工业大数据对工业发展的推动意义

工业4.0时代自动化的到来。在数字工厂的生产模式下，工艺设计由计算机辅助数字仿真与优化完成，代替长久以来的手工方式，形成精确可靠的设计结果；在控制层，MES系统实现对生产状态的实时掌控，快速处理制造过程中物料短缺、设备故障、人员缺勤等各种异常情形，记录每个产品的关键技术数据，大大增强了产品的可追溯性。在执行层，各种工业机器人、移动机器人和智能设备将代替人工进行生产，显着提高生产精确度和产品质量稳定性。

　 与智能制造不谋而合，数字工厂为智能制造提供基础条件。数字工厂从数据的采集开始，通过信息技术手段对数据进行存储、加工、分析和呈现，从而反馈到生产中。

智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程的各个环节都体现出了人工智能特性，例如生产过程自适应调整、工艺自主规划以及智能故障诊断。而专家系统作为人工智能最活跃的分支之一，将在未来的智能制造领域发挥巨大的作用，它从制造业领域专家中提取出宝贵的经验知识，并模拟专家的思维方式来对制造过程进行推理分析，例如具有联想记忆特性的案例推理、具有模糊不确定性的模糊推理。专家系统将在未来的智能制造领域形成大规模的分布式知识库共享平台，并基于更加丰富化的推理方式来进行智能制造决策，这将会扩大或延伸人类专家在智能制造中的脑力活动，进而将智能制造提升到一种更加柔性化、智能化以及集成化的高度。
　数字生产：让过程透明化
　数字工厂要落到实处，就必须从大数据采集及应用管理系统开始，融合专家系统等智慧方案，实现整体的工厂仿真与管理。
　在生产管理方面，运用先进的生产管理技术，积极响应市场需求，提高生产组织效率，缩短生产准备时间，合理安排生产要素，保证产品加工均衡生产和加工过程的稳定，提高精细管理、精益制造、柔性生产的水平。设备管理充分利用信息化技术，对设备单机运行、维修、消耗、产出等全过程实行分析评价。
　在质量控制方面需要有效采用先进的质量控制技术和方法，全面控制制造过程，实现质量工艺参数化、过程化。在物耗控制方面，通过信息技术，实现成本控制即时化、精细化管理，使原料、辅料、半成品、在制品、产品再生产以及物流等各环节得到有效追踪，不断降低产品制造过程的消耗、优化制造成本。
　通过对工厂级、车间级计划调度，配方与工艺过程管理、质量控制与管理、设备运行过程管理、实时库存管理、生产任务与物料追踪、生产过程监控，以及制丝车间、卷包车间的一体化管理，使计划、生产、调度、资源分配更加科学、准确，提高各部门各系统间协调指挥能力，保障生产的连续性、可控性，使生产过程数字化、透明化，实现资源调度优化、产品质量全过程分析与跟踪，实现生产设备与上层管理之间的集成、生产现场生产数据资源的统一管理、使用和分析，达到对整个生产执行过程进行有效安排、调度、控制、优化和过程改进，推动生产管理的科学化。
　数字化工厂-大数据的应用
　基于云平台构建的制造企业的大数据的意义-数网星

产品营销：大数据分析结果为制造企业提供针对性推销、定向研发、智能维保等服务。
　设备远程故障诊断分析：大数据预测设备未来可能出现故障的时间，提供避免风险的解决方案，消除设备故障停机给客户带来的损失。
　客户体验：在移动端建立企业宣传平台，以场景化方式让客户参与产品的认知，增加品牌的传播效果。
　技术创新：借助平台的专家经验共享、智能决策库的建立，提高运维领域的装备管理水平，降低行业运营成本。
　节约效能：通过数据集的切分和规律查找，帮助找到最优化的数据集，实现人员投入及控制过程的节能提效。

数网星运用超大数据处理能力实现对设备的远程诊断维护、远程监控、远程诊断和故障报警，帮助企业提高生产效率，降低成本，把握现在，预知未来的大数据采集及应用管理平台。