我個人經過近幾年與客戶交流和參與各種研討活動， “大資料”的熱度逐年攀升。 那對於製造企業來說， 大資料， 到底怎麼應用， 目前也是眾說紛紜。 今天利用這篇文章， 來說說我的見解。
“德國工業4.0”中明確表示“工業4.0就是大資料驅動的智慧製造， 所有的生產裝備、感知設備、聯網終端， 包括生產者本身都在源源不斷地產生資料， 這些資料將會滲透到企業運營、價值鏈乃至產品的整個生命週期”。 在《中國製造2025》中也提到了“工業企業中生產線處於高速運轉， 由工業設備所產生、採集和處理的資料量遠大於企業中電腦和人工產生的資料，
可是， 對於製造企業來說， 商業運作與製造運營之間的資料應用現狀就形成了非常鮮明的對比。 甚至， 概念增多之後， 大家對於“大資料”的理解也不盡相同。 將“大資料”簡單的理解為“規模大”的資料， 這是片面的。 規模大， 是資料處理規模從TB級增長到EB級。 另外， 還包括對於資料處理的速度， 即時性要求在幾秒甚至幾毫秒內。
目前， 製造企業中有20%左右的結構化資料， 80%的非結構化資料。 如果沒有應用相關的資訊系統， 可能非結構化的資料比例會更高。 這也就成為了製造企業應用大資料最困難的或者最不容易突破的核心。 接下來， 我結合艾普工華自2012年發佈UniMax PCT產品以來的應用場景， 結合產品生命週期總結分享一下的大資料在製造企業中的核心應用， 也就是“工業大資料”的6個應用場景：
1、智慧產品遠端監控及故障預警診斷
在智慧製造體系中， 智慧產品是企業往服務型製造轉型的利器。 也同樣是為企業在現有體制內創造新的價值和新的商業模式的途徑。 智慧產品的遠端監控實現途徑主要是安裝專用感測器，
智慧產品的故障預警機診斷主要是通過產品出現故障時的工況資料， 對故障進行診斷分析， 結合故障知識庫， 同步更新診斷意見。 對故障過程進行快速的反應， 幫助用戶及時解決問題， 提高售後服務的品質。 目前在市場上的故障診斷， 大部分還僅能夠實現某個具體問題的預判和處理， 還不能自主的學習故障處理模式。 隨著大資料的收集和知識庫的積累， 逐漸會提高故障預警和診斷的準確率和及時率。
2、生產運營狀態監控
在工業企業產業鏈的各個環節， 將條碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAX、MES等技術在工業企業中得到廣泛應用，
通過生產運營狀態的監控， 實現整個企業製造過程的透明化， 管理者可以得到正確的資訊進而對所有制造資源進行全域性的有效評估。 例如：已銷售的產品可以通過主動性的適時維護得到經濟有效的管理。 可以結合智慧產品的遠端整體性的運行資訊， 形成製造和應用閉環的全生命週期重新設計優化， 進而使下一代運行系統得到改進。
3、優化零件庫存和可用性
通過分析車間某段時間的生產訂單資料和零件庫存的關係資料，分析預測訂單的需求量，減少關鍵零部件的非法轉移次數，提高庫存的控制力。結合供應鏈的配送資料，實現供應鏈的優化和分析，進而優化企業零部件庫存的成本佔用情況和可用性。
需求管理：在大資料背景下，需求預測成為大的核心。通過大資料來做需求預測，能做到自動補貨、自動調撥、整體庫存分析、備貨等，做到在生產排產之前，供應商就將零件送至舉例客戶最近的中轉庫。
產品預測：通過大資料來確定：在某時段，某地區，使用者購買的產品類型、數量等。
庫存補貨：經過大資料分析，匹配補貨的階段和時間，保證庫存在一個合理的範圍內。
健康庫存模擬與預測：模擬未來某一個時間點，提前做好採購、備貨、周轉和退貨事務。
4、製造資源壽命最大化
製造資源的使用壽命監控，經過資料分析，對製造資源的維修、保養、維護進行及時預警，分析加工產品的製造資源的優質供應商、材質、採購週期等，從製造資源的設計、採購和使用全生命週期提高製造資源的壽命。例如：車間加工設備在使用環節，通過MES監控設備的主軸電流，經過大資料監控與對比，即時監測刀具破損情況，並及時報警停機，提升製造良率，消除機床空運轉時間，優化刀具的使用次數。
5、最優化產品品質
及時收集車間生產產品過程中的生產資料和質量數據，通過對採集到的“大資料”進行科學分析，全面掌握所有產品中普遍存在的品質問題，使企業能夠對症下藥，徹底將其根治，提高產品品質。
大資料分析對整個生產運營的快速回饋控制將為企業提供端到端的視覺化和可操作視角，有利於提升准入市場的產品的整體水準，從而減少大規模產品的召回事件。
例如：產品在經過測試環節後，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的資料集。按照品質管制的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試專案分別進行一次過程能力分析。利用大資料品質管理分析平臺，集中得到很多精確的品質故障原因分析結果，定點解決。
6、提升工藝研發品質
對新產品的研發和工藝設計，經過大資料分析，及時發現產品設計的不合理點和缺陷，及時修正，提高工藝研發的品質和效率。例如：基於刀具公差和材料尺寸公差等大資料的累積集成，提升產品開發水準，產品品質，減少問題重複發生，節省開發成本。基於模具、治具工件尺寸及公差的大資料的累積集成，提升整體工藝研發水平。
艾普工華的UniMax PCT產品通過對生產系統中不同層級間的資料進行縮放支援，對生產運營提供基於WEB的全域視覺化管理手段，為管理者提供準確的決策支援，為操作者提供即時的執行指南。應用行業領先的智慧引擎，結合製造即時狀況與人、機、料、法、環、測等即時資料，發現生產過程趨勢，預測未來的資源利用狀態，並可對可能發生的故障和事故進行預警。無論你是在車間、辦公室、會議室、交通工具上等，均可以通過PC終端或APP終端隨時隨地獲取所需要的即時資料及分析決策資料。面對目前全球供應鏈的閉環應用，UniMax PCT還將氣候、環境、地理、政治等風險資料納入資料漏斗，以支撐全域決策並提前預警。
在接下來的5-10年，逐步將財務、產品、訂單、計畫、庫存、成本等商業大資料與機器設備、製造過程、製造資源、產品使用、物流空間、能源結構等工業大資料充分融合，構建企業級的大資料分析及運營平臺，為企業在接下來的發展中提供有效支撐，以生產製造、資源計畫、供應鏈管理、行銷預測、策略分析、產業供應、決策支援為應用物件，驅動企業創新發展。
3、優化零件庫存和可用性
通過分析車間某段時間的生產訂單資料和零件庫存的關係資料，分析預測訂單的需求量，減少關鍵零部件的非法轉移次數，提高庫存的控制力。結合供應鏈的配送資料，實現供應鏈的優化和分析，進而優化企業零部件庫存的成本佔用情況和可用性。
需求管理：在大資料背景下，需求預測成為大的核心。通過大資料來做需求預測，能做到自動補貨、自動調撥、整體庫存分析、備貨等，做到在生產排產之前，供應商就將零件送至舉例客戶最近的中轉庫。
產品預測：通過大資料來確定：在某時段，某地區，使用者購買的產品類型、數量等。
庫存補貨：經過大資料分析，匹配補貨的階段和時間，保證庫存在一個合理的範圍內。
健康庫存模擬與預測：模擬未來某一個時間點，提前做好採購、備貨、周轉和退貨事務。
4、製造資源壽命最大化
製造資源的使用壽命監控，經過資料分析，對製造資源的維修、保養、維護進行及時預警，分析加工產品的製造資源的優質供應商、材質、採購週期等，從製造資源的設計、採購和使用全生命週期提高製造資源的壽命。例如：車間加工設備在使用環節，通過MES監控設備的主軸電流，經過大資料監控與對比，即時監測刀具破損情況，並及時報警停機，提升製造良率，消除機床空運轉時間，優化刀具的使用次數。
5、最優化產品品質
及時收集車間生產產品過程中的生產資料和質量數據，通過對採集到的“大資料”進行科學分析，全面掌握所有產品中普遍存在的品質問題，使企業能夠對症下藥，徹底將其根治，提高產品品質。
大資料分析對整個生產運營的快速回饋控制將為企業提供端到端的視覺化和可操作視角，有利於提升准入市場的產品的整體水準，從而減少大規模產品的召回事件。
例如：產品在經過測試環節後，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的資料集。按照品質管制的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試專案分別進行一次過程能力分析。利用大資料品質管理分析平臺，集中得到很多精確的品質故障原因分析結果，定點解決。
6、提升工藝研發品質
對新產品的研發和工藝設計，經過大資料分析，及時發現產品設計的不合理點和缺陷，及時修正，提高工藝研發的品質和效率。例如：基於刀具公差和材料尺寸公差等大資料的累積集成，提升產品開發水準，產品品質，減少問題重複發生，節省開發成本。基於模具、治具工件尺寸及公差的大資料的累積集成，提升整體工藝研發水平。
艾普工華的UniMax PCT產品通過對生產系統中不同層級間的資料進行縮放支援，對生產運營提供基於WEB的全域視覺化管理手段，為管理者提供準確的決策支援，為操作者提供即時的執行指南。應用行業領先的智慧引擎，結合製造即時狀況與人、機、料、法、環、測等即時資料，發現生產過程趨勢，預測未來的資源利用狀態，並可對可能發生的故障和事故進行預警。無論你是在車間、辦公室、會議室、交通工具上等，均可以通過PC終端或APP終端隨時隨地獲取所需要的即時資料及分析決策資料。面對目前全球供應鏈的閉環應用，UniMax PCT還將氣候、環境、地理、政治等風險資料納入資料漏斗，以支撐全域決策並提前預警。
在接下來的5-10年，逐步將財務、產品、訂單、計畫、庫存、成本等商業大資料與機器設備、製造過程、製造資源、產品使用、物流空間、能源結構等工業大資料充分融合，構建企業級的大資料分析及運營平臺，為企業在接下來的發展中提供有效支撐，以生產製造、資源計畫、供應鏈管理、行銷預測、策略分析、產業供應、決策支援為應用物件，驅動企業創新發展。