工业大数据

出自 MBA智库百科(https://wiki.mbalib.com/)

　　工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。工业大数据以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。

　　工业大数据具备双重属性：价值属性和产权属性。一方面，通过工业大数据分析等关键技术能够实现设计、工艺、生产、管理、服务等各个环节智能化水平的提升，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；另一方面，这些数据具有明确的权属关系和资产价值，企业能够决定数据的具体使用方式和边界，数据产权属性明显。工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中数据实现价值的提升或变现；工业大数据的产权属性则偏重于通过管理机制和管理方法帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。

　　(一)制造业从5M模式向6C模式转型将催生工业大数据

　　在工业3.0或工业自动化时代，传统制造业模式的特征可以用5个字母(5M)来概括，即Material(材料，包含了其功能与特性)、Ma-chine(机器，指加工能力和精度)、Methods(方法，指产能和生产效率)、Measurement(测度，指如何探测与改进)、Modeling(建模，指对生产流程的预测、优化和防范)。在智能制造时代，制造业生产方式也许应该用六个字母(6C)来定义，即Connection(连接，主要指传感器和网络)、Cloud(云储存，即任意时间和需求的数据)、Cyber(虚拟网络，包括模式与记忆)、Content(内容，是指相关性及含义)、Community(社群，包含分享和交际的功能)、Customization(定制化，指个性化的价值与服务)。在制造智能化时代，工业机器、设备、存储系统以及运营资源可以利用现代网络通信技术连接成网络。这些工厂与机器设备不仅可以随时随地进行信息分享，而且互相连接的系统可以独立地自我管理(自组织)。

　　要达到这一目标，现有的工业制造系统需要对制造设备本身的以及产品制造过程中产生的数据进行更深入的分析，也就是说，企业必须掌握通过工业IT设施收集、传输和分析处理大数据的能力。随着智能传感器技术如RFID的发展，数据的收集已经变得简单和可行，而云计算等技术的发展，也使得分析与处理大数据变得高速与高效。在工业4.0模式中，CPS系统将通过M2M通信(Machine -to-Machine，机器对机器)在工业机器与设备之间实现信息交换、运转和互相操控，被制造的产品可以与机器设备交流，机器可以自组织生产，智能工厂能够自行运转。因此可以说，工业大数据是由一个工业体系或者一个产品制造流程智能化催生出来的数据，即是制造业智能化的必然结果，也是制造业智能化的必要条件与基础。

　　(二)工业大数据为研究工业复杂系统动态行为机理提供可能

　　工业大数据同我们传统提到的消费、商业中的大数据概念有相似的一面，但又有差异。工业领域大数据主要呈现大体量、多源性、连续采样、价值密度低、动态性强等特点。大数据应用技术出现前，除结构化数据外，其他半结构化、非结构化等类型数据很难通过机器分析来挖掘应用价值，而目前大数据应用技术、建模技术与仿真技术等信息技术，为研究工业领域机理不清的复杂系统的动态行为开辟了可能途径。例如，风力涡轮机制造商在对天气数据及涡轮仪表数据进行交叉分析的基础上，可以对风力涡轮机布局进行改善，从而增加风力涡轮机的电力输出水平并延长其服务寿命。

　　工业自动化、智能化系统的建模，控制系统的运行、管理与优化，无不涉及到大量的图像及数据信息。同样，企业的综合生产指标、生产计划调度、生产线的质量控制等等，同样涉及到大量复杂的数据。而通过信息化手段对流程进行优化整合，必须要用到大数据技术，以此实现工业系统的优化运行。因此，大数据应用对于工业领域动态模型建设、安全运行及监控、多目标优化控制方法等多个方面将有促进作用。

　(一)创建透明度，优化运营效率

　　在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

　　(二)优化供应链，细分市场

　　利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，不断可以跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

　　(三)提升竞争力，创新商业模式

　　大数据让传统制造企业能够创新产品和服务，从而创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在工业4.0或工业互联网时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。例如实时位置数据的出现已经创造了一套全新的跟踪服务体系，可以使飞机发动机制造企业提供航空信息与服务管理。这不但可以使制造企业自身提升生产效率和产业竞争力，更可以为其所服务的客户创造新的价值。

　　(一)数据开发共享与安全保护政策

　　由于工业大数据是数字化的和横跨企业边界甚至是跨越国界的(如跨国公司不同国家工厂的数据)，因此安全、开放、共享等一些政策问题必须得到有效解决。随着工业大数据的价值越来越被重视，生产设施和数据中的商业秘密和专利技术也必须同样受到保护。在工业4.0或工业互联网时代，工业IT系统的安全不仅涉及生产操作环节，而且还关联到由此延伸的通讯网络环节，因此，研究并出台相应的工业IT系统的安全策略、架构和标准，保护制造企业的生产系统的安全、数据安全，提升系统的紧密性、完整性和有效性，将是个非常重要的问题。

　　工业大数据日益提高的经济价值也会产生大量的法律问题，如，如何克服阻碍数据获取的障碍、建立交易或共享数据的市场机制，如何保护工业大数据中的知识产权。这需要政府制定平衡数据使用与数据安全保护的政策，制定鼓励数据共享的奖励措施、建立有效的促进创新的知识产权框架，以及面向公众开放政府部门拥有的能够公开的大数据，从而促进工业大数据共享和整合以及价值创造。

　　(二)建立容量更大、服务质量更可靠的工业宽带基础设施

　　信息物理融合系统或工业互联网的实现，是建立在连续采样、大体量的工业大数据基础上的，而工业大数据的传输、交互和共享，必然要求建立容量、带宽、存储与数据处理能力更强大的基础实施，以及极高的通信智能和管理智能。现有的网络基础设施肯定难以满足工业4.0或工业互联网时代的要求。因此，容量更大、服务质量更可靠的工业宽带基础设施将成为工业大数据发展的重要组成部分。因此，政府有必要对扩建工业宽带基础设施制定专门的激励措施，奖励和鼓励工业宽带基础实施的投资与建设。有效的工业宽带基础设施，应该简易、安全、价格合理以及易扩展，不仅应该应用于智能工厂，也能够包括智能电网、智能交通以及智慧医疗。

　　(三)应用和创新工业大数据开发与分析技术

　　工业信息化系统产生的大数据，必须先经过整理和分析，让其变成“信息”，然后再深加工为“知识”，在这个通过大数据获取价值的转化过程中，制造企业需要新的技术(例如存储、计算和分析软件)和技能(新的分析类型)。目前很多企业还处于工业2.0时代，工业信息化、智能化水平较低，缺乏将大数据技术整合到自身系统的技术能力。而对于那些工业3.0时代的企业来说，现有的旧系统和不兼容的标准和格式，也会妨碍大数据分析工具的应用。因此，促进制造企业和技术人员整合、应用不断创新的工业大数据开发与分析技术，促进制造企业从工业大数据中获取最大收益，是非常紧迫的挑战与任务。

　　(四)制造企业的组织变革和人才培养

　　让制造企业领导认识到对工业大数据蕴含的价值以及如何释放这一价值，将是一个富有挑战的过程。制造企业不但需要拥有具备挖掘大数据价值的技术人员，同时需要构建适当的工作流程和激励措施来优化大数据的使用，才有可能利用工业大数据来优化企业管理、创造新的产品、服务和商业模式。同时，制造企业中不同部门产生的数据能够集成、交互共享，打破信息“孤岛”现象，也需要相应的组织体系变革。因此，政府应该创造激励措施并对制造企业管理者进行大数据分析技术培训，采取措施鼓励企业加强大数据相关人才的培养。

　　工业大数据的边界可以从数据来源、工业大数据的应用场景两大维度进行明确。从数据的来源看，工业大数据主要包括三类：

　　第一类是企业运营管理相关的业务数据。这类数据来自企业信息化范畴，包括企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理(CRM)和能耗管理系统（EMS)等，此类数据是工业企业传统意义上的数据资产。

　　第二类是制造过程数据。主要是指工业生产过程中，装备、物料及产品加工过程的工况状态参数、环境参数等生产情况数据，通过MES系统实时传递，目前在智能装备大量应用的情况下，此类数据量增长最快。

　　第三类是企业外部数据。包括工业企业产品售出之后的使用、运营情况的数据，同时还包括大量客户名单、供应商名单、外部的互联网等数据。

　　从工业大数据的应用场景看，工业大数据是针对每一个特定工业场景，以工业场景相关的大数据集为基础，集成工业大数据系列技术与方法，获得有价值信息的过程。工业大数据应用的目标是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的信息，从而促进工业企业的产品创新、运营提质和管理增效。根据行业自身的生产特点和发展需求，工业大数据在不同行业中的应用重点以及所产生的业务价值也不尽相同。在流程制造业中，企业利用生产相关数据进行设备预测性维护、能源平衡预测及工艺参数寻优，可以降低生产成本、提升工艺水平、保障生产安全。对于离散制造业，工业大数据的应用促进了智慧供应链管理、个性化定制等新型商业模式的快速发展，有助于企业提高精益生产水平、供应链效率和客户满意度。

　　工业是国民经济的基础和支柱，也是一国经济实力和竞争力的重要标志。随着云计算、大数据和物联网等新兴技术的发展，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，主要的工业发达体纷纷制定工业再发展战略。

　　2014年，美国白宫总统行政办公室发布《2014年全球大数据白皮书》，文中指出，美国大型企业在投资大数据科技方面存在以下几个关键驱动因素：分析运营和交易数据的能力；洞察客户线上消费的行为，以向市场提供新的高度复杂的产品；对组织中的机器和设备进行更加深入的感知。

　　2018年10月，美国白宫发布了四年一度的《美国先进制造领导战略》，在“智能数字制造”部分提出下一步计划“要通过将大数据分析和先进的传感和控制技术应用于大量制造业活动，促进制造业的数字化转型”。

　　2015年4月，德国提出来“工业4.0”战略。强调通过信息网络与工业生产系统的充分融合，使产品与生产设备之间、工厂内部纵向之间、工厂与工厂之间，都能通过CPS（信息物理系统）联结为一个整体，从而实现生产的智能化，提升制造业的灵活性和工程效率。工业4.0战略展现了一幅全新的工业蓝图：在现实和虚拟结合的网络世界里，互联网将渗透到所有的关键领域，价值创造过程将会改变，原有的行业界限将会消失，新兴的产业链条将会重组，全新的商业模式和合作模式将会出现。

　　德国“工业4.0”战略的实施重点在于信息互联技术与传统工业制造的结合，其中大数据分析作为关键技术将得到较大范围应用。一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等；三是“智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，需求方则能够快速获得服务匹配，得到物流支持。

　　2015年，法国推出“新工业法国战略”，总体布局为“一个核心，九大支点”。一个核心即“未来工业”，主要内容是实现工业生产向数字化、智能化转型，以生产工具的转型升级带动商业模式转型。九大支点，包括新资源开发、可持续发展城市、环保汽车、网络技术、大数据技术、新型医药等，一方面旨在为“未来工业”提供支撑，另一方面重在满足人们日常生活的新需求。该战略为期十年，主要解决三大问题：能源、数字革命和经济生活。

　　2015年5月，法国经济、工业与就业部又公布了未来工业计划，该计划将在“新工业战略”的第二阶段中扮演核心角色，主要目标是建立更为互联互通、更具有竞争力的法国工业，旨在使工业工具更加现代化，并通过数字技术帮助企业转变经营模式、组织模式、研发模式和商业模式，实现经济增长模式转变。未来工业计划提倡在一些优先领域发展工业模式，例如新资源、可持续发展城市、未来交通、未来医药、数据经济、智能物体、数字安全和智能电网等。

　　随着信息化与工业化的深度融合，工业企业所拥有的数据也日益丰富，包括设计数据、传感数据、自动控制系统数据、生产数据、供应链数据等，数据驱动的价值体现及其带来的洞察力贯穿于智能制造生命周期的全过程。领先企业以平台为载体，不断形成针对制造业应用场景的大数据解决方案。制造和自动化领域的领军企业也依托长期积累的核心技术和行业知识，大力推广大数据在工业领域的应用，推动制造企业形成以数据驱动、快速迭代、持续优化的工业智能系统。面向制造业企业陆续形成的工业大数据平台正在为工业大数据在制造业的深入应用提供新技术、新业态和新模式。工业大数据已经成为工业企业生产力、竞争力、创新能力提升的关键，相关技术及产品已经逐步应用于工业企业和产业链的各环节，是驱动智能化产品、生产与服务，实现创新、优化的重要基础，体现在产品全生命周期中的各个阶段，正在加速工业企业的转型升级。近年来由智能制造、工业互联网发展催生的新模式、新应用，再次丰富了工业大数据的应用场景。

　　智能化设计是支撑工业企业实现全流程智能化生产的重要条件。设计数据包括企业设计人员或消费者借助各类辅助工具所设计的产品模型、个性化数据及相关资料，例如计算机辅助设计（CAD）、计算机辅助制造（CAM）、计算机辅助工程（CAE）、计算机辅助工艺设计（CAPP）、产品数据管理（PDM）等。工业大数据在设计环节的应用可以有效提高研发人员创新能力、研发效率和质量，推动协同设计。客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现新型产品创新和协作的新模式。西门子在数字环境下构建基于模型和仿真的研发设计，有效提升了设计质量、节约研发成本；玛莎拉蒂通过数字化工具加速产品设计，实现开发效率提高30%。

　　另一方面，传统的产品设计模式是基于设计师的灵感和经验，揣摩消费者的需求喜好，设计产品，针对性不强，不精确，工业大数据可以拉近消费者与设计师的距离，精准量化客户需求，指导设计过程，改变产品设计模式。通过将产品生命周期设计中各个环节所需要的知识资源有机的集成在一起，运用大数据相关技术，可以将产品生命周期设计所需大数据与各种设计过程集成，以高度有序化的方式展示产品生命周期大数据与设计的关系。GE公司使用Predix平台助力自身发动机的设计优化，平台首先对产品交付后的使用数据进行采集分析，依托大量历史积累数据的分析和航线运营信息的反馈，对设计端模型、参数和制造端工艺、流程进行不断迭代优化，实现了发动机的设计改进和性能提升。金风科技通过工业大数据平台的大数据优化处理和针对载荷的定制化应用开发，将5000个工况的单轮仿真数据的后处理速度从半个月跑1轮，提速为一周跑3轮，单轮30G仿真数据的后处理速度从几个小时降低到了几分钟，极大地提升了风场定制化设计的迭代速度和开发效率。

　　工业大数据使产品生命周期大数据在设计过程中得到有效的应用、评价和推荐。设计知识能够快速地推送给所需要的人，并方便地融合员工在设计中产生的新知识，进一步丰富产品设计大数据。

　　智能化生产是新一代智能制造的主线，通过智能系统及设备升级改造及融合，促进制造过程自动化，流程智能化。从数据采集开始，生产阶段工业大数据的驱动力体现在数据关联分析和数据反馈指导生产。在生产阶段，对所采集的数据进行清洗、筛选、关联、融合、索引、挖掘，构建应用分析模式，实现数据到信息知识的有效转化。在制造阶段，通过对制造执行系统中所采集的生产单元分配、资源状态管理、产品跟踪管理等信息进行关联分析，为合理的库存管理、计划排程制定提供数据支撑；并且结合实时数据，对产品生产流程进行评估及预测，对生产过程进行实时监控、调整，并为发现的问题提供解决方案，实现全产业链的协同优化，完成数据由信息到价值的转变。工业大数据通过采集和汇聚设备运行数据、工艺参数、质量检测数据、物料配送数据和进度管理数据等生产现场数据，利用大数据技术分析和反馈并在制造工艺、生产流程、质量管理、设备维护、能耗管理等具体场景应用，实现生产过程的优化。

　　在制造工艺场景中，围绕生产工艺过程参数，设备运行状态参数与产品质量性能、生产线排产负荷、耗能等数据进行关联性深度挖掘，形成数据闭环，可得出工艺参数的最优区间、生产质量控制的最优调控手段等，提升产品制造品质。美林数据设计的图像实时采集与智能分析系统，能快速识别冲压件表面缺陷，同时关联了质检数据、生产过程工艺参数、产品设计参数，形成冲压产品质量问题分析管理的闭环连接，实现了冲压产品质量的精确控制和优化提升。阿里巴巴基于燃烧机理与锅炉运行数据，深度分析识别锅炉燃烧过程中的关键因子，找到了最优的锅炉操作参数，使燃煤效率提升了4.1%，大大降低了能源消耗。

　　生产流程管理优化场景中，基于数据标准化思路的企业全流程的数据集成贯通及对生产进度、物料管理、企业管理等数据的分析，提升排产、进度、物料、人员等方面管理的准确性，企业的生产效率与管理水平显著提高。通过生产制造各个环节的数据整合集聚，对工业产品的生产过程数据进行关联，建立虚拟模型，仿真并优化生产流程。当所有流程和绩效数据都能在系统中重建时，对各环节制造数据的集成分析可以助力制造企业改进其生产流程。东方国信基于BIOP平台，通过工业大数据分析技术，建立虚实映射、实时监控、智能诊断、协同优化的数字孪生，实现对工业实体生产制造过程和工艺流程的仿真及优化，在炼铁、工业锅炉、水电、空压机、能源等多个行业或领域落地应用。

　　质量管理场景中，基于产品质检数据和生产过程数据进行关联性分析，实现在线质量监测和质量异常与追溯分析，提升产品良品率。例如美林数据通过分析高压开关关键质检数据及过程加工数据，开展质量问题分类、质量问题原因分析、质量问题追溯等分析管控，促使产品良品率提升1.3%，提升了企业的质量管理水平。联想通过工业大数据平台，提供面向制造、汽车、能源等行业的智能生产解决方案，为平台企业生产制造过程管理提供预见性的支撑与指导，提升精益管理水平。能耗管理场景中，基于能耗数据的采集与分析，对设备、产线、场景能效使用进行合理规划，提高能源使用效率，实现节能减排。霍尼维尔通过能源管理系统提供能源设备管理、生产能耗分析、能源平衡管理等功能，帮助用户企业实现工艺流程的优化，设备改造升级，提升了能源利用率。

　　在复杂产线设备健康管理方面，随着科技的不断进步以及工业化水平的不断提高，工业系统的规模越来越大，集成的设备越来越多。系统内部通常存在复杂的耦合关系，其可靠性难以得到保障，一旦发生故障时，设备的停机损失将会非常大。当前对于复杂系统健康度与可靠性评估主要通过利用传感器对设备进行感知和从实时数据库系统获取设备振动、温度、压力、流量等数据，基于大数据平台对数据进行存储管理，借助人工智能算法对设备健康进行评估，实现设备故障预测和健康度监控。如美国电力公司（AEP）通过对变压器、断路器和蓄电池分别加装了8600个、11500个和400多个传感器，基于其工业大数据平台，开展设备数据采集、诊断与分析，AEP可以实时监控其设备参数、进行故障诊断预警，将设备寿命延长了3年，维护成本降低了2.7%，设备维护效率提高了4%，实现了设备预测性维护。

　　工业大数据助力解决生产过程复杂系统的精确建模、实时优化决策等关键问题，涌现出的一批自学习、自感知、自适应、自控制的智能产线、智能车间和智能工厂，正在推动产品制造的高质、柔性、高效、安全与绿色，驱动生产过程的智能化升级。

　　在制造业向着大型、精密、数控、全自动趋势不断靠拢的时代下，基于工业大数据技术，将制造环节与设计、经销、运行、维护直至回收处理联系起来，由传统的数据孤岛转为信息化协同管理，推动产业链各环节的并行组织和协同优化。另一方面，借助大数据平台，将产业链各个环节的数据进行采集并输入到全生命周期数据库形成总知识库，通过信息技术、自动化技术、现代管理技术与制造技术相结合，构建面向企业的网络化协同制造系统，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，整体提升制造业发展水平和世界竞争力。工业大数据在网络化协同制造的应用主要体现在协同研发与制造、供应链管理体系优化、制造能力资源优化等方面。

　　协同研发与制造。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。基于统一的设计平台与制造资源信息平台，集成设计工具库、模型库、知识库及制造企业闲置生产能力信息，产业链上下游企业可以实现多站点协同、多任务并行，加速新产品协同研发过程。河南航天基于航天云网INDICS平台，开展云端设计、建立涵盖复杂产品多学科专业的虚拟样机系统，实现了复杂产品的多学科设计优化、总体设计部与总装厂所的协同研发设计与工艺设计，研发周期缩短了35%、资源利用率提升了30%，生产效率提高了40%。

　　供应链管理体系优化。追踪所有供应链中的在途部件是许多企业面临的最大挑战，通过空间地理数据的实时采集、实时数据的监控，提高供应链的可视化，实现供应链的透明化。通过空间数据的时空模式挖掘，为供应链物流的智能化运作提供实时决策依据，优化物流路径、优化排程调度，最后实现供应链物流的高效、智能化运行。通过全产业链大数据的整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本，实现供应链配送体系优化和用户需求快速响应。通过对产品供应链的大数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

　　制造能力资源优化。通过工业大数据技术的支撑，实现制造资源、制造能力、制造过程的信息透明，连通不同物理区域的多样化生产资源，根据订单需求完成最优化的资源配置，实现高效高质的零部件协同制造，统一组装、交付，同时工业企业通过工业大数据平台可对外开放空闲制造能力，实现制造能力的在线租用和利益分配。例如沈阳机床基于工业大数据平台向奥邦锻造公司提供了沈机i5机床租赁服务，按照制造能力付费，有效降低了用户资金门槛，释放了产能。

　　以网络化协同制造为核心理念，大数据技术作为支撑，制造业企业内部及企业间在众多可靠的网络资源支持下实现了对不同产品各个阶段的增值，促进了创新资源、生产能力、市场需求的集聚与对接，提高了产业链上下游的资源整合能力，促进了全社会多元化制造资源的高度有效协同。

　　现代制造企业不再仅仅是产品提供商，而是提供产品、服务、支持、自我服务和知识的“集合体”。工业大数据与新一代技术的融合应用，赋予市场、销售、运营维护等产品全生命周期服务全新的内容，不断催生出制造业新模式、新业态，从大规模流水线生产转向规模化定制产和从生产型制造向服务型制造转变，推动服务型制造业与生产性服务业大发展。

　　在市场营销环节，利用大数据挖掘用户需求和市场趋势，建立用户对商品需求的分析体系，挖掘用户深层次的需求，寻找机会产品，进行生产指导和后期市场营销分析；通过建立科学的商品生产方案分析系统，结合用户需求与产品生产，形成满足消费者预期的各品类生产方案等。航天云网基于INDICS平台的工业数据、供需服务信息，利用工业大数据关联和分析为企业提供产品推荐、销量预测、企业驾驶舱等数据服务，大大提升了平台上的企业营销水平及运营能力。

　　在售后服务环节，数据驱动企业创新服务模式，从被动服务、定期服务发展成为主动服务、实时服务。企业通过整合产品运行数据、销售、客户数据，将传统的诊断方法与基于知识的智能机械故障诊断方法相结合，结合设备状态监测技术、故障诊断技术和计算机网络技术，开展故障预警、远程监控、远程运维、质量诊断等大数据分析和预测，提供个性化、在线化、便捷化的智能化增值服务，形成“制造+服务”的新模式；建立产品电子履历，优化产品售后保障措施，实现产品全生命周期的质量信息追溯，提升用户满意度。三一重工打造的根云平台，为行业企业提供基于物联网、大数据的云服务，当前平台已接入各类高价值设备40万台以上，采集近万个参数，连接数千亿资产，为客户开拓超百亿元的新业务，实现了制造企业的服务化转型。

　　个性化定制也是工业大数据应用的热点模式之一。通过工业大数据技术及解决方案，实现制造全流程数据集成贯通，构建千人千面的用户画像，并基于用户的动态需求，指导需求准确地转化为订单，满足用户的动态需求变化，最终形成基于数据驱动的工业大规模个性化定制新模式。

　　大规模个性化定制模式下，企业会提供一个互联网平台，作为与用户沟通交流的门户，在该平台上，消费者可以描述其个性化需求，进行个性化设计并下单，在收到产品后可提出意见与反馈，企业据此完善该用户的个性化数据，并进一步优化针对该用户的个性化设计。在大规模个性化定制生产中，数据起到了关键作用。需要采集客户个性化需求数据、工业企业生产数据、外部环境数据等信息，从而建立个性化产品模型，将产品方案、物料清单、工艺方案通过制造执行系统快速传递给生产现场，进行生产线调整和物料准备，快速生产出符合个性化需求的定制化产品。当用户的个性化需求订单产生的时刻，依据基于工业大数据构建的需求转化机制，可对制造过程中的变动做出快速整合和调整，柔性、动态地满足用户千人千面的个性化需求。

　　通过将工业大数据与大规模个性化定制模式的结合，形成支持工业产品开发个性化、设备管理个性化、企业管理个性化、人员管理个性化、垂直行业个性化等一系列满足用户个性化需求的工业价值创造新模式，为工业企业显著降低成本，形成价值创造的新动能。例如联想自2011年起实施了全集团的数字化转型和全球化的大规模个性化定制实践，构建了大规模个性化定制的先进计算与存储设备制造支撑平台，形成了覆盖从用户需求、产品设计、研发、柔性生产制造、供应链和金融等关键环节的全价值链精准赋能，实现了企业内部不同产品线和外部关联企业间的工业领域知识和数据互通，个性化定制生产和生产能力分享，显著降低了企业的生产经营成本、缩短产品升级周期、提高产品生产效率。

• 工业大数据白皮书 （2019 版）.工业大数据产业应用联盟.二零一九年三月