京公网安备 11010802034615号
经营许可证编号:京B2-20210330
工业大数据的众多生动案例
近日,首届中国(杭州)工业大数据产业发展高峰论坛在杭州举办。论坛上,工业大数据相关研究者、实践者济济一堂,“晒”出了工业大数据的众多生动案例,让你提前感知未来的工业大数据采集人体数据实现西服的“量体裁衣”,煤矿工地依靠智能化设备减少矿工数量……5月31日,首届中国(杭州)工业大数据产业发展高峰论坛在杭州举办。论坛上,工业大数据相关研究者、实践者济济一堂,“晒”出了工业大数据的众多生动案例。
1、个性化西服如何“量体裁衣”
观数智库创始人、《大数据》《数据之巅》作者涂子沛参加了贵阳数博会的李克强总理座谈会,总理以定制西装举例说明了大数据的作用。其实,在参加座谈会前,涂子沛也第一次定制了一套西服。穿上之后,他表示再也不想穿以前的西服了,因为从来没有感受到那么得体。
“红领”是一家定制服装生产企业。他到了这家工企业后看到,几千件西服没有两件完全一样,但仅从面料、颜色分辨不出。很多人的西服里面都有商标,很多人喜欢在这里绣上自己的名字或一句话,这就是个性化。每个流水线都有数据驱动,一条工序的数据清清楚楚地送到操作员工作台上。这个方案成本确实增加了,但是利润上升得更多。
2、陕北煤企如何减少矿工?
传统采矿业如何实现从人工采矿,到一个人都不用?北京大学教授、工信部原副部长杨学山之前去过在陕北一个煤矿企业的现场。当时,借助自动化设备,这家煤企624个人的产能,已经相当于今天大部分煤企五六万人的产能,相当于20年前中国最大的山西大同矿区20多万人的产能。
所以,整个产业链,包括采矿到后期的生产,跟人的关系越来越小。实现这些,就是信息、数据构成了自动化装备的基础。没有数据、没有数据化的装备是做不成。
3、沈阳“i5”数控机床的逆袭
这是一个装备发展过程中转型升级的最佳实践,其中,工业大数据承载着非常重要的作用。沈阳“i5”数控机床从开始研发,到今天在智能数控机床进入世界领先的行列,花了十年。前几年为何没有成功?因为数据缺失。
不管是材料、还是装备的发展,高端数控机床长期被国外控制,缺乏实践过程中的数据支撑发展不起来。模型怎么建,也需要数据支撑。但沈阳机床十年磨一剑,积累了数据,打造世界领先的智能数据机床。它还倡导新的商业模式,实现按使用小时收费。
4、可以实现在线3D预览的纸盒
纸盒是典型的个性化生产,各行各业要用的包装纸盒千差万别,上面又要印不同的文字、图案,这是非常适合做C2M的领域。
中国电信制造行业应用基地总经理陆晋军介绍,我们结合了相应的技术,实现线上个性化定制结合3D预览技术,让客户线上下单,可以看到给他设计的样式,还能做到在线直接3D预览,最后线上报价成交。当然,在生产中会有协同,在线平台要和生产平台打通。
由此延伸,他们还分析了很多领域,一些需要定制化的礼品、文具或包装物品的生产企业,都可以比较快速地实现C2M模式,提高效率、提升服务。
5、拥有1亿模型的零件数据库
这是20年前就出现了的零件库。德国Genius WEB2CAD开发Trace Parts,能集成到主流CAD软件的零件库中,直接在CAD软件中启动,支持零件搜索和3D视图,同时以DWG或DXF格式生成零件所有二维视图。
目前,这个零件库有1亿多种零件模型,设计人员可以进入下载这些模型。然后,把它组成产品再进行仿真,再把这些零部件交给供应商制造。这些零部件专业化、成本低、质量好,这种专业化的模式国内还比较少。
6、粉丝参与小米手机的功能设计
小米手机依靠几十万的粉丝,手机三分之一的功能由用户设计。通过建立智能手机设计平台,小米让用户参与设计,形成用户设计大数据,帮助改进产品,使之满足用户需求。
7、试衣间如何给设计师灵感?
ZARA门店的店长每天有一个考核值,向全球数据中心提供当天有多少件衣服被试,哪件衣服有多少人选进了试衣间但没有被购买,原因是什么?它的试衣间可以记录试衣的情况,甚至衣架上也装了传感器,通过不同方式来收集这个数据。
每家门店POS机数据实时回传数据中心,ZARA的快销品最多消耗两周就进行补货。通过POS机数据,设计师形成了一个巨大的知识库,客户最喜欢什么衣服、为什么衣服被多次拿起而没被购买,ZARA会最快把衣服进行修改,然后再次进入专卖店。
数据收集是至关重要的一点,门店的经理做KPI值,这是一件复杂的系统。ZARA将网络上海量的数据看成实体店前端的测试。此外,大数据缩短了生产时间,让生产端能够看清顾客需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12