2.5 大数据与制造业变革

2.5.1 大数据

互联网、物联网、社会化网络和云计算技术的普及与深入应用，使得人类社会产生的数据量爆发式增长。国际数据公司（IDC）的数字宇宙研究报告称：2011年全球被创建和复制的数据总量超过1.8ZB，且增长趋势遵循新摩尔定律（全球数据量大约每两年翻一番），预计2020年将达到35ZB。这标志着大数据时代的到来。

Goyal等人认为，大数据是指多来源收集的、多种形式的，而且通常是实时的巨大数据集合{L-End} [47]。维基百科对大数据的定义则是：大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。研究机构 Gartner认为，大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据具有海量性（volume）、多样性（variety）、高速性（velocity）和价值性（value）。海量性是指数据量巨大，量级也达到TB级、PB级，甚至开始以EB和ZB来计数。IDC的研究报告称，未来10年全球大数据将增加50倍，管理数据仓库的服务器数量将增加10倍{L-End} [48]。多样性是指大数据类型繁多，包括结构化数据、半结构化数据和非结构化数据，现代互联网应用中，非结构化数据大幅增长，几乎占据整个数据量的80%～90%。大数据的多样性也体现在多来源、多形式、多模态。比如，企业内部的经营交易信息、物联网世界中商品、物流信息、互联网世界中人与人交互信息、位置信息等均是大数据的主要来源；数据形式包括文本、图像、视频、机器数据等；多模态呈现在无模式或者模式不明显上。高速性是指大数据往往以数据流的形式动态地、快速地产生，具有很强的时效性，数据需实时生成、存储、处理和分析。价值性是指虽然大数据价值巨大，但价值密度低。从海量数据中挖掘稀疏但珍贵的信息，也即知识“提纯”难度较高。

大数据使得人们可以更好地对人类社会和物质世界进行感知、追踪、理解和控制，从而推动了人的智能化水平的提升。企业借助于互联网收集的消费者行为大数据，可以更好地洞察顾客的需求，为顾客提供量身定做的产品与服务；工厂可以借助于物联网收集的机器运行大数据，更好地预测其故障发生的时机，从而采取预防性维修，降低设备维护成本；交通管理机构可以借助于车联网收集的车辆和路况大数据，更好地前摄性调度交通信号灯和车辆，减少交通拥塞{L-End} [49]。

2.5.2 基于大数据的制造业创新

制造业无时无刻不在产生着大数据，通过对制造业大数据的分析与利用，可以有效提升制造业的生产效率，提升产品质量，降低生产成本。在制造业的整个价值链中，产生的数据主要涉及产品、设计、工艺、物料、库存、生产计划和控制、组装、物流配送、企业绩效、生产模式、产品趋势等{L-End} [50]，如表2-1所示。

表2-1 制造业涉及的主要数据

根据 Wikibon预测，未来10年，工业数据增速将是其他大数据领域的两倍。利用大数据技术挖掘制造企业在生产经营过程中产生的海量数据，可以帮助企业提升生产、运营、管理的智能决策水平和经营效率。制造企业可以利用大数据技术对所收集到的有关产品生产、产品测试的信息进行分析，实现动态监控、预测预警等服务，将关于产品的分析结果反馈给产品研发和设计部门，可以拓展企业研发产品的范围、改进产品的质量；基于对用户的地理分布、用户特征以及用户的反馈意见等大量数据的分析，销售部门可以了解市场需求制定有利于企业的销售方案。

在研发与设计方面，收集和利用客户需求大数据，并将这些数据应用于产品设计、创建及测试的每一个环节，实现企业对市场的快速反应，在满足客户要求的同时也提高了产品研发的速度与准确度。比如福特汽车公司的制造工厂以及汽车产品内部都安装了各种测量仪表和大量传感器，实时收集包括车辆运行状况和消费者操控汽车方式的数据，并将对这些大量数据分析和挖掘后的结果反馈给产品设计人员，从而达到优化产品设计和用户体验的目的。

在生产制造方面，结合来自安装在生产线上的传感器及各种测量仪表中的实时数据，如制造工艺数据、零部件尺寸数据、生产及安装流程数据等，将这些海量数据集成、分析之后，可以及时发现生产流程中存在的缺陷及确定最佳的工艺路线，降低了产品返修率及检测成本，对于改进优化生产流程、完善产品、提高产品质量具有非常重大的意义。如三一重工通过在其挖掘机、水泥泵车等装备上增加物联网传感设施和通信设施，实现了超过10万台设备与三一企业控制中心及快速反应团队的连接，为用户提供设备运行过程监控、远程故障预警与诊断，预防性维修等服务。另外，大型鼓风机的提供商陕西鼓风机、沈阳鼓风机等都在自己的产品上加装了在线监测装置，通过互联网络在线实时监控设备运行状况，提供远程服务。

消费者与制企业之间的交互和交易行为也将产生大量数据，利用大数据技术对消费者的动态数据进行分析挖掘，可以针对消费者的个性化需求，实现大规模、个性化定制生产，降低甚至消除库存，减少生产资源投入的风险，提高市场和生产柔性。这种方式还能够帮助消费者参与到产品的需求分析和产品设计等创新活动中，为产品创新贡献知识、技能和资源。

在营销方面，通过大数据对消费者个性化行为进行追踪与分析，可以构建消费者的“行为指纹”，为企业开展个性化营销奠定基础。用户在线的每一次点击，每一次评论，每一个视频点播，都是大数据的典型来源，也构成了用户的“行为指纹”。基于多元数据融合后获得的消费者个体行为与偏好数据，企业可以精准地根据每一位消费者不同的兴趣与偏好，为他们提供专属性的个性化产品和服务。企业可以通过记录、收集甚至动态跟踪消费者在各个渠道（比如社会化、移动化的媒体与渠道）、生命周期各个阶段（顾客产品感知、品牌参与、产品购买、购买后的口碑和社会互动）的行为数据，设计出高度精准、绩效可高度定量化的营销策略{L-End} [51]。

以宝洁公司的用户体验分析来说，通过摆放在超市、商场等每一个货架上的摄像头来收集顾客在其中的行走路径、顾客在哪个地方停留了几秒、顾客眼睛看货物的眼动轨迹等数据，然后对如此大量的数据进行实时分析，剖析顾客的消费行为和喜好，判断顾客属于哪一类消费者，进而针对不同类别的消费者，制定精准的营销策略，避免盲目营销导致的客户反感及投诉，这就是大数据在营销领域应用的典型案例。

在服务方面，应用和客户接触所积累的大数据，可以为制造企业提供在产品改进、设施选址、主动性维修等领域进行创新的机会。通过 GPS（全球定位系统），企业可以实时获取有关客户的地理位置信息，通过分析这些个人位置信息数据，可以为企业的实体店、营业厅选址提供重要的依据，为企业客户提供更加方便、快捷的服务，提升服务在制造型企业中的潜在价值。陕汽集团充分利用大数据技术，实时收集来自客户的驾驶行为、油耗情况、实时车况、位置等信息，为客户提供行驶安全在线提醒、远程故障诊断、位置服务、实时救援、预防性维修等各种个性化服务。

海尔公司基于大数据技术不断优化供应链管理，确保实时敏捷响应客户需求。大唐集团与上海电气等设备制造商建立了数据监测平台，借助大数据技术优化发电生产流程、改进电机设备。普天新能源搭建了新能源汽车充电、运营及车网一体智能服务平台，借助大数据为产品优化提供依据。这些案例都展示了基于大数据的业务和流程创新变革。

在航空业，航班到达时间估计是机场的重要任务，以往这个任务需要由飞行员负责。飞行员个人经验等原因导致的高误差率和大的误差范围引发了相当可观的成本。利用 PASSUR Aerospace公司提供的基于大数据分析的 Right ETA航班到达时间估计服务，机场从根本上消除了预测误差，每年可为机场创造几百万美元的价值。Right ETA服务基于天气、航行时间表等公共数据，以及系统收集和存储的多维历史数据，通过精细分析和模式匹配分析来精确预测航班到达信息{L-End} [52]。挖掘和探索大数据应用在服务方面的价值，企业能够实现成本的节约，提高用户满意度的同时也提升了自身的盈利能力。