试论工业制造中的大数据分析

尹大宇+樊瑞博

（长城汽车股份有限公司天津哈弗分公司 300462）

摘 要：工业制造的大数据分析对企业的生产具有十分重要的作用， 通过大数据分析，企业能够准确的发现企业生产中存在的问题， 结合工业制造企业中大数据面临的挑战与应用技术， 并对工业制造企业生产中大数据的来源途径进行分析， 探究了工业制造大数据的应用价值。

关键词：工业制造； 大数据； 应用价值

工业大数据在工业生产中具有十分重要的作用， 它是以工业制造过程和工业产品的数据为主体，通过对这些数据的分析， 获取工业生产中的具体数据，进而能够有效的对工业制造工程进行分析与控制。 工业大数据的来源主要是产品生产周期过程中的各个环节， 例如产品的设计、生产制造、销售、售后服务、回收利用等环节的数据。同样， 工业大数据的获得， 还可以从企业的外部销售与生产市场、企业之间的“跨界”供应链中获取。

一、工业制造大数据面临的挑战与技术

工业大数据在企业生产中具有十分广泛的用途， 但是由于企业缺乏必要的数据分析工具，还不能够从大数据中获取十分有益的信息， 造成大数据在企业生产中还没有得到充分的应用， 没有将大数据中潜藏的信息运用到企业的生产决策中。

1、多源异构工业数据集成与数据融合技术

由于工业大数据搜集是需要多源异构数据集成， 在数据分析时需要解决以下的问题：首先，要能够准确的对数据进行收集， 保证数据集成的质量，为企业的决策提供准确的数据支持服务。 数据质量在数据集中过程中出现失误的原因是多样的，可能是手工操作失误造成的， 也可能是数据集成过程中采用算法模式失误而造成的， 还有可能是在数据采集的过程中， 出现网络不稳定或者任务中断而导致数据质量不高。 其次，就是要及时对产品生产的各个环节产生的数据进行集成。 在生产的过程中， 不能及时对生产的可用实时数据与当前生产资源资料的数据进行分析， 就不能有效的对下一个生产过程提供有效的材料、原料的支持。 但是，由于现有的数据技术不多，数据的来源不统一，在工业大数据的企业中， 不能兼顾不同类型的海量数据，不能满足实时性要求， 对工业大数据的应用带来了很大的挑战。

2、支持实时建模的大容量数据处理技术

（1）在以往的数据处理中一般采用MapReduce技术对大数据进行批量处理， 这样处理的数据实时性不强，不能有效的运用于工业制造决策中， 不能满足大数据分析的实时建模需求。

（2）现有的大数据分析框架主要是基于简单的数据查询， 对大数据的分析能力与深度不够， 既不能满足工业多层面不规则的大数据采样与分析， 也不能实现多时空时间序列数据复杂建模的需求。 由于工业制造的决策分析的影响数据比较多， 现有的数据分析技术不能将市场数据、服务数据、 质量控制数据、营销数据结合在一起进行分析， 即使能够分析，相应的难度也比较大。

3、大数据给工业制造信息安全带来新挑战

（1）大數据加大隐私泄露风险的挑战

大量工业制造的数据集中存储往往会给企业的安全信息增加泄露的风险， 而且在企业生产的过程中，往往还会有一些敏感数据的所有权和使用权难以给予明确的界定。

（2）对现有存储和安防措施提出挑战

大量的工业数据存储在一起，这样就会存在多种格式不同、类型不同的数据共存的情况， 就会造成企业的数据存储不符合安全管理的需求， 造成企业的数据管理存在安全的漏洞。

（3）大数据技术被误用带来的挑战

大数据的应用为黑客提供了更多的数据分析机会，使得黑客的攻击更加精确，为企业的工业生产带来了更大的潜在危险。

二、工业大数据的分析途径

1、利用开放技术与平台，实现数据的任意移动

在工业制造中，系统的管理平台是一个系统化的工作， 而不仅仅是一套操作软件与管理系统，更多的是项目执行和服务的平台。在实际工作中，能够体现企业生产的过程与挖掘企业生产过程中的数据， 保证数据能够在不同的服务器与管理软件上移动。 因此，在企业的系统应用平台中，要详细的对系统架构进行设计， 将系统的数据集成能力、实施能力、数据挖掘能力等融合在一起， 并能够与物联网结合在一起，实现“软件+云服务”的工业大数据应用管理平台。 在工作制造的大数据分析过程中，需要将物联网与“互联网+”的应用结合在一起， 通过物联网的及时响应， 能够将客户、企业中工作的软硬件定期巡检、易耗品、设备的功能等数据进行分析， 进而能够有效的确定工业生产过程中的供应链上各个企业的合作关系，为客户提供持续性的有价值的数据服务。

2、完善工业企业管理系统的功能，强化处理结构性和非结构性数据的数据模型

完善工业制造企业的系统管理平台，将数据处理的功能集成在一起， 实现制造管理系统的MOM与ERP、EAM 等有机的聚合，实现数据的集成，能够将企业的信息推送、系统工作流的集成、应用数据的控制与管理有机的集成在一起， 完善数据处理的模型，实现对工业制造企业的结构性数据与非结构性数据的处理。 由于工业制造企业各个管理系统之间的主数据不统一，不同系统之间的数据交换就需要依赖各系统间的总线进行数据交互， 就需要整合各个系统之间的数据业务流程、工作流、服务流程等， 才能有效的实现工业大数据的集成，对工业制造企业的管理者来说，通过一键登录之后，通过系统的个性化定制页面，就能够了解与查看经过大数据集成后的数据。

3、利用智能工具对工业大数据进行分析

在工业制造企业可以采用时间序列、图像、视频、机器学习等智能分析工具， 来建立工业生产的数据模型，模拟与控制工业生产的过程， 进而与工业大数据平台结合在一起， 这样就能够有效的对工业企业生产中的情况进行分析， 并可与物联网、感应器、互联网等连接在一起， 然后与企业的管理应用软件结合在一起，对企业生产的大数据进行分析。

三、工业大数据的应用价值

随着“互联网+”的思维与工业制造业的融合，创新了工业生产中的数据分析， 同时也能够将企业生产中的所有数据聚合在一起， 这为工业大数据的集成提供了便利， 同时也使得工业大数据的集成成为企业数据应用的核心。 以工业数据的采集与解析、分析和可视化以及数据的安全管理成为未来企业数据的关键技术， 随着信息在企业生产中的应用不断加深， 企业生产的数据不再以企业的内部数据为主，同时还要将外部的市场数据融合在一起，随着智能制造的应用越来越广， 企业需要重新审视工业大数据在生产中的作用，同时企业也会重视大数据的价值， 对企业的制造产品进行创新，并能够对企业的生产进行监视与预警管理，同时还能实时的对生产设备故障进行诊断与维护，优化企业生产的供应链管理， 提升工业企业的生产效率。 在企业生产过程中利用大数据分析， 可以有效的对企业生产的仓储、产品的配送、销售等进行优化管理， 降低企业的成本，并能够提高企业的销售效率。

四、结束语

工业大数据在企业生产中具有十分重要的作用， 它的价值产生方式主要是通过集成企业在生产过程中产生的数据， 并对企业生产的供应链、销售的整个数据进行收集与集成，在通过数据分析之后， 能够为企业的生产提供决策支持，进而能够有效的提高企业的生产效率与产品质量等，满足用户的需求，扩大企业的影响力。