工业大数据典型应用场景分析

《工业大数据典型应用场景分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工业大数据典型应用场景分析序言：拥抱工业大数据时代的到来当前，以大数据、云计算、移动物联网等为代表的新一轮科技革命席卷全球，正在构筑信息互通、资源共享、能力协同、开放合作的制造业新体系，极大地扩展了制造业创新与发展空间。新一代信息通信技术的发展驱动制造业迈向转型升级的新阶段——数据驱动的新阶段，这是新的技术条件下制造业生产全流程、全产业链、产品全生命周期的数据可获取、可分析、可执行的必然结果，也是制造业隐性知识显性化不断取得突破的内在要求。习近平总书记强调，“要着力推动互联网与实体经济深度融合发展，以信息流带动技术流、资金流、人才流、物资流，促进资源配置优化，促进全要素生产率提升”。

2、习总书记这段话深刻阐释了互联网与实体经济的关系，阐释了以互联网为代表的新一代信息通信技术融合创新推动实体经济转型升级的内在机理，也充分体现了工业大数据作为一种新的资产、资源和生产要素，在制造业创新发展中的作用。可以从三方面来理解。首先，资源优化是目标。新一代信息通信技术与制造业融合主要动力和核心目标就是不断优化制造资源的配置效率，就是要实现更好的质量、更低的成本、更快的交付、更多的满意度，就是要提高制造业全要素生产率。从企业竞争的角度来看，企业是一种配置社会资源的组织，是通过对社会资本、人才、设备、土地、技术等资源进行组合配置来塑造企业竞争能力的组织，是一个通过产品和服务满足客户需求

3、的组织，企业之间竞争的本质是资源配置效率的竞争，这是任何一个时代技术创新应用永恒追求的目标。其次，数据流动是关键。新一代信息通信技术是如何优化制造资源配置效率？信息流是如何带动技术流、资金流、人才流、物资流？关键是数据流动。从数据流动的视角来看，数字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化要解决数据“自动流动”的问题，即能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器，能够把海量的工业数据转化为信息，信息转化为知识，知识转化为科学决策，以应对和解决制造过程的复杂性和不确定性等问题，在这一过程中不断提高制造资源的配置效率。第三，工业软件是核心。工业大数

4、据的核心在于应用，在于优化资源配置效率，其关键在于，数据如何转化为信息，信息如何转化为知识，知识如何转化为决策，其背后都有赖于软件,软件是人类隐性知识显性化的载体，软件构建了一套数据如何流动的规则体系，正是这套规则体系确保了正确的数据能够在正确的时间以正确的方式传递给正确的人和机器。工业软件作为一种工具、要素和载体，为制造业建立了一套信息空间与物理空间的闭环赋能体系，实现了物质生产运行规律的模型化、代码化、软件化，使制造过程在虚拟世界实现快速迭代和持续优化，并不断优化物质世界的运行。目录1工业大数据典型应用场景61.1.优化现有业务，实现提质增效61.1.1.研发能力提升61.1.2

5、.生产过程优化61.1.3.服务快速反应71.1.4.推动精准营销71.2.促进企业升级转型71.2.1.创新研发设计模式，实现个性化定制81.2.2.建立先进生产体系，支撑智能化生产81.2.3.基于全产业链大数据，实现网络化协同111.2.4.监控产品运行状态和环境，实现服务化延伸121.3.促进中小企业创新创业131工业大数据典型应用场景工业大数据可应用于现有业务优化、推动大中型企业实现智能制造升级和工业互联网转型，并支撑中小企业创新创业。1.1.优化现有业务，实现提质增效工业大数据可以在现有组织、流程保持不变的前提下，把各个部门和岗位的工作做得更好，促进整个企业的提质增效。1

6、.1.1.研发能力提升建立针对产品或工艺的数字化模型，用于产品、工艺的设计和优化。模型作为量化、可计算的知识载体，可提高企业知识重用水平、并促进持续优化。将大数据技术与数字化建模相结合，可以提供更好的设计工具，缩短产品交付周期。例如，波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从2005年的11次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。1.1.2.生产过程优化通过分析产品质量、成本、能耗、效率、成材率等关键指标与工艺、设备参数之间的关系，优化产品设计和工艺。以实际的生产数据为基础，建立生产过程的仿真模型，优化生产流程。根据客户订单、

7、生产线、库存、设备等数据预测市场和订单，优化库存和生产计划、排程。1.1.1.服务快速反应通过设备的智能化，可以通过互联网获取用户的实时工况数据。当用户设备出现问题或异常时，帮助用户更快地发现问题、找到问题的原因。通过数据分析，构建基于规则或案例的故障预测系统，对用户设备状态进行预测、帮助用户更好地维护设备。1.1.2.推动精准营销利用工业大数据，可以分区域实现对市场波动、宏观经济、气象条件、营销活动、季节周期等多种数据进行融合分析，对产品需求、产品价格等