大数据对我国制造业Word下载.docx

大数据对我国制造业Word下载.docx

《大数据对我国制造业Word下载.docx》由会员分享，可在线阅读，更多相关《大数据对我国制造业Word下载.docx（7页珍藏版）》请在冰豆网上搜索。

因此，越来越多的企业开始重视大数据战略布局，并重新定义企业的核心竞争力，乃至改变整个企业的发展方向。

我们必须把建设制造强国与发展大数据紧密结合起来，推动制造模式变革和制造业转型升级。

关键词：

制造强国；

数据采集终端；

销售服务；

模式变革；

信息技术；

一、引言

目前，物联网、互联网、云计算等概念成为整个社会的关注焦点。

之所以这些概念在最近几年集中爆发，正是由于ICT技术经历了几十年的积累后面临着质变的突破。

RFID、传感器等数据识别、采集技术的发展给数据来源带来无限可能；

云计算的发展大大提升了数据存储和处理的能力，摆脱了摩尔定律的影响，并大大降低了数据处理的成本；

移动通信技术从2G时代已经快速进入4G时代，在不远的将来5G也将普及，移动数据传输速度从KB级别提升至几十M乃至上百M，获取数据的空间限制被打破，理论上随时随地都可以获取数据。

与技术的迅猛发展相比，技术在社会生活中的应用相对滞后，在制造业的应用更是如此。

在新的概念和技术逐步得到国内制造企业认可的同时，如何利用这些技术服务于企业自身的发展是目前国内制造企业关注的焦点。

传统观念上，制造业是信息化建设的核心力量，但不是新的信息技术的引领者，换言之，新的信息技术的使用对制造企业的战略影响不是决定性的。

这种状况在逐渐改变。

与领先的制造业老牌强国对比不难发现，德国的“工业4.0”，美国的回归制造，无不把制造业提升到了国家战略的高度，而且把互联网、物联网等先进技术与制造业的融合作为了制造业升级的重点。

作为国内的制造企业来讲，信息化水平发展并不平衡，一些企业已经步入世界领先的水平，也有大量的企业特别是民营企业还处在作坊式的生产阶段。

在过去十多年的ERP实施浪潮过后，面对制造业转型升级的契机，需要重新审视企业的信息化建设，从而为转型升级提供支撑。

二、正文

（一）制造业的大数据思维

提到“大数据”的概念，大多数人想到的是数据量的大，想到的大数据应用，也多是阿里巴巴、亚马逊等这些互联网企业和金融行业，制造业在数据量方面离这样的数据量级还有很大的差距，那是不是“大数据”离制造业很遥远呢？

答案是否定的。

维克托•迈尔•舍恩伯格在《大数据时代》指出，当我们用大数据的思维分析一个问题是，一个主要的特点是采用的数据样本不是抽取部分而是全部数据。

当然，在多数情况下，这个“全部数据”只能是理论上的无限接近,数据采集、存储、分析技术的发展给获得全部数据成为可能。

在传统的信息化实施过程中，同样把数据的准确性和完整性作为重点，那么，从传统的信息化建设到“大数据”时代的跨越，我们需要从哪几方面进行思想上的转变呢？

首先，对数据的重视要上升到新的高度。

在旧的观念中，数据质量一般会作为信息系统实施成功的关键，而在将来的企业管理中，数据会上升到企业战略的高度。

数据不仅仅是服务于信息系统，而是要直接服务于企业的运营和决策。

最近几年，有人提出了“数据资产”的概念，意在强调数据在未来企业管理中的作用。

作为制造企业来讲，要尽快对数据管理重视起来。

其次，要对数据的范围进行重新的定义。

在传统的企业信息化定义中，会把企业自身作为一个系统进行分析，一般将信息系统分为辅助决策系统、管理信息系统和底层的执行控制系统。

在将来的信息化建设中，不仅要把原有系统数据进行整合，更要把数据的收集范围进一步扩大到整个供应链、行业及相关行业、社会环境等各个方面，将更多的数据纳入进来分析，才能为管理人员决策提供更有效地支持。

第三，要围绕企业的价值流程建立数据存储、分析的方法和体系。

在面对庞杂的数据时，数据的组织需要有一条主线，这条主线就是企业的价值流程。

（二）大数据对我国制造业的推动

1、大数据为建设制造强国提供机遇

大数据成为国家竞争力的战略制高点。

当前，全球正处于新一轮科技革命和产业变革之中，通过对互联网、物联网等新一代信息技术所产生的海量数据进行分析，能够总结经验、发现规律、预测趋势、辅助决策，拓展人类认识世界和改造世界的能力，给人类经济社会创新发展提供强大引擎。

大数据为制造业转型升级开辟了新途径。

处于数据爆炸的时代，制造企业获取、管理和利用到的数据量越来越大、种类越来越多，若能对数据进行科学的采集、组织、分析与利用，为产品全生命周期和企业生产经营各环节提供有价值的决策参考，就能提高生产率、利润率和企业综合发展水平。

我国具备发展制造业大数据的比较优势。

我国制造业规模位居全球第一，规模以上制造企业数量众多，信息化发展水平日益提高，每时每刻产生大量制造数据，应用场景丰富，发展空间广大。

为加快制造强国建设步伐，近年来国务院先后出台了《中国制造2025》《国务院关于积极推进“互联网+”行动的指导意见》《促进大数据发展行动纲要》等政策文件，也为制造业大数据发展创造了良好的发展环境。

2、大数据推动制造业全面转型升级

大数据精准响应用户需求，提高制造业研发设计水平。

在研发设计过程中应用大数据，能够推动打造集成创新平台，广泛收集和深入挖掘消费者的使用行为数据与意见反馈信息，更准确地掌握海量消费者的使用喜好，并借由众创、众包等方式，将消费者带入到产品的需求分析和研发设计等创新活动中，推动产品设计方案的持续改进。

大数据实现业务场景交互，推动生产制造智能化升级。

如果说传统的自动化、数字化、网络化给生产制造提供了“肢体”“感官”和“神经”，大数据的应用则给生产制造配上了“大脑”，使之能灵活应对各种业务场景，实现真正的智能。

通过整合、分析制造设备数据、产品数据、订单数据以及生产过程中产生的数据，能够使生产控制更加及时准确，生产制造的协同度和柔性化水平显著增强。

大数据辅助企业科学决策，增强制造业经营管理能力。

大数据的应用，能够推动跨行业、跨区域创新组织的建立和协同设计、电子商务、众包众创等新模式的发展，增强制造企业的经营管理能力。

大数据支撑生产型服务发展，加快制造业服务化进程。

大数据加速制造业服务化转型主要有3个方向：

一是使企业业务从产品生产销售，向生产型服务领域延伸；

二是使企业发展模式从围绕产品生产销售提供售后服务，转为围绕提供持续服务进行产品设计；

三是使企业的主要利润来源从产品制造与销售环节，转为售后的生产型服务环节。

大数据与传统业务加速融合，催生新产品新服务新业态。

我国拥有全球最大的消费市场和最多样的消费需求，将大数据融入到可穿戴设备、家居产品、汽车产品的功能开发中，能够推动技术产品的跨越式创新，形成智能可穿戴设备、智能家居、智能网联汽车等制造业发展新领域，有助于抢占制造业新的增长点和制高点。

3、促进大数据与制造业融合发展

当前和今后一个时期，推动大数据与制造业深度融合发展，要在以下几方面下功夫。

健全工业信息基础设施。

加快建立容量更大、服务质量更可靠的工业宽带网络，加强制造业领域无线宽带网络规划布局，部署面向智能制造单元、智能工厂及物联网应用的低延时、高可靠的工业互联网。

发挥互联网企业、工业软件企业优势，引导其与制造企业紧密融合，实现数据的统一采集、管理和高效处理。

建设制造业数据资源。

推进传感器等数据采集终端的大规模应用，多渠道、多层面采集获取数据。

引导和支持骨干企业、行业组织建设低成本、高效率的制造业大数据存储中心和分析中心，汇聚形成系统、全面、及时、高质量的数据资源。

完善制造业数据资源建设相关体制机制，创新政策激励手段，形成各方面积极参与、互利共赢的数据资源建设生态。

突破制造业大数据核心技术。

开放自主可控的制造业大数据平台软件和重点领域、重点业务环节应用软件，支持创新型中小企业开发专业化的制造行业数据处理分析技术和工具，提供特色化的数据服务。

推动多学科交叉融合，开展制造业大数据分析关键算法和关键技术研究。

提升大数据分析应用能力。

建设一批高质量的制造业大数据服务平台，推动软件与服务、设计与制造资源、关键技术与标准的开放共享，增强制造业大数据应用能力。

提高数据安全保障能力。

研究制定面向制造业领域信息采集和管控、敏感数据管理等方面的大数据安全保障制度建设。

研究制定数据分级标准，推动数据保护、个人隐私、数据资源权益和开发利用等方面的标准化工作和立法工作。

制定出台对制造业数据采集、传输、保存、备份、迁移等的管理规范，有效保障数据全生命周期各阶段、各环节的安全可靠。

培养复合型大数据人才。

支持有条件的高校结合计算机、数学、统计等相关专业优势，设立大数据相关专业。

鼓励高校、科研机构和企业有计划、分层次的引进大数据相关的战略科学家和创新领军人才，依托制造业大数据领域的研发和产业化项目，引进拥有实践经验的大数据管理者、大数据分析员等高端人才。

三、让大数据为企业提供全方位全程服务

在产品的设计中，传统的设计师基于经验灵感和经验，揣度消费者的需求喜好设计产品。

在大数据时代，设计师通过对用户行为和需求大数据进行分析，精准量化客户需求，指导设计过程。

　　在制造阶段，大数据技术可以帮助实现生产过程异常发现、产品质量和生产调度优化等方面。

以生产异常发现为例，传统的基于降维手段的异常发现方法，容易破坏信息完整性，不利于设备异常的发现。

在大数据模式下，基于制造数据的分析对关键参数进行提取，然后通过聚类分析手段发现设备异常模式，在此基础上对设备控制优化。

大数据也能帮助提高产品的质量控制。

SPC控制的是整个过程的单个参数，但是单个参数在正常范围为什么还会出现一些质量问题？

可能每个参数均处于临界状态，综合后会产生一些质量问题，所以在这个过程中，传统就是数据的筛选、参数分析，这个过程介入了人工的分析来进行质量的预测，数据筛选过程淘汰了许多有效的数据资源，参数分析过程经常存在人工经验判断，使得预测模型对整个产品加工过程信息的描述残缺不全，不能发现产品质量问题的深层次原因（如误差累积）。

而在大数据模式下，根据产品的加工工艺过程，对产品质量相关数据按层次进行组织，利用多隐藏层的神经网络深度学习加工过程中产品质量数据的相互作用机理，从而对产品质量问题进行全面、深层次描述。

大数据能提升大规模生产调度的全局性能，大家知道为什么企业生产调度一直会出现问题，我们做的计划赶不上变化。

因为所做的计划，是在一个理想状态下考虑约束做出的。

笔者做生产优化调度长达20多年，一直在寻找一种最优的解决方案，研究智能方法，例如：

遗传算法、蚂蚁算法等。

但随着工艺的复杂、环境的复杂、工艺的规模，整个问题规模越来越大的时候，它已经是一个很难解决的问题。

传统的智能调度方法难以求解大规模的调度问题，基于规则和瓶颈的方法在大规模问题中又很难得到全局优化；

大数据带来了新思路，它采用全局的数据之间的关联关系，从而形成全局的调度方案，能够解决大规模生产中的全局调度问题。

大数据能为产品的运营维护服务，很典型的就是GE的案例，建立一个平台，为航空发动机的监控、运行监测、故障诊断提供一个全方位的服务。

在产品的运行和维护过程中，大数据模式一改传统方法被动的运维模式，通过采集和分析智能设备的传感器数据，进行大数据分析，主动进行产品的安全监测、故障诊断，优化产品的运行过程。

大数据应用过程中需要的是什么？

首先需要的是能够采集到数据，也就是需要产品是一个智能化的产品，所以在智能制造中，首先要有智能化的产品，安装传感器，能够实时地传递数据，为后面的运行、维护服务提供依据。

　　大数据不只是关于数据，而是采用传统及新的分析方法来分析所有数据。

针对大数据分析的结果采取行动来提升业务才是最重要的。

随着大数据技术的不断发展，国内外已对大数据在制造领域中的应用进行了一些开拓性的研究，代表性的有GE工业互联网解决方案、SmartFactory计划、SAPHANA平台和Invensys数据分析平台，并已在农夫山泉、百事饮料等公司应用。

三一重工利用大数据技术通过对地理位置数据的关联分析发现泵车主油缸故障与沿海地区杭深高铁建设的强相关性，确定了沿海地区的盐雾环境和水质是导致油缸密封体腐蚀的主要原因。

日本小松公司通过对挖掘机安装传感器与GPS定位系统，从而实时监控车辆运行情况，并通过大数据分析，对未来挖掘机市场的需求进行预测从而调整生产、对用户的使用习惯进行分析，提出建议，从而降低油耗。

以上一些工业案例成为制造业大数据的先驱，然而，目前绝大多数制造业大数据的应用没能形成系统化的思路和方案，缺乏理论体系的支撑。

针对国内在制造业大数据应用基础研究上的空白，目前，我司围绕车间制造大数据之间的耦合作用机理、车间性能的演化规律、车间运行过程的调控机制三个基础科学问题进行科学研究，来探索大数据在智能制造车间的运行情况。

解决问题的思路是一切都用数据来说话，这是利用大数据来解决工程问题的科学研究思路。

首先是数据化：

将设备状态参数、计划执行情况等运行参数，以及质量、交货期等性能指标数据化；

然后分析这些数据之间的关联关系，用数据挖掘的方法预测交货准时率、产品合格率等车间性能的演化规律；

从演化规律中，发现质量指标中某数据异常，找到影响该异常数据的关键参数，最后对关键数据进行控制，保证交货期和产品质量。

为了实现大数据应用，我们提出了大数据驱动的智慧工厂，它是生产车间、物联网、云端、移动互联的有机融合。

利用物联网技术，使得车间生产过程、物流及之后的销售、服务过程具备感知能力；

全生命周期内产生的各种制造数据保存到云端；

借助大数据处理与分析技术，依托云计算平台，帮助分析数字工厂运行过程，提供决策支持，并通过移动互联方式展现。

目前我们在晶圆制造的车间和发动机装配车间，开展了一系列的工作。

四、总结

当前大数据已经渗透到各个领域，大数据时代下，制造业的形势发生了颠覆性影响，并且这种影响将持续很长一段时间，这为制造业提出了新的要求并赋予了它新的使命。

对于希望使用高级分析法来提高产量的制造商来说，第一个关键步骤就是对现有可用数据进行整理。

很多公司都收集了大量数据，但这些数据往往用于跟踪，并没有成为改善运营操作的基础。

对于这些公司来说，他们的挑战就是对系统和专业技能进行投资，以改善对现有信息的利用。

举例来说，公司可以将多个来源的数据进行集中，或建立索引，这样可以降低数据分析的难度，也可以聘用训练有素的数据分析师，去发现内在模式，对信息进行可供操作的解读。

有些公司的数据太少，对分析师来说没有什么统计学意义。

对于这些公司的高层领导来说，他们需要对系统和运营方法进投资，以便收集更多数据。

他们可以逐渐增加投资。

例如，在一系列活动中，先选择一个特别重要或特别复杂的工艺流程，进行信息采集，然后对这部分工艺流程进行高级分析。

大数据时代才刚刚出现，但是在数学研究和科学应用领域，高级分析的应用已有多年的历史。

高级分析法是提高产出的一个重要工具，对于工艺流程复杂度高、变化大和存在容量限制的制造业来说尤其如此。

事实上，如果可以成功进行定量评估，公司就可以在众多竞争者中脱颖而出。

三、参考文献

［1］孟小峰，慈祥．大数据管理：

概念、技术与挑战[J].计算机研究与发展2013,50

（1）:

146-169.

［2］路甬祥:

制造业的创新与竞争力[J].中国制造业信息化.2003,03

［3］王树华，陈柳：

制造业转型升级中的增量调整和存量调整[J].现代经济探讨2014,6:

38-41

［4］谭勇：

2025的中国将成制造强国[N].河南日报.2014

［5］周桂龙:

制造大国与制造强国并非一步之遥[N].上海科技报.2005

［6］王铁山:

基于大数据的制造业转型升级[N].国安邮电大学学报.2015,05

［7］杨学山:

让工业大数据成为制造业转型升级的助推器[J].中国信息化.2016.8

［8］赵福全:

《中国制造2025》促进汽车产业转型与升级[J].金属加工（冷加工）.2015.23

［9］