摘自雷博士《云+AI+5G驅動的數字化轉型實踐之道》

大數據，或稱之為巨量數據、海量數據。大數據，是指那些在進行分析、運算上所涉及的數據量規模巨大到無法通過人工在合理時間截取、管理、處理、并整理成為人類所能解讀的信息的數據。

現代社會是一個高度信息化、數字化的社會。隨著互聯網、物聯網和云計算等技術的飛速發展，使得數據分布在各個行業并且貫穿業務始終，數據不再從單一來源產生，數據形式越發多樣，這些改變使得數據成為一種新的資源，需要人們對其加以合理、高效、充分的利用。

1.企業大數據的主要來源

企業大數據來源于產品生命周期的各個環節，包括市場、設計、制造、服務、使用各個環節，每個環節都會有大數據。“全”生命周期匯合起來的數據更大。當然，企業外、產業鏈外的“跨界”數據也是企業大數據“不可忽視”的重要來源。

企業大數據的主要來源有三類：

第一類是生產經營相關業務數據。主要來自傳統企業信息化范圍，被收集存儲在企業信息系統內部，包括傳統工業設計和制造類軟件、企業資源計劃(ERP)、產品生命周期管理(PLM)、供應鏈管理(SCM)、客戶關系管理(CRM)和環境管理系統(EMS)等。通過這些企業信息系統已累計大量的產品研發數據、生產性數據、經營性數據、客戶信息數據、物流供應數據及環境數據。

第二類是設備物聯數據。主要指工業生產設備和目標產品在物聯網運行模式下，實時產生收集的涵蓋操作和運行情況、工況狀態、環境參數等體現設備和產品運行狀態的數據。此類數據是工業大數據新的、增長最快的來源。狹義的工業大數據即指該類數據，即工業設備和產品快速產生的并且存在時間序列差異的大量數據。

第三類是外部數據。指與企業生產活動和產品相關的企業外部互聯網來源數據，例如，評價企業環境績效的環境法規、預測產品市場的宏觀社會經濟數據等。

工業大數據具有一般大數據的特征(海量性、多樣性等)，此基礎上具有價值性、實時性、準確性、閉環性四個典型的特征。工業大數據與互聯網大數據最大的區別在于工業大數據有非常強的目的性，而互聯網大數據更多的是一種關聯的挖掘，是更加發散的一種分析。

2.企業大數據的運作過程

第一是數據搜集，要對來自網絡包括物聯網和機構信息系統的數據附上時空標簽，去偽存真，盡可能收集異源甚至是異構的數據，還可與歷史數據對照，多角度檢驗數據的全面性和可信性。

第二是數據存儲，要達到低成本、低能耗、高可靠性目標，要用到冗余配置，分布和云計算技術，存儲時對數據進行分類，并加入便于檢索的標簽。

第三是數據處理，利用上下文關聯進行語義分析，現在關于上下文這種關聯，如圖3-1所示，也是一個國際上比較熱門的一個領域。

圖3-1 基于大數據所形成增值鏈的分析和優化框架

第四是可視化呈現，目前計算機智能化有了很大的進步和發展，通過云平臺上所部署的AI算法PaaS模組對不同場景的大數據進行處理，對其結果進行可視化呈現。通過平臺實現對工業數據的遠程監控，可視化的遠程運維。于此同時，更幫助企業根據以往的數據，通過大數據來分析當前需求變化和組合形式，為產品優化及預警分析提供數據，并形成統計報表，為企業領導決策提供數據支持。

3.大數據應用場景簡析

由大數據驅動的制造業轉型升級，是未來制造業提升生產效率、改進產品質量、節約資源消耗、保障生產安全、優化銷售服務的必經之路，通過與工業互聯網、人工智能、移動互聯網、云計算等技術的協同發展，工業大數據驅動的工業互聯網必將深度融入實體經濟，成為數字經濟時代的新引擎。

1)加速產品創新

客戶與企業之間的交互和交易行為將產生大量數據，挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。福特公司是這方面的表率，他們將大數據技術應用到了福特福克斯電動車的產品創新和優化中，這款車成為了一款名副其實的“大數據電動車”。

2)產品故障診斷與預測

這可以被用于產品售后服務與產品改進。無所不在的傳感器、互聯網技術的引入使得產品故障實時診斷變為現實，大數據應用、建模與仿真技術則使得預測動態性成為可能。在馬航MH370失聯客機搜尋過程中，波音公司獲取的發動機運轉數據對于確定飛機的失聯路徑起到了關鍵作用。

3)工業物聯網生產線的大數據應用

現代化工業制造生產線安裝有數以千計的小型傳感器，來探測溫度、壓力、熱能、振動和噪聲。因為每隔幾秒就收集一次數據，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析(包括違反生產規定、零部件故障)等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標準工藝，就會產生一個報警信號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。

4)工業供應鏈的分析和優化

當前，大數據分析已經是很多電子商務企業提升供應鏈競爭力的重要手段。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。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。

美國較大的OEM供應商超過千家，為制造企業提供超過1萬種不同的產品，每家廠商都依靠市場預測和其他不同的變量，如銷售數據、市場信息、展會、新聞、競爭對手的數據，甚至天氣預報等來銷售自己的產品。利用銷售數據、產品的傳感器數據和出自供應商數據庫的數據，工業制造企業便可準確地預測全球不同區域的需求。由于可以跟蹤庫存和銷售價格，可以在價格下跌時買進，所以制造企業便可節約大量的成本。如果再利用產品中傳感器所產生的數據，知道產品出了什么故障，哪里需要配件，他們還可以預測何處以及何時需要零件。這將會極大地減少庫存，優化供應鏈。

5)產品銷售預測與需求管理

通過大數據來分析當前需求變化和組合形式。大數據是一個很好的銷售分析工具，通過歷史數據的多維度組合，可以看出區域性需求占比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等，以此來調整產品策略和鋪貨策略。

6)生產計劃與排程

制造業面對多品種小批量的生產模式，數據的精細化自動及時方便的采集及多變性導致數據量劇烈增大，再加上十幾年的信息化的歷史數據，對于需要企業快速響應來說，是一個巨大的挑戰。大數據可以給予我們更詳細的數據信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化算法，制定預計劃排產，并監控計劃與現場實際的偏差，動態的調整計劃排產。

7)產品質量管理與分析

傳統的制造業正面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。例如在半導體行業，芯片在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝制程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。這些海量數據究竟是企業的包袱，還是企業的金礦呢?如果說是后者的話，那么又該如何快速地撥云見日，從“金礦”中準確地發現產品良率波動的關鍵原因呢?這是一個已經困擾半導體工程師們多年的技術難題。

工業企業中生產線處于高速運轉，由工業設備所產生、采集和處理的數據量遠大于企業中計算機和人工產生的數據，從數據類型看也多是非結構化數據，生產線的高速運轉則對數據的實時性要求也更高。因此，工業大數據應用所面臨的問題和挑戰并不比互聯網行業的大數據應用少，某些情況下甚至更為復雜。所以選擇適合企業的大數據采集及應用管理尤為重要。

大數據、AI和云高度融合重點體現為工業界的發展趨勢。采用混合云方案可以提供一體化的端、邊、云平臺，為用戶提供統一的人工智能分析建模、大數據計算以及資源分配與共享管理功能，從而增加便利性、降低使用成本、豐富業務場景。關于大數據技術和系統我們將在第六章進行深入、系統地闡述。

欲進一步了解，請點擊參考。