我個人經過近幾年與客戶交流或者是參與各種研討活動，“大數據”的熱度逐年攀升。那對于制造企業來說，大數據，到底怎么應用，目前也是眾說紛紜。今天利用這篇文章，來說說我的見解。

“德國工業4.0”中明確表示“工業4.0就是大數據驅動的智能制造，所有的生產裝備、感知設備、聯網終端，包括生產者本身都在源源不斷地產生數據，這些數據將會滲透到企業運營、價值鏈乃至產品的整個生命周期”。在《中國制造2025》中也提到了“工業企業中生產線處于高速運轉，由工業設備所產生、采集和處理的數據量遠大于企業中計算機和人工產生的數據，從數據類型看也多是非結構化數據，生產線的高速運轉則對數據的實時性要求也更高。”。隨著互聯網及移動互聯網的快速發展，對于非制造企業來說，獲取數據的能力變得越來越容易，數據的多樣性也越來越豐富。同樣，隨著云計算的發展，對于大量數據的處理、清洗、分析也不是難事。

可是，對于制造企業來說，商業運作與制造運營之間的數據應用現狀就形成了非常鮮明的對比。甚至，概念增多之后，大家對于“大數據”的理解也不盡相同。將“大數據”簡單的理解為“規模大”的數據，這是片面的。規模大，是數據處理規模從TB級增長到EB級。另外，還包括對于數據處理的速度，實時性要求在幾秒甚至幾毫秒內。數據的類型也不僅僅是結構性數據，非結構性數據、語言文本、多媒體數據才是制造企業的數據大軍。數據的收集過程造成了數據本身的不確定性、不一致性和多義性，如何結合應用場景分析數據結果，成為了大數據的另外一個關鍵。制造企業的大數據是與企業產品生命周期緊密相關聯的。

目前，制造企業中有20%左右的結構化數據，80%的非結構化數據。如果沒有應用相關的信息系統，可能非結構化的數據比例會更高。這也就成為了制造企業應用大數據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年發布UniMax PCT產品以來的應用場景，結合產品生命周期總結分享一下的大數據在制造企業中的核心應用，也就是“工業大數據”的6個應用場景：

1、智能產品遠程監控及故障預警診斷

在智能制造體系中，智能產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內創造新的價值和新的商業模式的途徑。智能產品的遠程監控實現途徑主要是安裝專用傳感器，將產品的運行參數、位置參數、作業數據進行監控，例如：產品工作負載、環境溫度、產品溫度、作業風險預警等等。

智能產品的故障預警機診斷主要是通過產品出現故障時的工況數據，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，幫助用戶及時解決問題，提高售后服務的質量。目前在市場上的故障診斷，大部分還僅能夠實現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。隨著大數據的收集和知識庫的積累，逐漸會提高故障預警和診斷的準確率和及時率。

2、生產運營狀態監控

在工業企業產業鏈的各個環節，將條形碼、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，尤其是互聯網、移動互聯網、物聯網等新一代信息技術在工業領域的應用，通過收集由工業現場所產生的設備數據、訂單數據、進度數據和故障信息等，經過大數據分析，實時掌握生產運營的狀態。

通過生產運營狀態的監控，實現整個企業制造過程的透明化，管理者可以得到正確的信息進而對所有制造資源進行全局性的有效評估。例如：已銷售的產品可以通過主動性的適時維護得到經濟有效的管理。可以結合智能產品的遠程整體性的運行信息，形成制造和應用閉環的全生命周期重新設計優化，進而使下一代運行系統得到改進。

3、優化零件庫存和可用性

通過分析車間某段時間的生產訂單數據和零件庫存的關系數據，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。結合供應鏈的配送數據，實現供應鏈的優化和分析，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：在大數據背景下，需求預測成為大的核心。通過大數據來做需求預測，能做到自動補貨、自動調撥、整體庫存分析、備貨等，做到在生產排產之前，供應商就將零件送至舉例客戶最近的中轉庫。

產品預測：通過大數據來確定：在某時段，某地區，用戶購買的產品類型、數量等。

庫存補貨：經過大數據分析，匹配補貨的階段和時間，保證庫存在一個合理的范圍內。

健康庫存模擬與預測：模擬未來某一個時間點，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，經過數據分析，對制造資源的維修、保養、維護進行及時預警，分析加工產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：車間加工設備在使用環節，通過MES監控設備的主軸電流，經過大數據監控與對比，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、最優化產品質量

及時收集車間生產產品過程中的生產數據和質量數據，通過對采集到的“大數據”進行科學分析，全面掌握所有產品中普遍存在的質量問題，使企業能夠對癥下藥，徹底將其根治，提高產品質量。

大數據分析對整個生產運營的快速反饋控制將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產品的整體水平，從而減少大規模產品的召回事件。

例如：產品在經過測試環節后，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，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別進行一次過程能力分析。利用大數據質量管理分析平臺，集中得到很多精確的質量故障原因分析結果，定點解決。

6、提升工藝研發質量

對新產品的研發和工藝設計，經過大數據分析，及時發現產品設計的不合理點和缺陷，及時修正，提高工藝研發的質量和效率。例如：基于刀具公差和材料尺寸公差等大數據的累積集成，提升產品開發水平，產品品質，減少問題重復發生，節省開發成本。基于模具、治具工件尺寸及公差的大數據的累積集成，提升整體工藝研發水平。

艾普工華的UniMaxPCT產品通過對生產系統中不同層級間的數據進行縮放支持，對生產運營提供基于WEB的全局可視化管理手段，為管理者提供準確的決策支持，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、測等實時數據，發現生產過程趨勢，預測未來的資源利用狀態，并可對可能發生的故障和事故進行預警。無論你是在車間、辦公室、會議室、交通工具上等，均可以通過PC終端或APP終端隨時隨地獲取所需要的實時數據及分析決策數據。面對目前全球供應鏈的閉環應用，UniMax PCT還將氣候、環境、地理、政治等風險數據納入數據漏斗，以支撐全局決策并提前預警。

在接下來的5-10年，逐步將財務、產品、訂單、計劃、庫存、成本等商業大數據與機器設備、制造過程、制造資源、產品使用、物流空間、能源結構等工業大數據充分融合，構建企業級的大數據分析及運營平臺，為企業在接下來的發展中提供有效支撐，以生產制造、資源計劃、供應鏈管理、營銷預測、策略分析、產業供應、決策支持為應用對象，驅動企業創新發展。