一、工業大數據的定義
工業大數據是指在工業領域，主要通過傳感器等物聯網技術進行數據採集、傳輸得來的數據，由於數據量巨大，傳統的信息技術已無法對相應的數據進行處理、分析、展示，而在傳統工業信息化技術的基礎上借鑑了互聯網大數據的技術，提出新型的基於數據驅動的工業信息化技術及其應用。
二、工業大數據特點
工業大數據主要有以下幾個特點：
1、數據來源主要是企業內部，而非互聯網個人用戶；
2、數據採集方式更多依賴傳感器而非用戶錄入數據；
3、數據服務對象是企業，而不是個人；
4、在技術上，傳統的企業架構技術已無法提供相應的分析應用，更多的採用了互聯網大數據領域成熟的技術；
5、改變了企業原先對數據的看法，使得原先看似無用的、直接丟棄的數據重新得到了重視，並且切實改進了企業的生產、銷售、服務等過程；
三、大數據在工業領域的作用
1、實現數據的全面採集並持久化
在前大數據時代，很多工業現場採集到的數據的生命週期僅僅是在顯示屏上一閃而過，大量的數據由於種種原因被丟棄了，丟棄的一個很重要的原因就是無法有效存儲，全部存儲成本過高且數據量過大導致無法使用。大數據時代之後，新型的數據處理技術及雲計算帶來的低成本，使得數據的全面採集並且持久化成爲可能，即採集到的數據可以實現長時間的存儲，且海量的數據可處理、可分析，工業用戶就有了存儲數據的意願。而這一切又反過來爲大數據分析提供了堅實的數據基礎，使得分析的結果更準確，成爲一種正向循環。
2、實現全生產過程的信息透明化
隨着現代生產技術的飛速提高，生產過程已經呈現高度複雜性和動態性，逐漸出現了不可控性。生產過程信息呈現碎片化傾向，只有專業部門、專業人員才掌握本部門、本專業的數據，企業無法全面有效瞭解全生產流程。
隨着大數據處理和可視化技術的不斷髮展，目前，通過全生產過程的信息高度集成化和數據可視化，從而達到了生產過程的信息透明化，企業總調度中心不僅可以清晰地識別產品，定位產品，而且還可全面掌握產品的生產經過、實際狀態以及至目標狀態的可選路徑。
3、實現生產設備的故障診斷和故障預測
當前，已經可實現對設備各類數據的採集，包括設備運行的狀態參數，例如溫度、震動等，設備運行的工況數據，例如負載、轉速、能耗等，設備使用過程中的環境參數，例如風速、氣壓等，設備的維護保養記錄，包括檢查、維護、維修、保養等信息，以及設備的使用情況，例如使用單位、操作人員等。收集到設備的各類數據後，再加上同類設備的數據、長週期的使用數據等等，就構成了大數據分析的基礎數據。
這個時候，再加上好的算法及模型，通過數據的分析處理實現設備的故障診斷和故障預測就是一個再簡單不過的事情了。
4、實現生產設備的優化運行
在故障診斷和故障預測的基礎上，機器、數據和生產指標構成了一個相互交織的網絡，通過信息的實時交互、調整，再加上優化準則，將它們進行比對、評估，最終選出最佳方案。可以進一步提高設備的效率和精度，更加合理化和智能化的使用設備，這就使生產更具效率，更環保，更加人性化。並且設備的使用更加高效、節能、持久，同時還可減少運維環節中的浪費和成本，提高設備的可用率。
5、提高企業的安全水平
由於設備信息、環境信息和人員信息的高度集成，經過數據分析可實現安全報警、預警，隱患評估、預警等，從而大幅度提高安全水平，並且可提升人員效率；
6、實現定製化生產
近幾十年裏，技術開發面臨的最大挑戰是產品乃至系統無限增加的複雜性。與此同時，這還導致開發和製造的工業過程的複雜性也傾向於無限增加。而工業企業欲在未來長期保持競爭優勢，又必須提高生產靈活性。因爲只有這樣，才能降低成本，縮短產品上市時間，並通過提高產品的種類，滿足個性化的生產需求。
單靠人腦進行管理，是無法對如此複雜的流程和龐大的數據進行匹配的，通過大數據技術的引入，可以將客戶的需求直接反映到生產系統中，並且由系統智能化排程，安排組織生產，使得企業定製化生產成爲現實；
7、實現供應鏈的優化配置
通過RFID等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
供應鏈體系以市場鏈爲紐帶，以訂單信息流爲中心，帶動物流和資金流的運動，整合供應鏈資源和用戶資源。在供應鏈的各個環節，客戶數據、企業內部數據、供應商數據被彙總到供應鏈體系中，通過供應鏈上的大數據採集和分析，企業就能夠持續進行供應鏈改進和優化，保證了對客戶的敏捷響應。
8、實現產品的持續跟蹤服務
隨着物聯網技術的發展，對於已售出的產品，現在可實現運行數據的全面收集，從而可分析已售出產品的安全性、可靠性、故障狀態、使用情況等，在這些數據的基礎上，產品運行數據可以直接轉化到生產過程中，可以改進生產流程、提高產品質量、開發新產品，更進一步，生產信息也可以直接作用於優化產品研發及生產過程的上游工序中。
9、爲企業提升新的服務價值
商家賣的是產品，用戶看重的是產品帶來的價值。一切技術或產品都只是手段，其核心目的是在使用中創造價值。當企業能夠使用新的技術爲用戶提供服務時，賣的已經不是或者不只是冰冷的產品了，而是新的價值服務。這樣，一個生產商就從過去單純的產品提供者轉變爲如今的信息服務商。
四、工業大數據案例
1、實現全生產過程的信息透明化的案例
通過採用集成自動化與驅動解決方案，能夠顯著提高生產效率和靈活性。原東德玻璃製造商f | glass就是一個很好的實例。它的工廠可以算得上是全世界最先進、最節能的工廠之一了。該工廠採用了一套集成自動化解決方案、一個先進的能源管理系統以及一個創新的熱回收系統。從原材料供應和混合，到熔化過程，再到玻璃表面的精加工和調試，生產與物流均完全實現了自動化。通過全集成自動化（TIA），所有集成儀表、驅動、自動化及配電解決方案相互協同，所有生產流程高效而靈活。過程控制系統Simatic PCS 7可視化控制着700米長設備上的3000個測量點，實現了一年365天連續可靠的運行。
2、實現生產設備的故障診斷和故障預測的案例
某世界500強的生活消費公司每年在紙尿褲市場佔據超過100億美元的市場份額，在紙尿褲的生產過程中曾經遇到過令人十分頭痛的問題：在完成紙尿褲生產線從原材料到成品的全自動一體化升級後，生產線的生產速度得到了大幅提升，每秒鐘能夠生產近百米的紙尿褲成品。然而新的生產線建成後一直沒有辦法發揮最大的產能，因爲在高速生產過程中某一個工序一旦出現錯誤，生產線會進行報警並造成整條生產線的停機，隨後由現場的工人將生產錯誤的部分切除後再重新讓生產線運轉，這樣做的原因是一旦某一片紙尿褲的生產發生問題會使隨後的所有產品都受到影響，因此不得不將殘次部分剔除後重新開機。
爲了提升生產線的生產效率，這家公司與IMS合作對紙尿褲生產線的監控和控制系統進行了升級。我們首先從控制器中採集了每一個工序的控制信號和狀態監控參數，從這些信號中尋找出現生產偏差時的數據特徵，並利用數據挖掘的分析方法找到正常生產狀態和偏差生產狀態下的序列特徵。隨後用機器學習的方法記錄下這些特徵，建立判斷生產狀態正常和異常的健康評估模型。在利用歷史數據進行模型評價的過程中。該健康模型能夠識別出所有生產異常的樣本並用0—1之間的數字作爲當前狀態即時動態監控拇標。於是在生產過程中的每一個紙尿褲都會被賦予1個0—1的健康值，當系統識別出某一個紙尿褲的生產出現異常時，生產系統將在維持原有生產速度的狀態下自動將這一產品從生產線上分離出來，且不會影響到其他產品的生產和整條生產線的運轉。
這項技術後來被紙尿褲生產公司集成到了控制器當中，升級後的生產線實現了近乎於零的停機時間，也使生產線實現了無人化操作，每年由於生產效率提升所帶來的直接經濟價值就高達4. 5億美元。
3、實現生產設備的優化運行的案例
（1）高聖是一家生產帶鋸機牀的中國臺灣公司，所生產的帶鋸機牀產品主要用於對金屬物料的粗加工切削，爲接下來的精加工做準備。機牀的核心部件是用來進行切削的帶鋸，在加工過程中帶鋸會隨着切削體積的增加而逐漸磨損，將會造成加工效率和質量的下降，在磨損到一定程度之後就要進行更換。使用帶鋸機牀的客戶工廠往往要管理上百臺的機牀，需要大量的工人時刻檢查機牀的加工狀態和帶鋸的磨損情況，根據經驗判斷更換帶鋸的時間。帶鋸壽命的管理具有很大的不確定性，加工參數、工件材料、工件形狀、潤滑情況等一系列原因都會對帶鋸的磨耗速度產生影響，因此很難利用經驗去預測帶鋸的使用壽命。切削質量也受到許多因素的影響，除了材料與加工參數的合理匹配之外，帶鋸的磨耗也是影響切削質量的重要因素。由於不同的加工任務對質量的要求不同，且對質量的影響要素無法實現透明化，因此在使用過程中會保守地提前終止使用依然健康的帶鋸。
因此高聖意識到，客戶所需要的並不是機牀，而是機牀所帶來的切削能力，其核心是使用最少的費用實現最優的切削質量。於是高聖開始從機牀的PLC控制器和外部傳感器收集加工過程中的數據，並開發了帶鋸壽命衰退分析與預測算法模塊，實現了帶鋸機牀的智能化升級，爲客戶提供機牀生產力管理服務。
在加工過程中，智能帶鋸機牀能夠對產生的數據進行實時分析：首先識別當前的工件信息和工況參數，隨後對振動信號和監控參數進行健康特徵提取，依據工況狀態對健康特徵進行歸一化處理後，將當前的健康特徵映射到代表當前健康階段的特徵地圖上的相應區域，就能夠將帶鋸的磨損狀態進行量化和透明化。分析後的信息隨後被存儲到數據庫內建立帶鋸使用的全生命信息檔案，這些信息被分爲三類：工況類信息，記錄工件信息和加工參數；特徵類信息，記錄從振動信號和控制器監控參數裏提取的表徵健康狀態的特徵值；狀態類信息，記錄分析的健康狀態結果、故障模式和質量參數。大量帶鋸的全生命信息檔案形成了一個龐大的數據庫，可以使用大數據分析的方法對其進行數據挖掘，例如通過數據挖掘找到健康特徵、工藝參數和加工質量之間的關係，建立不同健康狀態下的動態最佳工藝參數模型，在保障加工質量的前提下延長帶鋸使用的壽命。
在實現鋸機牀“自省性”智能化升級的同時，高聖開發了智慧雲服務平臺爲用戶提供“定”制化的機牀健康與生產力管理服務，機牀採集的狀態信息被傳到雲端進行分析後，機牀各個關鍵部件的健康狀態、帶鋸衰退情況、加工參數匹配性和質量風險等信息都可以通過手機或PC端的用戶界面獲得，每一個機牀的運行狀態都變得透明化。用戶還可以用這個平臺管理自己的生產計劃，根據生產任務的不同要求匹配適合的機牀和能夠達到要求的帶鋸，當帶鋸磨損到無法滿足加工質量要求時，系統會自動提醒用戶去更換據帶，並從物料管理系統中自動補充一個帶鋸的訂單。於是用戶的人力的使用效率得到了巨大提升，並且避免了憑藉人的經驗進行管理帶來的不確定性。帶鋸的使用壽命也得以提升，同時質量也被定量化和透明化地管理了起來。
高聖的智慧帶鋸機牀和智能雲服務在2014年的芝加哥國際機牀技術展（IMTS）上推出後贏得強烈反響，被認爲是智能化設備的傑出示範，贏得了廣大客戶的歡迎和青睞。
（2）位於德國安貝格的西門子工廠即是一個很好的實例，該工廠負責生產Simatic系列PLC（可編程邏輯控制器Programmable LogicController）。大部分生產都實現了數字化，並獨立於實際生產進行了仿真和優化。通過採用Simatic IT 製造執行系統，顯著提高了生產效率和靈活性。該Simatic系統允許在一分鐘之內更改產品和工序，這對於自動化系統來說衛是一個很大的挑戰：另外，每天大約有一百多萬個測量事件，不斷地涌入中央系統。通過數據矩陣碼掃描器和RFID芯片，採集產品信息，並加載到上位中央系統，以確保數據的一致性。這樣，控制系統就可以掌握每一件產品的信息，例如產品當前狀態、是否通過檢驗等。若該產品未能通過檢驗，控制系統將對其按照原有程序進行干涉，如：自動發送一封郵件到品控部門，爲技術人員提供維護信息等。品控部門的員工將會收到一份內容包含裝配計劃和故障診斷的信息清單。正是因爲應用了這一技術，使得西門子公司的這家工廠幾乎成爲了誤差最小的工廠。其誤差比率之低，十分驚人:百萬缺陷率僅15，相當於工廠產品合格率爲99. 9985 %。
（3）大衆汽車改造一條已經使用了17年之久的衝壓生產線時，將產品生命週期管理軟件（PLM）與其自動化軟件相結合，使得改造時間有了明顯的減少：在早起改造生產線的規劃階段，爲提高生產效率，可以使用衝壓線仿真軟件，模擬出現有機器和處理設備，再對其進行優化。爲了將衝壓件的模擬程序做到最精確，在使用仿真軟件的時候，還需要配合使用運動控制軟件（Motion Control Software）。運動控制軟件除可用於虛擬環境外，還可用於現實操作中。使用這種技術，在完成最後衝壓線改造工程之後，經計算實現節能35 %，每分鐘衝程數可由14次提高至16次，生產力明顯提高。雖然表面上看，這2個衝程數並不起眼，但放在每個班次上所提升的效率是相當可觀的。
4、實現定製化生產的案例
2014年，紅領以零庫存實現150%的業績增長，以大規模定製生產每天完成2000種完全不同的個性化定製產品；公司的核心競爭力是一套大數據信息系統，任何一項數據的變動都能驅動其餘9000多項數據的同步變動，真正做到了從用戶的個性化設計訂單到生產過程的“零時差”連接。
紅領走了一條極端的定製路線，生產的每一件衣服從生成訂單前就已經銷售出去，並且每一件衣服都是由用戶親自完成的設計。這在成本上只比批量製造高10%，但收益卻能達到兩倍以上。實現低成本、高定製化生產的背後是一套完整的大數據信息系統，任何一個用戶一週內就能夠拿到定製的衣服，而傳統模式下卻需要3一6個月。
定製的第一步是用戶數據的採集，最重要的數據是用戶的量體。量體數據採集的方案主要有四套：第一套方案，用戶可以根據以往在任何一個大品牌服裝上體驗的自認爲最合適據，從紅領的數據庫中自動匹配對應的量體數據；第二套方案，通過O2O平臺，在任何地點預約上門量體；第三套方案，用戶可以到紅領的體驗店直接採集量體數據，整個過程只需要5分鐘，採集19個部位的數據；第四套方案，用戶也可以選擇自己的標準號，但是要對自己的選擇負責。完成用戶的數據採集之後，紅領就會形成一個用戶的數據檔案，在未來用戶進行新的定製化設計時可以直接使用以前的數據。
除了量體數據的定製化，最大程度滿足西裝的合身之外，客戶還可以定製衣服的面料、圖案、光澤、顏色，甚至是一些極其微小的細節。比如鈕釦的形狀和排列方式、口袋的樣式、裏襯的走線紋路，甚至是添加一個水滴形的鋼筆口袋，或是印上自己家族的徽章和名字。即使是在如此複雜和高度定製化的情況下，依然可以確保在7天內爲用戶完成製作併發貨。這其中的祕訣依然離不開數據：當客戶在網上完成下單之後，這些定製化的設計被轉變成數以萬計的生產指令數據，並按照工序被記錄在數十個磁卡中，形成了一件衣服在製作過程中的“身份證”。
一件定製化西服的生產流程可以簡單描述爲：工廠的訂單信息全程由數據驅動，在信息化處理過程中沒有人員參與，無須人工轉換與紙質傳遞，數據完全打通，實時共享傳輸。所有員工在各自的崗位上接受指令，依照指令進行定製生產，員工真正實現了“在線”工作而非“在崗”工作。當一件正在製作中的西服到達一個工人面前時，員工可以從互聯網雲端獲取這件西服的製作指令數據，按客戶的要求操作，確保了來自全球訂單的數據傳遞零時差、零失誤率，用互聯網技術實現客戶個性化需求與規模化生產製造的無縫對接。
在生產線的智能化升級方面，基於MES , WMS , APS等系統的實施，通過信息的讀取與交互，與自動化設備相結合，促進製造自動化，流程智能化。通過AGV小車、智能分揀配對系統、智能吊掛系統與智能分揀送料系統的導入，加快整個製造流程的物料循環，通過智能摘掛系統、線號識別系統、智能取料系統、智能對格裁剪等系統的導入實現整個製造流程的自動化。除此之外，紅領還利用大數據分析解決生產線平衡和瓶頸問題，使之達到產能最大化、排程最優化及庫存和成本的最小化。
紅領經過10多年的數據累積，建立了個性化產品數據模型以及數據累積管理模型，基於數據模型完善大數據，目前具有千萬種服裝版型，數萬種設計元素，滿足用戶個性化定製需求，組合出無限的定製可能，目前能滿足近100%的個性化設計需求。紅領在產品設計方面採用了與傳統服裝行業不同的三維計算機輔助設計（CAD）、計算機輔助工藝規劃（CAPP）方式，對款式、尺碼以及顏色等都進行智能化管理。紅領使用大數據技術的最核心價值就是對C2M各生態鏈上的海量數據進行收集、存儲和分析，構建了以下5個方面的核心能力：
規模化：將軟件、硬件設備資源進行規模化集成，提升設備的計算能力；
可靠性：用分佈式數據中心的存儲和備份，保證了數據的容災性；
虛擬化：將軟、硬件相互隔離，虛擬化應用，減少了設備之間的依賴性；
按需服務：建立雲端的虛擬資源池，爲各模塊提供彈性支撐服務；
通用性：不用針對具體的應用，在“雲”的支撐下可構造不同的應用。
正是有了這樣的一套大數據驅動的生產系統，紅領員工才發出這樣的感慨：現在人人都是設計師，每一件西服都是一個故事，從衣服上可以猜測它背後是什麼樣的人來穿，甚至以什麼樣的心情來穿。
5、實現產品的持續跟蹤服務的案例
（1）1987年，美國通用汽車（General Motors）收購了了休斯電氣公司（Hughes ElectronicsCorporation），應用各自領域的專業技術優勢和經驗在1992年開發出了OnStarTM（國內稱爲“安吉星”）系統。安吉星最初的功能主要是遠程監控和危機處理，比如當用戶丟失車鑰匙時幫助他們遠程打開車門、汽車發生問題時進行遠程診斷篩選，以及汽車在發生碰撞後提供緊急救援服務。這也是汽車領域利用遠程數據採集爲用戶提供服務的第一次嘗試。
（2）另一個代表是GE Medical Systems （GE Healthcare的前身）推出的InSite設備網管系統，能夠通過無線系統網絡對GE的醫療泛備（如核磁共振儀等）進行點對點監控。在InSite推出以前，醫療設備在故障後需要聯絡現場工程師到現場處理，從派遣工程師到維修完畢的平均時間爲4個小時，故障後常常造成顧客長時間等待和抱怨。InSite系統可以直接對設備進行遠程監控，發生故障時遠程幫助用戶及時找出問題並自行解決，減少了不必要的到點維修。如果客戶無法自行解決，也可以在遠程對設備的故障進行較爲詳細的診斷，在到點維修前提示準備好所需的資源和備件。使用InSite系統後，41%的故障可以遠程排除，平均消耗時間僅爲15分鐘，而34%的故降可以進行遠程診斷和到點維修準備，平均故障排除時間降低到了2小時。在InSite的幫助下，GE大幅削減了售後服務的成本，而且將設備的停機率縮短至小於1天/年。這個概念也激發了GE爲航空發動機開發On-wing SupportTM服務的靈感，爲GE第二代遠程大數據服務系統打下了基礎。
（3）還有一個代表產品是奧蒂斯（OTIS）電梯公司的遠程電梯維護系統（Remote ElevatorMaintenance，REMTM）早在1995年就利用監控數據對電梯進行遠程維護。那個時候電梯最大的問題就是經常打不開門，把乘客關在一了電梯裏，而維修人員趕到現場進行故障排除需要1個小時左右的時間。爲了避免故障的發生，OTIS有一個龐大的維護人員團隊，對每個城市的高層OTIS電梯進行定期的巡檢，帶來了高昂的人力成本。於是OTIS通過REMTM監控每一臺電梯的平均開門時間和電氣設備的重要參數，判斷電梯發生故障的風險，爲維護團隊提供巡檢的優先級排序和預防性維護決策支持，在承擔較低的人力成本條件下最大限度地避免了電梯故障。
（4）小松機械（Komatsu）在2005年推出了康查士（KomtraxTM系統），利用ICT技術對車輛進行遠程使用管理，將設備的使用數據和各種健康信息及時反饋給客戶，幫助客戶做好日常保養工作，使設備保持良好的狀態。該系統還可以對用戶的使用工況進行判斷，例如當挖掘機設備在土質鬆軟的海邊工作時，由於設備自身無法固定而牢固，常常需要在超負荷的工況下運行，康查士系統就可以提醒用戶在該工況下的使用風險，並給出相應的維護建議。小松曾派工程師於2005~2006年到美國的IMS中心合作開發智能維護分析工具，對遠程裝備管理提供信息服務。
（5）阿爾斯通（Alstom）的TrackTracerTM車載診斷系統能夠在高鐵運行時監控車輛關鍵部件的健康狀況，一旦發現現異常，TrackTracerTM就可以對故障進行遠程診斷，並派遣維護人員在車輛的下一個站點進行維修，從而最大限度地保障列車的運行率。TrackTracerTM還可以通過車載的振動傳感器對鐵軌進行監控，避免了以往人工檢查的低效和安全隱患。
6、爲企業提升新的服務價值的案例
GE旗下的飛機發動機公司（GE Aircraft Engine）在2005年將公司名稱改爲“GE航空”（GE Aviation），這代表着業務模式的轉型。原來的發動機公司只做發動機，而改名後的GE航空則提供運維管理、能力保障、運營優化和財務計劃的整套解決方案，還可以提供安全控件、航管控件、排程優化、飛航信息預測等各類服務，由服務帶來的價值空間更大了。
例如，GE航空提供的“On-Wing Support”服務，在航班飛行的過程中監控發動機的健康狀態，對可能發生的故障風險進行預測，在飛機落地前就可以在相應的機場準備好維護所需的備件和技師等資源，從而使發動機的使用率大大提升，同時安全性也得到了很好的保障。這項服務推出後，從美國芝加哥飛往上海的航班降落後僅需3小時的週轉時間就可以搭載上海的乘客返回芝加哥，航班的週轉率大大提升，爲航空公司帶來了相當可觀的價值增長。有了這些服務之後，GE賣的已經不是或者不只是發動機，而是航空管理服務。這樣，發動機生產商從過去單純的發動裝置提供者轉變爲如今的航運信息管理服務商。