制造業的數據總量居然超過了政府部門的數據總量，這個結論還是讓我吃了一驚，因為在2000年的時候，我還記得那個時候說，數據總量80%在政府，那么中國這個制造大國，面臨美國的工業互聯網，德國的工業4.0，不是一個上不上的問題，而是一個怎么上的問題，否則，毀滅你與你無關。

回想這25年來的信息化工作，數據、信息、知識，還是給企業帶來了巨大的價值，所以筆者才提出了一個理念，就是傳統企業利用大數據思維，收集具有統計學意義的小數據，進行分析應用，就可以獲得巨大的經濟價值。

工業大數據指在工業領域中產生的各種數據，事實上相對于互聯網數據、營銷數據，工業數據覆蓋著整個價值鏈、生態圈，甚至筆者現在提出升級的工業企業必須三流合一，這三流就是物流(包括物的變化，這是工業企業的核心，然后才是運輸、倉儲意義上的物流)、資金流、信息流，做到三流合一才是一流的工業企業。

工業企業隨著信息化軟硬件設備、系統的普及應用，包括條形碼、二維碼、RFID、工業傳感器、工業自動控制系統、工業物聯網、MES、CAD/CAPP/CAM/CAE/CAI/CAQ、PDM 、ERP等等，工業企業擁有的數據越來越多，這些數據同樣具有大數據的特征，工業企業能否按照大數據的思維方式實現企業的數據應用，是值得我們深思的大話題。

筆者還是按照大數據的4個V，也就是數據量、數據種類、數據速度、數據價值四個方面對工業企業的大數據進行解讀。

要想發現隱藏的知識，必須具有足夠的數據量，筆者曾經培訓一個鋁輪轂企業的PRO/E軟件中的有限元分析，企業的需求就是如何提高鋁輪轂的設計一次成功率，筆者教會了企業員工如何建模，如何加約束，如何加載荷，如何網格劃分，如何設置相關工況，如何計算，并分析計算結果，然后很現實的問題就是，分析結果出來以后，強度應力值，結合安全系數，到底取多大，筆者是沒有數據基礎的，只能告知企業的員工，你們回去后，計算至少10個產品以后，結合試驗數據，最終確定強度應力值的閥值。不過值得欣慰的是，過了半年左右，和企業的員工聯系后，他們告訴我，有限元分析已經普及化應用，現在試驗失敗的設計已經大幅度降低，印象說法以前15%左右，每個月總有幾個，超過10個也有，現在一個月難得有一、兩個。

然后說數據種類，隨著客戶要求的提升，例如服裝企業，曾經1個半月的交期，現在要求一周，以往的工作模式，根本完不成，那么為什么完不成。分析其原因，來回返工，各種更改是頻繁發生，那么從一個具體的設計變更來說，以前只需要發出變更就OK，現在變更必須查詢物料情況，確認物料才可以，以前設計結束了，如何檢測，檢測部門自己定，差錯是經常的，現在是設計變更、物料、檢測單必須三單齊才可以下發，那么這就意味著操作者必須考慮更多的數據，也可以說成大數據，那么這種情況下，就必須足夠的信息系統支持，而其產生的數據，數據的量、種類，也大幅度上升，這種模式下，其產出也就變成了大數據。

第三說時效，其實對于工業企業，生產部門的數據的及時性要求甚至比互聯網企業更高，例如生產線的高速運轉，一臺關鍵設備出現前期缺陷，如果不能及時處理，進一步擴大，將導致設備癱瘓，整個生產線停轉，產品就不能完成，而更要命的問題是，工業化生產是規?；?，缺一個零件，整個產品就出不了廠，例如某汽車配件企業產品出現問題，汽車總裝廠停線兩天，直接造成數以億計的損失。再從單元設備角度，工業制造過程往往伴隨強大動力，一旦設備故障，將會產生人生傷害風險，安全事故時有發生。所以工業企業如何利用大數據手段提升效率，是很多企業重點考慮的問題。

第四說價值，拿設計來說，設計中會有很多方案，經過多次比選，選擇了一個方案，繪制圖紙，而淘汰的方案就放棄了，那么這些淘汰方案就沒有價值了嗎?以往由于存儲成本問題，企業往往丟棄了這些東西，因此造成的結果就是知其然不知其所以然，例如某企業的零件經常出現問題，但是技術人員還是不敢改，原因就是怕改了更糟糕。也有個例子，某汽車企業引進一個車型，將長度加了10厘米，結果整個動力學性能不可同日而語。所以如何積累那些以往丟棄的過程數據，對于工業企業也是個值得深思的話題。

筆者崇尚的大數據思維，簡要從數據的電子化采集、數據的視角高度、數據應用三個方面做一些描述。

數據采集的手段可以包括人工采集、電子化采集、網絡化存儲、平臺化存儲多個層次，不同的層次將帶來不同的價值。一個汽車企業，油漆溫度要求2個小時采集一次，而一位熟人告訴我，目前模式工程師們幾天填一回，那么如果油漆出現問題，需要處理的車的范圍將是管理期望的數十倍。于是我跟這位熟人建議，企業真的重視，那么可以用電子采集手段啊，把數據傳到服務器，數據的產生同時包括生成時間，而這個時間是服務器時間，這樣工程師就不能控制了，以往手寫的，隨便寫。她又問我，那如果工程師不看表就亂填怎么辦，我的回答是，那就只能上自動化采集設備了。而類似的，一個企業產品質量偶爾出問題，企業最終決定，上一套工控系統，在一次又出現問題時，經過分析，認為員工一定沒有正常上班，否則不會出現這樣的數據，最終員工交待，當時他在睡覺，而之后，該產品再沒有出問題。

數據的視角高度是指生產的各個環節的數據流，例如有企業，設計部門做完三維設計、做二維圖紙，發給工藝部門的是二維圖紙，三維模型不給的，因為不符合管理規范，于是工藝部門再根據二維圖紙進行三維建模，可想而知其效率與質量，生產誤時間不說，還經?？床欢?，錯誤頻繁。這是在兩個節點之間的數據處理問題，而更高的層次，是整個生產流程是否可以拿到所有的數據，數據的傳遞過程中，是否出現偏差，這也是個非常大的問題。某企業被客戶投訴，三天之內就賠付了50萬美金，內部處理開掉了一個設計師，原因就是工廠生產采用了某個國產零件，而該零件是國外客戶明確指定供應商的，而追查起來，是總部設計師沒有把這條信息傳遞到工廠。

第三說數據的應用，當我們采集了各個環節的數據，以全局性眼光、改善性眼光來看待的整體工業流程時，將會發現很多可以創新改進的機會，或者對企業的關鍵節點進行優化，就可以獲得巨大的經濟收益。例如某企業一名普通員工，提出供應商的一道工序，我們也有一道，能不能兩道合一道，企業采納了，與供應商協商執行后，一年就給企業節約200萬美金的采購成本。某企業實現了客戶訂單有紙面傳真，改成電子化，又由電子化上升到標準化，通過一個自動化轉換平臺(轉換部分達到總訂單85%)，實現客戶訂單信息向生產指令的自動化轉換，結果大幅度提升了企業的訂單完成時間，原來一般一個月交期，現在7天，加急訂單三天，企業的人員規模除增加兩名軟件開發人員以外基本沒變，企業設備基本沒變，而一年的時間，企業的產值從2個多億上升到7個多億。而從數據的應用看，一個企業通過工程機械的開工情況分析，得出經濟危機將至的結論，減少了擴張，成功避免了損失。一個企業通過分析產品的最終用戶，而不是僅僅象以往一樣只是從渠道那里拿到一些匯總數據，經過分析，確立了一個細分市場，結果成功形成了規?；采谝话闳搜劾锏募t海中開辟了一塊天地。

隨著全球經濟一體化、互聯網、移動應用，大數據的應用，企業面臨的是前所未有的競爭環境，利潤空間日益變薄，拿GE的工業互聯網說法，至少節約成本1%-1.5%，但是這1%-1.5%可能就是工業企業的生死線，例如某企業1500美金的產品，利潤只有10塊美金，而如前例，一道工序優化，就為那個年產值2.5億美金的企業帶來了0.8%的成本節約，所以筆者以為，用大數據思維分析企業，應用大數據，改進企業流程，優化工序，創新產品，改進客戶關系，從而實現企業整體的優化，達到升級，是一條王道。