大数据技术在装备制造业中的运用研究

张洲洋

（西南石油大学机电院，四川 成都 610500）

将大数据技术应用于装备制造业，可以进一步促进装备制造业的智能化发展，使我国工业水平得到有效提升。随着大数据技术的快速发展，数据存储成本也在不断降低，移动互联网也得到了有效普及，通过应用大数据技术可以有效分析与预测各种大事件，具有十分显著的数据处理优势，因此在相关行业也得到了有效应用。装备制造业是产业链当中的核心环节，同时也是价值链高端，对产业链的综合发展具有着决定性影响。因此需要将大数据技术在装备制造业中有效运用，使二者得到有机结合，从而全面提高我国产业的核心竞争力。

1 大数据的概念和基本特征

1.1 概念

现如今，大数据产业的规模相对较大，数据库软件具有极强的处理能力，可以有效收集管理和存储相关数据，并实现数据整合。与此同时，大数据的流转速度相对较快，具有巨大的数据规模，类型也十分丰富。在大数据的应用过程当中，需要对数据专业化处理技术加以运用，并通过互联网、物联网等相关渠道对丰富的数据资源进行收集，然后有效提炼、智能化分析和处理、存储数据，为相关决策提供有力依据。

1.2 基本特征

针对大数据的基本特征进行分析，可以将其概括为五维特征，具体包括价值性、高速性、多样性、实时性以及规模性。

（1）规模性。大数据不仅数据量巨大，而且还有着较高的数据完整性。随着互联网技术的快速发展，信息数量开始快速增长，在将相关信息转化为具体的数字信号时，为了避免信息采样以及信号转换期间出现丢失、缺样等问题，需要合理运用大数据，使信号的原始状态得到有效维持，从而保证数据完整性。

（2）多样性。大数据具有较大信息量，而且数据类型也比较多，具有十分复杂的结构，这要求用户能够充分发现海量数据之间具有的关联性，对有价值的信息进行获取。

（3）高速性。随着我国科学技术的快速发展，搜索引擎速度也在不断加快，对数据处理也提出了全新要求。

（4）价值性。对于大数据而言，其虽然有着海量数据，但数据价值密度相对较低，因此需要采取相关技术手段，从数据库当中提取出有价值数据，从而增强大数据的实用性。

（5）时效性。目前，数据传输与交换速度不断加快，这也缩短了数据价值的有效时间，需要用户能够快速获取有价值信息，因此对大数据的时效性也具有较高要求，需要降低数据交换时的延迟。

2 大数据技术的处理流程

2.1 数据采集

在大数据处理流程过程中，数据采集是其重要基础，通常可采用数据检索工具、射频识别、传感器收取等技术。目前相关终端设备正在快速普及并有效应用了大量软件，这显著扩大了人们自身的社交网络，加快了信息的流通和采集速度。

2.2 数据处理与集成

在具体分析数据集成与处理时，可通过相关引擎对数据有效搜索。在数据处理与集成过程当中，需要对采集到的数据加以存储、集成、清洗、去噪。由于数据量相对较大，而且还有噪音与干扰相等掺杂，因此应对数据过滤器进行安装，以此来过滤掉无效数据，使数据可靠性得到保证。在这之后需要有效集成数据，按照具体类别进行存储，从而全面提升数据提取效率。

2.3 数据分析

通过集成与处理相关数据，可对原始数据进行获取，在这之后还需要对数据有效分析。传统数据处理方法具体包括机器学习、数据挖掘、统计分析以及智能算法等。而在大数据时代背景下，这些处理方法已不再适用，需要对全新的数据分析技术进行合理应用，以此来使数据分析需求得到满足。具体而言，相关工作人员可利用云计算技术来有效分析相关数据，以此来保证分析结果的准确性和可靠性。现如今，大数据分析在推荐系统、决策支持以及商业智能等相关领域已得到了广泛应用。

2.4 数据解释

在具体分析和处理数据后，需要为使用信息的客户解释与展示相关数据分析结果。目前在解释数据时，需要合理运用数据可视化技术，采取图形化的方法分析数据，将具体的分析结果展示给用户，方便用户理解与接受。针对可视化技术进行分析，其具体包括基于图像、图标、集合等可视化技术，同时还包括面向像素的相关技术。

3 大数据技术在装备制造业的应用对策

3.1 建立智能化制造工厂

在装备制造业的生产系统当中，具体包括输送生产线、生产设备以及流水线等，而运用大数据技术可以有效搜索、筛选、分析与传输生产过程的相关数据，并对整体生产流程的数据信息进行实时监控，以此来有效监测生产过程，为相关管理提供依据，提高装备制造企业的精细化管理水平。

例如，可以将大数据技术在内燃机行业进行应用，并采用相关数据模式，实时更新生产数据信息，使生产过程的控制灵活性得到有效提高。与此同时，大数据技术还能够合理筛选与分析具有较强实时性的数据信息，并在数据库中对相关有效信息进行录入，缓解系统处理数据的压力。如果数据信息的实时性要求不高，应对系统功能接口加以保留，使系统的升级成本得到降低。在对大数据技术进行应用后，可以提升装备制造业对生产流程的整体控制水平，使行业智能化发展得到有效促进。而在内燃机行业应用大数据技术，需要对智能化制造工厂有效建立，其具体流程如下。首先，需要实现智能化生产，并实现大规模定制，对用户需求加以分析，使智能化的制造工厂得到有效构建。而内燃机行业应用大数据技术，可以发挥出显著优势，一方面可以使中间品库存得到减少，合理制定生产计划，维持库存在合理范围，使资源得到充分利用。另一方面还可减少边角料、废品等的产生量，利用大数据条码技术来跟踪产品的库存、销售和生产等过程，有效监测生产过程，使边角料以及废品的产生量得到降低。除此之外，运用大数据技术还可进行故障预测，对实际生产期间的故障问题及时进行发现，自动生成相应的故障记录，对故障产生原因加以分析，采取有效对策进行解决，使生产系统能够维持正常运行。

3.2 分析市场需求

目前，用户针对产品的个性化提出了更高要求，而产品未来发展也呈现出多样化的趋势，对此需要在装备制造业有效应用大数据技术，对数据信息进行分析，并提炼出相关有用数据，为企业制定管理决策提供有利依据。通过科学合理的运用大数据技术，可结合海量销售历史数据建立模型，为相关生产企业提供准确的数据分析，使其能够对用户需求进行精准把握。

以内燃机生产企业为例，在分析经销商客户价值时，可运用大数据技术，采取聚类模型来对经销商进行细致分析，并通过决策树模型来分析对经销商的重视程度。与此同时，相关企业还可采用关联规则，分析相关经销商之间的关系，采取异常控测法来分析经销商流失现象，利用神经网络模型分析用户价值。相关内燃机制造企业应对适合自身的技术手段进行应用，以相关算法对用户数据进行分析，使企业用户得到有效发现和培养。在此基础上，企业可对用户的营销等级进行合理划分，并按照具体分类科学制定相关的营销策略，使企业实现精细化销售目标。除此之外，通过对大数据技术进行应用，还可对内燃机行业相关品牌的内在特征、传播趋势、口碑、产品属性、客户群体活动等进行充分分析，从而监测相关生产企业的走势，掌握标杆用户的活动轨迹，对企业发展的未来方向进行确定，为企业自身的发展规划制定提供有力依据。

3.3 对已售商品的配套服务

（1）识别服务类型。针对装备制造业传统配套服务进行分析，当客户发现产品存在质量问题时，会联系装备的生产企业，然后由企业来提供相应的售后服务。在信息技术持续发展的背景下，装备制造企业应合理应用大数据技术，构建具体的管理系统。具体来说，通过客户关系管理系统的有效运行，可以为企业充分分析客户群体，对潜在客户进行有效挖掘，对流失客户进行充分预测，以此来使企业和客户间的交流得到强化。具体来说，企业应对关联规则、序列分析等具体方法进行采用，合理预测客户行为，对客户群加以区分，采取针对性的服务措施，有效挽留客户，挖掘企业的潜在客户。

（2）监控运行状态。在实际使用装备制造业的相关产品时，在产品设计和制造等过程当中可能会存在问题，需要企业对产品运行状态加大监控力度。如果发现有问题存在，需要及时联系客户，并为其提供具体的解决方案。通过运用大数据技术，可以实时监控与分析企业生产过程的相关数据，确保更为准确和及时的为客户提供售后服务，增强客户的信任感，提高企业的信誉度和服务水平，从而使用户满意程度得到提高。

3.4 建立大数据收集共享平台

对于装备制造行业而言，其需要对大数据共享平台建立的重要性产生正确认识，并结合自身实际情况，对全面开放的大数据收集与共享平台进行建立，从而进一步促进自身的智能化发展。在大数据时代下，相关装备制造企业需要准确分析市场需求，以此来为自身的发展决策提供指导。各级政府部门通过在行政管理职能方面具有的优势，向企业充分开放了食品安全、政务、商务、旅游、交通环保以及工业等相关领域的统计数据，通过分析这些数据可以为企业了解市场需求提供帮助，使企业自身的盈利模式得到有效转变。但目前我国政府部门、企业以及行业间的信息化分享和服务平台还不够统一和完善，这使得各方信息标准不够统一，而且由于信息沟通不够有效，容易出现行业垄断情况。在充分确保信息安全的前提下，需要有效实现政府部门、企业以及行业间的信息共享，因此相关装备制造企业应对大数据技术加以应用，创新自身的信息共享机制。具体而言，制造业内部应通过大数据技术来使自身的内部运营成本得到降低。相关企业应通过互联互通技术对生产制造过程中的活动信息进行有效收集，具体需要涉及到物流信息、日均产量、库存信息以及原材料供应量等。通过强化数据分析使原料采购工作得到优化，可以使库存成本得到降低。除此之外，运用大数据分析技术还可以使装备制造企业的产品开发、运营以及装配成本得到降低，使信息透明度得到增加，促进行业、企业以及政府部门间的信息共享。

4 结语

综上所述，在装备制造业应用大数据技术，可以使二者实现有机融合，促进制造业的转型与升级，使数据的处理与分析水平得到提高，为企业制定决策提供相关的参考依据，提高企业生产制造的智能化水平，从而推动我国装备制造业的智能化和数据化发展。