工業大數據是由一個工業體系或者一個產品制造流程智能化催生出來的數據，既是制造業智能化的必然結果，也是制造業智能化的必要條件與基礎。工業大數據的應用，將成為未來提升制造業生產力、競爭力、創新能力的關鍵要素，也是目前全球工業轉型必須面對的重要課題。

　　工業大數據發展過程及特點

　　1990年，第一個Web服務器誕生，隨著二十多年的發展，信息在各個領域中不斷增多，計算、存儲、交互，各種類型的數據庫不斷膨脹，最終形成了現在所說的“大數據”。制造業是國民經濟的主體，擁有強大的制造業，才能在國際競爭中占據優勢地位。工業大數據作為制造業智能化轉型的強有力推手，自然被各國列為重點發展領域。

　　2006年，美國NSF（美國國家科學基金會）提出CPS(信息物理系統）。該系統是通過網絡虛擬端的數據分析、建模和控制對實體活動內容的深度對稱性管理，是第四次工業革命的核心技術。

　　2011年，德國在漢諾威工業博覽會首次提出工業4.0的概念。德國提出“工業4.0”，強調通過信息網絡與物理生產系統的融合，即建設信息物理融合系統（Cyber-PhysicalSystem，CPS）來改變當前的工業生產與服務模式。

　　2012年3月，美國政府發布《大數據研究與發展計劃倡議》，宣布啟動對大數據的研發計劃。同年，美國通用電氣公司提出代表全球工業系統和智能傳感技術、高級計算、大數據分析，以及互聯網技術的連接與融合的工業互聯網概念，強調通過智能機器間的連接并最終將人機連接，結合軟件和大數據分析，來重構全球工業。

　　2015年3月，中國提出了一份具有重要意義的國家戰略規劃——《中國制造2025》，旨在借力互聯網、云計算、大數據，進一步夯實中國制造業的基礎和推動制造業的變革，用政策推動中國制造向智能化的方向發展。

　　工業大數據顯著特征之一是數據體量大。企業普通的數據庫難以承載如此大體量數據，且存儲成本高。云計算是最好的解決方案，企業通過自建私有云或使用公有云平臺，實現低成本海量數據存儲。此外，在云平臺上，企業可運用Hadoop、流計算等分析計算，實現數據的分析處理。

　　對于工業大數據挖掘和分析結果，可廣泛應用于企業研發設計、生產制造、管理服務和供應鏈等各個環節。在研發設計環節，可實現工藝管理優化和工藝流程優化；在生產制造環節，可實現設備診斷與維護、智能排程、智能生產、產品質量優化、個性化定制；在管理服務環節可實現產品遠程監測與維護；在供應鏈環節可實現供應鏈全局優化。

　　工業大數據在國內制造業的應用

　　從需求來看，目前國內制造業企業對于大數據的需求十分明顯，但究竟該如何入手，很多用戶仍然處于觀望和嘗試階段。因此，對于大數據服務商而言，需要結合行業業務，找到合適的應用場景。

　　互聯網給傳統制造業帶來挑戰，互聯網大數據則能夠通過技術創新與發展，以及數據的全面感知、收集、分析、共享，為企業管理者和參與者呈現出看待制造業價值鏈的全新視角，它所帶來的巨大價值正在被傳統企業認可。

　　然而，與目前火熱的互聯網大數據不同的是，工業大數據的應用對于企業而言，門檻相對較高。工業大數據與互聯網不同的是，它和行業的業務結合得十分緊密，因此，對于企業的行業積累以及對行業業務的深入理解，都有很高的要求。而且工業大數據的分析相對要求要準，要有十分清楚的邏輯關系。

　　企業通過大數據分析能使部門之間的數據更為協同，并由此對市場需求缺口進行精準預測，同時通過更為靈活的流程管理，更自動化的生產設備快速地裝配調度，進行智能地生產。但是，就目前來看，在國內做工業大數據應用的企業并不少，然而真正擁有自主知識產權、核心技術的企業卻不多。要想做好工業大數據應用，首先必須有一套嚴謹的數據推理邏輯，同時，還要有平臺和工具。當前國內做工業大數據應用的企業，他們還沒有足夠的能力達到這一要求。

　　盡管如此，仍有部分大型工業企業在應用方面走在前列。如唐山鋼鐵集團，通過引入國際最先進的生產線，已實現數據實時采集，并與愛施德等企業合作，深度挖掘工業大數據價值，實現生產實時監測、生產排程、產品質量管理、能源管控等。除此之外，先進制造企業基于工業大數據的應用，把產品、機器、資源和人有機結合在一起，推動制造業向基于大數據分析與應用基礎上的智能化轉型。

　　總的來說，“互聯網＋”時代的用戶需求呈現實時、少量、碎片化、快速翻新等特點，這對于傳統制造業提出挑戰。工業大數據有其鮮明的特征，隨著信息化和工業化融合，對工業大數據的應用為制造業轉型升級開辟了新的途徑。對工業大數據在制造業生產過程中的應用場景及應用的深入探討，將有利于更好地發揮其助力作用。