1.4.2 企业应用

大数据时代，企业应用从以软件编程为主转变为以数据为中心。欧美国家针对流程工业提出了“智能工厂”的概念。德国提出了“工业4.0”的概念，“工业4.0”本质上是通过信息物理系统（Cyber Physical System）实现工厂的设备传感及控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产。大数据的作用不局限于此，它还可以渗透到制造业的各个环节，如产品设计、原料采购、产品制造、仓储运输、订单处理、批发经营和终端零售。

近年来，机器人工程专业在要求掌握技术工作必备的知识、技术基础之下，能够完成机器人工作站设计、装调与改造，机器人自动化生产线的设计、应用及运行管理等工作，从而实现车间的智能化。未来车间智能机器人的机械手可以进行自动化排产调度，以及对工件、物料、刀具进行自动化装卸调度，可以进入无人值守的全自动化生产模式。图1-13所示为智能工厂的组成。

图1-13 智能工厂的组成

视觉识别可以自动定位材料位置，且更加精准、便捷。视觉识别搭配机械手可以进行分拣，不同的数字、颜色可以被分拣出来，并且按顺序排列。

（1）大数据改善订单处理方式

无论大数据技术在哪个行业被应用，其最为根本的优势就是具有预测能力。用户利用大数据的预测能力可以精准地了解市场发展趋势、用户需求以及行业走向等多方面的数据，从而为用户自身企业的发展制定更适合的战略和规划。企业通过大数据的预测结果可以得到潜在订单的数量，然后直接进入产品的设计、制造及后续环节。也就是说，企业可以通过大数据技术在客户下单之前进行订单处理。而传统企业通过市场调研与分析得到粗略的客户需求量，然后开始生产加工产品，等到客户下单后，才开始进行订单处理，这大大延长了产品的生产周期。现在已经有很多制造业的企业用户开始利用大数据技术对销售数据进行分析，这对于提升企业利润方面是非常有利的。

（2）大数据改变传统仓储运输

由于大数据能够精准预测出个体消费者的需求以及消费者对于产品价格的期望值，企业在产品设计制造之后，可直接将产品信息送给消费者。虽然此时消费者还没有下单，但是消费者最终接受产品是一个大概率事件。这使得企业不存在库存过剩的问题，也就没有必要进行仓储运输和批发经营。

（3）工业采购变得更加精准

大数据技术可以从数据分析中获得知识并推测趋势，可以对企业原料采购的供求信息进行更大范围的归并、匹配，效率更高。大数据通过高度整合的方式将相对独立的企业各部门信息汇集起来，打破了原有的信息壁垒，实现了集约化管理。

用户可以根据流程中每一个环节的轻重缓急来更加科学地安排企业的费用支出，同时，利用大数据的海量存储还可以对采购的原料的附带属性进行更加精细化的描述与标准认证，通过分类标签与关联分析，可以更好地评估企业采购资金的支出效果。

（4）大数据让产品设计更优化

借助大数据技术，人们可以对原物料的品质进行监控，发现潜在问题立即做出预警，以便能及早解决问题，从而维持产品品质。大数据技术还能监控并预测加工设备未来的故障概率，以便让工程师即时执行最适决策。大数据技术还能精准预测零件的生命周期，在需要更换的最佳时机提出建议，帮助制造业企业达到品质与成本双赢。

例如，日本的Honda汽车公司就将大数据分析技术应用在了电动车的电池上，由于电动车不像汽车或油电混合车一样可以使用汽油作为动力来源，其唯一的动力就是电池，所以Honda希望进一步了解电池在什么情况下表现最好、使用寿命最长。Honda公司通过大数据技术搜集并分析车辆在行驶中的一些资讯，如道路状况、车主的开车行为、开车时的环境状态等，这些资讯一方面可以帮助汽车制造公司预测电池目前的寿命还剩多长，以便即时提醒车主做更换，另一方面也可以提供给研发部门，作为未来设计电池的参考。

对于制造业来说，由于自身在技术创新性等方面的特殊需求，对于大数据技术的需求改变是非常庞大的，这就需要在实际应用过程中将海量数据变得能够真正被使用，那么大数据在制造业等方面也就具有非常重要的意义了。

总之，充分利用互联网与大数据这一新的战略性资源，可不断提高产品智能化水平、研发与生产过程的开放式创新水平、基于产品的服务化水平，并能重构制造资源组合，优化制造业生态系统。有关大数据在制造业中的应用实例在第11章中介绍。