大數據不僅僅是大量數據的積累。大數據的壹個重要屬性是，人們試圖收集和弄清楚不斷變化的數據類型。如果只是收集了大量同類型的數據，再多的數據也不能稱之為大數據。
如何實現智能制造是大家關心的問題。從哈佛商學院的邁克爾·波特到沃頓商學院，都有壹個普遍的認識，數字化轉型是實現智能制造的途徑。重要的是，這些知識也來自許多世界級的制造企業和企業家。
這些知識是基於眾多技術趨勢的融合，如物聯網、賽博系統(CPS)、工業物聯網、移動技術、人工智能、雲計算、虛擬/虛擬增強現實(VR/AR)、大數據分析。我們必須保持清醒，不要簡單地認為有了這些技術，未來五年就是制造業的黃金時代。原因很簡單。這種新的制造文化的轉變過程相當復雜和困難。沒有行業、企業、用戶的融合，這種轉變是無法實現的。數字化轉型不僅僅意味著簡單的企業數字化，而是將數字作為智能制造的核心驅動力，用數據整合產業鏈和價值鏈。
自工業革命以來，為了改善運營，制造商壹直在有意收集和存儲數據。隨著時間的推移，制造業對數據分析的需求會越來越大。但是，在過去的很多年裏，使用數據的根本動機沒有改變，數據的復雜度增加了，數據轉化為情報的能力越來越大。
2012，Gartner給出了大數據的定義，特別強調大數據是壹種多元化的信息資產，不僅關註實際數據，也關註大數據處理方法。數據本身的大小並不是判斷大數據價值的核心指標，但數據的實時性和多樣性對大數據的定義和價值有更直接的影響。
在討論工業大數據分析時，我註意到兩種不同的觀點:
第壹種觀點是制造業壹直都有大數據。幾十年來，我們的企業壹直通過歷史記錄、MES、ERP、EAM和其他應用系統收集數據。大數據是壹些產業鏈的新熱詞，尤其是在營銷方面。
第二種觀點認為，從工業大數據的角度來看，制造業是壹個未開放的市場，或者說是壹個新開放的市場。有很多不同類型的數據，但現在它們還沒有被應用到分析中。
考慮到這些觀點，我們在面對任何新的市場提法，包括名詞解釋、定義或分析框架時，都應該始終保持壹種適當的懷疑態度。這裏我更傾向於第二種觀點。我們的制造業確實有很多數據，但這不是我們大多數人從市場上理解的“大數據”的含義。在搞清楚工業大數據的分析之前，應該如何定義制造業的大數據？在這裏，我們可以通過大數據的三個特點來進壹步了解大數據的特點。
數據源
工業大數據主要有兩個來源。首先是智能設備。普適計算有很大的空間，現代工作者可以帶壹個普適傳感器等設備參與生產和管理。所以工業數據源就是280億左右的大量設備之間的關聯，這是我們未來需要收集的數據源之壹。
第二個數據來源於人類軌跡產生的數據，包括現代工業制造鏈中采購、生產、物流、銷售的內部流程和外部互聯網信息。通過行為軌跡數據和設備數據的結合，大數據可以幫助我們分析和挖掘客戶，其應用場景包括實時核心交易、服務、後臺服務等。
數據關系
數據必須在相應的環境中進行分析，才能理解數據之間的關系。比如，每壹款新機型在交付給航空公司之前，都會經過壹系列殘酷的飛行測試。極端天氣測試是測試之壹。這項試驗的目的是確保飛機的發動機、材料和控制系統在極端天氣條件下能夠正常工作。
處理問題的關鍵是找到問題的根源，消除已知的錯誤，保證解決方案的可靠性和有效性。壹旦找到並確定了根本原因，並且有了可接受的應急措施，就可以將問題視為已知錯誤。問題調查過程必須收集與事件相關的所有可用信息，以確定並消除事件和問題的根本原因。數據收集和分析必須與事件/問題的環境數據相結合。
數據值
對於數字化轉型，大數據不僅要關註實際的數據量，最重要的是要關註大數據處理方法在特定場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報率(ROI)的設計，盲目尋求大數據，大數據分析既不能落地，也不能為企業創造價值。
工業大數據分析的定義
發動機是飛機的心臟，也是關系到航空安全和生命安全的重中之重。為了實時監控發動機狀態，大多數現代民航公司都安裝了飛機發動機健康管理系統。傳感器、發射系統、信號接收系統、信號分析系統等收集的數據。將通過飛機通信尋址和報告系統以VHF或衛星通信的方式傳輸，這也是為什麽GE的發動機監控系統每天獲得超過1PB的數據。
生產執行系統(MES)與飛機發動機健康管理系統完全相同。我們可以從工廠的生產中實時收集大量的過程變量、測量結果等數據。基於大量數據集生成的報告，或者基礎統計的分析，還不足以稱為制造業的大數據分析。
數據類型的多樣性是工業大數據分析的重要屬性。
大數據不僅僅是大量數據的積累。大數據的壹個重要屬性是，人們試圖收集和弄清楚不斷變化的數據類型。如果只是收集了大量同類型的數據，再多的數據也不能稱之為大數據。
比如生產環境下采集的時間序列模擬過程變量，數據類型單壹，很容易建立索引。即使有千千，也不足以成為大數據。
數據必須包括高度可變性和物種多樣性。制造工廠的大數據應用數不勝數，但並不包括簡單的對壹系列過程測量結果進行分類和展示。對於這些任務，可以完成基本的統計顯示。壹些大數據數據庫或數據湖也是由文本信息、圖像數據、地理或地質信息和非結構化信息組成，比如通過社交媒體或其他協作平臺獲得的數據類型。
制造信息結構壹般分為兩層，壹層是管理層，壹層是自動化層。從管理、生產執行、控制三個緯度實現決策支持、管理、生產執行、過程控制和設備連接與感知。制造業大數據分析是指利用壹個通用的數據模型，將管理和自動化層的結構化系統數據和非結構化數據結合起來，然後通過先進的分析工具發現新的洞察。
大數據分析對企業生產智能的意義
制造業創新的核心是依靠大量的前沿技術。先進技術是創新的壹種手段。在新技術的支持下，企業管理應用系統，如ERP和EAM，可以通過集成制造運營管理系統MOM與工業自動化的相關系統集成。在集成制造運營管理的基礎上，實現IT+MOM+MES+BI壹體化的集成制造企業信息系統解決方案。
從工業化和現代化融合的角度，信息系統提供商應該從企業的主要信息系統供應商(MIV)的角度，做好規劃、標準、功能設計和實施策略的統壹。協助企業進行風險控制，減少投資，降低運維成本，實現企業信息系統的完全集成。
特別需要註意的是，企業管理信息平臺通常被視為制造企業管理的集成和儀表板工具。許多供應商不僅大量投資於其與ERP和自動化系統的專有集成，還投資於開放式集成、儀表板和移動技術，希望為隨時隨地需要正確信息的決策者提供測量標準。
制造業大數據分析的三種方式
第壹種方式是利用開放的技術和平臺，將任何系統的數據移動到任何其他地方。
制造運營管理系統建設項目是壹個系統工程，不僅僅是我們理解的壹套傳統的軟件系統，更是壹個項目執行和服務的平臺。這需要體現制造企業在項目管理和制造企業戰略“客服”方面的綜合管理能力和軟實力。
整個平臺要從前期、項目實施、售後服務三個階段來架構。在前期規劃中，要註重標準、設計和實施，特別是要與綜合管理信息系統形成統壹對接。有了前期統壹規劃的制定，項目實施的環節可以整合行業經驗、整合能力、實施能力、軟件開發能力。特別是要在組織內建立和形成超級團隊體系。持續服務，長期運營，將物聯網應用與“軟件+雲服務”的互聯網+戰略相融合，是後續服務的重點考慮。
在制造業大數據分析中，需要通過物聯網技術的應用，加強對後續持續服務的支撐工作。通過工業物聯網，可以通過及時響應客戶、定期檢查物聯網軟硬件系統、提供應急備件、提供耗材、完善應用等功能，加強和鎖定供應鏈企業與企業的長期合作。通過管理平臺和物聯網數據，我們可以持續為客戶提供有價值的服務。
第二種方法是投資能夠處理工廠內外系統架構堆棧中的結構化和非結構化數據的數據模型。
新技術是創新革命的核心，其中最重要的壹個特征是集成，即制造運營管理系統MOM與ERP、EAM、OA、經營分析的集成，包括壹鍵登錄、界面集成、消息推送、工作流集成、主數據和應用集成總線和平臺。
由於這些系統之間的主數據都是統壹的，所有系統之間的數據交互都依賴於應用系統總線進行數據交互，在整合跨系統的業務流程、工作流和服務流程後實現無縫集成和分析。對於企業管理者來說，壹鍵登錄後，可以根據不同的崗位，個性化顯示與管理最相關的必要信息。這就是互聯網帶給我們的分享理念。
第三種方式是將時間序列、圖像、視頻、機器學習、地理空間、預測模型、優化、仿真、統計過程控制等先進的分析工具與制造企業中的大數據平臺相結合，從而洞察尚未出現的情況。將傳感器、傳感器、傳輸網絡、應用軟件等IOT數據與管理應用軟件相結合，將是未來制造業大數據分析的壹個主要方向。
在企業內部培養大數據分析專家。
作為壹個行業，我們需要有機地開發行業專用的大數據分析工具集，讓當前的行業專家從足夠的數據科學中實現數字化轉型。為了推動轉型，我們需要大量優秀的企業使用這種方法，並向他人或同行證明其價值。