智能制造:工业制造中的大数据分析
1
关注# 1-工业大数据数据源
工业大数据的来源主要有两种，第一类数据源和智能设备。普适计算有很大的空间，现代工作者可以带一个普适传感器等设备参与生产和管理。所以工业数据源是280亿左右的大量设备之间的关联，是我们未来需要采用的数据源之一。
第二个数据来源于人类轨迹产生的数据，包括现代工业制造链中采购、生产、物流、销售市场的内部流程和外部互联网信息，都是这种大数据的战场。通过行为轨迹数据和设备数据的结合，大数据可以帮助我们实现客户分析和挖掘，其应用场景包括实时核心、交易、服务、后台服务等。
2
关注# 2-数据关系
必须把数据放到相应的环境中，一起分析，才能了解数据之间的关系，分析出问题的根本原因。比如，每一款新机型在交付给航空公司之前，都会经过一系列残酷的飞行测试。极端天气测试是众多严峻测试之一。这项试验的目的是确保飞机的发动机、材料和控制系统在极端天气条件下能够正常工作。
解决问题的关键在于找到问题的根源，消除错误的关键在于解决方案的可靠性和有效性。一旦找到并确定了根本原因，并制定了可接受的应急措施，就可以将问题视为已知错误。问题调查过程必须收集与事件相关的所有可用信息，以确定并消除事件和问题的根本原因。数据收集和分析必须与事件/问题的环境数据相结合。
三
关注第三点——数据的好处
对于数字化转型的其他方面，大数据不仅要关注实际的数据量，最重要的是要关注大数据处理方法在特定场合的应用，让数据产生巨大的创新价值。如果离开收益考虑或者投资回报的设计，一味的求大数据既不能落地，也不能为企业创造价值。
工业大数据分析的定义
生产执行系统(MES)与飞机发动机健康管理系统完全相同。我们可以从工厂的生产中实时收集过程、变量、测量结果等海量数据。这些数据源都是制造环境中设备或资产相连的现象造成的。但基于大量数据集或基础统计数据分析生成的报告，不足以称为制造业大数据分析。
那么如果制造业的大数据分析不仅仅意味着数据量，作为一个行业，应该如何定义制造业的大数据分析？“大数据不仅仅是大量数据”这句话包含了多重含义。
当代大数据处理技术的价值在于技术进步，也正是因为技术进步，大数据成为商业中有价值的核心驱动力。工业大数据分析作为智能制造的三驾马车之一，已经被大多数制造企业认可和接受。很多制造企业认为自己在生产经营中积累了大量的数据，是时候使用大数据了。
数据类型的多样性
大数据不仅仅是大量数据的积累。大数据的一个重要属性是，人们试图收集和弄清楚不断变化的数据类型。如果只是收集了大量同类型的数据，再多的数据也不能称之为大数据。
数据必须包括高度可变性和物种多样性。制造工厂的大数据应用数不胜数，但并不包括简单的对一系列过程测量结果进行分类和展示。可以完成这些任务的基本统计显示。一些大数据数据库或数据湖也由文本信息、图像数据、地理或地质信息和非结构化信息组成，例如，通过社交媒体或其他协作平台获得的数据类型。
制造信息结构一般分为两层，一层是管理层，一层是自动化层。从管理、生产执行、控制三个纬度实现决策支持、管理、生产执行、过程控制和设备连接与感知。制造业大数据分析是指利用一个通用的数据模型，将管理和自动化层的结构化系统数据和非结构化数据结合起来，然后通过先进的分析工具发现新的洞察。
大数据分析对生产的意义
制造业创新的核心是依靠大量的前沿技术。先进技术是创新的一种手段。在新技术的支持下，ERP、MES等企业管理应用系统可以通过集成制造运营管理系统MOM与工业自动化相关系统集成。
从两化融合的角度，信息系统提供商要从企业的主要信息系统提供商的角度，做好规划、标准、功能设计和实施策略的统一。协助企业进行风险控制，减少投资，降低运维成本，实现企业信息系统的完全集成。