创新战略的实施各国以工业大数据为基础。数据采集??与分析，搭建制造系统应用环境。 “中国制造2025”，没有大数据就无法实现吗？美林工业大数据业务总监李琼在接受数据猿采访时表示，严格来说，工业大数据并不是一切。有了工业大数据，不一定能实现智能制造和智能服务，但没有工业大数据，实现智能制造就会更加困难。也就是说，工业大数据是实现智能制造和智能服务的重要工具和手段。 先进制造企业基于工业大数据的应用，将产品、机器、资源和人有机地结合起来，不仅可以推动传统制造企业向智能化方向转型，还可以形成企业与企业之间的信息化主动性。消费者。该反馈机制为建立以服务为核心的数据整体解决方案提供了可行路径，同时可以提升产品和服务的价值，为制造业转型升级开辟新途径。 数据来源方面，工业数据来源越来越丰富，主要包括信息管理系统数据、机器设备数据和外部数据。信息管理系统数据是指传统工业自动化控制和信息系统产生的数据，如ERP、MES等。机器设备数据来自工业生产线设备、机器、产品等，多由传感器、设备产生仪器仪表。外部数据是指来自工厂外部的数据，主要包括互联网市场、环境、客户、政府、供应链等外部环境产生的信息和数据。 从实际应用场景来看，超算技术高性能计算事业部总监丁俊宏认为，工业企业的很多工具软件和流程从产品设计到制造都实现了数字化和自动化，使得海量数据可以记录。在这种情况下，工业企业的经营模式也会发生一些变化。工厂生产完产品后，需要注意后期的运维和维护。传统制造业正在向服务型转变。此外，在企业生产的各个环节，都可以利用大数据技术来降低产品制造成本。 工业大数据的应用 大数据的发展是一个过程，最终目的是利用大数据在工业企业中发挥作用。因此，企业需要冷静思考，坚持以业务应用为驱动，才能实现数据价值的最大化。 其中，在工业大数据的实际应用过程中，需要企业重点关注三个关键问题： 第一，数据质量控制问题。企业信息系统数据质量仍存在问题。例如，2014年某大型机车企业ERP系统中近20%的物料存在“一物多码”的问题； 第二，多源数据关联的问题。对于设备物联网数据和外部互联网数据，可以根据绑定的实物（零件或产品）关联到相应的BOM节点，使BOM成为关联三个不同来源工业大数据的桥梁； 第三，大数据系统集成问题。工业大数据来源广泛，设备物联网数据（半结构化数据）和外部互联网数据（非结构化数据）必须与企业信息系统（结构化数据）融合，需要重构数据支撑平台，甚至更换“旧”系统。 美林工业大数据业务总监李琼告诉数据猿，工业企业在制造产品的过程中，可以通过数据的收集和分析，提供信息决策支持。质量、生产管控、研发设计、下游供应链、远程维修保养等环节发挥重要作用。 1。生产工艺：有的企业在各个生产环节都不够完善，导致开工率低。为了提高产品生产线的运行效率，可以利用大数据技术进行分析处理，帮助企业提高效率和盈利能力； 2、上游供应链：在工业领域的上游供应链中，如果生产的产品零部件过多，不仅会产生大量的库存，还会占用企业的现金流,资产将丢失。大数据可以帮助其预测订单量，降低产品库存压力和生产成本； 3。产品质量：以某公司为例。过去，该公司生产的产品合格率为95%，存在一定数量的不合格产品。通过数据分析，找出不合格产品的生产环节和原因，从而改进生产工艺或原材料； 4、生产管理控制：许多大型制造企业拥有多条产品生产线。从企业核心管理层的角度，将不同工厂的产品数据汇集起来，以可视化分析的方式呈现给核心管理层，帮助他们调整企业的生产安排和生产策略。大数据可以在其中发挥更高层次的决策支持； 5、研发设计：我国制造业在产品设计方面的自主创新能力相对较弱。很多企业的研发设计没有制度和流程，很多设计图纸数字化程度不高。大数据技术可以有效积累知识。企业在招聘新工程师时，可以通过以往的设计资料接受新的工作知识和任务。 6。下游供应链：产品生产出来后，交付给客户。对于大中型制造企业，客户下单后，可以积累产品准备时间、交货时间、物流公司等数据，让客户了解订单状态。从下游供应链的角度来看，这对制造企业来说也是一种进步； 7、远程维修保养：在产品售后服务和产品改进过程中，可以利用传感器和互联网产生的数据，实现对产品故障的实时诊断。以工程机械中的液压系统为例，当企业液压系统油缸密封套发生腐蚀失效时，可以将相关状态和工况数据（设备物联网数据）与历史数据进行比对。信息系统中记录的液压系统维修，并结合历年互联网工程建设资料，推导出密封套腐蚀失效的主要原因。 将大数据技术应用于上述行业场景的目的在于帮助企业通过技术创新获得技术优势和抢占市场先机，为企业创造价值。宝信软件项目总监王毅表示，在实现智能制造的过程中，产品质量、价值、价格是永恒的话题。在利用大数据提供优质产品的同时，还需要提高产品生产效率，可持续控制产品成本。 此外，用户个性化需求是必然的发展趋势。通过大数据构建用户画像，了解用户心理，企业在做产品时可以快速决策，为客户提供优质的产品。同时，通过产品制造过程中的信息分析和处理，可以灵活地生产和组织产品以满足全产业链的需求，从而提高制造企业的智能化水平。
