工業互聯網和大數據應用是指通過先進的傳感器、控制和軟件應用，將世界範圍內的各種機器、設備群、設施和系統網絡連接起來形成的大型網絡。比如核磁共振成像機、飛機發動機、電動汽車甚至電廠都可以接入工業互聯網。通過網絡互聯和大數據分析相結合，做出合理的決策，讓每臺機器的潛力得到更有效的發揮，提高生產力。工業互聯網最顯著的特點是能夠最大限度地提高生產效率，節約成本，促進設備技術升級，提高效率。
簡單來說，就是把工業和互聯網結合起來，然後和大數據結合起來，因為現在大數據真的很方便，各個行業都可以用。為了提高效率，增加效益。
工業互聯網和大數據應用場景分析
1.加速產品創新
客戶與工業企業之間的交互和交易會產生大量的數據。對這些客戶動態數據進行挖掘和分析，可以幫助客戶參與產品需求分析、產品設計等創新活動，為產品創新做出貢獻。福特在這方面就是壹個例子。他們將大數據技術應用於福特福克斯電動車的產品創新和優化，成為名副其實的“大數據電動車”。第壹代福特福克斯電動車在行駛和停車時會產生大量數據。在行駛過程中，駕駛員不斷更新車輛的加速、制動、電池充電和位置信息。這對司機來說非常有用，但數據也會被發回給福特的工程師，以了解客戶的駕駛習慣，包括如何充電、何時充電以及在哪裏充電。即使車輛靜止不動，它也會繼續將車輛胎壓和電池系統的數據傳輸到最近的智能手機。
這種以客戶為中心的大數據應用場景有很多好處，因為大數據實現了有價值的新產品創新和協作方式。司機獲得有用和最新的信息，而底特律的工程師則匯總有關駕駛行為的信息，以了解客戶，制定產品改進計劃和實施新產品創新。而且，電力公司和其他第三方供應商也可以分析數百萬英裏的行駛數據，以決定在哪裏建立新的充電站，以及如何防止脆弱的電網過載。
2.產品故障診斷和預測
這可以用於售後服務和產品改進。無處不在的傳感器和互聯網技術的引入使產品故障的實時診斷成為現實，而大數據、建模和仿真技術的應用使動態預測成為可能。在搜尋馬航MH370失聯客機的過程中，波音公司獲得的發動機運行數據對確定飛機的失聯路徑起到了關鍵作用。我們以波音公司的飛機系統為案例，看看大數據應用如何在產品故障診斷中發揮作用。在波音公司的飛機上，發動機、燃油系統、液壓系統和電氣系統等數百個變量組成了飛行中的狀態，這些數據在不到幾微秒的時間內測量並發送壹次。以波音737為例，該引擎在飛行中每30分鐘可以產生10TB的數據。
這些數據不僅是可以在未來某壹點進行分析的工程遙測數據，還可以促進實時自適應控制、燃料使用、部件故障預測和飛行員通知，可以有效地實現故障診斷和預測。再看看通用電氣(GE)的另壹個例子，它位於美國亞特蘭大(M & amp；d)收集全球50多個國家數千臺GE燃機數據的中心，每天可為客戶收集10G數據。通過分析來自系統的傳感器振動和溫度信號的恒定大數據流，這些大數據分析將為GE公司的燃氣輪機的故障診斷和預警提供支持。風力發電機制造商Vestas也通過交叉分析天氣數據和渦輪機儀器數據來改進風力發電機的布局，從而提高風力發電機的功率輸出水平，延長使用壽命。
3.工業物聯網生產線的大數據應用
現代工業生產線配備了數以千計的小型傳感器，用於檢測溫度、壓力、熱能、振動和噪音。因為每隔幾秒鐘就要采集壹次數據，利用這些數據可以實現多種形式的分析，包括設備診斷、用電分析、能耗分析、質量事故分析(包括違反生產規程、零部件故障)等等。首先，在生產流程改進方面，在生產過程中使用這些大數據，可以分析整個生產過程，了解每個環節是如何執行的。壹旦某個流程偏離了標準流程，就會產生報警信號，可以更快的發現錯誤或瓶頸，更容易的解決問題。利用大數據技術，我們還可以建立工業產品生產過程的虛擬模型，模擬和優化生產過程。當所有的過程和性能數據都可以在系統中重建時，這種透明性將有助於制造商改進他們的生產過程。再比如，在能耗分析方面，利用傳感器對設備生產過程中的所有生產過程進行監控，可以發現能耗的異常或峰值情況，從而優化生產過程中的能耗，對所有過程進行分析會大大降低能耗。
4.工業供應鏈的分析與優化
目前，大數據分析已經成為很多電商企業提升供應鏈競爭力的重要手段。比如電商企業JD.COM商城，通過大數據提前分析預測各地的商品需求，從而提高配送倉儲效率，保證次日到貨的客戶體驗。RFID等產品電子識別技術、物聯網技術、移動互聯網技術可以幫助工業企業獲取完整的產品供應鏈大數據。利用這些數據進行分析，會大大提高倉儲、配送、銷售的效率，大大降低成本。
以海爾為例，海爾的供應鏈體系是完善的。它以市場鏈為紐帶，以訂單信息流為中心，驅動物流和資金流的運動，整合全球供應鏈資源和全球用戶資源。在海爾供應鏈的各個環節中，客戶數據、內部數據、供應商數據都匯總到供應鏈系統中。通過對供應鏈大數據的收集和分析，海爾可以不斷改進和優化供應鏈，確保海爾對客戶的敏捷響應。美國有1000多家OEM供應商，為制造企業提供超過65，438+0，000種不同的產品。每個制造商依靠市場預測和其他不同的變量，如銷售數據，市場信息，展覽，新聞，競爭對手的數據，甚至天氣預報來銷售他們的產品。
利用銷售數據、產品傳感器數據和供應商數據庫中的數據，工業制造企業可以準確預測全球不同地區的需求。因為庫存和銷售價格可以跟蹤，價格下跌時可以買入，制造企業可以節省大量成本。如果我們重用產品中傳感器產生的數據，知道產品有什麽問題，哪裏需要零件，它們也可以預測哪裏何時需要零件。這將大大降低庫存，優化供應鏈。
5.產品銷售預測和需求管理
通過大數據分析當前的需求變化和組合形式。大數據是很好的銷售分析工具。通過歷史數據的多維度組合，可以看到區域需求的占比和變化、產品品類的市場熱度、最常見的組合形式以及消費者的層次，從而調整產品策略和分銷策略。在壹些分析中我們可以發現，高校較多的城市在開學季對文具的需求會高很多，所以我們可以加大這些城市經銷商的促銷力度，吸引他們在開學季下更多的訂單，同時在開學季前壹兩個月就開始產能規劃，滿足促銷需求。在產品開發方面，通過消費者的關註來調整產品的功能和性能。比如幾年前大家都喜歡用音樂手機，現在大家更喜歡用手機上網，分享照片。提高手機的拍照功能是趨勢，4G手機也占據了更大的市場份額。通過大數據對壹些市場細節的分析，可以發現更多潛在的銷售機會。
6.生產計劃和調度
制造業正面臨多品種、小批量的生產模式。細致的自動和及時的數據收集(MES/DCS)和可變性導致數據的急劇增加。再加上信息化十幾年的歷史數據，對於需要快速響應的APS來說是壹個巨大的挑戰。大數據可以給我們更詳細的數據信息，發現歷史預測與實際情況的偏差概率，考慮產能、人員技能、物料可用性、工裝等方面的約束，通過智能優化算法制定預先計劃的生產排產，監控計劃與實際情況的偏差，動態調整計劃生產排產。幫助我們避免“畫像”的缺陷，直接把群體特征強加在個人身上(工作中心的數據直接改成某個具體設備、人員、模具等等的數據)。通過分析和監控數據，我們可以規劃未來。大數據雖然略有瑕疵，但只要運用得當，大數據會成為我們的有力武器。當時福特問大數據的客戶需求是什麽，回答是“更快的馬”，而不是現在已經流行的汽車。因此，在大數據的世界裏，創造力、直覺、冒險精神和智力抱負尤為重要。
7.產品質量管理和分析
傳統制造業面臨大數據的沖擊。在產品研發、工藝設計、質量管理、生產運營等各個方面，迫切期待創新方法誕生，以應對產業背景下大數據的挑戰。比如半導體行業，芯片會經歷摻雜、加層、光刻、熱處理等很多復雜的工藝，每壹步都要滿足極其苛刻的物理特性。在處理產品的同時，高度自動化的設備也會產生大量的測試結果。這些海量數據到底是企業的負擔還是企業的金礦？如果是後者，如何從“金礦”中快速找出產品良率波動的關鍵原因，是困擾半導體工程師多年的技術難題。
壹家半導體技術公司生產的晶圓經過測試環節後，每天都會產生壹個包含100多個測試項目、上百萬條測試記錄的數據集。根據質量管理的基本要求，壹項必不可少的工作是對100多個不同技術規範的測試項目進行過程能力分析。按照傳統的工作模式，我們需要逐級計算100多個過程能力指數，並逐壹評估每個質量特性。拋開龐大繁瑣的工作量不談，即使有人能解決計算的問題，也很難從這100多個過程能力指數中看出它們之間的相關性，更難對產品的整體質量和性能有壹個全面的了解和總結。但如果使用大數據質量管理分析平臺，不僅可以快速得到壹份冗長的傳統單指標過程能力分析報告，更重要的是，還可以從同壹個大數據集得到許多全新的分析結果。
8.工業汙染與環保檢測
《穹頂之下》讓人印象深刻的是，柴靜團隊通過視覺報道向觀眾傳達了霧霾問題的嚴重性，霧霾的成因等等。
這給了我們壹個啟示，大數據對環保有很大的價值。《穹頂之下》的原始數據從何而來？其實並不是所有的都是靠高層關系得到的，很多都是公開的。在中國政府網、各部委網站、中石油、中石化官網、某環保組織官網、壹些專門機構上，可以查詢的公共環保數據越來越多，包括全國空氣和水文數據、氣象數據、工廠分布、汙染排放標準等。只是這些數據太分散，太專業，缺乏分析和可視化，普通人看不懂。如果妳能理解並保持關註，大數據將成為社會監督和環境保護的重要手段。最近百度推出了全國汙染監測地圖，就是壹個很好的辦法。結合開放的環保大數據，百度地圖新增了汙染檢測層，任何人都可以通過該層查詢所有排放機構(包括各類火電廠、國控工業企業、汙水處理廠等)的位置信息、機構名稱、排放源類型、最新排放標準等。)在全國和自己省市環保局的監控下。可以查離妳最近的汙染源，會有提醒。監測點檢測哪些項目超標，超標多少次。這些信息可以實時分享到社交媒體平臺，通知朋友，提醒大家註意汙染源和人身安全健康。
總結:工業大數據應用的價值潛力巨大。然而，要實現這些價值，還有許多工作要做。壹個是大數據意識的建立。過去也有這些大數據，但由於對大數據的認識不足，數據分析手段不足，很多實時數據被丟棄或擱置，大量數據的潛在價值被埋沒。另壹個重要問題是數據孤島問題。很多工業企業的數據分布在壹個個孤島上，尤其是大型跨國公司。從整個企業中提取這些數據是相當困難的。因此，工業大數據應用的壹個重要課題就是集成應用。