大数据对智能制造的影响特性分析

制造即运营管理，是供应链的四大环节之一，负责规划、组织、管理所有制造产品所需要的资源，包括设备、人力、技术、流程、信息等。其主要职能是统筹相关的资源与活动，将投入的资源转变成最终可销售的产品和服务。每个企业都有自己的规划和自己企业在运营环节的管理最佳实践。大数据对促进供应链中的生产环节产生了前所未有的巨大影响，在众多的运营决策改进里面，这些影响包括产品设计、质量控制、客户画像等等。大数据及其分析将影响制造业的规范性、产品以及服务的品质以及卓越运营这三大方面。

大数据将促进规范性分析与维护

基于预测性分析的进化步骤被称为规范性分析。规范分析法是20世纪60年代后期美国管理心理学家皮尔尼克提出的，它对事物运行状态做出是非曲直的主观价值判断，力求回答“事物的本质应该是什么”。规范性分析意味着分析工具不仅能够预测可能发生的事情，还可以提供备用的“假设”分析，以提供可以改变结果的方案。从这一分析出发，我们可以将工业物联网平台的数据提供给智能连接资产内部的云数据库或潜在的分散分析，以期在“最佳”结果的基础上，对规范性维护活动做出最准确的定义。

这一转变将彻底改变制造行业。我们将不再需要一系列专家来告诉管理员何时需要针对设备资产做哪些维护以及如何维护，因为当资产无法实现自我修复时，将会自己告诉你它们需要什么。

大数据对质量要求更高

商业原则之一的帕累托法则，也称为二八定律，一般来讲质量也往往与这一基本原则紧密相关。早在上世纪90年代开始，大量企业就开始通过应用分析法来提高产品质量和生产的效率，其核心是实现生产与服务的需求相匹配。

今天的大数据分析手段也如出一辙。大数据不仅能够使生产商制造产品的时间缩短，还能够在产品批量生产前通过模拟，检验防止产品缺陷，减少产品开发周期过程中不必要的环节等。

质量管理强调产品质量要符合消费者预期，这个预期包括预算、功能、外观等等。这是大数据分析法提升质量管理环节的首要收益。通过对内源与外源数据的实时采集和分析，企业能够准确地了解消费者需求及其购买行为，明确产品特征，运用高级分析法准确地指导生产、运输与采购，从而提升产品或服务的质量。

大数据的实时性与实效性，給企业的生产质量管理创造了实现质的飞跃的条件。传统质量管理主要是通过静态的、历史的、沉淀的数据，通过检查表、散点图、控制图等检测手段来发现生产过程的质量问题，大数据则通过物联网，通过产品上安装传感器、标签等手段，实时监测采集数据，认知产品性能，实时提高质量。

大数据来促使实现制造业运营效率提高

当企业高管们在探索如何利用大数据改善运营之时，我们需要从企业的生产目标以及更高的商业目标开始思考这个问题。越来越多的管理人员意识到，贯穿产品生命周期各个阶段的数据，将成为能給企业带来高效增值的极有价值的原始材料。

企业不论何时开始实施卓越运营，都必须将人、流程和技术结合起来，基于此，制造业的卓越运营实践需要包含资产管理（EAM），资产性能管理（APM），企业质量管理（EQMS），环境、健康和安全管理（EHS），工业能源管理（IEM）以及制造运营管理（MOM）六大支柱。

将数据和大数据分析结合起来时，之前未知而有待发现的相关性以及打破信息孤岛的可能性变得越来越大。把从运营中已使用到的大数据、社会媒体以及物联网等新的数据源，以及融合大数据分析解决方案的能力三者结合起来，大数据就可以为管理层提供运营洞见。

在制造行业，企业边界日益模糊，最难以预测的外部因素，当数颠覆性创新。互联互通彻底改变了商业游戏规则，在意识到竞争时已为时过晚。对于所有希望转型的制造业企业来说，企业管理者需要迅速全面了解前沿技术及其相关性与关联性，利用现代企业架构，重新定义企业，通过全供应链的数字化，来获得更为高效、智能与高利润的服务产品。

鸡蛋，从外打破是食物，从内打破是生命。智能制造之路亦是，从外打破是压力，从内打破是成长。我们要从设备智能管理、工业大数据入手分析，驾驭工业物联网的三驾马车，结合现代制造业企业的下一代企业架构，让自己有能力从内打破，打造并形成数据红利，在这场智能制造的文化升级中，实现重生，实现我们的制造强国之梦。