制造業(yè)是一個國家綜合國力最重要的表現(xiàn)，在國民經(jīng)濟中占有重要份額，也是決定民眾生活質(zhì)量的重要條件。在經(jīng)歷了21世紀初的互聯(lián)網(wǎng)泡沫和2008年全球經(jīng)濟危機之后，世界各國，尤其是發(fā)達國家都意識到，制造業(yè)是推動科技創(chuàng)新、經(jīng)濟增長和社會穩(wěn)定的重要力量，成為各國發(fā)展和轉(zhuǎn)型的機遇以及形成新競爭力的戰(zhàn)場。

　　美國人之所以認為未來智能工業(yè)的發(fā)展必然從生產(chǎn)制造端轉(zhuǎn)變到消費端，并且提出“工業(yè)互聯(lián)網(wǎng)”的理念與“國家制造業(yè)創(chuàng)新網(wǎng)絡計劃”，是因為互聯(lián)網(wǎng)與商業(yè)模式創(chuàng)新是美國的強項。德國在制造業(yè)的核心優(yōu)勢是裝備制造業(yè)以及生產(chǎn)線自動化，通過配置和自控的優(yōu)化系統(tǒng)使得工業(yè)生產(chǎn)全自動化，所以德國工業(yè)4.0的實踐關注銷售、服務能力的提升。雖然角度不同，無不圍繞著制造業(yè)這個核心展開。

　　中國的制造業(yè)在改革開放30多年來取得了舉世矚目的成就，連續(xù)幾年成為“世界制造力競爭指數(shù)”最強的國家，中國已然成為世界制造業(yè)的新中心。2015年中，國務院印發(fā)《中國制造2025》，部署全面推進實施制造強國戰(zhàn)略。配套“互聯(lián)網(wǎng)+”和“供給側(cè)改革”等多項措施，“智能制造”被定位為中國制造的主攻方向。

　　大數(shù)據(jù)是智能制造核心驅(qū)動力

　　如何實現(xiàn)智能制造? 從哈佛商學院到賓夕法尼亞大學沃頓商學院，有一個普遍的共識，即數(shù)字化轉(zhuǎn)型是智能制造實現(xiàn)的途徑。更為重要的是，這一共識同樣來自眾多的世界級制造業(yè)企業(yè)家們。

　　這一共識是基于無數(shù)技術趨勢的融合。例如物聯(lián)網(wǎng)、信息物理系統(tǒng)技術(CPS)、工業(yè)物聯(lián)網(wǎng)、移動技術、人工智能、云計算、虛擬／增強現(xiàn)實（VR／AR）、大數(shù)據(jù)分析等。我們一定要保持頭腦清醒，不要簡單認為有了這些技術，未來五年就是制造業(yè)的黃金時期，因為新制造業(yè)文化的變革進程是相當復雜、緩慢和艱難的，沒有行業(yè)與企業(yè)與用戶的融合推進，這次變革無法實現(xiàn)。數(shù)字化轉(zhuǎn)型不僅僅意味著企業(yè)簡單的數(shù)字化，而是把數(shù)字作為智能制造的核心驅(qū)動力，需要利用數(shù)據(jù)去整合產(chǎn)業(yè)鏈和價值鏈。

　　在過去的3到5年中，上面列出的技術一直都是熱門商業(yè)話題，單獨使用時，其中每一項都能使商業(yè)中的一些程序或活動實現(xiàn)數(shù)字化。而如果將這些技術融合起來利用，就有可能實現(xiàn)數(shù)字化轉(zhuǎn)型。

　　數(shù)據(jù)基本就是兩類，一類是人類軌跡產(chǎn)生的數(shù)據(jù)，另一類是機器自動產(chǎn)生的數(shù)據(jù)。這兩類數(shù)據(jù)構(gòu)成了我們今天的大數(shù)據(jù)多結(jié)構(gòu)化數(shù)據(jù)源。自工業(yè)革命以來，為了改進運營，制造商一直以來都在有意采集并存儲數(shù)據(jù)。隨著時間的推移，數(shù)據(jù)在制造業(yè)分析的需求將越來越大。然而在過去的250年間，利用數(shù)據(jù)的根本動因并沒有改變，但數(shù)據(jù)的復雜性增強，將數(shù)據(jù)轉(zhuǎn)化為情報的能力將有越來越大的需求。

　　對于數(shù)字化轉(zhuǎn)型的其他方面而言，2012年高德納給出的大數(shù)據(jù)定義里面，特別強調(diào)大數(shù)據(jù)是多樣化信息資產(chǎn)，大數(shù)據(jù)不僅要關注實際數(shù)據(jù)量的多少，而且最重要的是關注大數(shù)據(jù)的處理方法，讓數(shù)據(jù)產(chǎn)生巨大的創(chuàng)新價值。數(shù)據(jù)量大還是量小本身并不是判斷大數(shù)據(jù)價值的核心指標，而數(shù)據(jù)的實時性和多元性應該對大數(shù)據(jù)的定義和價值更具直接的影響。

　　如果不投資大數(shù)據(jù)及大數(shù)據(jù)分析，從中獲得信息，智能制造所追求的卓越運營將功虧一簣。如果通過利用大數(shù)據(jù)、預測性分析及云技術衡量產(chǎn)品性能只為了解客戶需求，這意味著你正在失去數(shù)字化轉(zhuǎn)型最大的價值。在工業(yè)大數(shù)據(jù)的領域里，我們除了要繼續(xù)關心“人為數(shù)據(jù)或與人相關的數(shù)據(jù)”，更多的要關注“機器數(shù)據(jù)或工業(yè)數(shù)據(jù)”與人的行為數(shù)據(jù)的融合。

　　大數(shù)據(jù)以及工業(yè)大數(shù)據(jù)的特性

　　數(shù)據(jù)本身不會為你帶來價值，數(shù)據(jù)的技術也不會讓我們的制造業(yè)更先進，數(shù)據(jù)必須轉(zhuǎn)成信息后才會對產(chǎn)業(yè)產(chǎn)生價值。智能工廠通過與環(huán)境系統(tǒng)的無縫交互，設備能夠有自我意識和自學能力，在未來可以實現(xiàn)更高程度的智能控制和優(yōu)化控制。目前自學設備還遠未達到工業(yè)實施階段。

　　制造業(yè)企業(yè)有著大量的數(shù)據(jù)，從內(nèi)部而言，積累了大量的內(nèi)源數(shù)據(jù)，包括運維、管理、流程、質(zhì)量等。而在互聯(lián)網(wǎng)時代，外源數(shù)據(jù)更多，包括供應商、競爭對手、客戶反饋等等。事實上，制造業(yè)企業(yè)不缺數(shù)據(jù)，問題在于數(shù)據(jù)質(zhì)量低下，采集手段不科學。造成的現(xiàn)象是數(shù)據(jù)豐富但信息貧乏。目前表現(xiàn)出兩大問題：第一是數(shù)據(jù)的有效利用率很低；第二是缺乏分析能力，需要大量的工具。

　　由此可見，推動智能制造的并不是大數(shù)據(jù)本身，而是大數(shù)據(jù)的分析技術。工業(yè)大數(shù)據(jù)給了我們一個看世界的新角度。通過360度全景的數(shù)字視角，可能給我們帶來新的優(yōu)勢，這就是它成為創(chuàng)新驅(qū)動核心動力的來源。

　　在智能制造的工業(yè)大數(shù)據(jù)中，數(shù)據(jù)類型多樣性是大數(shù)據(jù)的重要屬性。大量的數(shù)據(jù)不是大數(shù)據(jù)，單一的數(shù)據(jù)類型也不足以構(gòu)成大數(shù)據(jù)。人們一直設法收集并弄清楚不斷變化的數(shù)據(jù)類型。在制造業(yè)中，大數(shù)據(jù)分析需要利用通用的數(shù)據(jù)模型，將庫存記錄、交易記錄和財務交易記錄等結(jié)構(gòu)性商業(yè)系統(tǒng)數(shù)據(jù)與預警、流程參數(shù)和質(zhì)量事件、社交媒體或其他協(xié)作平臺獲得的文本信息、圖像數(shù)據(jù)、地理或地質(zhì)信息等非結(jié)構(gòu)性操作系統(tǒng)數(shù)據(jù)以及供應商、公共網(wǎng)絡數(shù)據(jù)結(jié)合起來，進而通過先進的分析工具發(fā)現(xiàn)新的洞見。

　　大數(shù)據(jù)與智能制造的關系

　　在工業(yè)大數(shù)據(jù)的實踐中，宏觀與微觀、規(guī)模與定制、個性與共性必然成為主要的幾對矛盾。未來制造業(yè)經(jīng)濟是由企業(yè)流程以及產(chǎn)業(yè)鏈接口能力所決定的，而機器的能力是基礎。

　　制造業(yè)企業(yè)在力求降低生產(chǎn)過程中的浪費，提高制造工業(yè)環(huán)保與安全水平，根據(jù)生產(chǎn)狀況實現(xiàn)系統(tǒng)自我調(diào)整、實現(xiàn)自適應，以及全面服務個性化需求的過程中，都會實時產(chǎn)生大量數(shù)據(jù)。

　　在現(xiàn)代工業(yè)供應鏈中，隨著大數(shù)據(jù)應用的普及，我們可以感受到從采購、生產(chǎn)、物流到銷售市場都是大數(shù)據(jù)的戰(zhàn)場。大數(shù)據(jù)可以幫助我們實現(xiàn)客戶的分析和挖掘，它的應用場景包括了實時核心、交易、服務、后臺服務等。其載體包括手機、傳感器、穿戴設備、3D打印機和平板電腦等。傳感器數(shù)據(jù)屬于工業(yè)大數(shù)據(jù)類別之一，這些機器數(shù)據(jù)可以幫助我們找到已經(jīng)發(fā)生的問題，協(xié)助預測類似問題未來重復發(fā)生的幾率與時間，幫助我們保障生產(chǎn)，滿足法律法規(guī)的要求，提升環(huán)保水平，改善客戶服務。

　　因此，利用大數(shù)據(jù)的工具，通過數(shù)據(jù)分析和挖掘，我們可以了解問題產(chǎn)生的過程、造成的影響和解決的方式，找到創(chuàng)造附加價值的新形式。利用大數(shù)據(jù)的工具和思維，幫助制造業(yè)實現(xiàn)商業(yè)模式的轉(zhuǎn)變，改造和提升客戶體驗，完善內(nèi)部操作流程，或許是最佳途徑之一。

　　推動智能制造的三駕馬車

　　我們要從設備資產(chǎn)智能管理、工業(yè)大數(shù)據(jù)分析以及工業(yè)物聯(lián)網(wǎng)這三駕“馬車”，結(jié)合現(xiàn)代制造業(yè)企業(yè)的下一代企業(yè)架構(gòu)，幫助制造型企業(yè)實現(xiàn)智能制造管理的落地。設備智能管理是智能制造數(shù)據(jù)的核心來源，通過工業(yè)物聯(lián)網(wǎng)的平臺連接了所有人、物與事，然后利用大數(shù)據(jù)工具來分析已知事件，預測問題，挖掘新知識，協(xié)助管理決策等。

　　資產(chǎn)智能管理是一種強大的數(shù)據(jù)來源

　　資產(chǎn)智能管理（AIM）、傳統(tǒng)資產(chǎn)管理（EAM）以及資產(chǎn)性能管理（APM）能夠?qū)崟r產(chǎn)生大量數(shù)據(jù)。資產(chǎn)智能管理無間斷地處理制造各個領域生成的數(shù)據(jù)，包括歷史記錄數(shù)據(jù)以及實時質(zhì)量流程中獲得的時域信息。

　　資產(chǎn)智能管理的數(shù)據(jù)組成部分非常之多，例如，通過震動感應器采集旋轉(zhuǎn)機械的數(shù)據(jù)，地理位置信息記錄了移動資產(chǎn)和資產(chǎn)移動的數(shù)據(jù)，通過位置數(shù)據(jù)和氣候數(shù)據(jù)了解電力傳輸和分配部分或管道的線性資產(chǎn)的實時狀態(tài)，基礎地質(zhì)數(shù)據(jù)協(xié)助確定采礦業(yè)操作條件等。

　　當把所有這些資產(chǎn)設備的數(shù)據(jù)源結(jié)合起來，再利用演繹和預測分析等方法對這些數(shù)字進行分析時，你絕對有機會將智能制造管理提升一個層次。僅僅通過監(jiān)測一定數(shù)量的設備的實際運行時間來安排預防性維護并不足以成為大數(shù)據(jù)手段。當你使用震動分析、熱紅外成像、流程條件數(shù)據(jù)、實時位置信息以及在互聯(lián)網(wǎng)上搜索有關類似設備的失效模式時，才真正涉及到了大數(shù)據(jù)。

　　工業(yè)物聯(lián)網(wǎng)平臺

　　制造業(yè)的大數(shù)據(jù)分析已經(jīng)成為工業(yè)物聯(lián)網(wǎng)的一部分，為企業(yè)傳統(tǒng)供應應用程序的升級和改造提供依據(jù)。工業(yè)物聯(lián)網(wǎng)實現(xiàn)了產(chǎn)品的可溯源，降低了質(zhì)量成本，而且在流程數(shù)字化方面推動了制造業(yè)智能化。

　　構(gòu)成新的工業(yè)物聯(lián)網(wǎng)應用工作區(qū)的將是全新的下一代系統(tǒng)。這些應用程序?qū)⑻钛a傳統(tǒng)架構(gòu)的空白，吸收任何地方的數(shù)據(jù)并將其傳輸?shù)饺魏纹渌胤?，從而幫助進行新的分析以及為新的混合應用程序所用。這些應用程序還可以簡化分析，供車間人員所用，以及/或?qū)⑦@些解決方案與必要的服務和數(shù)據(jù)科學家專業(yè)知識結(jié)合起來。

　　抽樣調(diào)查、確保質(zhì)量是我們在小數(shù)據(jù)時代的管理。而如今，在快節(jié)奏的生產(chǎn)環(huán)境中，要人工去檢測每一個產(chǎn)品的質(zhì)量，顯然是不切實際的。在工業(yè)物聯(lián)網(wǎng)平臺，通過所有產(chǎn)品的智能連接，越來越多的產(chǎn)品和設備有了“情境自我意識”，使數(shù)據(jù)捕獲、分析和檢測變得異常容易。企業(yè)通過互聯(lián)網(wǎng)平臺還可以迅速改進設計并改善工程質(zhì)量。

　　我們許多生產(chǎn)流程的手冊和模型都有知識差距，這也是建立產(chǎn)品或企業(yè)級別的知識庫之所以那么艱難的的原因所在。而物聯(lián)網(wǎng)有可能填補這些差距。流程數(shù)字化將帶給我們的未來是：從設計到用戶體驗，一切都是有結(jié)構(gòu)的和數(shù)據(jù)可尋的。這樣，制造商不僅可以理解實體產(chǎn)品是怎樣設計和制造的，還可以了解用戶體驗如何以及如何與產(chǎn)品互動。

　　大數(shù)據(jù)分析工具

　　隨著數(shù)字處理能力的不斷提升以及工業(yè)物聯(lián)網(wǎng)平臺日益成熟，我們將很快解鎖海量并仍不斷增長的數(shù)據(jù)。這些數(shù)據(jù)與我們的制造流程以及為我們提供聚集這些數(shù)據(jù)并部署強有力的分析程序?qū)ζ溥M行分析的空間的云服務有關。

　　無論是為促銷產(chǎn)品還是作為戰(zhàn)略目標的方式，大數(shù)據(jù)已然成為很多公司和機構(gòu)過度使用的術語。通過不同技術，我們將數(shù)據(jù)空間完全釋放出來，從而可以利用大數(shù)據(jù)分析技術將任何地方的數(shù)據(jù)加以融合，新的分析工具應用這一新的數(shù)據(jù)模型，從而發(fā)現(xiàn)之前從未有可能的洞見。這些分析工具包括：圖像、視頻、地理空間、時間序列、預測模型、機器學習、優(yōu)化、模擬和統(tǒng)計過程控制等。

　　大數(shù)據(jù)與智能制造的意義與影響

　　制造即運營管理，是供應鏈的四大環(huán)節(jié)之一，負責規(guī)劃、組織、管理所有制造產(chǎn)品所需要的資源，包括設備、人力、技術、流程、信息等。其主要職能是統(tǒng)籌相關的資源與活動，將投入的資源轉(zhuǎn)變成最終可銷售的產(chǎn)品和服務。每個企業(yè)都有自己的規(guī)劃和自己企業(yè)在運營環(huán)節(jié)的管理最佳實踐。大數(shù)據(jù)對促進供應鏈中的生產(chǎn)環(huán)節(jié)產(chǎn)生了前所未有的巨大影響，在眾多的運營決策改進里面，這些影響包括產(chǎn)品設計、質(zhì)量控制、客戶畫像等等。大數(shù)據(jù)及其 分析將影響制造業(yè)的規(guī)范性、產(chǎn)品以及服務的品質(zhì)以及卓越運營這三大方面。

　　大數(shù)據(jù)規(guī)范性分析將促進規(guī)范性維護

　　基于預測性分析的進化步驟被稱為規(guī)范性分析。規(guī)范分析法是20 世紀60年代后期美國管理心理學家皮爾尼克提出的，它對事物運行狀態(tài)做出是非曲直的主觀價值判斷，力求回答“事物的本質(zhì)應該是什么”。規(guī)范性分析意味著分析工具不僅能夠預測可能發(fā)生的事情，還可以提供備用的“假設”分析，以提供可以改變結(jié)果的方案。從這一分析出發(fā)，我們可以將工業(yè)物聯(lián)網(wǎng)平臺的數(shù)據(jù)提供給智能連接資產(chǎn)內(nèi)部的云數(shù)據(jù)庫或潛在的分散分析，以期在“最佳”結(jié)果的基礎上，對規(guī)范性維護活動做出最準確的定義。

　　這一轉(zhuǎn)變將徹底改變制造行業(yè)。我們將不再需要一系列專家來告訴管理員何時需要針對設備資產(chǎn)做哪些維護以及如何維護，因為當資產(chǎn)無法實現(xiàn)自我修復時，將會自己告訴你它們需要什么。

　　大數(shù)據(jù)對質(zhì)量的新要求

　　商業(yè)原則之一的帕累托法則，也稱為二八定律，一般來講質(zhì)量也往往與這一基本原則緊密相關。早在上世紀90年代開始，大量企業(yè)就開始通過應用分析法來提高產(chǎn)品質(zhì)量和生產(chǎn)的效率，其核心是實現(xiàn)生產(chǎn)與服務的需求相匹配。

　　今天的大數(shù)據(jù)分析手段也如出一轍。大數(shù)據(jù)不僅能夠使生產(chǎn)商制造產(chǎn)品的時間縮短，還能夠在產(chǎn)品批量生產(chǎn)前通過模擬，檢驗防止產(chǎn)品缺陷，減少產(chǎn)品開發(fā)周期過程中不必要的環(huán)節(jié)等。

　　質(zhì)量管理強調(diào)產(chǎn)品質(zhì)量要符合消費者預期，這個預期包括預算、功能、外觀等等。這是大數(shù)據(jù)分析法提升質(zhì)量管理環(huán)節(jié)的首要收益。通過對內(nèi)源與外源數(shù)據(jù)的實時采集和分析，企業(yè)能夠準確地了解消費者需求及其購買行為，明確產(chǎn)品特征，運用高級分析法準確地指導生產(chǎn)、運輸與采購，從而提升產(chǎn)品或服務的質(zhì)量。

　　大數(shù)據(jù)的實時性與實效性，給企業(yè)的生產(chǎn)質(zhì)量管理創(chuàng)造了實現(xiàn)質(zhì)的飛躍的條件。傳統(tǒng)質(zhì)量管理主要是通過靜態(tài)的、歷史的、沉淀的數(shù)據(jù)，通過檢查表、散點圖、控制圖等檢測手段來發(fā)現(xiàn)生產(chǎn)過程的質(zhì)量問題，大數(shù)據(jù)則通過物聯(lián)網(wǎng)，通過產(chǎn)品上安裝傳感器、標簽等手段，實時監(jiān)測采集數(shù)據(jù)，認知產(chǎn)品性能，實時提高質(zhì)量。

　　利用大數(shù)據(jù)來實現(xiàn)制造業(yè)卓越運營

　　當企業(yè)高管們在探索如何利用大數(shù)據(jù)改善運營之時，我們需要從企業(yè)的生產(chǎn)目標以及更高的商業(yè)目標開始思考這個問題。越來越多的管理人員意識到，貫穿產(chǎn)品生命周期各個階段的數(shù)據(jù)，將成為能給企業(yè)帶來高效增值的極有價值的原始材料。

　　企業(yè)不論何時開始實施卓越運營，都必須將人、流程和技術結(jié)合起來，基于此，制造業(yè)的卓越運營實踐需要包含資產(chǎn)管理（EAM），資產(chǎn)性能管理（APM），企業(yè)質(zhì)量管理（EQMS），環(huán)境、健康和安全管理（EHS），工業(yè)能源管理（IEM）以及制造運營管理（MOM）六大支柱。

　　將數(shù)據(jù)和大數(shù)據(jù)分析結(jié)合起來時，之前未知而有待發(fā)現(xiàn)的相關性以及打破信息孤島的可能性變得越來越大。把從運營中已使用到的大數(shù)據(jù)、社會媒體以及物聯(lián)網(wǎng)等新的數(shù)據(jù)源，以及融合大數(shù)據(jù)分析解決方案的能力三者結(jié)合起來，大數(shù)據(jù)就可以為管理層提供運營洞見。

　　在制造行業(yè)，企業(yè)邊界日益模糊，最難以預測的外部因素，當數(shù)顛覆性創(chuàng)新。互聯(lián)互通徹底改變了商業(yè)游戲規(guī)則，在意識到競爭時已為時過晚。對于所有希望轉(zhuǎn)型的制造業(yè)企業(yè)來說，企業(yè)管理者需要迅速全面了解前沿技術及其相關性與關聯(lián)性，利用現(xiàn)代企業(yè)架構(gòu)，重新定義企業(yè)，通過全供應鏈的數(shù)字化，來獲得更為高效、智能與高利潤的服務產(chǎn)品。

　　雞蛋，從外打破是食物，從內(nèi)打破是生命。智能制造之路亦是，從外打破是壓力，從內(nèi)打破是成長。我們要從設備智能管理、工業(yè)大數(shù)據(jù)入手分析，駕馭工業(yè)物聯(lián)網(wǎng)的三駕馬車，結(jié)合現(xiàn)代制造業(yè)企業(yè)的下一代企業(yè)架構(gòu)，讓自己有能力從內(nèi)打破，打造并形成數(shù)據(jù)紅利，在這場智能制造的文化升級中，實現(xiàn)重生，實現(xiàn)我們的制造強國之夢。