大数据行业是互联网，大数据和工业产业相结合的产物，是中国的制造策略的基础上，如2025年，工业4.0工业网络。
对于企业来说，了解大数据产业的产生历史，总结了分类，并从工业企业大数据的特性，看到产业价值的创造从数据流的角度来推动产业创造的价值会非常重要的实际意义。在文章的最后，作者股份在工业领域的数据驱动价值创造的多个实例，希望能起到吸引玉的作用。
1.工业大数据生成的背景。
在工业生产中，数据始终生成。的机床，功耗，温度和食品加工的湿度，煤发电厂和煤耗，汽车的设备数据，位置和燃烧的生产速率物流车队的速度等是生产过程中的数据。
由于该行业已成为社会生产的一个独立类别，工业生产的数据收集和使用范围逐渐增加。从目前泰勒花了秒表来计算时间为工人送煤锅炉用铁铲，为收集和使用数据生产管理的；福特的流量生产是汽车生产过程和工厂使用的工业数据的集合；丰田的精益生产模式将数据的收集和使用扩展到工厂以及上游和下游供应链；核电发电全过程的自动化将生产过程数据的自动化水平提高到更高水平。
收集和使用任何数据都很昂贵，工业数据也不例外。然而，随着信息，电子和数学技术的发展，传感器，物联网等技术的发展，新一代智能微传感器，高精度，耐用，高性价比，新一代技术以物联网为代表的网络。在移动数据通信的支持下，可以随时随地收集和传输数据。以云计算为代表的新数据处理基础设施显着降低了技术门槛和工业数据处理的成本。以SCADA工业系统为例。在传统方式中，每个网络和化学公司都需要建立一个成本超过1000万的SCADA系统。如果采用云架构模式，成本将降低70％以上。
社会需求的变化是最大的驱动力。在商品过剩的经济时代，以个性化为代表的消费文化使工业企业的绩效最大程度地适应个人需求。从服装的个性化，车辆的组合，衬衫的印刷和个性化教育。
为了满足个人需求，有两种方式：例如，衣服的个性化是基于教师使用的规则量，通过触摸手和经验来确定衣服的剪裁和图案。这可以称为模拟模式。效率和质量难以保证，时间长，个性化定制成本高。另一种方法是数字化。在制定一组数据收集方法时，来自接收的客户代表数据用于测量从体形收集的数据，然后将数据发送回中心局。结合原材料数据的生产，需求将被分解为单个生产过程，最终将生产满足定制要求的服装。当然，工厂也会雇用高级教师。他们的主要工作不是解决个别客户的个性化需求，而是更好地研究生产流程，控制数据和流程的分解。在这种模式下，效率和质量得到保证，效率随着生产线的扩展而线性增加。一组专家研究并不断提高工艺能力，定制生产的成本将大大降低。从发展趋势的角度来看，后者数字模型的个性化生产将是未来的选择。
国家政治是一个重要的影响。德国的制造业，已经完成了工业自动化的过程中，引进技术的云计算和自动化的基础上，基于人工智能的工业数据，以提高工业智能化水平，满足社会生产定制化的需求大规模的风俗；云计算，互联网和数据处理，在此基础上的强大功能，从单一设备，单一生产线，单一工厂提出的策略互联网行业，网络数据，通过处理大数据，工业服务在诊断，预测，后期服务等方面的挖掘价值
与德国和美国相比，中国正处于工业自动化和云计算领域的发展时期。因此，中国提出了2025年计划，通过工业化和信息集成将工业化和信息结合起来。一系列重点项目和推广计划。
2.大型工业数据的特征和分类。
无论是工业自动化，工业智能（工业4.0）还是工业互联网的概念，其基础都是工业数据。
随着行业的发展，工业公司收集的数据范围不断扩大。主要体现在三个方面：
首先，时间维度继续增长。经过多年的生产和管理，多年来积累了产品数据，工业数据，原材料数据和生产设备数据；
其次，数据范围不断扩大。随着业务信息的构建过程，一方面，它积累了公司的财务和供应商数据，以及通过CRM系统积累的客户数据，通过积累的研发过程数据CAD，通过相机累积的生产安全数据，以及其他。还收集了越来越多的外部数据，包括市场数据，社交网络数据，企业舆论数据等。
第三，不断改进数据的粒度。从产品到多个型号和多个系列产品，产品数据不断完善。从单一机床到联网机器，数据交换的频率大大提高。加工精度从1毫米增加到0.2毫米，从每分钟5分钟增加到每分钟。 5秒的完整监控使数据收集更加精细。
之前的三个维度最终导致公司积累的数据量增加，这是大型工业数据的汇编。无论公司承认与否，数据都会累积在工厂的每个角落，而且还在不断增长。
从商业运营的角度来看这个工业数据。根据数据的用途可分为三类：第一类是操作信息，如财务，资产，人员和供应商聚集在企业信息化建设的过程中，并显示操作因素和工业公司的业绩基本信息。
第二类是生产数据，这是基于在该公司的生产过程中累积的数据，包括原料，研究和开发，生产过程，半成品，成品及售后服务。随着数字机床，自动化生产线和SCADA系统的建设，这些数据也已由公司注册。这些数据是工业生产过程中附加值的体现，也是确定公司差异的核心。
第三类是环境数据，包括放置在机床设备，温度和湿度的数据仓库和车间，以及能量消耗数据，废水和废气排放的诊断系统。这些数据对工业生产过程具有约束力。
从采用数据的现状，贸易数据的利用率是最高的，与生产数据和环境数据之间的差异比较大。从未来的数据量的角度来看，从生产线的数据将在工业数据越来越重要，环境数据将变得越来越多样化。
总体而言，大数据具有大量数据，各种数据，具有很高的商业价值和高处理速度。在此基础上，工业大数据有两个主要特征。
首先，准确率很高。大数据的一般应用场景是预测。在一般业务领域，如果预测精度达到90％，则已经非常高。如果它是99％，它是非常好的。然而，在工业领域许多应用场景，精度要求是99.9％或甚至更多，如轨道交通自动控制，例如，定制化生产。如果客户A的订单参数合并，将会有经济损失。
其次，实际的时间是大数据产业的坚实而重要的应用场景监控实时，实时预警和控制的实时性。一旦整个数据收集，传输和应用过程花费太长时间，就很难在生产过程中获得价值。
3.工业大数据的应用案例。
公司积累的数据量正在以越来越高的速度增长，许多公司也在为公司的生产和运营带来大数据技术。大数据在工业企业中的应用主要体现在三个方面：
一个是基于数据挖掘产品的价值。通过两次挖掘产品和相关数据来创建新值。
日本研究人员设计了一种新型座椅，可以通过分析相关数据来识别车主，以确保车辆的安全。该座椅配备360种不同类型的传感器，可收集和分析驾驶员的重量，压力值甚至座椅的位置，并集成到车主信息中。进行匹配以确定驾驶员是否是车辆的所有者，因此决定是否启动汽车。实验数据表明，该座椅的识别精度高达98％。Trinity挖掘机指数也是如此。通过跟踪在线销售的挖掘机的启动和装载，我们可以了解全国的基础设施情况，然后为宏观经济判断，市场销售设计和金融服务。
第二是改善以服务为导向的生产。改善以服务为导向的生产正在提高生产（产品）服务的价值。主要体现在两个方向。第一个是向前扩展，包括通过用户参与和预售阶段的个性化设计吸引，引导和阻止用户。例如，通过精确的服装制作红领套装，可以在其他充满服装的商店的市场中保持150％的年利润和利润增长，每件服装的成本仅为10％高于prêt-à-porter。当然，小米手机也属于这一类。第二是向后延伸，通过销售产品来建立客户与制造商之间的互动，从而产生可持续的价值。 Apple手机的硬件配置是标准配置，但每个Apple手机用户安装的软件都是定制的，这里最大的功劳是APPStore。 Apple仅开始销售Apple的终端产品，并通过APPStore建立用户与供应商之间的联系，以满足用户的个性化需求并提供差异化服务。年收入是数百亿美元。
第三是创新的商业模式。商业模式的创新主要体现在两个方面：第一，基于工业大数据，工业企业可以提供什么类型的创新商业服务；第二，工业大数据背景下可以接受哪种新的商业服务？ 。最好的情况是通过提供创新的商业模式，探索更多蓝海市场，获得更多利润，通过接受创新的工业服务来降低生产成本和运营风险，从而为更多客户提供服务。
例如，通用电气不销售发动机，而是将发动机租赁给航空公司，并根据运营时间加载它们。这使GE能够通过引入大数据技术监控发动机运行状况，通过科学诊断和维护提高发动机寿命，并实现高经济回报。用于销售发动机。
在接收服务方面，国内外有几家公司为云服务架构提供大型工业数据平台。包括海尔收购GE白色家电业务的一揽子计划，GE的Predix大数据平台向海尔开放，进入海尔工厂并提供工业大数据服务。九方方达数据还在云计算和各省市建立工业大数据平台，为当地工业企业开放大数据采集，大数据存储，大数据挖掘和应用功能。
4.大型工业数据的实用指南。
大工业数据是公司生产和经营的重大变化。对于尚未完成工业化和计算机化的工业公司而言，数据时代已经复临，挑战也很大。
工业大数据的构建首先是思想的转变，以前由要素竞争主导的工业生产方式的变化，进入以数据竞争为主导的新的生产时代。创新。其次，正如清华大学王建民教授所说，“工业大数据没有交钥匙项目。”因此，企业领导者，管理层，员工和相关人员必须走到一起，开展工作。最后，工业大数据的构建以两个表格为前提。一个是最长的板块，这是最具竞争力（工业）产品的竞争力。继续深化以下数据的价值，围绕这一工业数据创造产品和服务的能力；另一种是最短的板，即什么是影响工业企业，成本，市场或供应链或能源发展的关键问题是什么？在数据时代，寻找大数据解决方案的机会。
中文
在线咨询
电话咨询
微信咨询
公众号
