工业数据作为国家基础性战略资源，是驱动工业数字化转型发展的核心，是构建数字经济的基石。

“工业大数据”的概念，由美国通用电气在2012年首次提出，主要关注生产制造过程中由工业设施设备产生的海量数据。随着城市大脑、智能家居、无人汽车等名词逐渐为人们所知，昭示着我们已经置身于一个新时代——智能时代。制造业是国民经济的支柱产业，作为整个社会物质生产的基石，也必然会朝着“智能制造”的方向发展，而如何利用工业信息化时代期间累积和生产的工业数据来完成从“传统制造”到“智能制造”的升级转型，已成为各工业领域的密切关注点。

一、什么是工业大数据？

根据《工信部：2017工业大数据白皮书》的定义，工业大数据是指在工业领域中，围绕典型能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。

通常，工业大数据可以分为以下五类：

设备数据

主要指在现代化生产模式下，在生产过程中实时收集到的设备数据（如操作指令、运行工况、环境参数等）和产品的数据（如生产状态、质量状态等）。狭义的工业大数据即为该类数据，也是工业大数据体系中增长最快的数据来源。

安环应急数据

主要指建设一体化数字平台，实现数据可视化，采集各类环境数据、视频数据、安全应急等数据，构建“点面区”“天地空”一体化的监测网络，形成安全、环保、应急一体化数据仓库。

运营数据

主要指存储于企业信息化软件系统内部的数据资产，包括产品研发、设计、制造类软件、企业资源计划（ERP）、产品生命周期管理(PLM)、供应链管理（SCM）、客户关系管（CRM）和OA等系统。此类数据含量不大，价值密度颇高。

价值链数据

主要指制造企业的客户、供应商、合作伙伴处的相关数据，比如客户相关的制造设备数据、产品质量数据和客户关系管理数据等。

外部数据

主要指宏观经济数据、行业状态数据、竞争对手数据、政策法规数据等相关的外部参考数据。

二、工业大数据特点工业大数据主要有以下几个特点：

1、数据来源主要是企业内部，而非互联网个人用户；

2、数据采集方式更多依赖传感器而非用户录入数据；

3、数据服务对象是企业，而不是个人；

4、在技术上，传统的企业架构技术已无法提供相应的分析应用，更多的采用了互联网大数据领域成熟的技术；

5、改变了企业原先对数据的看法，使得原先看似无用的、直接丢弃的数据重新得到了重视，并且切实改进了企业的生产、销售、服务等过程；

三、大数据在工业领域的作用

1、实现数据的全面采集并持久化

在前大数据时代，很多工业现场采集到的数据的生命周期仅仅是在显示屏上一闪而过，大量的数据由于种种原因被丢弃了，丢弃的一个很重要的原因就是无法有效存储，全部存储成本过高且数据量过大导致无法使用。大数据时代之后，新型的数据处理技术及云计算带来的低成本，使得数据的全面采集并且持久化成为可能，即采集到的数据可以实现长时间的存储，且海量的数据可处理、可分析，工业用户就有了存储数据的意愿。而这一切又反过来为大数据分析提供了坚实的数据基础，使得分析的结果更准确，成为一种正向循环。

2、实现全生产过程的信息透明化

随着现代生产技术的飞速提高，生产过程已经呈现高度复杂性和动态性，逐渐出现了不可控性。生产过程信息呈现碎片化倾向，只有专业部门、专业人员才掌握本部门、本专业的数据，企业无法全面有效了解全生产流程。

随着大数据处理和可视化技术的不断发展，目前，通过全生产过程的信息高度集成化和数据可视化，从而达到了生产过程的信息透明化，企业总调度中心不仅可以清晰地识别产品，定位产品，而且还可全面掌握产品的生产经过、实际状态以及至目标状态的可选路径。

3、实现生产设备的故障诊断和故障预测

当前，已经可实现对设备各类数据的采集，包括设备运行的状态参数，例如温度、震动等，设备运行的工况数据，例如负载、转速、能耗等，设备使用过程中的环境参数，例如风速、气压等，设备的维护保养记录，包括检查、维护、维修、保养等信息，以及设备的使用情况，例如使用单位、操作人员等。收集到设备的各类数据后，再加上同类设备的数据、长周期的使用数据等等，就构成了大数据分析的基础数据。

这个时候，再加上好的算法及模型，通过数据的分析处理实现设备的故障诊断和故障预测就是一个再简单不过的事情了。

4、实现生产设备的优化运行

在故障诊断和故障预测的基础上，机器、数据和生产指标构成了一个相互交织的网络，通过信息的实时交互、调整，再加上优化准则，将它们进行比对、评估，最终选出最佳方案。可以进一步提高设备的效率和精度，更加合理化和智能化的使用设备，这就使生产更具效率，更环保，更加人性化。并且设备的使用更加高效、节能、持久，同时还可减少运维环节中的浪费和成本，提高设备的可用率。

5、提高企业的安全水平

由于设备信息、环境信息和人员信息的高度集成，经过数据分析可实现安全报警、预警，隐患评估、预警等，从而大幅度提高安全水平，并且可提升人员效率；

6、实现定制化生产

近几十年里，技术开发面临的最大挑战是产品乃至系统无限增加的复杂性。与此同时，这还导致开发和制造的工业过程的复杂性也倾向于无限增加。而工业企业欲在未来长期保持竞争优势，又必须提高生产灵活性。因为只有这样，才能降低成本，缩短产品上市时间，并通过提高产品的种类，满足个性化的生产需求。

单靠人脑进行管理，是无法对如此复杂的流程和庞大的数据进行匹配的，通过大数据技术的引入，可以将客户的需求直接反映到生产系统中，并且由系统智能化排程，安排组织生产，使得企业定制化生产成为现实；

7、实现供应链的优化配置

通过RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

供应链体系以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合供应链资源和用户资源。在供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，企业就能够持续进行供应链改进和优化，保证了对客户的敏捷响应。

8、实现产品的持续跟踪服务

随着物联网技术的发展，对于已售出的产品，现在可实现运行数据的全面收集，从而可分析已售出产品的安全性、可靠性、故障状态、使用情况等，在这些数据的基础上，产品运行数据可以直接转化到生产过程中，可以改进生产流程、提高产品质量、开发新产品，更进一步，生产信息也可以直接作用于优化产品研发及生产过程的上游工序中。

9、为企业提升新的服务价值

商家卖的是产品，用户看重的是产品带来的价值。一切技术或产品都只是手段，其核心目的是在使用中创造价值。当企业能够使用新的技术为用户提供服务时，卖的已经不是或者不只是冰冷的产品了，而是新的价值服务。这样，一个生产商就从过去单纯的产品提供者转变为如今的信息服务商。