工信部的数据显示：“中国制造业约占整个世界制造业 20% 的份额，在 500 余种主要产品中，我国有 220 多种产量位居世界第一。2014年，我国共有 100 家企业入选‘财富世界500强’，其中制造业企业占 56 家”。

但长期粗放式发展之后，中国制造业发展面临着稳增长和调结构的双重困境，进入了“爬坡过坎”的关键时刻。正如国务院发布的《中国制造2025》提到，“我国仍处于工业化进程中，与先进国家相比还有较大差距。制造业大而不强…”。

与此同时，德国提出了工业4.0，美国提出了工业互联网的概念希望藉此实现制造业的复兴。中国提出《中国制造2025》正是要推动制造业向中高端迈进，以大数据、物联网、云计算等新一代信息技术将引爆这一轮产业变革，加速传统制造企业的转型升级。

工业大数据与德国工业4.0、中国制造2025的关系：

工业4.0、中国制造2025的核心是工业大数据。

无论是“德国工业4.0”还是“中国制造2025”，都提到了智能化和互联网化，而智能化和互联网化的核心是：

一方面利用互联网技术实现传统的以产品为中心变为以客户为中心，加强客户需求预测并尝试让客户参与产品研发，提供个性化的产品、服务及体验。

另一方面采集大量消费数据动态调整生产方式以快速适应客户需求变化，即变大规模批量生产为大规模定制生产。

最后一方面利用企业内部营销、科研、生产、采购等经营数据，为企业经营解决提供依据，实现企业经营透明。

随着企业智能化和互联网化水平的提升，企业拥有了越来越多的数据，而这些数据反过来有提升了企业智能化和互联网化的水平。

\ 工业大数据如何改变制造业？

精度更高

高成功率的制造是制造商的核心竞争力。

在大数据出现之前，最好的方法是投资更好的设备，或对员工进行更好的培训，但都无法太大的减少失败率带来的额外损失。然而，使用大数据，制造商可以使用计算机程序来优化流程，并更加巧妙地分析错误，从而防止这些错误产生。

产量更高

大多数制造商购买原材料并制造成品，他们销售价格高过制造成本。在该系统中，制造商可以获得更高的收益（每个成品使用的原材料越少），企业的经营就更有利可图。新的大数据应用程序使制造商能够更好地了解其整体产量，并有机会改进其运营方法，生产产品获得更多的利润。

更好的预测

制造商可以根据各种情况预先判断需要生产多少产品，淡季的时候减少生产量，以及在仓库中的库存或出货量。大数据有助于制造商更好地掌握这种供需关系的变化，因此可以在最有价值的生产条件下进行生产。

预测和判断踪供应商的产品优劣

制造商也可以使用大数据跟踪供应商的优劣。例如，如果供应商提供劣质产品比例较高，通过大数据计算证明这些事情，就可以确定选择新的供应商是否更加具有成本效益。

更高的可追溯性

大数据还使制造商的流程更加透明和可追溯。制造商的原材料在生产过程中以及生产阶段有多少损失？给定批次产量多少，目前存储在哪里？运送需要多长时间，一旦需要运送，产品在哪里？大数据可帮制造商跟踪生产和交付的所有这些阶段，并提供对可能效率低的领域的洞察和分析。

高级自定义工作

大数据显示，通过在以往的努力中获取数据并创造更好地利用原材料的方法，有可能创建高级定制工作。它也可以帮助制造商采取逆向工程，为熟悉的问题提出新的解决方案。

投资回报率和运营效率

大数据使制造商能够更深入地了解其运营的真正效率，以及升级时产生的投资回报率（ROI），例如新设备或新的广告策略。

\ 这对制造商意味着什么？

更高的盈利能力

传统制造业受到原材料成本和生产限制等因素的限制，而大数据的降临，让每个生产环节得更多的收益，极大的较少了成本，企业主能够利用这些机会，赚取更多的收入。

更大的竞争压力

随着制造商采用大数据战略，竞争对手感受到采取类似甚至更好的方法的压力。越来越多的竞争迫使越来越多的传统制造商升级内部系统，因此未来的技术发展将会越来越活跃。

对新角色的需求

精益的数据应用程序对外部人员或不熟悉数据分析的人员来说具有极大的挑战性。新技术令人印象深刻，但他们要求有足够知识和经验的人来实施和管理它们。因此，制造商需要专业的人或者公司来协助完成这些变化。

目前来看，越来越多的传统制造业也随着大数据的普及在不断的进行产业升级，在竞争激烈的新时代，大数据给制造业带来的改变是否会引领新的工业革命，相信各位已经有了自己的答案。

\ 工业大数据的产生及特点

工业大数据是制造型企业创新转型的驱动力和催化剂，随着三维设计、3D打印、机器人技术等在制造型企业广泛应用。工业大数据广泛分布在产品设计、制造、物流、服役等各环节，具体如下：

数字化设计：如飞机全数字化设计：波音公司利用 CATIA 软件设计波音 777 的 300 万个零部件的尺寸和形状数据；

智能化制造：以智能工业机器人为典型代表的智能制造装备已经开始在多个领域得到应用；我国今年的工业机器人超过日本。

网络化监控：大型工业装备运行状态网络化远程动态监测：例如，波音 737 发动机在飞行中每 30 分钟产生 10TB 数据；陕鼓动力实现数百台旋转机械远程在线监测及故障诊断。

物联化管理：工业生产过程开始大量使用 RFID 实现零件与产品管理。

工业大数据区别其他行业大数据有自身的特点和挑战：

一是多源性获取，数据分散、非结构化数据比例大

工业大数据来源广泛且分散，有来源于产品制造现场工控网监控数据，有来源于互联网的客户、供应商数据，有来源于企业内网的经营管理数据。海量异构多源多类数据难以有效集成，语义描述困难，不能实现面向系统生命周期管理的数据协同管理；

二是数据关联性强，有关联也要有因果

工业大数据的产生和应用都围绕产品全生命周期、企业主价值链等，数据间关联性强且分析准确性要求高。不但要利用大数据给出决策也要用大数据给出决策依据。工业大数据预测精度低，准确性和可靠性不高，无法满足安全性要求；

三是持续采集、具有鲜明的动态时空特性

工业大数据来源于工控网络和传感设备，具有实时性强、连续性、稳定性要求高等特点，需要采用可靠的数据采集、存储、管理的工具进行管理，另外涉及国计民生领域还要求整个平台安全可控。工业大数据分析的实时性要求高，动态控制困难，量化难度大。

四是与具体工业领域紧密相关

工业大数据产生依赖于 CPS 网络和智能产品，但目前面向信息物理融合系统的分析方法单一，无法实现闭环、多层次、多阶段、自比较等的综合分析；面向智能设备和智能产品的故障检测能力不足，健康预测管理水平低，无法实现面向产品可靠性的深层次分析。

\ 工业大数据的典型应用场景

1、企业经营管控

现状：对企业的掌控依赖于纸质的、离散的报表及总结报告等，获取的信息往往存在滞后、缺乏综合性分析意见的反馈等；

目标：实时的、准确的、全面的获取企业运营现状，实现管控透明化，及时发现问题，为科学决策提供支撑；

应用示例：

通过问题看板展示相关负责人或领导可直观的了解现行问题及项目进展等情况，追溯科研能力及生产能力相关的缺失，及时予以科研流程及生产流程的干涉，从根本上解决问题，达到企业价值及客户需求。

大数据对于企业透明化的经营管控可实时的、直观的、全面的展现企业现状、及时地发现问题、快速的定位问题根源并提出相应措施，最终回归到企业价值体现及经营目标建设。

2、产品研制协同

现状：各学科设计分散，缺乏综合考虑；知识以经验的形式掌握在少数人手中；设计工作对少数人的依赖性强，传承性差；存在未考虑上下游客户需求的问题等；

目标：开展多学科融合的协同设计、产品货架支撑的并行设计、以产品全生命需求为依据的综合设计(以客户为中心，向产品定制转型)。

应用示例：

通过建立统一的设计开发环境，实现知识的积累和重用。建立设计平台，对产品研制过程中的各种工作内容进行集成展现和管理，并根据用户角色和工作内容的不同，管理并查看相应的内容，用户可通过研发设计工作台直接开始设计工作。

协同设计研发平台一方面通过数据、产品数据、运营数据管理为基础，将设计经验、工艺信息、制造信息、产品服役过程信息(零部件寿命、质量问题记录等)、客户需求等统一纳入设计需求范畴，也即完成客户等纳入需求考虑，保证设计需求的全面响应，实现定制化奠定基础，逐步协助企业服务化转型；另一方面具体执行设计研发业务支持基于多学科融合的综合，支持多学科并行设计等。

3、全面质量控制

现状：由于质量问题等原因的工程变更追踪困难、变更范围难以确定；

目标：可通过 BOM 集成管理的数据，进行产品问题的向上及向下追溯，一方面追踪问题根源并对其影响范围进行确定(如存在多少在制品等)并干预，保证后续产品的质量；另一方面根据问题根源，改进原材料或设计工艺等，从根源上解决问题，降低问题重复带来的损失。

应用示例：

以某零部件服役过程产生质量问题为例说明。当产品产生问题时回馈制造商形成质量问题记录单，零部件制造企业基于完整的产品全生命周期数据管理可通过 BOM 追溯实现零部件批次、设计信息、工艺信息、制造过程信息的快速定位，进而由专业人员进行分析质量原因并采取响应的改进措施：

一方面：保证后续零部件/半成品按更改后的文件制造生产，使问题重复再现得到改善；

另一方面：对同一样已交付使用的零部件采取一定的维护更换或召回处理，规避由某零部件问题造成工程停产的更大损失。

一直以来，技术都是推动商业环境进化的重要因素，而目前最热的技术升级趋势，无疑是人工智能。当下，尽管人工智能行业本身已经进入了一个平稳的发展期，但它对于各行各业的赋能却正在以更热烈的姿态进行。