工業大數據在智能制造中的應用價值研究

毛文章

安徽天康（集團）股份有限公司 安徽 天長 239300

引言

傳統制造工作存在數據不足、過于依賴制造人員個人經驗、制造效果與實際預期目標存在一定差距等問題。因技術體系缺乏真實數據支撐，導致后續制造過程中存在較大出入。工業大數據主要就是利用智能信息技術產生全面精準數據，通過在制造流程優化及制造管控環節使用大數據，能夠進一步增強制造水平，控制智能制造成本。工業大數據手段也能夠從根本上提升各類資源利用率，確保工業生產全過程均處于智能化管控范圍。

1 工業大數據理論研究

1.1 工業大數據概念

大數據是海量數據集合體，具有種類多、容量大、存儲率高等特征，現已成為最新信息技術及服務業態，在實際生產環節負責數據采集、存儲、傳輸、價值挖掘等。工業大數據是大數據技術的重要組成部分，主要就是針對工業生產環節分散的數據，展開格式轉換及管理。

工業大數據并不直接作用于企業經營環節，而是需通過一系列轉換處理，輔助生產管理重大事項決策，使企業始終處于穩定發展狀態[1]。智能制造環節涉及大量智能化生產設施，智能設備的自動識別及判斷能力都可實時采集數據，但現有數據分析效果不佳，利用價值難以被充分發揮出來，數據利用水平有待提升，需做好工業大數據分析工作。

工業大數據可將各類信息不同的形式傳遞給制造企業，將價值信息與企業生產管理理念結合在一起，實現生產全過程、全時段監管目標。

1.2 工業大數據應用現狀

國內智能制造業中的工業大數據應用時間較短，積累經驗不足，依然存在以下問題有待解決。

1.2.1 核心價值挖掘問題。關于挖掘大數據價值的核心技術缺失，大部分制造企業尚未建立起能夠自我感知、自我記憶的數據采集感應系統，復雜數據處理效果不佳，大數據中的價值難以被充分挖掘。

1.2.2 內外數據整合問題。現有工業大數據來源于內部業務、客戶數據、管理平臺等，僅有小部分數據與外部互聯網及其他行業企業連接，內外融合互動的數據采集及處理模式尚未形成，導致工業大數據應用水平始終處于有待提升階段。

1.2.3 數據集成應用問題。智能制造業中的工業大數據集成工作需將各業務協同在一起。但因企業內部的互通度不足，如缺少互聯網數據報告，采集及處理的形式較為單一，難以充分發揮出工業大數據技術的積極作用。不僅如此，智能制造環節各部門數據支撐難度進一步提升，對應用場景復雜多變，導致產品質量問題難以得到及時解決，對生產經濟效益造成不利影響。

1.2.4 數據加工服務問題。不同智能制造環境、制造流程涉及的數據采集、處理、挖掘等環節差異較大，早期工業大數據需要結合不同企業設計并改造數據應用系統，對工業大數據加工服務的要求更高。

1.2.5 大數據專業人才缺失。在智能制造業中應用工業大數據，還需要依托高素質專業人才。但就目前來看，大部分技術人員沒有充分掌握工業大數據分析工具及方式，難以實現智能制造轉型，為客戶提供創造價值的服務。

2 工業大數據與智能制造的內在關聯

隨著社會經濟逐步趨向于新常態化發展，制造領域競爭壓力進一步提升。未來智能制造將更加依賴于先進生產設施，需企業做好產品設計研發與推廣工作[2]。因智能制造各環節都會產生大量數據，對數據采集、分析、處理的要求更高，需應用大數據來挖掘內部價值，制定適宜的數據處理方式。

大數據技術推動了制造業智能化發展進程，通過對工業數據進行采集、整合、處理、深入挖掘，可以將物理空間及信息空間結合在一起，從生產型制造轉向服務型制造。工業大數據技術在智能制造中的應用領域逐步擴大，智能化設計、智能化服務、網絡協同制造等環節中的價值更加突出。

3 工業大數據在智能制造中的應用價值

3.1 推動產品創新

在智能制造環節使用傳感器模塊，能夠結合用戶需求，整合各類數據，對數據進行統一采集、存儲與分析。為提升制造企業綜合競爭能力，還需對企業數據進行深入挖掘，完善產品特征與功能，幫助企業構建更加科學合理的商業模式，提升生產全過程綜合效益。

3.2 管控制造全過程

相較于其他大數據而言，工業大數據主要來源于工業生產全過程，通過全面采集及利用大數據，也能夠加強生產管控力度，優化智能化生產制造及業務管理等環節。在生產定期分析期間使用生產過程及初始計劃內容，分析與修改數據結果，可優化生產流程，控制生產環節的資源消耗量，為企業帶來更多經濟效益，增強產品質量水平。

借助工業大數據，可收集與生產相關的各類參數，包括溫度、熱能、振動等，進一步優化生產期間的各項流程。利用大數據對設備進行診斷，以降低能源消耗量為目標，提升產品質量及效率，保障生產管理工作的實時性、透明性。

3.3 規避生產風險

在智能制造環節，各制造流程都會受到環境因素、管理因素、人為因素影響出現各類風險問題。在制造企業經營環節，應在完善企業管理缺陷的基礎上，引進先進生產設施，加強生產設施管控水平[3]。配合使用工業大數據技術能夠充分了解企業生產團隊情況，監管零部件磨損程度，發現存在于生產環節的各類不確定因素，規避生產期間的風險問題。

3.4 提升經營水平

在智能行業智能化發展環節還是要開展市場調研工作，使用發放問卷等方式，了解消費者生活習慣及對產品功能的需求。傳統信息采集多以人工為主，需要消耗大量的人力、物力資源，統計數據的局限性較大，難以為明確制造業經營目標提供充足理論依據。為加強企業及客戶的黏結度，通過使用工業大數據，能夠為用戶提供更多個性化服務，靈活調整產品結構，增強制造企業經營水平。

工業大數據可實現產品智能優化及完善目標，增強制造業產品總體制造水平。優化制造全過程信息，系統收集及處理企業綜合素質，增強數據應用水平。對比分析數據預測標準，對數據進行不斷更新及完善，提高數據利用率[4]。未來智能化制造業發展速度不斷加快，需要提供更多技術創新及個性化元素，創新產品及服務事項，建立融合、銷售、服務等三位一體的企業發展新模式。

3.5 實現跨界融合

工業大數據技術的應用也可推動制造企業跨界融合，建立智能制造行業共贏生態圈。將工業大數據體現在工業企業上下游、多領域中，例如將汽車行業及互聯網行業結合在一起，形成汽車工業大數據，調整并促進汽車制造業發展，增強各領域的正向聚合效應，增強工業生產水平。

4 工業大數據在智能制造中的應用趨勢

4.1 銷售數據發展

工業大數據是我國智能制造行業重要發展趨勢，在制造業銷售環節也需要將大數據技術作為重要技術支撐，充分挖掘、收集收集過的數據，形成有效宣傳報告。工業大數據在智能制造業銷售中的數據行為主要表現在多個方面。

在智能制造中應用工業大數據技術，可充分了解各用戶習慣，完善智能化制造產品，確保生產出的產品能夠更好滿足不同用戶需求。

借助大數據技術還可以開展專項營銷工作，彌補傳統數據營銷環節存在問題，從根本上提升數據應用精準度。借助數據分析工作，驅動各類數據，提升企業影響力。

工業大數據也可以幫助企業選擇重點客戶，應用大數據分析增強客戶的習慣及喜好，充分掌握客戶信息，為企業獲得更多經濟效益，促進企業穩步發展。

將工業大數據應用在智能制造行業中，也可幫助企業明確品牌發展方向，借助口碑分析、產品屬性分類等方式，了解用戶對企業的態度。結合用戶需求，了解智能化市場發展方向，提高制造全過程生產要點，保障市場開發水平。

4.2 數據預測模型建立

工業大數據也可在智能制造領域中充分發揮出實時管控作用，借助大數據建立預測模型，對未來一段時間內的信息展開預測，制造業符合市場發展及需求[5]。同時，制造業開展數據分析工作，也能夠及時了解數據變化規律，明確智能制造特定因素，完成智能制造預測。現階段數據預測的準備性不足，應基于企業自身發展需求，發揮出工業大數據的預測分析作用，為智能制造行業發展奠定堅實基礎。

4.3 完善數據可視化系統

當前工業大數據在智能制造中的應用范圍日漸擴大，但面對制造業快速發展以及轉型工作，數據利用以及可視化系統仍然需要進一步完善。針對大數據可視化的表現維度，可以將大數據以及大數據可視化軟件融為一體，更好提取興趣點以及多維數據。

可視化分析是當前交叉研究領域的重要典范，具體可以采用人機交互、數據分析以及可視化分析。借助數據變換手段、相應算法以及可視方式，加強制造全過程管控力度，在生產環節的隱患問題也可結合信息內容實時反饋，為后續事項決策提供參考，將事后管理工作朝向事前管理方向轉變。

數據可視化技術手段也可構建生產模型及協調模型。在大數據可視化環節，同一智能化制造環節的產品生產特征與生產要求不同，需按規定做好可視化分析操作，借助大數據可視化系統的數據處理結果調整執行機構，將操作意圖反饋給控制系統，增強生產全過程管控水平[6]。

現有工業大數據技術日漸成熟，被廣泛應用在智能制造全過程中。因智能制造行業發展速度進一步加快，處于關鍵轉型時期，需對工業大數據理念以及應用系統進行不斷優化。結合工業大數據應用現狀，使用專業大數據可視化軟件提取興趣點以及多維數據，增強工業大數據技術中的實際應用效果。

4.4 加強工業大數據管控力度

針對存在智能制造業中工業大數據的應用問題，加強工業大數據管控力度。一方面，做好政策引導工作，實現數據高效整合及集成目標。推動“兩化”深度融合，引導企業構建 內部數據管理平臺，加快內部數據整合及集成，為從根本上提升工業大數據應用水平奠定堅實基礎。建立工業大數據統籌發展部門，開展數據標準制定、培訓及公共服務。

另一方面，做好財務金融、投融資政策扶持工作，進一步增強制造企業應用工業大數據的積極性。建立工業大數據發展專項資金，發揮工業大數據政策放大作用，引導社會資本加入到工業大數據系統研發及推廣活動中。使用適宜的企業研發費用計核方式，評估工業大數據技術應用經濟效益。

同時，在使用工業大數據技術過程中還需要建立健全全方位推廣制度，實施特色大數據應用試點，定期舉辦關于工業大數據的優秀項目成果。組織工業大數據國內外交流活動，打破不同企業貿易壁壘，實現數據共享及跨序融合目標。

5 結束語

總而言之，因智能制造涉及的工藝流程、管控體系較為復雜，應在智能制造過程中加強關于工業大數據技術的理論及實踐研究力度，做好大數據技術的推廣工作。結合數據特有應用語境以及含義，充分挖掘大數據利用價值，配合更加成熟的業務語義模型，輔助工業大數據技術應用，確保工業大數據能夠在提升智能制造經濟效益、安全效益中發揮出重要作用。