我個人經過近幾年與客戶交流或者是參與各種研讨活動，“大資料”的熱度逐年攀升。那對于制造企業來說，大資料，到底怎麼應用，目前也是衆說紛纭。今天利用這篇文章，來說說我的見解。
“德國工業4.0”中明确表示“工業4.0就是大資料驅動的智能制造，所有的生産裝備、感覺裝置、聯網終端，包括生産者本身都在源源不斷地産生資料，這些資料将會滲透到企業營運、價值鍊乃至産品的整個生命周期”。在《中國制造2025》中也提到了“工業企業中生産線處于高速運轉，由工業裝置所産生、采集和處理的資料量遠大于企業中計算機和人工産生的資料，從資料類型看也多是非結構化資料，生産線的高速運轉則對資料的實時性要求也更高。”。随着網際網路及移動網際網路的快速發展，對于非制造企業來說，擷取資料的能力變得越來越容易，資料的多樣性也越來越豐富。同樣，随着雲計算的發展，對于大量資料的處理、清洗、分析也不是難事。
可是，對于制造企業來說，商業運作與制造營運之間的資料應用現狀就形成了非常鮮明的對比。甚至，概念增多之後，大家對于“大資料”的了解也不盡相同。将“大資料”簡單的了解為“規模大”的資料，這是片面的。規模大，是資料處理規模從tb級增長到eb級。另外，還包括對于資料處理的速度，實時性要求在幾秒甚至幾毫秒内。資料的類型也不僅僅是結構性資料，非結構性資料、語言文本、多媒體資料才是制造企業的資料大軍。資料的收集過程造成了資料本身的不确定性、不一緻性和多義性，如何結合應用場景分析資料結果，成為了大資料的另外一個關鍵。制造企業的大資料是與企業産品生命周期緊密相關聯的。
目前，制造企業中有20%左右的結構化資料，80%的非結構化資料。如果沒有應用相關的資訊系統，可能非結構化的資料比例會更高。這也就成為了制造企業應用大資料最困難的或者最不容易突破的核心。接下來，我結合艾普工華自2012年釋出unimax pct産品以來的應用場景，結合産品生命周期總結分享一下的大資料在制造企業中的核心應用，也就是“工業大資料”的6個應用場景：
1、智能産品遠端監控及故障預警診斷
在智能制造體系中，智能産品是企業往服務型制造轉型的利器。也同樣是為企業在現有體制内創造新的價值和新的商業模式的途徑。智能産品的遠端監控實作途徑主要是安裝專用傳感器，将産品的運作參數、位置參數、作業資料進行監控，例如：産品工作負載、環境溫度、産品溫度、作業風險預警等等。
智能産品的故障預警機診斷主要是通過産品出現故障時的工況資料，對故障進行診斷分析，結合故障知識庫，同步更新診斷意見。對故障過程進行快速的反應，幫助使用者及時解決問題，提高售後服務的品質。目前在市場上的故障診斷，大部分還僅能夠實作某個具體問題的預判和處理，還不能自主的學習故障處理模式。随着大資料的收集和知識庫的積累，逐漸會提高故障預警和診斷的準确率和及時率。
2、生産營運狀态監控
在工業企業産業鍊的各個環節，将條形碼、二維碼、rfid、工業傳感器、工業自動控制系統、工業物聯網、erp、cad/cam/cae/cax、mes等技術在工業企業中得到廣泛應用，尤其是網際網路、移動網際網路、物聯網等新一代資訊技術在工業領域的應用，通過收集由工業現場所産生的裝置資料、訂單資料、進度資料和故障資訊等，經過大資料分析，實時掌握生産營運的狀态。
通過生産營運狀态的監控，實作整個企業制造過程的透明化，管理者可以得到正确的資訊進而對所有制造資源進行全局性的有效評估。例如：已銷售的産品可以通過主動性的适時維護得到經濟有效的管理。可以結合智能産品的遠端整體性的運作資訊，形成制造和應用閉環的全生命周期重新設計優化，進而使下一代運作系統得到改進。
3、優化零件庫存和可用性
通過分析工廠中的房間某段時間的生産訂單資料和零件庫存的關系資料，分析預測訂單的需求量，減少關鍵零部件的非法轉移次數，提高庫存的控制力。結合供應鍊的配送資料，實作供應鍊的優化和分析，進而優化企業零部件庫存的成本占用情況和可用性。
需求管理：在大資料背景下，需求預測成為大的核心。通過大資料來做需求預測，能做到自動補貨、自動調撥、整體庫存分析、備貨等，做到在生産排産之前，供應商就将零件送至舉例客戶最近的中轉庫。
産品預測：通過大資料來确定：在某時段，某地區，使用者購買的産品類型、數量等。
庫存補貨：經過大資料分析，比對補貨的階段和時間，保證庫存在一個合理的範圍内。
健康庫存模拟與預測：模拟未來某一個時間點，提前做好采購、備貨、周轉和退貨事務。
4、制造資源壽命最大化
制造資源的使用壽命監控，經過資料分析，對制造資源的維修、保養、維護進行及時預警，分析加工産品的制造資源的優質供應商、材質、采購周期等，從制造資源的設計、采購和使用全生命周期提高制造資源的壽命。例如：工廠中的房間加工裝置在使用環節，通過mes監控裝置的主軸電流，經過大資料監控與對比，實時監測刀具破損情況，并及時報警停機，提升制造良率，消除機床空運轉時間，優化刀具的使用次數。
5、最優化産品品質
及時收集工廠中的房間生産産品過程中的生産資料和品質資料，通過對采集到的“大資料”進行科學分析，全面掌握所有産品中普遍存在的品質問題，使企業能夠對症下藥，徹底将其根治，提高産品品質。
大資料分析對整個生産營運的快速回報控制将為企業提供端到端的可視化和可操作視角，有利于提升準入市場的産品的整體水準，進而減少大規模産品的召回事件。
例如：産品在經過測試環節後，每天都會産生包含一百多個測試項目、長度達幾百萬行測試記錄的資料集。按照品質管理的基本要求，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别進行一次過程能力分析。利用大資料品質管理分析平台，集中得到很多精确的品質故障原因分析結果，定點解決。
6、提升工藝研發品質
對新産品的研發和工藝設計，經過大資料分析，及時發現産品設計的不合理點和缺陷，及時修正，提高工藝研發的品質和效率。例如：基于刀具公差和材料尺寸公差等大資料的累積內建，提升産品開發水準，産品品質，減少問題重複發生，節省開發成本。基于模具、治具工件尺寸及公差的大資料的累積內建，提升整體工藝研發水準。
艾普工華的unimaxpct産品通過對生産系統中不同層級間的資料進行縮放支援，對生産營運提供基于web的全局可視化管理手段，為管理者提供準确的決策支援，為操作者提供實時的執行指南。應用行業領先的智能引擎，結合制造實時狀況與人、機、料、法、環、測等實時資料，發現生産過程趨勢，預測未來的資源利用狀态，并可對可能發生的故障和事故進行預警。無論你是在工廠中的房間、辦公室、會議室、交通工具上等，均可以通過pc終端或app終端随時随地擷取所需要的實時資料及分析決策資料。面對目前全球供應鍊的閉環應用，unimax pct還将氣候、環境、地理、政治等風險資料納入資料漏鬥，以支撐全局決策并提前預警。
在接下來的5-10年，逐漸将财務、産品、訂單、計劃、庫存、成本等商業大資料與機器裝置、制造過程、制造資源、産品使用、物流空間、能源結構等工業大資料充分融合，建構企業級的大資料分析及營運平台，為企業在接下來的發展中提供有效支撐，以生産制造、資源計劃、供應鍊管理、營銷預測、政策分析、産業供應、決策支援為應用對象，驅動企業創新發展。
本文轉自d1net（轉載）