工业大数据。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、报废或者回收在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。
工业大数据分类。工业大数据主要分为三类：
（1）生产经营相关业务数据。这部分数据主要产生于企业信息系统内部，包括工业制造类软件、企业资源管理（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）、客户关系管理等。这些企业信息系统积累了大量产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据等。
参考观研天下发布《2018-2023年中国工业互联网行业市场供需现状调研与未来发展商机战略评估报告》
（2）设备物联数据。主要是指工业生产设备和目标产品在物联网运行模式下，实时产生收集的数据，包括操作和运行情况、工况状况、环境参数等体现设备和产品运行状态的数据。这类大数据是工业大数据新的数据，增长较快。狭义的工业大数据指的主要是该类数据。
（3）外部数据。指的是与工业企业生产活动和产品相关的企业外部互联网来源数据。
工业大数据产业链。工业大数据的生命周期包括了数据采集、抽取/清洗/注释、数据集成/聚集/表达、数据建模/分析、数据解释和应用等阶段。（1）工业大数据采集阶段，以传感器为主要采集工具，结合RFID、条码扫描器、生产和监测设备、PDA、人机交互、智能终端等工具采集多维度数据。重点关注如何自动生成正确的元数据及可追溯性。（2）工业大数据抽取、清洗和注释阶段，主要对数据进行抽取、格式转换、清洗、语义标注等预处理工作。（3）数据集成、聚集与表示阶段。主要关注数据源的完整性，克服信息孤岛。（4）建模和分析阶段。需要结合专业知识，工业大数据应用强调分析结果的可靠性，以及分析结果能够用专业知识进行解释。（5）工业大数据解释与应用阶段。针对具体行业和领域，向用户展示相应结果，做到易于理解。
工业大数据技术架构。工业大数据分析技术分为两大部分：分布式计算框架与工业大数据分析算法库。分布式计算框架主要负责对分析在线实时分析任务与离线批量数据分析任务的调度与执行，特别是针对大数据的分布式数据密集型计算。工业大数据分析算法库除了典型的机器学习算法模型外，需要针对工业特有的稳态时间序列、时空等数据提供丰富的特征模板库，方便对典型物理事件在时域和频域上的精确描述。
工业大数据的作用。工业大数据是智能制造和工业互联网的关键技术，有助于打通物理世界和信息实际，驱动生产型制造向服务型制造转型。工业大数据在智能化设计、智能化生产、网络化协同制造、智能化服务、个性化定制等方面产生积极作用。
（1）生产过程优化。通过分析产品质量、成本、能耗、效率、成材率等关键指标与工艺、设备参数之间的关系，优化产品设计和工艺。
（2）快速响应服务需求。通过设备的智能化，可以通过互联网获取用户的实时工况数据。当用户设备出现问题或异常时，帮助用户更快地发现问题、找到问题原因。
（3）个性化定制。通过采集客户个性化需求数据、工业企业生产数据、外部环境数据等信息，建立个性化产品模型，将产品方案、物料清单、工艺方案通过制造执行系统快速传递给生产现场，进行设备调整、原材料准备，实现单件小批量的柔性化生产。
（4）支撑智能化生产。要推进生产过程的智能化，需要对设备、车间到工厂进行全面的数字化改造。通过对积累沉淀的工业大数据的深入挖掘，不断的推进设备与生产过程控制的持续优化，做到设备的自诊断、预测性维护。
（5）网络化协同。基于工业大数据，驱动制造全生命周期从设计、制造到交付、服务、回收各个环节的智能化升级，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，整体提升制造业发展水平。
工业大数据分类。工业大数据主要分为三类：
（1）生产经营相关业务数据。这部分数据主要产生于企业信息系统内部，包括工业制造类软件、企业资源管理（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）、客户关系管理等。这些企业信息系统积累了大量产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据等。
参考观研天下发布《2018-2023年中国工业互联网行业市场供需现状调研与未来发展商机战略评估报告》
（2）设备物联数据。主要是指工业生产设备和目标产品在物联网运行模式下，实时产生收集的数据，包括操作和运行情况、工况状况、环境参数等体现设备和产品运行状态的数据。这类大数据是工业大数据新的数据，增长较快。狭义的工业大数据指的主要是该类数据。
（3）外部数据。指的是与工业企业生产活动和产品相关的企业外部互联网来源数据。
图：工业大数据与商务大数据的不同
图：工业大数据的分类
图：工业大数据的主要环节
工业大数据技术架构。工业大数据分析技术分为两大部分：分布式计算框架与工业大数据分析算法库。分布式计算框架主要负责对分析在线实时分析任务与离线批量数据分析任务的调度与执行，特别是针对大数据的分布式数据密集型计算。工业大数据分析算法库除了典型的机器学习算法模型外，需要针对工业特有的稳态时间序列、时空等数据提供丰富的特征模板库，方便对典型物理事件在时域和频域上的精确描述。
工业大数据的作用。工业大数据是智能制造和工业互联网的关键技术，有助于打通物理世界和信息实际，驱动生产型制造向服务型制造转型。工业大数据在智能化设计、智能化生产、网络化协同制造、智能化服务、个性化定制等方面产生积极作用。
（1）生产过程优化。通过分析产品质量、成本、能耗、效率、成材率等关键指标与工艺、设备参数之间的关系，优化产品设计和工艺。
（2）快速响应服务需求。通过设备的智能化，可以通过互联网获取用户的实时工况数据。当用户设备出现问题或异常时，帮助用户更快地发现问题、找到问题原因。
（3）个性化定制。通过采集客户个性化需求数据、工业企业生产数据、外部环境数据等信息，建立个性化产品模型，将产品方案、物料清单、工艺方案通过制造执行系统快速传递给生产现场，进行设备调整、原材料准备，实现单件小批量的柔性化生产。
（4）支撑智能化生产。要推进生产过程的智能化，需要对设备、车间到工厂进行全面的数字化改造。通过对积累沉淀的工业大数据的深入挖掘，不断的推进设备与生产过程控制的持续优化，做到设备的自诊断、预测性维护。
（5）网络化协同。基于工业大数据，驱动制造全生命周期从设计、制造到交付、服务、回收各个环节的智能化升级，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，整体提升制造业发展水平。
资料来源：观研天下整理，转载请注明出处（ZTT）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
