1.1　引言

1.1.1　 基于大数据的预测性分析与决策

在智能制造模式下，知识成为服务型制造运作的基础，数据分析和挖掘是产生知识的主要途径，数据成为企业核心资产。制造系统中问题的发生和解决的过程会产生大量数据，通过对这些数据的分析和挖掘可以了解问题产生的过程、造成的影响和解决的方式[1][图1.1（a）]，这些信息被抽象化建模后转化成知识，再利用知识去认识、解决和避免问题，核心是从以往依靠人的经验，转向依靠挖掘数据中隐形的线索，使得制造知识能够被更加高效和自发地产生、利用和传承，为制造系统的智能化发展带来了难得的历史机遇。

图1.1　基于大数据的预测性分析与决策

然而，传统数据分析方法已经无法满足海量级别运营维护信息的分析处理需求，给有效利用这些数据带来了困难。当企业开始使用大数据时会发现，把大数据分析作为一个完全独立的功能是行不通的，数据的强大和处理的可扩展性将最终推动企业的数据分析方法从描述性分析（总结与描述过去已经发生的）向预测性分析（预测未来将发生的事情）和规范性分析（决定采取何种行为促使未来事件发生）转变，并将数据分析内嵌在企业的业务流程之中，直接基于大数据预测算法制定规划和决策并导致行为发生。

基于大数据的预测性分析可以加速产品创新、生产系统质量的预测性管理、产品健康管理及预测性维护、能源管理、环保与安全、供应链优化、产品精准营销、智能装备和生产系统的自省性和重构能力[1]，其实现方式可以从以下3个方面体现[图1.1（b）]。

①建模：把问题变成数据，通过数据建模把经验变成可持续的价值。

②预测：把数据（如时域信号的统计特征、波形信号的频域特征、能量谱特征以及特定工况下的信号读数等）变成知识，分析可见问题，预测不可见问题。

③决策：把知识变成数据，驱动产品、工艺、生产、运营、决策创新。