文章來源：《物聯(lián)網(wǎng)技術(shù)》2021年第8期

文章標(biāo)簽：【智慧工廠】【智慧工廠數(shù)字化】【智能化化工廠建設(shè)】【電源及環(huán)境監(jiān)控】【能源管理系統(tǒng)】【智能運維】

本文旨在從工業(yè)大數(shù)據(jù)的特點出發(fā)，闡明工業(yè)大數(shù)據(jù)的來源與采集方式，分析并總結(jié)工業(yè)大數(shù)據(jù)在工業(yè)互聯(lián)網(wǎng)環(huán)境下的應(yīng)用。最后，為工業(yè)大數(shù)據(jù)助力制造業(yè)數(shù)字化發(fā)展提出建議。

1 工業(yè)大數(shù)據(jù)的特點

與商業(yè)領(lǐng)域關(guān)注數(shù)據(jù)之間的關(guān)聯(lián)性以及對數(shù)據(jù)具有較高容錯率的特征相比，工業(yè)領(lǐng)域的大數(shù)據(jù)更為重視數(shù)據(jù)特征蘊含的物理意義以及特征之間的關(guān)聯(lián)機(jī)理，對分析結(jié)果的可靠性要求較高。工業(yè)大數(shù)據(jù)具有規(guī)模大、速度快、類型雜、質(zhì)量低的“4V”特征，還具有反應(yīng)工業(yè)機(jī)理與邏輯的多模態(tài)、強關(guān)聯(lián)、高通量、因果性、價值性等新特征。

工業(yè)大數(shù)據(jù)要反映工業(yè)系統(tǒng)各方面的要素，強調(diào)數(shù)據(jù)樣本的全體性。記錄全體數(shù)據(jù)不僅要包含工業(yè)軟件及系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)，還涉及不同專業(yè)的視頻、圖紙等半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，導(dǎo)致數(shù)據(jù)文件結(jié)構(gòu)復(fù)雜和數(shù)據(jù)內(nèi)生結(jié)構(gòu)的多模態(tài)特征。工業(yè)大數(shù)據(jù)的強關(guān)聯(lián)體現(xiàn)在工業(yè)系統(tǒng)中不同物理對象與過程的語義關(guān)聯(lián)，反映了工業(yè)系統(tǒng)復(fù)雜的動態(tài)關(guān)系，體現(xiàn)出了產(chǎn)品生命周期內(nèi)設(shè)計、生產(chǎn)、運營、售后等各過程的不同專業(yè)數(shù)據(jù)之間的關(guān)聯(lián)。高通量是指設(shè)備與產(chǎn)品利用傳感器能夠短時間內(nèi)采集大量時間序列數(shù)據(jù)，這類時間序列數(shù)據(jù)呈現(xiàn)出吞吐量大、產(chǎn)生速度快并且持續(xù)不斷的特征。工業(yè)大數(shù)據(jù)的價值性體現(xiàn)在其應(yīng)用能夠解決企業(yè)生產(chǎn)制造過程中的痛點問題，幫助制造企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型。工業(yè)大數(shù)據(jù)的因果性體現(xiàn)在通過數(shù)據(jù)分析得出可靠的結(jié)論和知識，用以指導(dǎo)工業(yè)系統(tǒng)運行的過程。在工業(yè)大數(shù)據(jù)分析應(yīng)用過程中追求因果性能夠降低不確定性導(dǎo)致的損失。

2 工業(yè)互聯(lián)網(wǎng)環(huán)境下的工業(yè)大數(shù)據(jù)采集

2.1 工業(yè)大數(shù)據(jù)來源

工業(yè)大數(shù)據(jù)作為工業(yè)互聯(lián)網(wǎng)的核心要素和生產(chǎn)資源，讓人與機(jī)器的對話成為可能，是企業(yè)從“制造”到“智造”轉(zhuǎn)型的加速器。從業(yè)務(wù)視角出發(fā)，工業(yè)大數(shù)據(jù)主要來源于企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)和外部跨界數(shù)據(jù)。

企業(yè)信息化數(shù)據(jù)是指存儲在進(jìn)行日常生產(chǎn)與管理活動的ERP、MES、SCM、CRM 等信息系統(tǒng)中的高價值業(yè)務(wù)數(shù)據(jù)，涉及產(chǎn)品生命周期各個環(huán)節(jié)，這部分?jǐn)?shù)據(jù)已成為工業(yè)領(lǐng)域傳統(tǒng)的數(shù)據(jù)資產(chǎn)。

工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)是指通過傳感器等連接機(jī)器、產(chǎn)品對象等產(chǎn)生的數(shù)據(jù)。主要分為生產(chǎn)現(xiàn)場的數(shù)據(jù)以及交付客戶后的終端產(chǎn)品數(shù)據(jù)，是工業(yè)大數(shù)據(jù)的重要組成部分。

企業(yè)生產(chǎn)運行不僅受內(nèi)部生產(chǎn)要素的影響，政策法規(guī)、宏觀經(jīng)濟(jì)數(shù)據(jù)、市場變化等外部要素也會影響企業(yè)的生產(chǎn)和產(chǎn)品創(chuàng)新。由于工業(yè)系統(tǒng)處于復(fù)雜多變的內(nèi)外部環(huán)境之中，外部跨界數(shù)據(jù)也是工業(yè)大數(shù)據(jù)的重要來源。

2.2 工業(yè)大數(shù)據(jù)采集

工業(yè)大數(shù)據(jù)采集是制造企業(yè)數(shù)字化轉(zhuǎn)型的前提。工業(yè)互聯(lián)網(wǎng)在助力企業(yè)轉(zhuǎn)型升級過程中，成為工業(yè)大數(shù)據(jù)采集和應(yīng)用的新載體。其邊緣層通過接口、協(xié)議或系統(tǒng)集成的方式完成對不同來源數(shù)據(jù)的接入與實時采集。

工業(yè)互聯(lián)網(wǎng)利用數(shù)據(jù)接口連接企業(yè)信息系統(tǒng)，支持ERP、CRM、MES 等應(yīng)用系統(tǒng)數(shù)據(jù)的批量或增量導(dǎo)入，實現(xiàn)異構(gòu)系統(tǒng)中數(shù)據(jù)的統(tǒng)一管理。

工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)采集主要包括工業(yè)現(xiàn)場數(shù)據(jù)采集和工業(yè)產(chǎn)品數(shù)據(jù)采集。工業(yè)現(xiàn)場的數(shù)據(jù)采集針對現(xiàn)場工業(yè)控制系統(tǒng)和設(shè)備進(jìn)行。通過生產(chǎn)現(xiàn)場的自動化與控制系統(tǒng)，如 DCS、SCADA 系統(tǒng)等，借助傳感器、采集器、射頻識別等實現(xiàn)對地理位置集中的底層設(shè)備或分散的工業(yè)現(xiàn)場設(shè)備進(jìn)行監(jiān)視與數(shù)據(jù)采集。工業(yè)產(chǎn)品數(shù)據(jù)在產(chǎn)品或裝備在客戶端投入使用后，通過 4G、5G、NB-IoT 等無線通信技術(shù)接入工業(yè)互聯(lián)網(wǎng)，利用標(biāo)識、傳感器等獲取產(chǎn)品信息、能耗、溫度、工作電流、電壓等實時指標(biāo)數(shù)據(jù)，完成數(shù)據(jù)的采集。

企業(yè)決策不僅受自身資源、管理條件的約束，還受外部環(huán)境的影響。借助數(shù)據(jù)抓取技術(shù)等從市場、合作伙伴或競爭者等處獲得外部跨界數(shù)據(jù)，包括從市場動態(tài)數(shù)據(jù)中提取的消費者對產(chǎn)品的滿意度和未來需求的相關(guān)數(shù)據(jù)、合作伙伴或者競爭者的動態(tài)發(fā)展數(shù)據(jù)等。

3 工業(yè)互聯(lián)網(wǎng)環(huán)境下的大數(shù)據(jù)分析與應(yīng)用

工業(yè)大數(shù)據(jù)的分析與應(yīng)用貫穿制造企業(yè)生產(chǎn)經(jīng)營的全過程。工業(yè)大數(shù)據(jù)在研發(fā)設(shè)計、生產(chǎn)制造、遠(yuǎn)程運維、數(shù)字化運營管理等方面幫助制造企業(yè)實現(xiàn)了降本增效與提質(zhì)增收。

3.1 研發(fā)設(shè)計

數(shù)字經(jīng)濟(jì)時代，市場競爭環(huán)境復(fù)雜多變，高效率地進(jìn)行工業(yè)產(chǎn)品設(shè)計是縮短交付周期、提升企業(yè)競爭力的前提。工業(yè)大數(shù)據(jù)支持產(chǎn)品協(xié)同設(shè)計、智能裝備的數(shù)字化設(shè)計以及建模仿真等。如在航天云網(wǎng)的支持下，依托數(shù)據(jù)和模型實現(xiàn)了航天企業(yè)產(chǎn)品的協(xié)同設(shè)計和多學(xué)科建模仿真 。通過工業(yè)互聯(lián)網(wǎng)技術(shù)感知多維數(shù)據(jù)，利用半監(jiān)督學(xué)習(xí)和樸素貝葉斯分類器處理工業(yè)數(shù)據(jù)進(jìn)行關(guān)鍵詞提取、情感分析、語義關(guān)聯(lián)，實現(xiàn)智能設(shè)備數(shù)字化設(shè)計。利用模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、物理規(guī)劃等計算智能技術(shù)進(jìn)行概念設(shè)計方案的選擇與評估，幫助設(shè)計人員快速找到坦克發(fā)動機(jī)的最佳設(shè)計方案。除此之外，應(yīng)用回歸、聚類和關(guān)聯(lián)規(guī)則等常見的數(shù)據(jù)挖掘方法能夠輔助產(chǎn)品設(shè)計與性能優(yōu)化，縮短產(chǎn)品開發(fā)周期。

3.2 生產(chǎn)制造

企業(yè)依托工業(yè)互聯(lián)網(wǎng)采集生產(chǎn)過程的工業(yè)大數(shù)據(jù)，在生產(chǎn)工藝參數(shù)優(yōu)化、能耗管理、質(zhì)量管控、生產(chǎn)調(diào)度、智能排產(chǎn)、生產(chǎn)監(jiān)控等場景實現(xiàn)了工業(yè)大數(shù)據(jù)的深度應(yīng)用。其中，算法和模型是工業(yè)大數(shù)據(jù)發(fā)揮價值的重要手段。

（1）生產(chǎn)工藝參數(shù)優(yōu)化

工業(yè)大數(shù)據(jù)的應(yīng)用改變了企業(yè)依賴工人經(jīng)驗或大量實驗來調(diào)整與優(yōu)化生產(chǎn)工藝參數(shù)的現(xiàn)狀。借助工業(yè)互聯(lián)網(wǎng)整合的產(chǎn)品全生命周期歷史數(shù)據(jù)，利用數(shù)據(jù)分析算法與模型，提高生產(chǎn)階段工藝參數(shù)設(shè)置的準(zhǔn)確性。例如，卷煙包裝公司利用數(shù)據(jù)分類規(guī)則提取卷煙包裝的工藝參數(shù)，通過關(guān)聯(lián)挖掘確定工藝參數(shù)之間的內(nèi)在聯(lián)系，從而發(fā)現(xiàn)工藝參數(shù)設(shè)置的最佳組合，實現(xiàn)工藝參數(shù)的優(yōu)化。在高鐵彈條生產(chǎn)環(huán)節(jié)的熱處理工藝中，通過工業(yè)互聯(lián)網(wǎng)實時獲取工藝參數(shù)信息，利用 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測和優(yōu)化后續(xù)工藝參數(shù)，這一方法提升了高鐵彈條的質(zhì)量與性能。

（2）能耗管理

能耗管理是工業(yè)大數(shù)據(jù)的典型應(yīng)用場景之一。數(shù)據(jù)驅(qū)動的能耗管理能夠在一定程度上解決生產(chǎn)過程中能耗浪費的問題，使能耗管理變得更加透明，實現(xiàn)了能源的節(jié)約和高效利用。如部署具有云計算功能的能源管理系統(tǒng)是實現(xiàn)能源消耗控制與優(yōu)化的一種有效手段。增材制造行業(yè)的生產(chǎn)活動伴隨大量的能源消耗，利用基于聚類的深度學(xué)習(xí)算法對增材制造過程的多源數(shù)據(jù)進(jìn)行集成與建模，實現(xiàn)增材制造系統(tǒng)能量消耗的準(zhǔn)確預(yù)測，幫助企業(yè)更好地完成能耗管理工作。除了以上方法，運用回歸、分類、神經(jīng)網(wǎng)絡(luò)、遺傳網(wǎng)絡(luò)、時間序列、空間解析等智能算法或模型分析生產(chǎn)現(xiàn)場的能耗數(shù)據(jù)，識別與能耗變化高度相關(guān)的關(guān)鍵參數(shù)，進(jìn)而實現(xiàn)產(chǎn)品生產(chǎn)制造過程的能耗管理與優(yōu)化。

（3）質(zhì)量管控

制造企業(yè)的發(fā)展前景很大程度上取決于產(chǎn)品質(zhì)量，而應(yīng)用工業(yè)大數(shù)據(jù)能對產(chǎn)品質(zhì)量進(jìn)行適時的控制、調(diào)整和提升，從而更好地滿足客戶要求。例如，富桂公司以質(zhì)量管控為中心，融合新興技術(shù)打造工業(yè)互聯(lián)網(wǎng)平臺，針對設(shè)備內(nèi)部數(shù)據(jù)、生產(chǎn)線生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)集成與分析，控制產(chǎn)品質(zhì)量。另外，在采集生產(chǎn)線質(zhì)量數(shù)據(jù)的基礎(chǔ)上，通過結(jié)合生產(chǎn)計劃與用戶需求構(gòu)建質(zhì)量智能管控模型。鋼鐵企業(yè)實現(xiàn)了產(chǎn)品質(zhì)量的主動在線管控，不僅降低了工人的勞動強度，還能有效控制產(chǎn)品質(zhì)量。

（4）生產(chǎn)調(diào)度

受工業(yè)互聯(lián)網(wǎng)等新興技術(shù)的影響，生產(chǎn)調(diào)度系統(tǒng)正在向智能調(diào)度系統(tǒng)轉(zhuǎn)變。在工廠安裝智能傳感器和監(jiān)控設(shè)備，進(jìn)行生產(chǎn)現(xiàn)場的數(shù)據(jù)采集、關(guān)聯(lián)分析與融合處理，實現(xiàn)實時智能生產(chǎn)調(diào)度。智能生產(chǎn)調(diào)度常用的算法模型包括決策樹、遺傳算法以及聚類分析等。例如，針對 Job Shop 調(diào)度問題，構(gòu)建決策樹模型分析海量生產(chǎn)數(shù)據(jù)，獲取數(shù)據(jù)驅(qū)動的調(diào)度規(guī)則，對機(jī)器的使用進(jìn)行調(diào)整，提高車間生產(chǎn)效率 ；結(jié)合混合整數(shù)規(guī)劃、離散事件模擬和遺傳算法能解決傳統(tǒng)調(diào)度方法在應(yīng)對指數(shù)級數(shù)據(jù)的處理以及環(huán)境的動態(tài)干擾方面存在的不足，實現(xiàn)綜合調(diào)度，提高企業(yè)運行效率。

此外，工業(yè)互聯(lián)網(wǎng)對生產(chǎn)數(shù)據(jù)的全面感知、實時分析，支撐著企業(yè)實現(xiàn)智能排產(chǎn)與生產(chǎn)監(jiān)控等活動。在產(chǎn)能約束和交期約束等條件限制下，可以利用神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等算法模型處理生產(chǎn)數(shù)據(jù)，制定企業(yè)最優(yōu)的排產(chǎn)計劃。基于工業(yè)互聯(lián)網(wǎng)的生產(chǎn)監(jiān)控系統(tǒng)運用大數(shù)據(jù)技術(shù)處理生產(chǎn)現(xiàn)場的數(shù)據(jù)流，監(jiān)控車間的整體生產(chǎn)。數(shù)據(jù)驅(qū)動與算法模型的融合應(yīng)用，能夠?qū)ιa(chǎn)做出及時調(diào)整與反饋，在提升制造企業(yè)生產(chǎn)效率的同時，降低生產(chǎn)成本與風(fēng)險。

3.3 遠(yuǎn)程運維

制造業(yè)的發(fā)展依賴于大型裝備與關(guān)鍵設(shè)備，其健康運行對工業(yè)企業(yè)的正常運轉(zhuǎn)至關(guān)重要，而工業(yè)互聯(lián)網(wǎng)廣連接、速度快、低延時的特點加速了遠(yuǎn)程運維服務(wù)的發(fā)展。利用統(tǒng)計技術(shù)和機(jī)器學(xué)習(xí)方法，如決策樹、K-means、貝葉斯算法、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、紅外圖譜診斷算法等智能分析算法，結(jié)合基于圖譜的識別技術(shù)，分析產(chǎn)品運行的時序數(shù)據(jù)，能夠識別設(shè)備異常狀況下的影響因素。利用工業(yè)互聯(lián)網(wǎng)實現(xiàn)設(shè)備故障診斷與預(yù)測性維護(hù)，降低了工人運維工作的強度，通過設(shè)備運行實時狀態(tài)監(jiān)測、自動預(yù)警和故障診斷維護(hù)，實現(xiàn)了對機(jī)器的安全運營，提高了設(shè)備可用率，推動了設(shè)備運維智能化發(fā)展。

（1）設(shè)備故障診斷

對設(shè)備的實時監(jiān)測有助于企業(yè)掌握設(shè)備的運行狀態(tài)，快速診斷設(shè)備的運行故障。過去，對于設(shè)備故障診斷首選的衡量指標(biāo)是檢測平均運行長度和平均信號時間，但通過統(tǒng)計得到的運行狀態(tài)參考結(jié)果具有局限性。工業(yè)大數(shù)據(jù)的應(yīng)用打破了這種局限，能基于機(jī)器的實時狀態(tài)進(jìn)行準(zhǔn)確的故障診斷與預(yù)測。

利用無線傳感器網(wǎng)絡(luò)和射頻識別技術(shù)，可以實時采集不同來源的設(shè)備監(jiān)測數(shù)據(jù)，結(jié)合支持向量機(jī)、深度神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法和模型對數(shù)據(jù)進(jìn)行分析，幫助企業(yè)做出準(zhǔn)確的故障預(yù)測和診斷。例如，基于動態(tài)增量主成分分析進(jìn)行故障原因檢測后，再利用卷積神經(jīng)網(wǎng)絡(luò)識別故障類型，能有針對性地實現(xiàn)工業(yè)電機(jī)的實時故障診斷。

（2）預(yù)測性維護(hù)

預(yù)測性維護(hù)通過利用工業(yè)大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法建立預(yù)測模型，在設(shè)備運行狀態(tài)監(jiān)測和退化機(jī)理經(jīng)驗的基礎(chǔ)上，盡早發(fā)現(xiàn)故障隱患和預(yù)測設(shè)備剩余壽命，盡可能延長設(shè)備的使用時間。例如，通過使用自組織映射和高斯混合模型等無監(jiān)督學(xué)習(xí)算法對不同工作制度的機(jī)器數(shù)據(jù)進(jìn)行分類，針對不同類型的機(jī)器數(shù)據(jù)構(gòu)建預(yù)測性維修模型，從而做出維修決策，降低機(jī)器意外停工給企業(yè)帶來的成本。應(yīng)用退化模型和貝葉斯方法對傳感數(shù)據(jù)進(jìn)行分析，實現(xiàn)工業(yè)互聯(lián)網(wǎng)環(huán)境下基于事件驅(qū)動的機(jī)床狀態(tài)監(jiān)測和剩余壽命預(yù)測，根據(jù)剩余壽命合理安排工件生產(chǎn)任務(wù)，實現(xiàn)企業(yè)效益最大化。除了這些模型或算法，基于聚類、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和隨機(jī)森林等算法構(gòu)建預(yù)測模型，及時準(zhǔn)確地預(yù)測設(shè)備可能發(fā)生的故障，從而提高設(shè)備可用率，降低停機(jī)維修造成的損失，使設(shè)備在保障安全的前提下能夠合理超期服役。

3.4 運營管理

在客戶需求多樣且復(fù)雜的環(huán)境下，工業(yè)大數(shù)據(jù)的應(yīng)用使企業(yè)數(shù)字化運營成為可能。工業(yè)大數(shù)據(jù)通過遺傳算法、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、支持向量機(jī)、時間序列預(yù)測等智能算法或模型，幫助企業(yè)在供應(yīng)鏈彈性優(yōu)化與協(xié)同、需求預(yù)測等場景下實現(xiàn)數(shù)字化運營。

（1）供應(yīng)鏈彈性優(yōu)化

工業(yè)互聯(lián)網(wǎng)高度集成供應(yīng)鏈上下游產(chǎn)生的海量數(shù)據(jù)，實現(xiàn)企業(yè)之間的連通與協(xié)同。利用算法和模型分析供應(yīng)鏈的數(shù)據(jù)能輔助管理者做出及時準(zhǔn)確的決策，實現(xiàn)供應(yīng)鏈的高效運營、優(yōu)化與智能升級。供應(yīng)鏈運行過程中可能因不確定情況發(fā)生中斷，利用數(shù)據(jù)驅(qū)動的方法分析破壞性歷史事件數(shù)據(jù)，將分析過程與穩(wěn)健優(yōu)化框架相結(jié)合形成的雙目標(biāo)兩階段自適應(yīng)魯棒分式規(guī)劃模型是內(nèi)生不確定性條件下的供應(yīng)鏈彈性優(yōu)化的一種有效方法。在按訂單生產(chǎn)時，供應(yīng)鏈存在各種動態(tài)波動，具有冗余的庫存、產(chǎn)能和運營能力，因此，優(yōu)化供應(yīng)鏈的彈性對于提升供應(yīng)鏈的產(chǎn)能與運行效益至關(guān)重要。

（2）需求預(yù)測

在激烈的市場競爭環(huán)境下盡可能準(zhǔn)確地預(yù)測客戶需求是企業(yè)開展采購、生產(chǎn)、庫存等日?；顒拥那疤崤c基礎(chǔ)。通過對能源序列數(shù)據(jù)進(jìn)行頻繁挖掘和 K-Means 聚類，分析家電與家電、家電與時間的關(guān)聯(lián)導(dǎo)致的行為消耗模式，反應(yīng)消費者的預(yù)期舒適度，輔助公共事業(yè)單位提前計劃與平衡能源的供應(yīng)與需求?；诓⑿猩窠?jīng)網(wǎng)絡(luò)的新型機(jī)器學(xué)習(xí)算法，用于魯棒檢測和電力需求的預(yù)測。

該算法增強了能源監(jiān)控與數(shù)據(jù)采集的能力，是電力行業(yè)在工業(yè)互聯(lián)網(wǎng)背景下實現(xiàn)服務(wù)化的一種穩(wěn)健預(yù)測方法。工業(yè)互聯(lián)網(wǎng)環(huán)境下工業(yè)大數(shù)據(jù)還被應(yīng)用到制造企業(yè)的庫存優(yōu)化、配送優(yōu)化、精準(zhǔn)營銷、金融服務(wù)、客戶關(guān)系管理等運營場景中。例如，終端產(chǎn)品通過加裝傳感器實現(xiàn)基于物聯(lián)網(wǎng)的產(chǎn)品追溯，通過大數(shù)據(jù)分析，制造企業(yè)可以了解用戶位置分布和客戶需求，使精準(zhǔn)營銷、庫存與配送的優(yōu)化成為可能。制造企業(yè)在進(jìn)行客戶關(guān)系管理時，引入分類或聚類算法，根據(jù)客戶歷史數(shù)據(jù)進(jìn)行客戶群細(xì)分，以便進(jìn)行交叉營銷和潛在客戶的挖掘，主動服務(wù)客戶，提高企業(yè)運營效率。工業(yè)互聯(lián)網(wǎng)也成為金融機(jī)構(gòu)與中小微企業(yè)對接的渠道與中介，通過數(shù)據(jù)分析助力金融機(jī)構(gòu)準(zhǔn)確評估信貸風(fēng)險，建立中小微企業(yè)的信用評級體系，改善中小微企業(yè)融資難的現(xiàn)狀。

4 結(jié)語

數(shù)字經(jīng)濟(jì)的發(fā)展帶來了工業(yè)數(shù)據(jù)的指數(shù)級增長。工業(yè)互聯(lián)網(wǎng)的發(fā)展尚處于起步階段，為工業(yè)大數(shù)據(jù)的應(yīng)用提供了廣泛的基礎(chǔ)和廣闊的空間。工業(yè)大數(shù)據(jù)的應(yīng)用在制造企業(yè)轉(zhuǎn)型升級過程中能夠帶來巨大的經(jīng)濟(jì)效益。工業(yè)大數(shù)據(jù)驅(qū)動應(yīng)用的過程需要進(jìn)一步深入探索。建議從以下方面深化工業(yè)大數(shù)據(jù)的利用，更好地發(fā)揮工業(yè)大數(shù)據(jù)的價值。

（1）建立大數(shù)據(jù)共享生態(tài)，實現(xiàn)數(shù)據(jù)資源的協(xié)同發(fā)展。互聯(lián)互通和開放共享對于數(shù)據(jù)的高效流通與利用至關(guān)重要。作為數(shù)據(jù)載體的工業(yè)互聯(lián)網(wǎng)統(tǒng)一工業(yè)數(shù)據(jù)和算法模型等調(diào)用接口標(biāo)準(zhǔn)，利用標(biāo)識打造數(shù)據(jù)共享機(jī)制，基于區(qū)塊鏈建立數(shù)據(jù)安全機(jī)制和信任體系，從而促進(jìn)大數(shù)據(jù)的開放共享。

（2）通過產(chǎn)學(xué)研協(xié)同加強大數(shù)據(jù)技術(shù)成果落地應(yīng)用。制造企業(yè)、高校、科研單位緊密協(xié)同開展算法模型等創(chuàng)新研究，為制造企業(yè)培養(yǎng)工業(yè)領(lǐng)域的大數(shù)據(jù)技術(shù)人才，推動工業(yè)大數(shù)據(jù)技術(shù)成果的創(chuàng)新與落地應(yīng)用。

（3）拓展工業(yè)互聯(lián)網(wǎng)環(huán)境下工業(yè)大數(shù)據(jù)的應(yīng)用場景。工業(yè)互聯(lián)網(wǎng)作為新興產(chǎn)物，給制造業(yè)帶來了眾多發(fā)展機(jī)遇。深化工業(yè)大數(shù)據(jù)在設(shè)計階段用戶參與、工藝設(shè)計，生產(chǎn)階段的任務(wù)協(xié)同、閑置資源租賃，運營階段的產(chǎn)銷量預(yù)測、自動化庫存、成本管理、風(fēng)險評估，增值服務(wù)等場景的應(yīng)用，更好地促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。