
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01