工业大数据有哪些特点，如何助力智能制造？

可以借助BI商业智能技术高效灵活地深入分析工业数据，比如说将每个生成环节、生产线上的数据都可视化，让管理者能够第一时间掌握数据情况。直观点的可以看看下面这张BI生成制造数据可视化报表，大致就是这么个效果：

上面这个只是截图，如果是在线打开这张报表，你还可以随时点击修改汇总行维度等，随时切换到不同维度上去做分析，几秒内就能看到新维度下的数据分析结果，又快又直观又灵活自主。

工业大数据以时代国家工业标志层域结构基础领域技术设备,工艺装备,资本层域,结构经济,时代周期,标志标准,产业产品,规模市场,循环资产,应研理研,学科领域律值标准为主线的国家工业时代资本层域经济结构领域大数据。王立新中国工程院士。

大数据最近几年一直挺火热，可是大数据的概念你能说得清吗？具体应用你知道吗？与智能制造怎么结合呢？本文就从这三个方面仔细说一下。

大数据定义

大数据首先突出一个特点就是数据量大，大到什么程度呢？我们目前处理数据大多还是在关系型数据库进行存储，然后再进行分析展现。而真正的大数据体量是传统的数据处理软件无法处理的。由于巨量的数据，已经无法进行分析，所以数据实际上是浪费了。

那么大数据技术是如何解决这个问题呢？这就要说到我们的分布式集群了，通过数十，数百台服务器组成集群，分布式存储所有计算节点的数据，利用技术可以实现成千上万计算机与PB级的数据连接起来，每一台服务器作为一个节点可以单独进行计算并处理节点故障。

上面说了大数据的一个特性，数据量(Volume),大数据还有两个特性：速度(Velocity),数据增长速度快，预计2020年全球数据将达到35.2ZB.多变(Variety),数据种类繁多，包括音视频、图像、日志等非结构化数据。合称3V，来表示大数据的三个特点。

1. 关联的都是机械设备。这些设备通常外是有着笨重的机器，以及比较时间长的一个运作过程。极少有一些公司或制造业的工厂去，随着你去做工业大数据，或者做智能制造，中中去更换这些重型设备。因为这些设备都跟着老板几十年或者，为他们创造了很多的经济价值。举个很现实的例子，比如百吨级冲床或冲压机它们的使用寿命通常在20到30年。你可以想象一下，九几年的重型冲压机如何接入到智能制造中？

2. 搜集的数据都是通过传感得来。目前所有的工业大数据当中，除了关联的设备比较笨重以外和古老以外。最大的难点就是他们设备本身是没有智能制造和传感功能的。需要通过第三方加装传感器，进行数据收集。

3. 工业数据都是通过加装机械臂得来的数据。设备陈旧，以及通过传感数据得来的数据分析。从而，加装的一些便携式智能制造的工具就是机械手臂。他们代替了传统工人的搬运以及上下料。为什么这里要将搬运和上下料分开来说，而不同称为搬运？因为搬运是指运输最美的一定的距离，就是从a车间到b车间的过程叫搬运。而生香料则是对同一机台的，加工产品当中的上料和下料。这是一个重复性机械问题的进一步延展。

4. 由此我们总结一下工业大数据的特点福利单一性以及关联设备陈旧性。要想助力智能制造，有两种可能。一种情况是整个制造设备全部更新换代，我们称之为大换血。另一种情况就是通过加装机械臂来减少重复性单一作业的工作岗位替换。从而实现工作效率的加大，但随之而来的是成本增加，最终实现的只是平衡。