工业大数据在智能制造中的应用价值研究

毛文章

安徽天康（集团）股份有限公司 安徽 天长 239300

引言

传统制造工作存在数据不足、过于依赖制造人员个人经验、制造效果与实际预期目标存在一定差距等问题。因技术体系缺乏真实数据支撑，导致后续制造过程中存在较大出入。工业大数据主要就是利用智能信息技术产生全面精准数据，通过在制造流程优化及制造管控环节使用大数据，能够进一步增强制造水平，控制智能制造成本。工业大数据手段也能够从根本上提升各类资源利用率，确保工业生产全过程均处于智能化管控范围。

1 工业大数据理论研究

1.1 工业大数据概念

大数据是海量数据集合体，具有种类多、容量大、存储率高等特征，现已成为最新信息技术及服务业态，在实际生产环节负责数据采集、存储、传输、价值挖掘等。工业大数据是大数据技术的重要组成部分，主要就是针对工业生产环节分散的数据，展开格式转换及管理。

工业大数据并不直接作用于企业经营环节，而是需通过一系列转换处理，辅助生产管理重大事项决策，使企业始终处于稳定发展状态[1]。智能制造环节涉及大量智能化生产设施，智能设备的自动识别及判断能力都可实时采集数据，但现有数据分析效果不佳，利用价值难以被充分发挥出来，数据利用水平有待提升，需做好工业大数据分析工作。

工业大数据可将各类信息不同的形式传递给制造企业，将价值信息与企业生产管理理念结合在一起，实现生产全过程、全时段监管目标。

1.2 工业大数据应用现状

国内智能制造业中的工业大数据应用时间较短，积累经验不足，依然存在以下问题有待解决。

1.2.1 核心价值挖掘问题。关于挖掘大数据价值的核心技术缺失，大部分制造企业尚未建立起能够自我感知、自我记忆的数据采集感应系统，复杂数据处理效果不佳，大数据中的价值难以被充分挖掘。

1.2.2 内外数据整合问题。现有工业大数据来源于内部业务、客户数据、管理平台等，仅有小部分数据与外部互联网及其他行业企业连接，内外融合互动的数据采集及处理模式尚未形成，导致工业大数据应用水平始终处于有待提升阶段。

1.2.3 数据集成应用问题。智能制造业中的工业大数据集成工作需将各业务协同在一起。但因企业内部的互通度不足，如缺少互联网数据报告，采集及处理的形式较为单一，难以充分发挥出工业大数据技术的积极作用。不仅如此，智能制造环节各部门数据支撑难度进一步提升，对应用场景复杂多变，导致产品质量问题难以得到及时解决，对生产经济效益造成不利影响。

1.2.4 数据加工服务问题。不同智能制造环境、制造流程涉及的数据采集、处理、挖掘等环节差异较大，早期工业大数据需要结合不同企业设计并改造数据应用系统，对工业大数据加工服务的要求更高。

1.2.5 大数据专业人才缺失。在智能制造业中应用工业大数据，还需要依托高素质专业人才。但就目前来看，大部分技术人员没有充分掌握工业大数据分析工具及方式，难以实现智能制造转型，为客户提供创造价值的服务。

2 工业大数据与智能制造的内在关联

随着社会经济逐步趋向于新常态化发展，制造领域竞争压力进一步提升。未来智能制造将更加依赖于先进生产设施，需企业做好产品设计研发与推广工作[2]。因智能制造各环节都会产生大量数据，对数据采集、分析、处理的要求更高，需应用大数据来挖掘内部价值，制定适宜的数据处理方式。

大数据技术推动了制造业智能化发展进程，通过对工业数据进行采集、整合、处理、深入挖掘，可以将物理空间及信息空间结合在一起，从生产型制造转向服务型制造。工业大数据技术在智能制造中的应用领域逐步扩大，智能化设计、智能化服务、网络协同制造等环节中的价值更加突出。

3 工业大数据在智能制造中的应用价值

3.1 推动产品创新

在智能制造环节使用传感器模块，能够结合用户需求，整合各类数据，对数据进行统一采集、存储与分析。为提升制造企业综合竞争能力，还需对企业数据进行深入挖掘，完善产品特征与功能，帮助企业构建更加科学合理的商业模式，提升生产全过程综合效益。

3.2 管控制造全过程

相较于其他大数据而言，工业大数据主要来源于工业生产全过程，通过全面采集及利用大数据，也能够加强生产管控力度，优化智能化生产制造及业务管理等环节。在生产定期分析期间使用生产过程及初始计划内容，分析与修改数据结果，可优化生产流程，控制生产环节的资源消耗量，为企业带来更多经济效益，增强产品质量水平。

借助工业大数据，可收集与生产相关的各类参数，包括温度、热能、振动等，进一步优化生产期间的各项流程。利用大数据对设备进行诊断，以降低能源消耗量为目标，提升产品质量及效率，保障生产管理工作的实时性、透明性。

3.3 规避生产风险

在智能制造环节，各制造流程都会受到环境因素、管理因素、人为因素影响出现各类风险问题。在制造企业经营环节，应在完善企业管理缺陷的基础上，引进先进生产设施，加强生产设施管控水平[3]。配合使用工业大数据技术能够充分了解企业生产团队情况，监管零部件磨损程度，发现存在于生产环节的各类不确定因素，规避生产期间的风险问题。

3.4 提升经营水平

在智能行业智能化发展环节还是要开展市场调研工作，使用发放问卷等方式，了解消费者生活习惯及对产品功能的需求。传统信息采集多以人工为主，需要消耗大量的人力、物力资源，统计数据的局限性较大，难以为明确制造业经营目标提供充足理论依据。为加强企业及客户的黏结度，通过使用工业大数据，能够为用户提供更多个性化服务，灵活调整产品结构，增强制造企业经营水平。

工业大数据可实现产品智能优化及完善目标，增强制造业产品总体制造水平。优化制造全过程信息，系统收集及处理企业综合素质，增强数据应用水平。对比分析数据预测标准，对数据进行不断更新及完善，提高数据利用率[4]。未来智能化制造业发展速度不断加快，需要提供更多技术创新及个性化元素，创新产品及服务事项，建立融合、销售、服务等三位一体的企业发展新模式。

3.5 实现跨界融合

工业大数据技术的应用也可推动制造企业跨界融合，建立智能制造行业共赢生态圈。将工业大数据体现在工业企业上下游、多领域中，例如将汽车行业及互联网行业结合在一起，形成汽车工业大数据，调整并促进汽车制造业发展，增强各领域的正向聚合效应，增强工业生产水平。

4 工业大数据在智能制造中的应用趋势

4.1 销售数据发展

工业大数据是我国智能制造行业重要发展趋势，在制造业销售环节也需要将大数据技术作为重要技术支撑，充分挖掘、收集收集过的数据，形成有效宣传报告。工业大数据在智能制造业销售中的数据行为主要表现在多个方面。

在智能制造中应用工业大数据技术，可充分了解各用户习惯，完善智能化制造产品，确保生产出的产品能够更好满足不同用户需求。

借助大数据技术还可以开展专项营销工作，弥补传统数据营销环节存在问题，从根本上提升数据应用精准度。借助数据分析工作，驱动各类数据，提升企业影响力。

工业大数据也可以帮助企业选择重点客户，应用大数据分析增强客户的习惯及喜好，充分掌握客户信息，为企业获得更多经济效益，促进企业稳步发展。

将工业大数据应用在智能制造行业中，也可帮助企业明确品牌发展方向，借助口碑分析、产品属性分类等方式，了解用户对企业的态度。结合用户需求，了解智能化市场发展方向，提高制造全过程生产要点，保障市场开发水平。

4.2 数据预测模型建立

工业大数据也可在智能制造领域中充分发挥出实时管控作用，借助大数据建立预测模型，对未来一段时间内的信息展开预测，制造业符合市场发展及需求[5]。同时，制造业开展数据分析工作，也能够及时了解数据变化规律，明确智能制造特定因素，完成智能制造预测。现阶段数据预测的准备性不足，应基于企业自身发展需求，发挥出工业大数据的预测分析作用，为智能制造行业发展奠定坚实基础。

4.3 完善数据可视化系统

当前工业大数据在智能制造中的应用范围日渐扩大，但面对制造业快速发展以及转型工作，数据利用以及可视化系统仍然需要进一步完善。针对大数据可视化的表现维度，可以将大数据以及大数据可视化软件融为一体，更好提取兴趣点以及多维数据。

可视化分析是当前交叉研究领域的重要典范，具体可以采用人机交互、数据分析以及可视化分析。借助数据变换手段、相应算法以及可视方式，加强制造全过程管控力度，在生产环节的隐患问题也可结合信息内容实时反馈，为后续事项决策提供参考，将事后管理工作朝向事前管理方向转变。

数据可视化技术手段也可构建生产模型及协调模型。在大数据可视化环节，同一智能化制造环节的产品生产特征与生产要求不同，需按规定做好可视化分析操作，借助大数据可视化系统的数据处理结果调整执行机构，将操作意图反馈给控制系统，增强生产全过程管控水平[6]。

现有工业大数据技术日渐成熟，被广泛应用在智能制造全过程中。因智能制造行业发展速度进一步加快，处于关键转型时期，需对工业大数据理念以及应用系统进行不断优化。结合工业大数据应用现状，使用专业大数据可视化软件提取兴趣点以及多维数据，增强工业大数据技术中的实际应用效果。

4.4 加强工业大数据管控力度

针对存在智能制造业中工业大数据的应用问题，加强工业大数据管控力度。一方面，做好政策引导工作，实现数据高效整合及集成目标。推动“两化”深度融合，引导企业构建 内部数据管理平台，加快内部数据整合及集成，为从根本上提升工业大数据应用水平奠定坚实基础。建立工业大数据统筹发展部门，开展数据标准制定、培训及公共服务。

另一方面，做好财务金融、投融资政策扶持工作，进一步增强制造企业应用工业大数据的积极性。建立工业大数据发展专项资金，发挥工业大数据政策放大作用，引导社会资本加入到工业大数据系统研发及推广活动中。使用适宜的企业研发费用计核方式，评估工业大数据技术应用经济效益。

同时，在使用工业大数据技术过程中还需要建立健全全方位推广制度，实施特色大数据应用试点，定期举办关于工业大数据的优秀项目成果。组织工业大数据国内外交流活动，打破不同企业贸易壁垒，实现数据共享及跨序融合目标。

5 结束语

总而言之，因智能制造涉及的工艺流程、管控体系较为复杂，应在智能制造过程中加强关于工业大数据技术的理论及实践研究力度，做好大数据技术的推广工作。结合数据特有应用语境以及含义，充分挖掘大数据利用价值，配合更加成熟的业务语义模型，辅助工业大数据技术应用，确保工业大数据能够在提升智能制造经济效益、安全效益中发挥出重要作用。