智能制造背景下工业大数据技术分析研究

赵劲禹

摘 要：我国拥有强大的制造业，制造业的发展已经作为我国经济快速增长的重要原因之一。目前，随着科技水平的日渐发展，以及互联网的广泛使用，工业大数据的应用已经成为了智能制造产业转型升级非常重要的技术手段。现需要利用工业大数据技术来使工业制造业完成进一步的改革升级，以大数据为主导的工业革命如今已经被提上了日程，大数据会是未来构成工业体系的关键所在。基于此，本文以现实中工业制造业中大数据应用以及特点作为出发点，着重对大数据在工业制造业中的具体应用进行分析和讨论，同时也将会对工业大数据分析技术的前景和其面临的挑战进行探讨。

关键词：智能制造;工业;大数据;分析

中图分类号：TP311.13 文献标识码：A 文章编号：1671-2064（2019）04-0039-02

0 引言

尽管我国是制造业大国，生产的产品基本可以满足人们的需要，但是，近几年来，随着信息化技术的发展，世界各工业强国的制造产业逐渐往智能化方向发展。众所周知，制造业的发展速度以及水平，在一定程度上反应了一个国家的综合实力，所以世界各国都希望在工业的技术方面有所进展以及突破。一些发达国家为了创造出开放的全球化工业网络，率先在2011年的国际金融危机爆发之后先后实施“再工业化”的战略。作为提升综合国力的一个重要手段，智能制造业有着举足轻重的地位。但是，目前我国的制造产业智能化仍然处于初期发展阶段，还需要借助大数据的技术来对工业领域产生的众多数据以及信息进行统计和整理，凭借着从数据中获取的信息，进一步完善企业的经营决策，从而推动我国智能制造的转型升级。本文将对工业大数据的概念进行论述，同时阐述工业大数据本身的特征。其次将会对大数据在智能制造中的具体应用进行探讨。

1 大数据概述

1.1 大数据的概念

在介绍大数据之前，必须首先认识到“数据”这个词语在生活中，或者工作中代表的含义是什么。通俗来讲，数据就是我们在生活或者工作中，通过观察或着实践得出来的结果，而这些结果可以被我们的感官感知，或者可以被一些设备的传感器所捕捉。随着社会不断的进步，科技的不断发展，人类目前进入了一个信息量爆炸的时代，而大数据就是各种数据的集合。

1.2 大数据分析技术

对于大数据分析技术的具体含义，权威人士也没有明确的答案。但是到目前为止，研究人员意识到了两点极为重要的问题：机器学习和机器对文本的分析。通常来讲，文本数据在大数据里面的比重一般比较大，比如说互联网的网站，公民的电子医疗病例等等都可以通过文本的形式呈现出来。与此同时，机器学习在分析学中也占用很重要的地位，举个例子：物联网可以通过传感器来获取大量的数据，但是对于这些大量的、杂乱无章的数据，人们真正关注的地方又是在哪里？对人们有利的地方在哪里？如何将与日俱增的数据进行归类整理，而这些纷乱如麻的数据又可以反映什么？基于此我们又该采取哪些行为来应对？如果这些数据仅仅靠人力来进行处理，那么将会耗费大量的时间与劳动力，所以我们需要机器学习技术来帮助我们对大数据进行分析和处理[1]。

1.3 工业大数据概念

工业大数据就是大数据在工业领域内的一种数据类型及相关应用的总称。在典型的智能制造模式中，在工业生产智能化的过程中将会产生的大量工业数据，而这些工业数据囊括了很多的方面，包括了从客户需求到产品设计、研发、工艺、制造、供应、销售、库存等整个产品生命周期的各个过程，以及相关的技术与应用[2]。

2 工业大数据的应用价值

2.1 促进产品个性化创新

众所周知，目前许多的智能产品中都装有传感器模块，而这些模块可以快速地、实时地收集相关客户的信息，然后对这些数据进行储存，并且上传给相关的企业。这样客户就可在没有察觉的情况下参与到产品的需求分析等活动之中。然后相关企业可以对这些数据进行挖掘，通过数据分析等技术手段进行处理之后，可以得到有用的信息，这些信息可以帮助企业及时对产品的功能进行改进，或者是对产品的故障进行预先的诊断，从而推动企业得到良好的发展[3]。

2.2 实时监控，进而避免风险

在一个企业的生产运营过程中，通常会遇到各种各样的不确定的因素。在互联网发展的大潮下，智能制造企业所遭遇的不确定因素将会有很多。企业需要考虑很多的问题，比如不仅要考虑如何避免生产出的产品存在瑕疵，同时关注零部件的磨损等问题。而想要快速准确地解决这些问题，企业可以借助工业大数据的帮助，在机器功能退化、效率降低的过程中通过大数据的分析向企业发出信息，这样企业可以进一步预测并且预防一些存在的隐患，以降低风险发生的概率[4]。

2.3 科学管理生产过程

通过工业大数据可以将企业的生产制造和业务管理实现智能优化，而这是与其他种类的大数据应用有所不同。通过准确利用收集到的有关产量、振动、人员、温度、压力、材料等数据可以对企业生产进行严格的监控，并且通过对用电量，耗能量，材料等方面的数据进行分析，从而得到相关信息，基于这些信息就可以改进生产工艺，减少资源的消耗，进而优化整个产品的生产过程。这样就可以实现真正意义上对企业的科学管控。

3 工业大数据发展面临的挑战

3.1 复杂的系统带来了挑战

在处理规模巨大，结构复杂多样且价值稀疏的工业大数据时我们面临计算复杂、实时性要求高、持续性强等挑战，而这就需要大数据的处理系统具更高的运行效率以及良好的系统性能，这就要求分析大数据的方法更为高效更为智能，在采集到数据后若是没有第一时间进行数据的筛选过滤，上传的数据中就会包含价值低的重复冗杂的无用数据。

3.2 “数据孤岛”问题突出

根据中国的大数据发展报告，我们可以知道，在我国的企业中，有百分之六十以上的企业所获得的大数据的来源主要是企业的内部，比如管理平台的数据、业务平台的数据、客户的数据，只有三分之一左右的企业所使用的大數据来自企业外部，比如互联网产生的数据或者其他行业相关企业的数据，目前在我国，企业进行内外互动而实现数据采集与处理模式并没有形成，所以我国相关企业还需要进一步提高企业外部的数据应用水平。

3.3 工业大数据分析人才稀缺

众所周知，想要发展智能制造，我国不仅仅需要重视和开展有关工业大数据的分析研究，更加需要培养一大批的会使用工业大数据分析的专业人士。但是，截止到目前，拥有大数据分析技术的人才在我国的人才教育体系中所占的份额相对而言比较少。在这种情况下，产业界不仅对工业大数据分析的方法了解较少，更加不了解如何利用大数据帮助企业实现智能化生产，如何利用大数据为客户提供有价值的服务[5]。

3.4 部门之间流通难度较大

对于企业而言，想要利用大数据实现生产、业务协同，那么内部数据的集成应用是首要的环节，但是现如今，信息在我国的企业之间难以实现互通，所以这就在一定程度上降低了企业优化转型的速度，同时这对我国实现智能化生产增加了难度。

4 结语

在智能制造企业的转型升级中大数据分析技术有着十分重要的意义，目前，我国的智能制造才刚刚起步，智能制造的价值也将随着生产技术的不断变革而越发重要。所以，对于企业而言，只有不断升级数据分析相关的工具才可以把大数据潜在的市场价值挖掘出来。但是，就目前而言，虽然数据分析的相关工具可以帮助一些企业去获取有用的价值信息，却依然有着很多的缺陷，并且相关技术的创新性不是很高，所以难以满足新型智能制造企业的巨大的需求。在这种情况下，我国的科研人员需要结合我国工业的发展现状与特征，针对大数据的本身的特点，对覆盖智能制造企业全系统化数据进行全面的分析研究。除此之外，为了促进数据快速的整合与有效的集成，政府还需要提供政策引导，出台相关的制度以及提供相应的指导意见。工业大数据蕴含着巨大的价值，前景非常广阔，大数据的价值需要我们充分的挖掘，才能完成工业企业的量化生产模式向客制化生产模式的转型升级。

参考文献

[1] 王建民.智能制造基础之工业大数据[J].机器人产业，2015（3）：46-51.

[2] 钟尚青.工业大数据：智能制造的基石[J].信息化建设，2016（6）：50-51.

[3] 周佳军，姚锡凡，刘敏等.几种新兴智能制造模式研究评述[J].计算机集成制造系统，2017（3）：624-639.

[4] 谢嘉劼.工业大数据在智能制造中的应用价值[J].数字通信世界，2016（9）：38-40.

[5] 王维斌.工业大数据在智能制造中的应用價值分析[J].军民两用技术与产品， 2017（22）：214-215.