當前，大資料作為新一代資訊科技的關鍵，逐漸成為新一輪產業革命的核心。製造業邁入了大資料時代，2012年，GE公司率先明確了“工業大資料”的概念。

在製造業，產品的全生命週期從市場規劃、設計、製造、銷售、維護等過程都會產生大量的結構化和非結構化資料，形成了製造業大資料，而這些資料符合大資料的三“V”的特徵：規模性、多樣性以及高速性。除此以外，製造業大資料還具多源異構、多尺度、不確定、高噪聲等特徵。因此，研究和應用製造大資料更具有挑戰性。主要體現在製造大資料的儲存、管理、分析和展示方面。如何充分挖掘工廠中資料的價值，通過對製造大資料進行分析，提升數字化工廠執行效率，已成為制約數字化工廠向智慧工廠發展的瓶頸！

附：部分部分現場演講實錄

然而，大資料給我們帶來的思考：在製造業能用嗎？解決什麼問題？製造業大資料到底在哪些領域可以發揮它的作用？

首先，能用否？大資料已經成為解決現實世界問題的方法。要解決現實世界的問題，第一種方法就是科學實驗，通過實驗的方法來發現現實世界的一些規律和解決和問題；第二種就是通過理論分析和推導方法；第三種就是科學計算，模擬模擬成為第三種解決問題的正規化；資料科學成為第四種解決問題的正規化，這個就是由美國圖靈獎的獲得者，他出了一本書《第四種正規化》，目前現在國外資料科學是一門非常熱門的學科，它是一門綜合交叉的學科。

大資料方法帶來了思維上的變化，主要是從三個方面來看的：

從因果到關聯，更強調事物之間的相關性而非因果性。

從區域性到全體，採用全體資料進行分析，而不是隨機樣本。

從精確到混雜，通過資料保證解的優異性，不再一味追求精確的演算法。

既然大資料已經成為解決問題的方法，那能用它。

因此，從數字化工廠向智慧化工廠轉化的過程中面對著海量的資料，需要尋找它們相互之間的聯絡和隱藏規律，實現透明化的目標。

最後，在哪裡用？大資料它給製造業提供的是一種全方位的全程式的一種服務，在產品全生命週期階段，從設計到製造、從使用到維護、直到維修階段，產生的正向資料以及逆向資料，這些資料都能全方位的使用。

在產品的設計中，傳統的設計師，基於經驗靈感和經驗，揣度消費者的需求喜好，設計產品。在大資料時代，設計師通過對使用者行為和需求大資料進行分析，精準量化客戶需求，指導設計過程。

在製造階段，大資料技術可以幫助實現生產過程異常發現、產品質量和生產排程優化等方面。以生產異常發現為例，傳統的基於降維手段的異常發現方法，容易破壞資訊完整性，不利於裝置異常的發現。在大資料模式下，基於製造資料的分析對關鍵引數進行提取，然後通過聚類分析手段發現裝置異常模式，在此基礎上對裝置控制優化。大資料也能幫助提高產品的質量控制，大家來自制造業可能知道SPC控制的是整個過程的單個引數，但是單個引數在正常範圍，為什麼還會出現一些質量問題？可能每個引數均處於臨界狀態，綜合產生會產生一些質量問題，所以在這個過程中，傳統就是資料的篩選、引數分析，這個過程介入了人工的分析來進行質量的預測，資料篩選過程淘汰了許多有效的資料資源，引數分析過程經常存在人工經驗判斷，使得預測模型對整個產品加工過程資訊的描述殘缺不全，不能發現產品質量問題的深層次原因（如誤差累積）。因此在大資料模式下，根據產品的加工工藝過程，對產品質量相關資料按層次進行組織，利用多隱藏層的神經網路深度學習加工過程中產品質量資料的相互作用機理，從而對產品質量問題進行全面、深層次描述。大資料能提升大規模生產排程的全域性效能，大家知道為什麼我們企業生產排程一直會出現問題，我們做的計劃好好地趕不上變化。因為所做的計劃，是在一個理想狀態下考慮約束做的計劃。我自己做生產優化排程做了20多年，一直在尋找一種最優的解決方案，研究智慧方法，例如：遺傳演算法、螞蟻演算法等。但隨著工藝的複雜、環境的複雜、工藝的規模，整個問題規模越來越大的時候，它已經是一個很難解決的問題。傳統的智慧排程方法難以求解大規模的排程問題，基於規則和瓶頸的方法在大規模問題中又很難得到全域性優化解；大資料帶來了新思路，他採用全域性的資料之間的關聯關係，從而形成全域性的排程方案，能夠解決大規模生產中的全域性排程問題。

大資料能為產品的運營維護服務，很典型的案例就是GE的案例，建立一個平臺，為航空發動機的監控、執行監測、故障診斷提供一個全方位的服務。在產品的執行和維護過程中，大資料模式一改傳統方法被動的運維模式，通過採集和分析智慧裝置的感測器資料，進行大資料分析，主動進行產品的安全監測、故障診斷，優化產品的執行過程。大資料應用過程中需要的是什麼呢，首先需要的是能夠採集到資料，也就是需要產品是一個智慧化的產品，所以在智慧製造中，首先要有智慧化的產品，安裝感測器，能夠實時的傳遞資料，這為後面的執行、維護服務提供了依據。

大資料不只是關於資料，而是採用傳統及新的分析方法來分析所有資料。針對大資料分析的結果採取行動來提升業務才是最重要。隨著大資料技術的不斷地發展，國內外已對大資料在製造領域中的應用進行了一些開拓性的研究，代表性的有GE工業網際網路解決方案、Smart Factory計劃，SAP HANA平臺和Invensys資料分析平臺，並已在農夫山泉、百事飲料等公司應用。三一重工利用大資料技術通過對地理位置資料的關聯分析發現泵車主油缸故障與沿海地區杭深高鐵建設的強相關性，確定了沿海地區的鹽霧環境和水質是導致油缸密封體腐蝕的主要原因。日本小松公司通過對挖掘機安裝感測器與GPS定位系統，從而實時監控車輛執行情況，並通過大資料分析，對未來挖掘機市場的需求進行預測從而調整生產、對使用者的使用習慣進行分析與建議從而降低油耗。

以上的一些工業案例成為製造業大資料的先驅，然後，目前絕大多數製造業大資料的應用沒能形成系統化的思路和方案，缺乏理論體系的支撐。針對國內在製造業大資料應用基礎研究上的空白，我團隊2014年申請了國家自然科學基金重點專案“大資料驅動的智慧車間執行分析與決策方法研究”， 並得到了資助。目前，圍繞車間製造大資料之間的耦合作用機理、車間效能的演化規律、車間執行過程的調控機制三個基礎科學問題進行科學研究，來探索我們的大資料在我們的智慧製造車間的執行情況。解決問題的思路是是一切都在用資料來說話，利用大資料來解決工程問題的科學研究思路是：一切資料說話。首先資料化：將裝置狀態引數、計劃執行情況等執行引數，以及質量、交貨期等效能指標資料化；然後分析這些資料之間的關聯關係，用資料探勘的方法預測交貨準時率、產品合格率等車間效能的演化規律；從演化規律中，發現質量指標中某資料異常，找到影響該異常資料的關鍵引數，最後對關鍵資料進行控制，保證交貨期和產品質量。為了實現大資料應用，我們提出了大資料驅動的智慧工廠，它是生產車間、物聯網、雲端、移動互聯的有機融合。利用物聯網技術，使得車間生產過程、物流及之後的銷售、服務過程具備感知能力；全生命週期內產生的各種製造資料儲存到雲端；藉助大資料處理與分析技術，依託雲端計算平臺，幫助分析數字工廠執行過程，提供決策支援，並通過移動互聯方式展現。目前我們在晶圓製造的車間和發動機裝配車間，開展了一系列的工作。