深耕制造業多年的IBM，提供的不僅僅是大數據分析方面的產品，還有結合行業知識和豐富經驗的咨詢服務，幫助廠商做出正確高效的大數據分析。
IBM商業分析部高級業務劉俊言指出，目前市面上有很多大數據分析解決方案，但大多只能將數據可視化，即以圖表的形式呈現分析結果。IBMMAO可以根據制造業面臨的問題來決定做什麽樣的分析，比如預測或者模擬，甚至整合財務或者生產銷售信息，找出解決問題的方法。這在智能制造的過程中非常重要，因為企業往往有大數據，但不知道如何分析。
IBM全球企業咨詢服務集團高級顧問李易峰進壹步指出，目前，高科技廠商面臨的主要問題有三個。壹是突發的物料問題或設備故障直接沖擊產能，從而消耗大量成本；二是工藝穩定性問題導致的產品良率下降，不僅影響盈利也影響客戶滿意度；第三，工藝更新換代越來越快，如何加快批量生產成為盈利的關鍵因素。因此，根據制造業面臨的問題和產品生命周期，IBM總結了制造業大數據分析的五種應用模式；
第壹，材料質量監控。其實原材料質量不穩定是可以追溯的。而傳統的SPC監控直到出現問題才會給出警告，不僅影響產品質量，而且很難找出原因。毛積極分析趨勢變化，在發現潛在問題時給予預警，以便盡早解決(如更換材料)，維護產品質量。
第二，設備異常的監測和預測。雖然傳統的SPC監控也涵蓋了設備參數，但是有時候設備還是會出現問題，工程師不知道如何處理最有效的問題。毛利用設備感知數據和維修日誌，找出設備的異常模式，監控和預測未來的故障概率，讓工程師實時做出最佳決策。
第三，零件的生命周期預測。零件或耗材都有其生命周期，大部分廠家都會根據供應商的建議定期更換，但忽略了生產和環境條件對磨損率的影響，導致以下兩種情況:壹是過早更換零件，造成不必要的費用，二是過晚更換零件，導致質量受到影響。毛根據生產和設備狀態數據以及零部件信息，準確預測零部件的生命周期，在最佳時機提出建議，幫助廠商實現質量和成本的雙贏。
第四，過程監控預警。制造業的工藝參數很多，相互影響。如果產品質量受到工藝參數偏差的影響，工程師只能在單個現場壹步壹步追溯，相當耗時。毛的做法是建立產品質量預測模型，尋找最佳工藝黃金區間，壹旦發現工藝參數超出區間，立即報警，以便工程師實時做出調整或其他決策。
第五，產量保證分析。對於廠家來說，產品的良品率低或者售後保修期內出現問題，不僅會增加成本，還會直接影響企業形象和客戶滿意度。因此，毛根據生產設備、產品良率和維修保修相關數據建立預測模型，預測良率，降低保修成本。
以上是邊肖為您分享的關於制造業大數據應用五種模式的相關內容。更多信息可以關註環球常春藤分享更多幹貨。