工業制造中的大數據分析
如何實現智能制造是大家都關心的問題。從哈佛商學院的邁克爾·波特到賓夕法尼亞大學沃頓商學院，有一個普遍的共識，即數字化轉型是智能制造實現的途徑。重要的是，這個共識也來自于眾多的世界級制造業企業與企業家們。
這一共識是基于無數技術趨勢的融合，例如，物聯網、工業物聯網、移動技術、人工智能、云計算、虛擬/虛擬增強現實（VR/AR），以及大數據分析等。我們一定要保持清醒，不要簡單地認為有了這些技術，未來五年就是制造業的黃金時期。道理很簡單，這個新制造業文化的變革進程是相當復雜和艱難的，沒有行業、企業與用戶的融合推進，無法實現這次變革。數字化轉型不僅僅意味著企業簡單的數字化，而是把數字作為智能制造的核心驅動力，利用數據去整合產業鏈和價值鏈。
數據來源
工業大數據的主要來源有兩個，第一是智能設備。普適計算有很大的空間，現代工人可以帶一個普適感應器等設備來參加生產和管理。 所以工業數據源是280億左右大量設備之間的關聯，這個是我們未來需要去采集的數據源之一。
第二個數據來源于人類軌跡產生的數據，包括在現代工業制造鏈中，從采購、生產、物流與銷售內部流程以及外部互聯網信息等。通過行為軌跡數據與設備數據的結合，大數據可以幫助我們實現對客戶的分析和挖掘，它的應用場景包括了實時核心交易、服務、后臺服務等。
數據關系
數據必須要放到相應的環境中分析，才能了解數據之間的關系。譬如，每一款新機型在交付給航空公司之前都會接受一系列殘酷的飛行測試。極端天氣測試就是測試之一。該測試的目的是為了確保飛機的發動機、材料和控制系統能在極端天氣條件下正常運行。
問題的處理關鍵在于找到可能產生問題的根源，消除已知錯誤，并確保解決方案的可靠有效。一旦找到并確定了根本原因，同時具備了可接受的應急措施，就可把問題當成一個已知錯誤來處理。問題調查的過程一定需要收集所有可用、與事件相關的信息，以確定并消除引起事件和問題的根本原因。數據采集與分析必須要事件/問題發生的環境數據結合。
數據價值
對于數字化轉型，大數據不僅要關注實際數據量的多少，最重要的是關注大數據的處理方法在特定場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報（ROI）的設計，一味尋求大數據，則大數據分析既無法落地也無法為企業創造價值。
工業大數據分析的定義
發動機是飛機的心臟，也是關乎航空安全，生命安全的重中之重。為了實時監控發動機的狀況，現代民航大多安裝了飛機發動機健康管理系統。通過傳感器、發射系統、信號接收系統、信號分析系統等方式采集到的數據，會經由飛機通信尋址與報告系統，通過甚高頻或者衛星通信傳輸出來，這就是為何GE的發動機監控系統每天會獲取超過1PB數據的原因。
生產執行系統（MES）與飛機發動機健康管理系統如出一轍。我們可以從工廠的生產中，實時采集到海量的流程變量、測量結果等數據。基于大量數據集而生成的報表，或是基礎統計的分析并不足以稱為制造業的大數據分析。
數據類型的多樣性是工業大數據分析的重要屬性
大數據不僅僅是大量的數據的堆積。大數據的重要屬性之一，是人們設法收集并弄清楚不斷變化的數據類型。如果只是大量采集同一類型的數據，再大的數據量都不能稱之為大數據。
例如，生產環境中收集的時間序列模擬流程變量，數據的類型是單一的，很容易建立索引，即使存在千千萬萬，也不足以成為大數據。
數據必須包括高度可變性和種類多樣性。制造工廠中存在無數的大數據應用，但并不包括簡單地分類和展示一連串的流程測量結果，對這些工作，基本的統計展現就可以完成。一些大數據的數據庫或數據湖的構成部分也是文本信息、圖像數據、地理或地質信息和非結構信息，例如，通過社交媒體或其他協作平臺獲得的數據類型。
制造業信息結構概括起來分為兩層，一個是管理層，一個是自動化層。從經營管理、生產執行與控制三個緯度來實現決策支持、管理、生產執行、過程控制以及設備的連接與傳感。制造業中大數據分析是指利用通用的數據模型， 將管理層與自動化層的結構性系統數據與非結構性數據結合，進而通過先進的分析工具發現新的洞見。
大數據分析對企業生產智能的意義
制造業創新的核心就是要依托大量的前沿科技。先進的技術是創新的手段。在新技術的支持下，可以通過一體化的制造運作管理系統MOM將企業管理應用系統，例如ERP、EAM等系統與工業自動化的相關系統整合為一體。在一體化制造運作管理的基礎上，我們可以實現集IT+MOM+MES+BI的一體化制造企業信息系統解決方案。
