本文摘要：工业大数据是互联网、大数据和工业产业融合的产物，是中国生产2025、工业互联网、工业4.0等国家战略在企业的落脚点。

工业大数据是互联网、大数据和工业产业融合的产物，是中国生产2025、工业互联网、工业4.0等国家战略在企业的落脚点。对于企业而言，理解工业大数据产生的背景，概括工业企业大数据的分类和特点，从数据流推展工业价值建构的视角看来、造工业价值流程，将具备很强的现实意义。文章最后，笔者共享几个在工业领域数据驱动价值建构的案例，期望起着抛砖引玉的起到。

1、工业大数据产生的背景在工业生产中，无时不刻都在产生数据。生产机床的扭矩、能耗，食品加工的温湿度，火力发电机组的自燃和燃煤消耗，汽车的装备数据，物流车队的方位和速度等，都是在生产过程中的数据。

自从工业从社会生产中独立国家沦为一个门类以来，工业生产的数据采集、用于范围就逐步增大。从泰勒拿着秒表计算出来工人的用铁锹送煤到锅炉的时间开始，是对生产管理数据的收集和用于；福特汽车的流水化生产，是对汽车生产过程的工业数据的收集和工厂内用于；丰田的精益生产模式，将数据的收集和用于不断扩大到工厂和上下游供应链；核电站发电过程中全程自动化将生产过程数据的自动化水平提升到更高程度。任何数据的收集和用于都是有成本的，工业数据也不值得注意。

但随着信息、电子和数学技术的发展，传感器、物联网等技术的发展，一批智能化、高精度、宽续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的反对下，能做任何时间、任何地点收集、传送数据。以云计算为代表的新型数据处理基础架构，大幅度减少工业数据处理的技术门槛和成本开支。以工业领域的SCADA系统为事例，传统模式下每个电网、化工企业都必须创建一套SCADA系统，成本在千万以上，如果使用云架构模式，成本将可以减少7成以上。

社会市场需求变革是仅次于拉动力。在商品不足经济时代，以个性化为代表的消费文化，使得工业企业的生产量物，要最大限度给定个性市场需求。

从服装自定义，车辆配备，到T恤的印花和个性化教育。要号召个性化市场需求，有两种方式，以服装自定义为事例，就是靠老师傅用尺子量，眼见手摸，凭借经验，确认服装的剪裁和版型，这种我们可以称作仿真方式，效率和质量无法确保，耗时宽，个性化自定义的成本高；还有一种是数字方式，就是通过制定一套数据采集手段，由前台的客户代表测量收集用户身形数据，然后将数据传到总部，将融合生产原材料数据，将市场需求分解成为一项一项的生产工艺动作，最后也生产出有超过自定义化拒绝服装。当然了，工厂也不会聘用资深的老师傅，他们的主要工作不是面临一个个客户的自定义化市场需求，而是去研究更佳的生产工艺，对数据和工艺分解成展开把触。这种模式下，效率和质量获得确保，效率随着生产线的配套线性提高，有一批专家队伍大大研究提高工艺能力，自定义化生产的成本将以求明显摊薄。

从发展趋势看，后者这种数字模式的个性化生产将是未来自由选择。国策方针是最重要影响力。

已完成了工业自动化过程的德国工业界，在自动化基础上，以工业数据为基础，引进云计算和人工智能技术，提高工业的智能化水平，以符合大批量个性化自定义的社会生产市场需求；美国享有强劲的云计算、互联网及数据处理能力，基于此，明确提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在临床、预测、后服务等方面挖出工业服务的价值。中国相对于德国、美国而言，在工业自动化、在云计算等领域都正处于发展期，因此明确提出中国生产2025计划，通过工业化和信息化融合发展的方式，将工业化和信息化整体规划，并制订一系列的重点工程和前进计划。2、工业大数据的特点和分类不管是工业自动化、还是工业智能化（工业4.0）、或者是工业互联网概念，他们的基础是工业数据。

随着行业发展，工业企业搜集的数据维度不断扩大。主要反映在三个方面：一是时间维度大大缩短。经过多年的生产经营，累积下来历年的产品数据、工业数据、原材料数据和生产设备数据；二是数据范围不断扩大。

随着企业信息化建设的过程，一方面累积了企业的财务、供应商数据，也通过CRM系统累积了客户数据，通过CAD等累积了研发过程数据，通过摄像头累积了生产安全性数据等，另一方面更加多的外部数据也被搜集回去，还包括市场数据、社交网络数据、企业舆情数据等；三是数据粒度大大细化。从一款产品到多款、多系列产品使得产品数据大大细化，从单机机床到联网机床，使得数据交互频率大大强化；加工精度从1mm提高到0.2mm，从5分钟每次的统计资料到每5秒的全程监测，都使得收集到的数据细致度大大提高。以上三个维度最后造成企业所累积的数据量以加速度的方式在减少，包含了工业大数据的子集。

不管企业否否认，这些数据都六边形在工厂的各个角落，而且在大大减少。再行从企业经营的视角来看来这些工业数据。可以按照数据的用途分为三类：第一类是经营性数据，比如财务、资产、人事、供应商基础信息等数据，这些数据在企业信息化建设过程中陆陆续续累积一起，展现出了一个工业企业的经营要素和成果。

第二类是生产性数据，这部分是环绕企业生产过程中累积的数据，还包括原材料、研发、生产工艺、半成品、成品、售后服务等。随着数字机床、自动化生产线、SCADA系统的建设，这些数据也被企业大量记录下来。

这些数据是工业生产过程中价值电子货币的反映，是要求企业差异性的核心所在。第三类是环境类数据，还包括布置在机床的设备诊断系统，库房、车间的温湿度数据，以及能耗数据，废水废气的废气等数据。这些数据对工业生产过程中起着约束起到。

从目前的数据使用情况看，经营类数据利用率最低，生产性数据和环境类数据比起差距较为大。从未来数据量来说，生产线数据在工业企业数据中的占比将更加大，环境类数据也将更加多样化。一般意义上，大数据有具备数据量大、数据种类多、商业价值低、处理速度低，在此基础上，工业大数据还有两大特点。

一是准确率低，大数据一般的应用于场景是预测，在一般性商业领域，如果预测准确率超过90%早已是很高了，如果是99%就是卓越了。但在工业领域的很多应用于场景中，对准确率的拒绝超过99.9%甚至更高，比如轨道交通自动控制，再行比如自定义生产，如果把甲乙客户的订单参数混淆了，就不会导致经济损失。二是实时性强劲，工业大数据最重要的应用于场景是动态监测、动态预警、实时控制。

一旦数据的收集、传输和应用于等全处置流程耗时过长，就无法在生产过程中充分发挥价值。

本文来源：博鱼在线官网-www.agingwithzest.com