工業大數據使用案例

工業大數據使用案例之一：

預測自主維修決策支持分析

在目前的制造業里面，大數據可以做兩件事情：一是打造未來的智能化供應鏈，二是把預防性維修、生產轉化成預判性、預測性。這就是一個綠色產業，包括零排放、零宕機、零維護、供應鏈管理的零庫存等。

物聯網(IOT)的發展以及感應技術的興起，開創了一個能緊密連接物理空間許多事物的信息網絡。隨著分析技術的發展，特別是預測分析的發展，結合互聯網云化的廣泛應用，物理空間與虛擬信息空間的形成與同步，離不開設備的自我意識和自主維修機械系統。智能設備的未來，一定是能夠自主評估健康狀況和退化情況并主動預防潛在性能故障，并且做出維修決策，以避免潛在故障的系統。

按照Jay Lee教授的看法，一個機械系統，自我意識指能夠評估設備當前或歷史條件，并對評估結果做出反應。要實現健康條件評估，就需要利用數據驅動算法分析從機械設備及其周邊環境中的數據。實時設備條件信息可反饋至機械控制器以實現自適應控制，同時信息也會反饋至設備管理人員方便及時維修。然而，對大多數工業應用程序而言，尤其是設備機群而言，設備自我意識還遠未實現。當前診斷或預測算法通常適用于具體設備或應用程序，而在處理復雜信息時自適應和靈活性稍顯不足。由于同一機群中的設備和設備條件彼此互聯，任務和維修計劃可在機群級得到制定和優化。操作員可根據每臺設備的健康條件平衡和調節每臺設備工作量和工作壓力，從而最大程度優化生產和設備性能，實現主動檢修計劃的智能決策。

工業大數據使用案例之二：

助力實現供應鏈優化與創新

第四次工業革命已在全球爆發，為各行業提供了機遇。其商業模式的特征在于價值鏈橫向合作大幅增長，通過全產業的數字化互連與設備的實時監控，綜合利用分析數據與預見分析，從而更好地滿足客戶的要求。

一般的供應鏈與全數字供應鏈的區別在于企業是否有能力高效地對全供應鏈實現監控、報警、預測及優化。面對龐大的數量以及日益復雜的數據分析任務，通過工業大數據來建立智能工業，其本質是利用自適應機器人與先進傳感器等先進技術融合，實現一個數字化制造環境的發展，形成全方位綜合優化管理價值鏈。通過在全供應鏈的數字優化按需定制和信息實時訪問，供應鏈將變得更靈活。

未來智能供應鏈可以從生產、需求、服務的三個大方面來實現。首先從市場需要著手，通過工業大數據，分階段實現需求預測，做好需求與庫存對接的優化工作，實現分配最優。其次，加大生產質量生命周期的分析，對生產設備做好實時的預測性自維修以提高生產的質量，實現最大化產量和可靠性。最終，產品以服務的方式在市場上流通，實現供應鏈配件的優化、售前到售后的服務運營優化、保值分析以及建立增值的售后服務盈利模式。

智能供應鏈應該建立在高度自動化的分析技術和管理平臺上，通過信息技術與運營技術結合形成，來幫助供應鏈的廠商從繁瑣低效的手動工作中解放出來，實現供應鏈智能中心。未來的更智能的供應鏈除了實現智能的支出分析、物料數據分類等主要功能外，其核心旨在加速發展移動互聯網、大數據、云計算、物聯網及其相結合的制造業。利用先進數據分析和預測工具，對實時需求進行預測與分析，增強商業運營及用戶體驗，戰勝更復雜的供應鏈挑戰。

工業創新要以用戶需求為轉型的核心驅動，借助互聯網的靈活和廣闊，結合大數據行業的數據管理與分析技術，通過信息物理系統和決策支持系統，讓我們的工業物理和信息空間融合同步，實現工業生產的自我意識和自我學習，形成預測監控系統的智能制造業大數據環境，幫助企業做出更“明智”的決策。