对制造业来说，每天有大量的数据在各部门、各工序、各软件间流动，数据的规范性、有效性依赖人的经验或制造过程中验证，管理的规范性赶不上银行等金融服务业的管理。
大数据不是外来物。从传统工业自动化释放了人的手脚，到IT时代网络、传感、平台使得工业能够更快感知，现代工业利用网络等现代信息技术构建起智慧的大脑，工业更加智能一定程度上释放了人的脑力。
数据一直蕴含在工业体系中，承载着知识和智慧，分析利用智能制造中所产生的流动大数据，正在成为制造业实现从要素驱动向创新驱动转变的有力手段。使得工业内在的基本固定的运行体系得到本质的创新和提升。
-
产品数据主要来源是产品数据、BOM、工艺数据、品质数据、各类产品文档，还有客户的订单信息等
-
制造过程数据 主要是PMC的计划、物料、客户交付信息、设备数据采集、设备工艺数据、生产达成等，这方面的数据非常大，也是管理的基础；
-
外部数据 客户抱怨、产品追溯管理、运输、同行数据、社会环境等
工业大数据的特征---4V+准确性高+实时性强
大数据的4V特征:数据量大、数据种类多、商业价值高、处理速度快。
准确率高：很多应用场景对准确率的要求达到99.99%，甚至更高。
实时性强：重要的应用场景是在实时监测、实时预警、实时控制，否则难以在生产过程中发挥价值。
|
传统工业数据 |
工业大数据 |
互联网大数据 |
|
|
采集范围 |
小，参数较少 |
大，参数较多 |
大，参数较多 |
|
采集频率 |
低，小时或天 |
高，ms |
中，s |
|
数据量 |
小 |
大 |
大 |
|
数据格式 |
结构化 |
大多结构化数据，少部分是非结构化数据 |
大多非结构化数据，少部分是结构化数据 |
|
多源关联 |
不关注数据属性 |
关注数据属性，强调特征之间的物理关联 |
只分析统计显著性 |
|
分析结果实时性 |
低 |
高 |
中 |
|
分析结果精度 |
高 |
高 |
低 |
软件定义制造的步骤:
1)打通计划物流线，建立生产制造信息基础;
2)实现全面无纸化;
3)车间管理下沉，建立车间级层级递推;
4)生产管理前移，深度集成产品三维数据模型;
5)计划管理上浮，全面实现生产过程智能管控
未来实现智能制造，要进行管理智能化，工业软件要有平台软件让各相关软件，如智能设计软件、PLM、MES、数据采集软硬件等在平台上运行，让数据更智能更集成，让智能软件硬件等辅助或替代人的工作，实现管理更高效管理成本大幅下降。同时有工业云、行业云等让知识集成起来，更专业化。
未来，企业 的数据挖掘、数据应用、数据驱动制造是大趋势，同时工业软件必须规范性、成套化、平台化让企业实现智能管理智能制造。精益生产管理、精益六西格玛的品质管理等是走向智能制造的基础，精益生产管理对企业的制造管理过程规范化数据化非常关键、精益研发加智能软件也是企业真正实现智慧工厂的关键。
共有条评论 网友评论