一文读懂工业大数据的脉络
工业大数据不同于大数据,具有自己独特的特征。本文着重从工业大数据的定义与范畴、来源、特征、技术及应用领域、面临的问题等,全面剖析工业大数据的方方面面,让你一文读懂工业大数据的脉络!
工业大数据是指在工业领域中,围绕典型智能制造模式,从客户需求到销售、到订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命各个环节所产生的各类数据及相关技术和应用的总称,其以产品数据为核心,极大延展了传统工业数据范围,同时还包括工业大数据相关技术和应用。
——工业大数据来源——
我们所谈的工业大数据,不完全等同于企业信息化软件中流淌的数据,从业界的共识看,主要来源有三类,第一类是企业经营相关的业务数据,这类数据来自企业信息化范畴,包括企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理(CRM)和环境管理系统(EMS)等,此类数据是工业企业传统的数据资产。
第二类是机器设备互联数据,主要是指工业生产过程中,装备、物料及产品加工过程的工况状态、环境参数等运营情况数据,通过MES系统实时传递,目前在智能装备大量应用的情况下,此类数据量增长最快。
第三类是企业外部数据,这包括了工业企业产品售出之后的使用、运营情况的数据,同时还包括了大量客户、供应商、互联网等数据状态。
——工业大数据特征——
笔者曾就工业大数据特征及数据驱动工业价值创造等话题,专门采访过工业大数据领域知名专家——美国科学基金会(NSF)智能维护系统(IMS)中心主任李杰教授,他表示:工业大数据与互联网大数据最大的区别在于工业大数据有非常强的目的性,而互联网大数据更多的是一种关联的挖掘,是更加发散的一种分析。
除此之外,两者在数据的特征和面临的问题方面也有不同。有别于互联网大数据,工业大数据的分析技术核心要解决“3B”问题:
1)Below Surface —— 隐匿性,即需要洞悉背后的意义
工业环境中的大数据与互联网大数据相比,最重要的不同在于对数据特征的提取上面,工业大数据注重特征背后的物理意义以及特征之间关联性的机理逻辑,而互联网大数据则倾向于仅仅依赖统计学工具挖掘属性之间的相关性。
2)Broken —— 碎片化,即需要避免断续、注重时效性
相对于互联网大数据的量,工业大数据更注重数据的全,即面向应用要求具有尽可能全面的使用样本,以覆盖工业过程中的各类变化条件、保障从数据中能够提取以反映对象真实状态的信息全面性。因此,工业大数据一方面需要在后端的分析方法上克服数据碎片化带来的困难,利用特征提取等手段将这些数据转化为有用的信息,另一方面,更是需要从数据获取的前端设计中以价值需求为导向制定数据标准,进而在数据与信息流通的平台中构建统一的数据环境。
3)Bad Quality —— 低质性,即需要提高数据质量、满足低容错性
数据碎片化缺陷来源的另一方面也显示出对于数据质量的担忧,即数据的数量并无法保障数据的质量,这就可能导致数据的低可用率,因为低质量的数据可能直接影响到分析过程而导致结果无法利用,但互联网大数据则不同,其可以只针对数据本身做挖掘、关联而不考虑数据本身的意义,即挖掘到什么结果就是什么结果,最典型的就是经过超市购物习惯的数据挖掘后啤酒货架就可以摆放在尿不湿货架的对面,而不用考虑他们之间有什么机理性的逻辑关系;
换句话说,相比于互联网大数据通常并不要求有多么精准的结果推送,工业大数据对预测和分析结果的容错率远远比互联网大数据低的多。互联网大数据在进行预测和决策时,仅仅考虑的是两个属性之间的关联是否具有统计显著性,其中的噪声和个体之间的差异在样本量足够大时都可以被忽略,这样给出的预测结果的准确性就会大打折扣。比如当我觉得有70%的显著性应该给某个用户推荐A类电影,即使用户并非真正喜欢这类电影也不会造成太严重的后果。但是在工业环境中,如果仅仅通过统计的显著性给出分析结果,哪怕仅仅一次的失误都可能造成严重的后果。
——工业大数据技术:算法与模型——
有了工业数据的大量积累,但并不等于直接的商业收益,中间隔着一道非常关键的通道——工业大数据技术。近几年,很多大数据专家和行业专家也在争执:数据量重要还是大数据算法更重要,双方各执一词。比如Googole就认为数据量的多寡至关重要,甚至直言:更多的数据胜过更好的算法。这种观点与我们意识认知中的“信息越多,就越靠近真相”类似。
而如《The Signal and the Noise》(信号与噪声,作者Nate Silver),这本书里面的一个观点是“更多的数据意味着更多的噪声。信号是真相,噪声却使我们离真相越来越远。”所以,人们需要构建有效的算法和模型,去识别和认知何为真相。
在这里暂不讨论到底是数据量重要还是算法模型更重要,但针对工业大数据的有效利用,肯定离不开工业大数据的分析技术。
——工业大数据应用领域(场景)——
一、研发设计:主要用于提高研发人员的研发创新能力,研发效率和质量,支持协同设计,具体体现在:(1)、基于模型和仿真的研发设计;(2)、基于产品生命周期的设计;(3)、融合消费者反馈的设计
二、在复杂生产过程优化的应用:(1)、工业物联网生产线;(2)、生产质量控制;(3)、生产计划与排程;
三、在产品需求预测中的应用
四、在工业供应链优化中的应用
——工业大数据应用发展存在的主要问题——
《工业大数据白皮书2017年版》指出,研究与应用工业大数据,产品大数据是核心,物联大数据是实现手段,集成贯通是基础(业务模式、商业和价值驱动、关键抽取和应用)。而在实践过程中,这三个方面都存在不同程度的难点。
《工业大数据白皮书2017年版》封面
1、产品大数据:产品大数据是工业大数据的根源与核心,但工业制造业领域涵盖十分广泛,行业种类繁多,产品种类数量庞大且仍在不断增长,如何规范产品大数据的定义与分类方法,建立规范的、属性明确的、可查询可追溯可定位的产品大数据,将是顺利应用工业大数据的前提。
2、物联接入设备:物联大数据是实现工业大数据畅通流动的必要手段,但在工业实际应用中,工业软件、高端物联设备不具备国产自主可控性,物联接入的高端设备的读写不开放,形成设备信息的孤岛,数据流通不畅,突破这种束缚是实现工业大数据的关键。
3、信息集成贯通:集成贯通的难点在于商业驱动、打通关键点和环节,掌控产品源和设备,持续优化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10