工业大数据是什么？
工业大数据是指在工业领域中，围绕典型智能制造模式，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。
工业大数据特征？
数据容量大：工业数据体量比较大，大量机器设备的高频数据和互联网数据持续涌入，大型工业企业的数据集将达到PB级甚至EB级别。
多样：工业数据分布广泛，分布于机器设备、工业产品、管理系统、互联网等各个环节。
快速：工业数据处理速度需求多样，生产现场级要求时限时间分析达到毫秒级，管理与决策应用需要支持交互式或批量数据分析。
强关联性：产品生命周期同一阶段的数据具有强关联性，如产品零部件组成、工况、设备状态、维修情况、零部件补充采购等
准确性 ：工业大数据更加关注数据质量，以及处理、分析技术和方法的可靠性。对数据分析的置信度要求较高，仅依靠统计相关性分析不足以支撑故障诊断、预测预警等工业应用，需要将物理模型与数据模型结合，挖掘因果关系。
由于以上特征，工业大数据作为大数据的一个应用行业，在具有广阔应用前景的同时，对于传统的数据管理技术与数据分析技术也提出了很大的挑战。
工业大数据分析平台，探索工业数据应用价值
为企业打通信息化系统、工厂或者车间的工业环境，为企业提供产品全生命周期数据管理和分析方案。企业实现信息化不只是呈现数据，提供预测和决策才是关键。
工业大数据解决方案，提供从数据采集、数据准备、数据建模、可视化分析的端到端解决方案。
能耗异常值分析方案：探索能耗异常的相关数据，找到异常值；建立能耗异常分析模型，洞察能耗问题；实时报告，及时处理，显著降低能耗。
能耗优化方案：生产企业能耗数据管理和分析；建立能耗异常分析模型，洞察能耗问题；预测能耗，指导企业设计用能方案。
告警及故障分析：分析告警，洞察告警的发生规律和频次；找到告警之间的关联关系，挖掘出告警发生的根因；预测下一个告警的发生概率。
工业视觉检测：实现缺陷芯片自动、实时分类；减少人员参与，降低成本；提高缺陷识别准确度和速度。
设备故障及预测方案：设备故障分析及预测，优化设备维修计划；维修情况分析，优化维修计划及人员配置；备件出入库分析及预测，优化备件购置计划。
需求计划：供应链诊断分析：协助客户进行供应链的整体诊断，重点关注销售、库存、运营、计划的流程以及间接费用的分析。数据建模优化：建模进行供应链成本优化、库存优化、需求预测，为管理层作出更明智的商业决策提供支持和洞察力。管理驾驶舱：启用管理层视觉来集成需求计划、运营计划和库存计划，进行全维数据管理、探索和可视化呈现。
生产质量分析方案：从供应商到产品的全维度数据探索，监督生产过程；建模预测质量问题，降低废品和返工；智能数据分析，减少质量测试时间。
工业大数据分析平台应用收益：
1、 准确把握用户需求，推动产品创新
帮助企业及时改进产品功 能，预先诊断产品故障，使客户在不知不觉中参与到需求分析和产品设计等活动中。
2、严格监控生产过程，实现科学管控
通过进行设备诊断、用电量、能耗、质量事故（包括违反生产规定、零部件故障）、产能、人员技能、材料等方面的分析，改进生产工艺流程，降低能源消耗 。
3、实时监控不确定因素，规避风险发生
借助工业大数据可实现在功能退化的过程中发出信息，并进一步预测和预防潜在的故障， 进而规避风险发生。
