一、前言

制造业的发展水平是一个国家经济实力的客观体现。近些年来，我国制造产业正在向着智能化和自动化方向发展，全球化智能工业技术网络开始在许多国家得到应用，预示着“再工业化”发展战略的实施。随着科学技术的高速发展和广泛应用，工业智能化背景下的大数据应用成为制造业转型发展的重要工具，是工业改革和产业革命的必然趋势。基于此，本文简单阐述大数据的概念和应用价值，详细分析大数据应用的困难和解决策略。

工业智能化转变是提高国家综合国力的重要方法，在国家发展中具有重要的战略地位，当前我国制造业智能化发展还处于起步阶段，要加强对大数据技术手段的应用，系统全面专业地收集不同行业和领域的信息资源与数据，并归纳总结，开展针对性的研究，为各项技术决策提供支撑和保证，更好地为企业生产经营服务。

二、大数据概述

大数据是一种在获取、存储、管理、分析等方面都大大超出了传统数据库软件工具能力范围的数据集合。它具有大量、快速、多样、真实和价值密度低五大特征。对于“大数据”，研究机构 Gartner 给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据时代，各行各业正发生着一场巨大的变革，谁能更好地挖掘数据、分析数据、应用数据，谁便能够抓住时代的机遇，更快更好发展。大数据技术的核心意义是让所收集而来的海量数据得到智能化、科学化的解析，从而使企业或单位获取其所需的有价值的信息，实现自身利益最大化。同时，机器人工学习在文本分析和应用中具有非常重要的作用，比如通过物联网技术的应用，人们可以利用传感器技术全面地进行文本数据的收集和整理。但是针对缺少规律的海量数据来说，其信息的关键点在何处、人们该如何利用、怎样对数据进行分类和分析、这些数据反映出了什么问题、具有什么样的深层次价值等都是大数据技术可以解决的问题。假如利用人力方式对海量数据进行类别划分和整理分析，就需要耗费大量的精力和时间，所以要充分利用机器人工学习技术的优势，对数据资料进行科学的处理和应用。大数据可以被描述为超越传统软件工具处理能力的庞大数据集，它需要新的处理方式来进行决策、洞察和流程优化。简单来说，大数据是由传统的结构化数据和新型的非结构化数据构成。这里所说的“新型数据”源于社交网络、互联网等，包括文本、图像、音频、视频等非结构化数据，这种数据现占全球总数据的 75% 以上。

大数据和云计算的关联可以通过“水和水杯”的比喻来理解。这两者的结合意在提升企业收益和减少投资开支。大数据专注于处理海量数据，而云计算则涉及基础设施。云计算将企业的 IT、业务和数据架构整合在一起，集中处理业务并收集业务数据。通过云服务，大数据能提供无限的存储和计算能力。对于那些由云服务供应商承担硬件费用的企业，这种方式是经济高效的。

因此，云计算为大数据的储存、快速处理和分析挖掘提供了基础设施。反之，大数据处理能力也可作为云计算服务的一部分，增强云计算平台的功能。此外，大数据还可以提供预测能力和商业洞见，为云平台的建设提供指导。

三、工业智能化背景下大数据的应用价值

首先，工业大数据是来自不同领域海量数据的结合，它具有多类型、大容量、高价值以及快速更新的特点。在近些年的不断发展中，工业大数据成为了新的服务业态与信息技术，主要涉及对各企业工业数据的采取、分析以及储存。通过这部分工作的开展，能够对数据当中所蕴含的知识进行挖掘，提取其中的有用信息，采取相应措施，创造价值。对于数据本身来说，其并不会对企业的实际经营管理带来价值，且这部分技术对于制造业的发展也不具有直接的推动作用。而在工作当中，如果将数据进行整合提炼，并将数据转换为制造业所需的信息，则能够充分地体现出数据的商业价值。如果能够使智能生产同环境系统间进行信息交互共享，设备在运行当中则能够自我学习，形成“自我意识”，在以自学获得能力的情况下达到更高标准，实现智能控制目标。

其次，在工业智能化背景下，人工智能技术与大数据技术已经应用于部分产品中，可以综合且准确地应用企业数据，将其集成，以获得整个工业材料、机械能量压力、工业温度、人员温度、振动及工业产品产量等行业数据，从而实现生产工艺过程及企业产品流程的科学化监控，实现整个企业机械能量、耗电量及日用电量和材料等多个领域数据的综合性研究，确保整个行业数据信息有效性的提升。

最后，大数据涉及的资料具有较大的规模，在一定时间内无法依靠数据库软件工具有效截取相关数据，也无法在短期内整合和处理数据的集合。大数据对企业而言是重要的发展资源，由于数据之中包含着数量巨大的信息资源，可应用先进的技术对其进行分享利用，将其转化为具有价值的数据资源，辅助企业在生产经营中获得巨大的数据支撑。企业之中数据来源较多，不仅包括资源管理系统、制造执行系统，还包括过程控制系统中的数据，这些数据大都分布在独立的系统之中，不同数据之间缺少联系。所以，必须借助数据分析、数据集成、数据收集及数据展示等方式，对企业发展有益的数据进行集合整理，为企业的决策奠定数据基础。应用整合后的数据资源，促进企业经营效益的最优化。若是可以采用大数据的方式处理企业实际制造过程中所积累的数据资料，从这些数据及行业信息出发，可改进企业产品生产工艺，缩减企业人力资源及成本的消耗量，实现科学监控产品生产流程，科学管理工作流程，维系企业对产品生产流程科学性的把控。

在“互联网 +”的背景下，大数据技术的应用日益广泛，大数据产业极大程度上推动了产业经济发展。企业实际生产运营中，随着产品数量的增加和生产任务的增多，企业生产数据积累量也不断增强，若是能够合理利用大数据技术，将提升企业的经济效益，优化生产效率。

四、大数据背景下智能工厂发展现状

现阶段，我国制造业企业面临巨大压力，劳动力紧缺、劳动成本上涨，生产产能过剩。企业之间相互依存，又相互竞争，客户个性化需求不断增长，导致企业发展必须应用差异化的竞争手段，不断提升自身竞争能力。当前，智能化技术和信息化技术水平不断增长，应用好大数据为智能化工厂的发展保驾护航，加之地方政府与国家实施的相关政策，大量工程均已经向着智能化的方向发展。

（一）智能化工程

当前世界范围内并未从完整的角度建立智能工厂，在建立智能化工厂的过程中，必须开展物流追踪、自动化生产、仓储应用和信息的自动化采集，仓储的应用及自动化生产的信息与射频模块的辅助息息相关，物联网应用的核心就是射频模块，其可容纳较大的信息量，读取速度迅速，且识别能力较强，可以同时进行多个高速移动物体的识别，环境对其产生的影响相对较小，在产品有污渍的情况下也可以进行识别，具有较好的安全性。从理论角度分析，产品安装上射频标签以后，其产品相关信息会被迅速获取和识别，且不受时间、空间和环境影响，功能强大且稳定，十分便捷。采取射频模块实现制造企业生产流程执行系统的可追踪性，并实时追溯仓库管理系统，由射频模块向生产产品及智能工厂设施设备进行信息干预，可依靠仓库管理系统及生产过程执行系统开展产品质量特征的监督管控，及时掌握生产信息动态管理。根据仓储情况，调控生产进度。搜集数据信息，分析产品质量和生产状况，及时调整以促进生产效率的提升，优化生产情况，缩减生产资源，降低生产成本，促进产品生产质量的增长。

（二）智能化工程政策环境

智能化制造属于当前全球制造行业发展的主要方向，智能化制造节约了人力和物力，必将是制造业工厂转型的必然趋势。我国已提出了希望通过不断努力，鼓励企业不断学习，以制造业为龙头先行打造智能化工厂，实现企业完美转型。我国已营造良好转型政策环境并出台多项措施保障制造业企业更好转型。制造业的成功转型将为其他企业摸索出途径和方法，具有很好的借鉴价值。从当前智能化工厂发展模式出发，在智能化工厂的发展中，共计涵盖两种类型，第一种为制造新模式的工程项目，另一种为智能标准试验验证类的工程项目。

（三）故障诊断制度的构建

大数据技术的应用，检测人员可以依据各项检测数据以及机械设备的结构特点、性能及操作、维修保养的特殊要求，判断出故障隐患，对检测出的特殊信息进行分析识别，找出故障原因并适时解决。大数据监测技术的应用，就要对设备运行过程中的多种信息进行利用，把设计参数和工作参数通过传感器，直接传输到系统之中，以实现检测目的。诊断出的故障，一般应结合各类保养进行修理。检测的各项数据，故障的部位、原因及修理后的状况，均应记入检测记录。对于正常运行的设备状态参数来说，可以做到实时性的监测管理。若是设备运行过程中应用不当，或者设备存在安全隐患问题，其可协助检测人员及时定位故障点，排除故障，把故障造成的损失降至最低。

五、大数据背景下智能工程发展的优势

在智能化工程建设过程中，设施设备及软硬件产品属于其建设的基础性内容，是智能工厂发展中的关键点。由于硬件与软件之间存在密不可分的联系，未来，智能化工厂的发展和智能化工程硬件设施的建设会朝着标准化和模块化的方向进步。由于未来智能工厂的信息化水平、平台化规模、自动化水准及精准化水平均会不断提升，可实现设施设备、产品与人之间的联通效用。

（一）设施设备维护的及时性

确保设施设备检修维护的及时性，是保障智能工厂平稳有序正常运行的必要条件。应用大数据可以针对设备运行过程中的数据进行分析整理，并开展有效监测和预判。在控制维修成本的前提下，及时有效维修设施设备，保证其正常运行，促进企业生产效率和生产效益的良好增长。

（二）数据计算背景的考评机制

合理使用大数据系统的数据和各种信息，并开展分析，有利于建立科学化和合理化的考评制度，促进企业员工工作积极性的提升，其可保障工程能够及时完成工作目标，在工厂运作过程中，确保人员信息的流畅程度，缩减企业运行的成本。在大数据背景下，要制定明确清晰的考核指标和要素，从而在考核中获取公平公正的考核表，辅助员工发掘自身问题，以减少错误行为，以便于考核机制促进工厂工作效率的增长。

六、智能工厂发展方向和措施

在大数据进行分析的过程中，技术挑战相对较大，持续性较强，技术要求较高，技术实时性要求较强。这就需要大型工业必须应用大数据，进行整体性和综合性的运行管理，涵盖整体运行综合管理效率、应用服务系统、整体综合应用系统以及综合处理系统等，必须依靠大数据支撑，否则不仅会导致价值较低的重复性冗杂信息问题，也会导致变量信息数据无用问题。由中国企业大数据技术研究开展分析，民营企业内部，五分之三以上的外部大数据所应用的数据主要由企业内部获取，可对企业大数据收集及信息处理新型商业模式的形成发挥推动作用。所以在未来民营企业的发展中，必须不断提升企业外部对大数据的收集能力及信息处理能力。

在大数据背景下，智能工程发展具有显著优势。智能工厂的基础设施和技术产品是建设的基本要素，其有效运用能够推动智能化水平的提高。此外，工业硬件和集成发展的支持使智能工厂得以建立，这是智能工厂发展的核心部分。考虑到硬件和软件的紧密联系，智能工厂的未来发展趋势是硬件设施的建设将趋于标准化和模块化。未来的智能工厂将提升信息化水平、平台规模、自动化水平以及精准化水平，这将使设备、产品和人之间的连接更加高效。物联网技术和大数据云平台技术的运用，能够实现智能控制工厂设备，精准识别工厂运行情况，帮助企业建立绿色、高效、安全和节能的生产工厂，从而提升工厂的社会效益和经济实力。

在智能化工厂的发展中，必须从全球角度出发，将人工智能与互联网作为核心，协同产业模式共同发展，不断促进工业发展水平的提升，依据智能化工厂竞争和工业大数据背景，企业必须从长远出发，向着系统化和平台化的大数据技术应用发展，以促进信息技术对工厂建设背景进行优化，促进智能工厂建设中长远效益水平的提升。据研究，中国的民营企业中，大部分的大数据应用信息主要来自企业内部。比如在业务管理类的大数据服务平台中，使用的主要是相关的业务管理数据和信息数据，包括客户相关的应用信息。然而，也有一部分企业的数据主要来自企业外部，例如通过移动互联网信息技术获取的相关行业应用数据，或者与服务企业应用的信息数据。因此，在未来民营企业的发展中，需要不断提升对大数据的收集能力及信息技术处理能力。同时，为了提升智能化和装备设计制造水平，需要强化对相关技术课题的重视，培养专业的数据分析人才。

在智能工厂的发展中，需要具备全球视野，以人工智能和互联网为核心，协同产业模式发展，以提升工业发展水平。根据智能工厂竞争和大数据背景，企业应从长远考虑，致力于系统化和平台化的大数据技术应用，以优化工厂建设背景，提升智能工厂的长期效益。总的来说，产业界对企业工业大数据分析应用和管理方式的掌握还不足。我们需要进一步强化大数据分析技术，以实现工业产品的大规模和智能化生产。利用大数据技术，可以实现实时分析和计算数据，从而提升工厂的生产效率，减少人力资源和成本投入，提升企业的生产效益和生产质量，优化生产方式，推动生产力和经济水平的提升。

总之，产业界在工业大数据分析应用和管理形式以及相关理论知识方面的掌握尚不充分。为达到大规模和智能化的工业产品生产目标，需要进一步加强大数据分析技术，以便更好地服务主要客户和服务型企业。在工业智能化的背景下，企业应充分利用大数据的专业技术服务。通过大数据应用，能够实时分析和计算数据，从而提升工厂的生产效率。同时，这也有助于减少人力资源和成本投入，提高企业的生产效益和生产质量。此外，通过对生产过程中的不足进行补充和生产模式的优化，可以持续推动生产力的发展，并提升经济水平。

七、结语

综上所述，在经济发展、科学技术进步、大量新技术被广泛应用于实际生产生活的背景下，大数据已经被广泛应用于生产制造之中。依靠大数据为工业制造提供数据支撑，并联系数据库实现基于大数据的指导，在制造系统应用时，依靠大数据对实际制造进行指导，通过实际制造不断优化大数据，以此促进制造应用准确性和使用程度的提升。工业化背景下，大数据的应用是工业发展的必然趋势，企业要充分认识到大数据应用的必然性和迫切性，在人口红利不断减少的今天，有必要减少人力成本的支出，促进企业生产效益和生产质量的提升，对当前生产中的缺陷进行弥补，对生产形式进行优化，以此不断促进生产力的发展，促进经济水平的提升。