1.加速產品創新
客戶與工業企業之間的互動和交易行為將產生大量資料，挖掘和分析這些客戶動態資料，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。福特公司是這方面的表率，他們將大資料技術應用到了福特福克斯電動車的產品創新和優化中，這款車成為了一款名副其實的「大資料電動車」。第一代福特福克斯電動車在駕駛和停車時產生大量資料。在行駛中，司機持續地更新車輛的加速度、剎車、電池充電和位置資訊。這對於司機很有用，但資料也傳回福**程師那裡，以了解客戶的駕駛習慣，包括如何、何時以及何處充電。即使車輛處於靜止狀態，它也會持續將車輛胎壓和電池系統的資料傳送給最近的智慧型**。
這種以客戶為中心的大資料應用場景具有多方面的好處，因為大資料實現了寶貴的新型產品創新和協作方式。司機獲得有用的最新資訊，而位於底特律的工程師彙總關於駕駛行為的資訊，以了解客戶，制訂產品改進計畫，並實施新產品創新。而且，電力公司和其他第三方**商也可以分析數百萬英里的駕駛資料，以決定在何處建立新的充電站，以及如何防止脆弱的電網超負荷運轉。
2.產品故障診斷與**
這可以被用於產品售後服務與產品改進。無所不在的感測器、網際網路技術的引入使得產品故障實時診斷變為現實，大資料應用、建模與**技術則使得**動態性成為可能。在馬航mh370失聯客機搜尋過程中，波音公司獲取的發動機運轉資料對於確定飛機的失聯路徑起到了關鍵作用。我們就拿波音公司飛機系統作為案例，看看大資料應用在產品故障診斷中如何發揮作用。在波音的飛機上，發動機、燃油系統、液壓和電力系統等數以百計的變數組成了在航狀態，這些資料不到幾微秒就被測量和傳送一次。以波音737為例，發動機在飛行中每30分鐘就能產生10tb資料。
這些資料不僅僅是未來某個時間點能夠分析的工程遙測資料，而且還促進了實時自適應控制、燃油使用、零件故障**和飛行員通報，能有效實現故障診斷和**。再看乙個通用電氣(ge)的例子，位於美國亞特蘭大的ge能源監測和診斷(m&d)中心，收集全球50多個國家上千臺ge燃氣輪機的資料，每天就能為客戶收集10g的資料，通過分析來自系統內的感測器振動和溫度訊號的恆定大資料流，這些大資料分析將為ge公司對燃氣輪機故障診斷和預警提供支撐。風力渦輪機製造商vestas也通過對天氣資料及期渦輪儀表資料進行交叉分析，從而對風力渦輪機布局進行改善，由此增加了風力渦輪機的電力輸出水平並延長了服務壽命。
3.工業物聯網生產線的大資料應用
現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次資料，利用這些資料可以實現很多形式的分析，包括裝置診斷、用電量分析、能耗分析、質量事故分析(包括違反生產規定、零部件故障)等。首先，在生產工藝改進方面，在生產過程中使用這些大資料，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標準工藝，就會產生乙個報警訊號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用大資料技術，還可以對工業產品的生產過程建立虛擬模型，**並優化生產流程，當所有流程和績效資料都能在系統中重建時，這種透明度將有助於製造商改進其生產流程。再如，在能耗分析方面，在裝置生產過程中利用感測器集中監控所有的生產流程，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。
4.工業**鏈的分析與優化
當前，大資料分析已經是很多電子商務企業提公升**鏈競爭力的重要手段。例如，電子商務企業京東**，通過大資料提前分析和**各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。rfid等產品電子標識技術、物聯網技術以及移動網際網路技術能幫助工業企業獲得完整的產品**鏈的大資料，利用這些資料進行分析，將帶來倉儲、配送、銷售效率的大幅提公升和成本的大幅下降。
以海爾公司為例，海爾公司**鏈體系很完善，它以市場鏈為紐帶，以訂單資訊流為中心，帶動物流和資金流的運動，整合全球**鏈資源和全球使用者資源。在海爾**鏈的各個環節，客戶資料、企業內部資料、**商資料被彙總到**鏈體系中，通過**鏈上的大資料採集和分析，海爾公司能夠持續進行**鏈改進和優化，保證了海爾對客戶的敏捷響應。美國較大的oem**商超過千家，為製造企業提供超過1萬種不同的產品，每家廠商都依靠市場**和其他不同的變數，如銷售資料、市場資訊、展會、新聞、競爭對手的資料，甚至天氣預報等來銷售自己的產品。
利用銷售資料、產品的感測器資料和出自**商資料庫的資料，工業製造企業便可準確地**全球不同區域的需求。由於可以跟蹤庫存和銷售**，可以在****時買進，所以製造企業便可節約大量的成本。如果再利用產品中感測器所產生的資料，知道產品出了什麼故障，**需要配件，他們還可以**何處以及何時需要零件。這將會極大地減少庫存，優化**鏈。
5.產品銷售**與需求管理
6.產品計畫與排程
製造業面對多品種小批量的生產模式，資料的精細化自動及時方便的採集(mes/dcs)及多變性導致資料劇烈增大，再加上十幾年的資訊化的歷史資料，對於需要快速響應的aps來說，是乙個巨大的挑戰。大資料可以給予我們更詳細的資料資訊，發現歷史**與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智慧型的優化演算法，制定預計畫排產，並監控計畫與現場實際的偏差，動態的調整計畫排產。幫我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體(工作中心資料直接改變為具體乙個裝置、人員、模具等資料)。通過資料的關聯分析並監控它，我們就能計畫未來。雖然，大資料略有瑕疵，只要得到合理的應用，大資料會變成我們強大的**。當年，福特問大資料的客戶需求是什麼?而回答是「一匹更快的馬」，而不是現在已經普及的汽車。所以，在大資料的世界裡，創意、直覺、冒險精神和知識野心尤為重要。
7.產品質量管理與分析
傳統的製造業正面臨著大資料的衝擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大資料挑戰。例如在半導體行業，晶元在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等複雜的工藝製程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的裝置在加工產品的同時，也同步生成了龐大的檢測結果。這些海量資料究竟是企業的包袱，還是企業的金礦呢?如果說是後者的話，那麼又該如何快速地撥雲見日，從「金礦」中準確地發現產品良率波動的關鍵原因呢?這是乙個已經困擾半導體工程師們多年的技術難題。
人工智慧、大資料、雲計算和物聯網的未來發展值得重視，均為前沿產業，多智時代專注於人工智慧和大資料的入門和科譜，在此為你推薦幾篇優質好文：
1.大資料分析，主要有哪些核心技術？
2.構建乙個企業的大資料分析平台 ，主要分為哪幾步？
3.資料科學，資料分析和機器學習之間，有什麼本質區別？
多智時代-人工智慧和大資料學習入門**|人工智慧、大資料、物聯網、雲計算的學習交流**
大資料常用的挖掘方法，主要有哪些？
神經網路方法 神經網路由於本身良好的魯棒性 自組織自適應性 並行處理 分布儲存和高度容錯等特性非常適合解決資料探勘的問題，因此近年來越來越受到人們的關注。典型的神經網路模型主要分3大類 以感知機 bp反向傳播模型 函式型網路為代表的，用於分類 和模式識別的前饋式神經網路模型 以hopfield的離散...
大資料的使用方法，主要有哪些？
我們正處於福雷斯特研究公司所描述的 使用者時代 這個時代中驅動業務決策的不再是公司，而是使用者。基於這個原因，深度理解使用者的重要性已經遠勝以往，因此許多機構開始使用大資料技術來挖掘使用者資訊。收集和分析正確的資料 切實的理解使用者體驗及使用者行為已成為當務之急，下面將分享10個大資料的使用方法，可...
大資料最常用的演算法，主要有哪些？
奧地利符號計算研究所 research institute for symbolic computation，簡稱risc 的christoph koutschan博士在自己的頁面上發布了一篇文章，提到他做了乙個調查，參與者大多數是計算機科學家，他請這些科學家投票選出最重要的演算法，以下是這次調查的...