摘要：本文首先对工业数据的特点进行分析，然后提出工业大数据的概念及特征，接着从多个角度对工业大数据分析的应用价值，并对其发展前景做了简单的预测。

关键词：工业大数据;分析技术;发展前景

引言：工业大数据技术的研究与突破，其本质目标就是从复杂的数据集中挖掘出有价值的信息，发现新的规律与模式，提高工业生产的效率从而促进工业生产模式的创新与发展。工业大数据从产品需求获取、产品工艺设计、产品研发、制造、运行甚至到报废的产品全生命周期过程中，在智能化设计、智能化生产、网络协同制造、个性化定制和智能化服务等众多方面都发挥着至关重要的作用。

1.工业数据特点

“隔离性”。工业数据来自多道工序的多台设备，设备独立工作以及工序间数据互不流通，形成一座座“数据孤岛”。

“多模态”。工业数据来源多样，结构复杂。除工业生产中所采集的温度、压力、流量等时序数据之外，还包括检测火焰温度等的红外热成像视频数据。

“强关联”。工业数据中的关联主要包括：生产指标间的关联，如原料燃料流量、温度、压力的关联;生产过程的关联，如生产工序间的工艺参数关联关系;产品设计制造等环节之间的关联，如仿真过程与产品实际工况间的关联。

“高通量”。传感器所采集的时序数据具有设备多、测点多、频率高、吞吐量大、连续不间断的特点。以某工业生产设备为例，数据采样频率为10Hz，单台设备每秒产生16KB的传感器数据，按20台设备全量采集计算，每日将产生约12.87GB的数据，每年将产生4.58TB的数据，呈现出“高通量”的特征。数据带来巨大的存储成本，还存在衔接不连贯、标准不统一、数据不对齐、“脏”数据等质量问题，无法为数据分析提供有效接口，如何提升数据价值密度、提高数据挖掘效率是现阶段亟待解决的问题。

2.工业大数据概念及特性

从定义上看，工业大数据来自不同领域收集的大量数据，其中尤以工业部门为主。尽管数据有着不一致的类型，但基本上都具备大容量、多类型、高价值、快速更新四个重要特征。大数据时代下，各行各业相继踏上了变革与技术升级的道路，工业大数据也因此转变为新一代关键信息技术与服务类型，通过对多样化工业数据的收集、存储、分析、提炼、总结及利用，能更好地了解并把握各类新知识及信息。同时，在一系列措施的运用下将此类有价值的知识信息获取后，能够有效提升业务效率，实现新价值的创造。

企业经营管理中，工业大数据无法直接体现价值，而经过数据处理向人们需要的信息转换之后，此时即可充分体现数据的价值。通过完美结合智能制造系统，能赋予设备自我判断及自学能力，凭借数据传导的信息即可达成智能控制的目标。同时，在工业大数据的辅佐下，制造企业管理人员在看待制造业发展时也能立足于更高的层面。此外，大数据时代下，工业制造领域中逐渐形成了更激烈的竞争，各个企业也提高了对多样性的关注度，工业大数据可凭借多种方式向制造企业传递各类信息，当此类数据结合工业制造企业运营管理及研发创新后，能帮助企业产出具备多样性特点的产品，且整个生产过程更高效，可夯实企业可持续发展的基础。

3.工业大数据的应用价值

3.1发展分析价值。智能制造背景下，制造企业在高度重视创新发展市场营销与生产的同时，也有必要积极探索如何通过大规模工业数据技术开展预测分析，如预测社会需求或市场发展趋势等，能为自身今后的发展提供保障。工业大数据逻辑预测是以关联与不规则变化及规律性发展的一系列数据为对象展开综合预测，但需要注意的是企业结合广泛、深入的数据分析最终往往能获取更详实、准确的数据。同时，需要对行业发展实际情况及特点展开具体分析，体现基础价值的同时发挥主导作用。

3.2产品分析价值。海量工业数据的应用，能帮助企业针对性地优化与完善产品，以此促进企业生产制造水平的提高，优化信息的同时实现全程控制。能面向企业工艺技术、生产能力、温度压力及设备材料损耗等数据展开全面收集与处理，保障企业运行的稳定性。同时，在大数据分析技术的运用下对比预期标准和现有数据，能更全面地落实各类资源的控制与管理工作。此外，通过对生产流程及技术标准的持续完善与更新，促进各类资源利用合理性与有效性的提升，在帮助工作人员增强业务技能和专业能力的前提下带动生产管理质量及效率的提高，最终实现对企业智能产品生产全过程的有效控制。由于未来行业发展必然是以产品多样化趋势为主，生产智能型产品时涉及大量创新技术和个性化元素，企业在产品与服务的创新过程中要想更好满足用户需求，可尝试建立集生产、销售及服务为一体的发展新模式，凭借创新和拓展产品多样性获取发展的新动力。

3.3销售分析价值。在提取、挖掘和分析工业生产数据后进行销售趋势报告、销售预测报告及技术经济计划报告的编制，能为企业生产经营决策提供必要的参考依据。销售分析体现的价值具体包含：一是以用户行为及特征为对象，结合工业数据展开分析，掌握用户在产品使用习惯、产品支持、购买意愿、期望及需求等有关产品类型及功能方面的偏好，以满足用户需求为目标开展智能化针对性的生产，以促进销售水平的提高。二是结合工业数据对客户特征展开分析、收集，获取的信息更具针对性，能弥补以往数据分析中客户真实数据欠缺造成分析结果不准确、市场定位不精准的缺陷，助力企业合理进行营销模式的制定，夯实达成高质量发展目标的基础。三是智能制造背景下，制造企业要想实现长期稳定发展、稳固自身经济效益，就必须对用户需求予以足够的关注。通过大型工业企业数据的应用，能够深入分析企业现有发展情况及客户群销售情况，并对比市场情况。同时，结合企业内部销售模式与联系方式，可做好重点客户的精准判断。四是企业发展计划需聚焦品牌影响力及信息传播渠道的持续改进和优化，保障企业销售增长态势稳定、持续。产品特征分布、用户产品需求、传播趋势及与用户的互动等方面集中体现了工业分析数据，以用户实际情况为根据合理进行销售计划的制定，并突出特色化。五是从行业数据人手展开研究，有利于现有客户的维护和稳定，同时在新客户群特征分析及意向等数据的运用下，可针对性完善、调整自身产品，帮助企业更全面地掌握市场需求、满足新知识生产供给。

4.工业大数据分析技术的应用前景

4.1开展定制化设计，引入虚拟仿真。一方面，定制化设计。智能制造背景下，在互联网平台的运用下可高效开展用户产品个性化需求的收集、产品交互与交易数据的收集，在对用户动态数据挖掘与分析的前提下，在产品需求分析及设计活动中指引用户一同参与，即可促进定制化设计的实现。同时，引入柔性化生产流程，此时最终生产的产品便是为用户量身定做的。如海尔集团某工厂通过云计算无缝对接了生产过程与用户需求，向生产线中直接传递用户个性化需求后，促进了定制化设计与生产的实现，且为用户提供了借助生产线中配备的传感器对自己产品生产进程实时了解的服务。另一方面，引入大数据展开虚拟仿真。以往制造业在对产品性能指标等进行测试、验证时，基本都是建立在实物的基础上实现的，随着测试次数的增加，相应地也会产生更多的成本。而在工业大数据的应用下，结合虚拟仿真技术即可模拟研发设计环节，通过分析、评估、验证，能使产品更改量大幅减少，有助于生产工艺的优化和成本与消耗的减少。如长安福特在汽车设计改良环节中便引入了虚拟仿真技术，佩戴3D眼镜的设计师能够直观地观察福特轿车，且支持模拟乘坐轿车的场景，使设计师更真实地感受轿车内装的舒适感，在观察和体验中倘若发现有缺陷、不好之处，结合相应的软件即可实现修改、调整，能使产品开发次数大幅减少，短时间内即可实现大量设计工作的开展，最终设计出的产品与市场需求更加吻合。

4.2打造现代生产体系，突出生产智能化。一方面，聚焦车间管理水平的提高。智能制造背景下，制造业生产线中基本上全面覆盖了传感器设备，可用于温度、压力、噪声、振动及热能的探测，通过探测数据的应用可供一系列分析活动的开展使用，如能耗分析、用电量分析、设备诊断、零部件故障及违反生产规定的质量事故分析等。同时，将此类数据引入生产实践过程中，可对整个生产流程展开分析，当某个流程与标准工艺间出现脱离的情况时，第一时间就会预警，并反馈错误或瓶颈的具体位置。如国外某企业生产线中配备了大量用于对温度、气压及能耗监测的传感器，且与高速内部以太网络实现了连接，用于传输数据。生产线外，管理人员手持与厂内Wi-Fi网络连接的iPad，能实时观察反馈自传感器的数据，对生产过程及当天产能加以监督。一旦有问题出现在某个环节中，管理人员可结合跟踪数据对问题根源进行追溯，第一时间加以处理。另一方面，聚焦生产流程的优化。整合集聚形成于生产制造环节中的各个数据，同时以生产工业产品的过程为对象进行虚拟模型的构建、生产流程的仿真及优化。在系统中实现各个流程及数据的重建后，通过集成分析各环节制造数据，能帮助企业实现生产流程的改进与优化。如设备生产中的能耗分析这一方面，结合传感器的运用对各个生产流程展开集中监控，能迅速察觉异常的能耗或峰值情况，方便相关人员通过分析各个流程从而完成生产能耗的优化，能实现能耗的有效控制，从而扩大企业经济效益。

4.3优化经营管理体系，打造精益化管理。一方面，工业供应链的优化。通过移动互联网技术、物联网技术和射频识别等电子标识技术的应用，可助力企业实现完整产品供应链数据的获取，在分析此类数据的前提下，能够大幅提升仓储、销售及配送效率，并减少成本支出。同时，能实现产品销售价格及库存的实时跟踪，并对全球各区域需求展开精准预测，并以数据分析结果为依据对供应链展开精准优化。如京东于2014年推出的“JD+”计划，京东面向该计划中的合作伙伴提供了包含库存、流量、日销等在内的数据信息服务;大数据、云计算等技术支持;专业化供应链服务等。同时，以相应的评估结果为根据，面向优质企业提供了孵化资金及小微贷款等资金支持服务。另一方面，衔接并优化经营管理全流程。企业以消费者行为数据、生产、管理、采购、财务、销售等方面的数据为对象，通过整合、挖掘及分析后，能帮助企业确定最佳的生产要素投入比例，确保生产控制、经营管理、业务与财务、研产供销等流程的业务协同及无缝衔接，能够更合理地重组、整合并优化运营流程、决策流程及业务流程，帮助企业实现扁平化动态管理组织的实现，取缔金字塔静态管理组织。此外，在云端数据集成驱动的运用下，还能帮助企业实现科学管理决策及一体化运营。

结语：综上，工业大数据蕴含着巨大的价值，前景广阔，要充分挖掘大数据的价值，才能完成工业企业的量化生产模式向客制化生产模式的变革。

参考文献：

[1]王建民.工业大数据技术综述[J].大数据，2017，3（06）：3-14.

[2]何文韬，邵诚.工业大数据分析技术的发展及其面临的挑战[J].信息与控制，2018，47（04）：398-410.

[3]张卫，丁金福，纪杨建，夏文俊，兰虎，章建辉.工业大数据环境下的智能服务模块化设计[J].中国机械工程，2019，30（02）：167-173+182.

[4]宗福季.数字化转型下工业大数据在质量创新中的应用[J].宏观质量研究，2021，9（03）：1-11.

[5]刘欣，李向东，耿立校，孙红桃.工业互联网环境下的工业大数据采集与应用[J].物联网技术，2021，11（08）：62-65+71.