当前位置： >
　　当大多数人提到商业领域的大数据分析时，他们的思维可能立刻转向电子商务、网站和社交媒体。但事实是，大数据也在离线状态下发生变化，例如制造行业。　　制造行业一直以来竞争激烈，但近年来愈演愈烈。创新技术已经提高了大公司的生产能力，这让规模较小的组织开始考虑如何在一个公平竞争的环境中继续增长和竞争。　　咨询机构麦肯锡公司Valerio Dilda表示，“大多数制造商已经进行了最明显的改进，以简化其运营，使用传统方法尽可能提高供应链和工厂的生产力。然而，在经济增长缓慢、环境不确定的情况下，企业必须更多地寻找新的方法来提高运营效率和盈利能力。”　　其答案是采用大数据分析。过程工业的制造商和公司将会生成大量数据，但很少使用这种智能工具。多年来，大多数制造商在其IT能力方面比较落后，并且为此付出了一定的代价。　　“然而，得益于成本更低的计算能力和快速发展的分析机会，过程工业制造商可以将这些数据运用到工作中，从多个数据源收集信息，并利用机器学习模型和可视化平台发现新方法，从采购中优化其流程的原材料销售成品。”Dilda继续说。　　尽管每个用例都有所不同，但了解如何在制造中使用大数据分析的情况很有帮助。以下来看看一些最重要的领域：　　(1)预测性维护　　大数据分析在制造行业中取得的最大成就之一是预测性维护的作用。随着当今先进设备中安装部署各种传感器和网络连接设备，制造商有可能采用算法在问题出现之前发现并发情况，并在问题变得更加严重可能付出高昂代价之前解决。　　预测性维护有可能在一年内为制造商节省数百万美元的费用，延长设备使用寿命，并确保高效运营。并且，由于大数据平台的发展，收集这些见解变得更加容易且更具成本效益。　　(2)性能分析　　企业很容易假设一切正常，但在80%的容量和95%的容量之间有巨大的差异。大数据允许企业根据期望的产出水平来分析业绩并做出改变。　　以工业机械手为例。许多企业直到最近都在使用一刀切的产品，但这种情况正在发生变化。例如这个领域的行业领导厂商之一Dalmec公司已经遇到了发展瓶颈，并意识到已经到了切割机解决方案不起作用的地步。而使用数据和分析，他们可以购买专门为特定功能设计的独一无二的机械手。这导致提高生产力和性能。　　(3)缩短停机时间　　对于制造商而言，没有什么比停机时间的代价更加高昂。在某些行业，每分钟损失的成本可能花费数千美元，而每年将花费数百万美元。有了适合的系统(由大数据驱动的系统)，这些组织可以大大减少停机时间，并确保最大生产力。　　除了巩固盈亏底线之外，停机时间的缩短提高了运营效率，减轻了压力，增强了品牌忠诚度，并且实现了创新和创造力。　　(4)改进战略决策　　在一天结束时，大数据分析将帮助制造商做出战略决策。这些工具包括：数据清理工具、剖析工具、数据挖掘工具、数据映射工具、数据分析平台、数据可视化资源、数据监控解决方案等等。企业学习如何将正确的工具与正确的结果相结合是这个过程中的一个重要步骤。　　变化即将到来　　大数据分析正在改变制造业的概念既令人兴奋又令人畏惧。对于那些多年来收集数据却没有更好地使用数据的公司来说，他们对于利用大数据的想法有点畏惧，但是一旦克服了最初的挑战，就会意识到将会获得巨大的发展和提升的机会。
责任编辑：hongqiong
关注国脉电子政务网，政府CIO的思想阵地与交流平台，5000位政府CIO在这里读懂“互联网+政务”
请扫描二维码麦肯锡：如何利用大数据改进制造业
& &麦肯锡咨询公司发布《如何利用大数据改进制造业》的文章，就大数据及高级分析如何使生物制药、化工和离散制造更加合理化给出深度分析。文章特别提到，那些身处基于过程的行业的制造商如何利用高级分析来提高产量并且降低费用。今天，制造商可以对大量来自生产和销售过程中的数据进行追踪。麦肯锡的文章通过对数个案例进行解析，以此来说明大数据以及高级分析应用和平台如何能够为经营决策提供帮助。
通过寻找决定过程效益的核心因素，大数据与在其上进行的高级分析如何厘清制造中的价值链，然后帮助管理人员采取行动，以便对制造过程进行持续改进。下面是关于大数据如何颠覆制造过程的10条途径：
一、在生物制药行业的生产过程中，进一步提高精确度、质量和产量。
在生物制药的生产流程中，制造商通常需要对超过200种以上的变量进行监视，以便确保原料成分的纯净度，同时确保生产出的药品符合标准。让生物制药生产过程充满挑战的因素之一是：产量会在50%至100%之间变化，而且还无法马上辨别出原因。而使用高级分析，制造商能够对9个最能够影响产量变化的变量进行追踪。通过上述手段的帮助，他们将疫苗的产量提高了50%，每年在单一疫苗品种上节省的费用就达到500万至1000万美元。
二、加快IT、制造与营运的整合，让工业4.0的愿景更快成为现实。
工业4.0是由德国政府提出，旨在通过发展智能工厂，促进制造行业自动化。根据供应商、客户、有效产能以及费用的相关约束，大数据已经被用在优化生产进度方面。那些存在高度管制的行业里的制造业价值链上的厂商得益于德国供应商和制造商的帮助，正在大踏步迈向工业4.0。同时，以此为契机，这些厂商的各个部门能够充分发挥各自功能，而大数据和高级分析对于取得成功来说至关重要。
三、大数据帮助提高制造绩效的3个主要方面
分别是：更好的预测产品需求并调整产能（46%），跨多重指标理解工厂绩效（45%）以及更快地为消费者提供服务与支持（39%）。上述数据是根据“LNS研究与MESA国际”的近期调查得出的。
四、在六西格玛DMAIC（定义、测量、分析、改进及控制）框架中整合高级分析，以便持续改进
对一个由DMAIC驱动的改进计划的工作过程取得更加深入的理解，同时就该计划如何对制造绩效的所有其他领域造成的影响进行深入领会。与以往相比，这一领域的发展有望促使生产流程转向更加面向消费者驱动的方向。
五、与以往相比，能够更加细致地从供应商质量层面进行审视，同时能够更加精确地预测供应商的绩效
通过对大数据和高级分析的应用，制造商能够实时查看产品质量和配送准确度，对如何依据时间紧迫性在不同供应商之间分配订单生产任务进行权衡。对产品品质的管控优先于发货进度。
六、对产品合规性进行监测并且追溯到具体生产设备成为可能
通过在生产中心的所有设备上配备传感器，运营经理能够立即了解每一台设备的状况。通过高级分析，每台设备及其操作者的工况、绩效以及技能差异能够得以体现。对于改进生产中心的工作流程来说，这些数据非常重要。
七、只销售利润率最大的定制产品型号，或者以以销定产方式生产对产能影响最小的产品型号
对于拥有许多复杂产品型号的制造商来说，定制产品或者以销定产的产品能够带来更高的毛利率，但是在生产过程没有被合理规划的情形下，同样可能导致生产费用的急剧上升。运用高级分析，制造商能够计算出合理的生产计划，以便在生产上述定制或以销定产的产品时，对目前的生产计划产生最小程度的影响，进而将规划分析具体到设备运行计划、人员以及店面级别。
八、将质量管理和合规体系综合考虑并给予两者企业层面优先级
对于制造商来说，是时候针对产品质量和合规性给予更具战略性的眼光了。麦肯锡的文章给出了数个应用大数据和分析的制造商的例子，指出如何通过大数据以及分析手段，针对那些与产品质量管理和合规性最相关的参数进行分析，以便帮助管理人员获得更加深刻的理解。这些参数中的大部分是企业层面的，而不仅仅存在于产品质量管理或者合规部门。
九、量化每日产能对企业财务状况的影响并具体到生产设备层面
通过大数据和高级分析，制造商的财务状况和每日生产活动能够直接联系起来。通过对每台生产设备进行追踪，管理者能够了解工厂的运转效率，生产规划负责人和高级管理人员能够更好地调整生产规模。
十、通过对产品进行监测，制造商能够主动为客户提供预防性维护建议，以便提供更好的服务
制造商开始生产更加复杂的产品，需要在产品中配备板上传感器并通过操作系统加以管理。这些传感器能够收集产品运行情况的数据，并且根据情况发出预防性维护的通知。通过大数据和高级分析，这些维护建议能够在第一时间发出，消费者也就能够从中获得更多的价值。目前，通用电气在它的引擎和钻井平台上使用了类似的手法。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。苹果/安卓/wp
积分 1037, 距离下一级还需 338 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 变色卡, 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 22 天连续签到: 1 天[LV.4]偶尔看看III
就大数据及高级分析如何使生物制药、化工和离散制造更加合理化给出深度分析。那些身处基于过程的行业的制造商如何利用高级分析来提高产量并且降低费用。今天，制造商可以对大量来自生产和销售过程中的数据进行追踪。
通过寻找决定过程效益的核心因素，大数据与在其上进行的高级分析如何厘清制造中的价值链，然后帮助管理人员采取行动，以便对制造过程进行持续改进。下面是关于大数据如何颠覆制造过程的10条途径：
一、在生物制药行业的生产过程中，进一步提高精确度、质量和产量。
在生物制药的生产流程中，制造商通常需要对超过200种以上的变量进行监视，以便确保原料成分的纯净度，同时确保生产出的药品符合标准。让生物制药生产过程充满挑战的因素之一是：产量会在50%至100%之间变化，而且还无法马上辨别出原因。而使用高级分析，制造商能够对9个最能够影响产量变化的变量进行追踪。通过上述手段的帮助，他们将疫苗的产量提高了50%，每年在单一疫苗品种上节省的费用就达到500万至1000万美元。
二、加快IT、制造与营运的整合，让工业4.0的愿景更快成为现实。
工业4.0是由德国ZF提出，旨在通过发展智能工厂，促进制造行业自动化。根据供应商、客户、有效产能以及费用的相关约束，大数据已经被用在优化生产进度方面。那些存在高度管制的行业里的制造业价值链上的厂商得益于德国供应商和制造商的帮助，正在大踏步迈向工业4.0。同时，以此为契机，这些厂商的各个部门能够充分发挥各自功能，而大数据和高级分析对于取得成功来说至关重要。
三、大数据帮助提高制造绩效的3个主要方面
分别是：更好的预测产品需求并调整产能（46%），跨多重指标理解工厂绩效（45%）以及更快地为消费者提供服务与支持（39%）。上述数据是根据“LNS研究与MESA国际”的近期调查得出的。
四、在六西格玛DMAIC（定义、测量、分析、改进及控制）框架中整合高级分析，以便持续改进
对一个由DMAIC驱动的改进计划的工作过程取得更加深入的理解，同时就该计划如何对制造绩效的所有其他领域造成的影响进行深入领会。与以往相比，这一领域的发展有望促使生产流程转向更加面向消费者驱动的方向。
五、与以往相比，能够更加细致地从供应商质量层面进行审视，同时能够更加精确地预测供应商的绩效
通过对大数据和高级分析的应用，制造商能够实时查看产品质量和配送准确度，对如何依据时间紧迫性在不同供应商之间分配订单生产任务进行权衡。对产品品质的管控优先于发货进度。
六、对产品合规性进行监测并且追溯到具体生产设备成为可能
通过在生产中心的所有设备上配备传感器，运营经理能够立即了解每一台设备的状况。通过高级分析，每台设备及其操作者的工况、绩效以及技能差异能够得以体现。对于改进生产中心的工作流程来说，这些数据非常重要。
七、只销售利润率最大的定制产品型号，或者以以销定产方式生产对产能影响最小的产品型号
对于拥有许多复杂产品型号的制造商来说，定制产品或者以销定产的产品能够带来更高的毛利率，但是在生产过程没有被合理规划的情形下，同样可能导致生产费用的急剧上升。运用高级分析，制造商能够计算出合理的生产计划，以便在生产上述定制或以销定产的产品时，对目前的生产计划产生最小程度的影响，进而将规划分析具体到设备运行计划、人员以及店面级别。
八、将质量管理和合规体系综合考虑并给予两者企业层面优先级
对于制造商来说，是时候针对产品质量和合规性给予更具战略性的眼光了。文章给出了数个应用大数据和分析的制造商的例子，指出如何通过大数据以及分析手段，针对那些与产品质量管理和合规性最相关的参数进行分析，以便帮助管理人员获得更加深刻的理解。这些参数中的大部分是企业层面的，而不仅仅存在于产品质量管理或者合规部门。
九、量化每日产能对企业财务状况的影响并具体到生产设备层面
通过大数据和高级分析，制造商的财务状况和每日生产活动能够直接联系起来。通过对每台生产设备进行追踪，管理者能够了解工厂的运转效率，生产规划负责人和高级管理人员能够更好地调整生产规模。
十、通过对产品进行监测，制造商能够主动为客户提供预防性维护建议，以便提供更好的服务
制造商开始生产更加复杂的产品，需要在产品中配备板上传感器并通过操作系统加以管理。这些传感器能够收集产品运行情况的数据，并且根据情况发出预防性维护的通知。通过大数据和高级分析，这些维护建议能够在第一时间发出，消费者也就能够从中获得更多的价值。目前，通用电气在它的引擎和钻井平台上使用了类似的手法。
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师一篇文章带你解读大数据到底是什么？如何改变制造业一篇文章带你解读大数据到底是什么？如何改变制造业旭朗机械百家号写这篇文章之前，我发现身边很多IT人对于这些热门的新技术、新趋势往往趋之若鹜却又很难说的透彻，如果你问他大数据和你有什么关系？估计很少能说出一二三来。我们就先来看一下大数据的具体理论。关于大数据的概念其实在1998年已经就有人提出了，但是到了现在才开始有所发展，这些其实都是和当下移动互联网的快速发展分不开的，移动互联网的高速发展，为大数据的产生提供了更多的产生大数据的硬件前提，比如说智能手机，智能硬件，车联网，pda等数据的产生终端。这些智能通过移动通信技术和人们的生活紧密的结合在一起，在人流、车流的背后产生了信息流，也就产生了大量的数据。但，如果你说大数据就是数据大，或者侃侃而谈4个V，也许很有深度的谈到BI或预测的价值，又或者拿Google和Amazon举例，技术流可能会聊起Hadoop和Cloud Computing，不管对错，只是无法勾勒对大数据的整体认识，不说是片面，但至少有些管窥蠡测、隔衣瘙痒了。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》提到了大数据的4个特征，一个是数量大，一个是价值大，一个是速度快，一个是多样性。……也许，“解构”是最好的方法。什么是大数据的结构？首先，我认为大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。其次，想要系统的认知大数据，必须要全面而细致的分解它，我着手从三个层面来展开：第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。大数据的特征定义理解行业对大数据的整体描绘和定性；大数据价值的探讨来深入解析大数据的珍贵所在；大数据的现在和未来去洞悉大数据的发展趋势。第二层面是技术，技术是大数据价值体现的手段和前进的基石。从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。第三层面是实践，实践是大数据的最终价值体现。从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面等。说白了，无非就是，第一个是数据采集层，以App、saas为代表的服务。第二个技术服务层，包括数据的存储，数据的分析，数据的挖掘等等，第三个是数据应用层，以数据为基础，为将来的移动社交、交通、教育，金融进行服务。或许你会说，照你这样分析出来的大数据，完全和制造业没有关系呀？不是的，虽然，制造业是一个有点过时的行业，但是，其也能够从使用大数据中受益。那么，大数据如何改变制造业？以下是大数据正在重塑美国制造业的几种方式：1.精度更高：在大数据出现之前，最好的方法是投资更好的设备，如MIG焊机设备，或对员工进行更好的培训。然而，使用大数据，制造商可以使用计算机程序来优化流程，并更加巧妙地分析错误，从而防止这些错误产生。2.产量更高：大多数制造商购买原材料并制造成品，他们销售价格高过制造成本。而大数据应用程序使制造商能够更好地了解其整体产量，并有机会改进其运营方法，生产更多产品获得更多的利润。3.更好的预算：供应链预算和市场预算是制造厂商的两个关键因素。他们可以确定制造商需要生产多少产品，何时淡季减缓生产进度，以及在仓库中的库存或出货量。而大数据有助于制造商更好地掌握这种供应链关系的流程变化，因此可以在最有价值的生产条件下进行生产。这对制造商意味着什么？首先，制造商推动更高的盈利能力。传统上受到原材料成本和生产限制等因素限制的领域，而突破性的降低成本，并在每个生产运行中获得更多的收益。企业主很期待能够探索这些机会，赚取更多的收入。随着制造商采用大数据战略，竞争对手感受到采取类似甚至更好的方法的压力。越来越多的竞争迫使越来越多的传统制造商升级内部系统，因此未来的技术发展将会越来越活跃。在未来的几年里，如果想要继续生产，更多的制造商将被鼓励或被迫采用数据采集，存储和分析的新标准。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。旭朗机械百家号最近更新：简介:人工智能，科学，时尚科技，机械产品资讯作者最新文章相关文章一篇文章带你解读大数据如何改变制造业
一篇文章带你解读大数据如何改变制造业
虽然制造业是一个有点过时的行业，但是人们可能会惊讶于其能够从使用大数据中受益。由于获得了新的分析工具和更好的收集信息的方式，制造业正在不断发展。
大数据如何改变制造业
以下是大数据正在重塑美国制造业的几种方式：
1.精度更高。成功制造取决于制造商继续具有竞争力的准确性。在大数据出现之前，最好的方法是投资更好的设备，如MIG焊机设备，或对员工进行更好的培训。然而，使用大数据，制造商可以使用计算机程序来优化流程，并更加巧妙地分析错误，从而防止这些错误产生。
2.产量更高。大多数制造商购买原材料并制造成品，他们销售价格高过制造成本。在该系统中，制造商可以获得更高的收益（每个成品使用的原材料越少），企业的经营就更有利可图。新的大数据应用程序使制造商能够更好地了解其整体产量，并有机会改进其运营方法，生产产品获得更多的利润。
3.更好的预测。供应链预测和需求预测是制造商的两个关键工具。他们可以确定制造商需要生产多少产品，何时淡季减缓生产进度，以及在仓库中的库存或出货量。大数据有助于制造商更好地掌握这种供应链关系的流程变化，因此可以在最有价值的生产条件下进行生产。
4.预测和跟踪供应商业绩。制造商也可以使用大数据跟踪供应商的业绩。例如，如果供应商持续提供不合格的劣质产品，就可以准确计算出这种可能性，并确定选择新的供应商是否更加具有成本效益。
5.更高的可追溯性。大数据还使制造商的流程更加透明和可追溯。制造商的原材料在生产过程中以及生产阶段有多少损失？给定批次产量多少，目前存储在哪里？运送需要多长时间，一旦需要运送，产品在哪里？大数据可帮制造商跟踪生产和交付的所有这些阶段，并提供对可能效率低的领域的洞察和分析。
6.高级自定义工作。大数据显示，通过在以往的努力中获取数据并创造更好地利用原材料的方法，有可能创建高级定制工作。它也可以帮助制造商采取逆向工程，为熟悉的问题提出新的解决方案。
7.投资回报率和运营效率。最后，大数据使制造商能够更深入地了解其运营的真正效率，以及升级时产生的投资回报率（ROI），例如新设备或新的广告策略。
这对制造商意味着什么？
制造商可以用这些信息做什么？他们目前正在做什么来利用这些趋势？
·更高的盈利能力。首先，制造商推动更高的盈利能力。传统上受到原材料成本和生产限制等因素限制的领域，而突破性的降低成本，并在每个生产运行中获得更多的收益。企业主很期待能够探索这些机会，赚取更多的收入。
·更大的竞争压力。随着制造商采用大数据战略，竞争对手感受到采取类似甚至更好的方法的压力。越来越多的竞争迫使越来越多的传统制造商升级内部系统，因此未来的技术发展将会越来越活跃。
·对新角色的需求。即使精益的数据应用程序对外部人员或不熟悉数据分析的人员来说也是具有挑战性的。新技术令人印象深刻，但他们要求有足够知识和经验的人来实施和管理它们。因此，制造商需要其团队招募所需要的人才。
尽管自工业革命以来，经济区域的技术飞跃相对较少，但制造业正受到大数据的影响。在未来的几年里，如果想要继续生产，更多的制造商将被鼓励或被迫采用数据采集，存储和分析的新标准。}