传统制造业大数据

① 大数据制造业时代来临

大数据制造业时代来临_数据分析师考试

大数据时代启动期的三大支柱产业：网络业，新能源业和以3D打印业为代表的新型制造业，它们共同的底层推动力都是大数据的发展。基于全新制造理念和技术所产生的一代新产品(例如智能手机)正在引发新一轮投资、创业和创新热潮，改变着人们熟知的传统制造业。

简单地说，大数据制造业至少具有以下三个特征：

第一，产品都是数据终端，具有生产，存储，传输和加工数据的能力。大数据制造不是自动化、计算机化或是机器人之类的东西，那些只是生产过程的改良，没有革命意义。大数据制造的最硬标准就是产品本身是数据终端，产品的使用会产生数据，数据可以被再加工利用。万事万物皆可成为数据终端，目前最好的例子就是无人飞机、智能手机，以及各种装入各类传感器的设备。

第二，产品从设计、制造、销售、运维，直到更新的整个流程都依托各类数据和数据方式完成，普遍采用新材料，新工艺，新流程，高度依赖互联网。目前，能够初步实现这一点的是少数网络业公司，甚至产品本身也是数据化的。一些传统制造业的企业家们认为，只要一些辅助环节上利用了互联网，或者在市场营销环节上主要依靠互联网，就算是转型新生了。其实，这不过是刚刚起步而已，离彻底革命还有万里之遥。例如，无人驾驶汽车可以算作大数据制造的产品，而仅仅在汽车信息服务系统上联上互联网，只能算是传统产品的改良。

第三，产品都以产品销售和售后持续服务相结合形成新的商业模式。传统制造业的基本商业模式是产品出售，即使有些售后服务是围绕产品销售进行，也不能成为主要利润来源。而大数据制造业的产品是以持续服务为重点，产品销售围绕持续服务进行。一个典型的例子就是苹果公司。除了人尽皆知的手机和平板电脑外，真正的明星其实是它的网络应用商店，2014年的收入超过200亿美元，增长率超过70%，毛利率超过70%，仅收入规模就超过了除谷歌外的所有网络公司。这使得投资界不知如何对苹果公司分类，既不全是IT制造，也不全是网络服务。最好的办法就是另外定义一个产业，叫做大数据制造业。

凡是符合以上三个特征的企业都可以归入大数据制造业，无论它们正在努力转型之中还是刚刚创业。当然，目前还是大数据制造业的萌芽阶段，产品还难免带有传统的痕迹，对大数据的依赖和利用程度还相当有限。但是，一些带有革命性意义的创新正在涌现。

以上是小编为大家分享的关于大数据制造业时代来临的相关内容，更多信息可以关注环球青藤分享更多干货

② 什么是大数据分析 主要应用于哪些行业以制造业为例

大数据作为IT行业最流行的词汇，围绕大数据的商业价值的使用，随之而来的数据仓库、数据安全、数据分析、数据挖掘等，逐渐成为业界所追求的利润焦点。随着大数据时代的到来，大数据分析也应运而生。

1.大数据分析主要应用于哪些行业？

制造业： 利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。

金融业： 大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。

汽车行业： 利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。

互联网行业： 借助于大数据技术分析用户行为，进行商品推荐和针对性广告投放。

餐饮行业： 利用大数据实现餐饮O2O模式，彻底改变传统餐饮经营方式。

2.大数据分析师就业前景如何？

从20世纪90年代起，欧美国家开始大量培养数据分析师，直到现在，对数据分析师的需求仍然长盛不衰，而且还有扩展之势。

根据美国劳工部预测，到2018年，数据分析师的需求量将增长20%。就算你不是数据分析师，但数据分析技能也是未来必不可少的工作技能之一。在数据分析行业发展成熟的国家，90%的市场决策和经营决策都是通过数据分析研究确定的。

3.关于大数据分析具体含义？

1、数据分析可以让人们对数据产生更加优质的诠释，而具有预知意义的分析可以让分析员根据可视化分析和数据分析后的结果做出一些预测性的推断。

2、大数据的分析与存储和数据的管理是一些数据分析层面的最佳实践。通过按部就班的流程和工具对数据进行分析可以保证一个预先定义好的高质量的分析结果。

3、不管使用者是数据分析领域中的专家，还是普通的用户，可作为数据分析工具的始终只能是数据可视化。可视化可以直观的展示数据，让数据自己表达，让客户得到理想的结果。

什么是大数据分析 主要应用于哪些行业？中琛魔方大数据平台指出大数据的价值，远远不止于此，大数据针对各行各业的渗透，大大推动了社会生产和生活，未来必将产生重大而深远的影响。

我们可以看看亿信华辰关于制造业的案例，

某电建集团主要从事国内外高速公路、市政、铁路、轨道交通、桥梁、隧 道、城市综合体开发、机场、港口、航道、地下综合管廊以及生态水环境治理、海绵 城市建设、环境保护等项目投资、建设、运营等，为客户提供投资融资、咨询规划、 设计建造、管理运营一揽子解决方案和集成式、一体化服务。成立以来，投资建设了 一大批体量大、强度高、领域宽的基础设施及环保项目。

该公司的数据化建设，或将成为新型基础设施建设的一个缩影。

项目背景 数字经济时代，数据资源已经成为企业的核心资源和核心竞争力，各类企业信息化建设的重心正从 IT（信息技术） 向 DT（数据技术） 转化，未来信息化建设的重心将是如何对组织内外部的数据进行深入、多维、实时的挖掘和分析，以满足决策层的需求，推动信息化向更高层面进化，构筑公司数字经济时代的新优势。目前，由于各级各部门大量的时间用在内外部各种繁杂的报表填报、汇总、统计和分析上，同时各级领导有对公司或者所辖单位的整体经营情况仍旧通过传统的汇报、传统的报表等了解，缺乏直观和可视化系统支撑决策分析，主要存在问题如下：1、数据孤岛严重各级各部门数据无法有效共享，跨部门跨层级的数据采集、共享和分析利用困难。2、数据采集方式落后数据采集仍旧采用传统 EXCEL 方式进行，缺乏自下而上的数据采集、数据审核、数据报送、汇总分析的数据采集平台支撑，导致数据源分散、数据标准不统一、数据质量难以保证、数据采集效率低下。3、缺乏统一的决策经营指标体系和数据资源统一管理机制导致数据资源不能有效利用，价值无法充分发挥，无法为各级领导决策提供有效支持。

建设内容 为彻底解决以上问题，根据需求和数据资产类项目建设方式，系统实现按照“指标资源整理-应用场景展现设计--数据获取-指标资源池-页面实现-决策门户 ”的方式设计。即根据梳理的指标体系应用场景需要确定设计展现界面展现内容，根据展现内容确定指标体系，根据指标体系来并收集相关数据。

1、搭建智能填报系统 梳理指标体系，构建决策指标和主题指标，明确指标类型，指标数据来源，各指标输出口径：是否填报、填报维度与对象、填报周期等等。实现公司各级各部门自下而上决策数据填报、数据审核、 数据报送、汇总查询、数据补录等全过程网络化数据采集的需要。

2、构建经营决策指标体系构建公司经营决策指标体系。收集数据分析需求，分析汇总形成公司市场、经营、履约、运营、项目等生产经营关键指标和相关数据分析主题、指标，形成指标 资源池，实现决策数据的体系化、指标化和模型化。

3、决策指标体系建设根据某电建集团提供数据的内容和主要特征，将决策指标体系的指标分为运营指标、经营指标、整体指标、市场指标、履约指标五类一级指标。每类一级指标又分别由若干个二级指标组成。

4、建设决策支持系统通过亿信BI工具，基于报表采集的数据和相关信息系统积累的数据， 初步构建管理驾驶舱，满足面向公司决策层和部门领导的数据分析，可视化图表化辅助领导管理决策，并集成电建通APP应用，实现决策移动化。

5、搭建自助式BI通过豌豆BI工具搭建自助式 BI。为市场营销、建设管理、资产运营、财务管理等部门有自助探索数据分析的业务人员提供自助式可视化分析工具。

价值体现 在合作中，亿信华辰根据当前数据分析应用的诉求，帮助该电建集团建设决策整体指标、市场指标、履约指标、运营指标五个模块，提供了从数据采集、数据汇总到指标口径定义、指标建模、指标数据落地和数据可视化分析于一体的完整的解决方案。决策管理平台以业务分析平台为基础，以更核心的指标、更直观的展现方式实现数据的分析与监控，支撑领导层的管理决策。主要包括管理驾驶舱、项目看板专题、市场专题、经营专题、履约专题、运营专题等场景。使数据资源得到充分利用，最大程度的发挥数据价值。

③ 中国制造业应如何认识和看待大数据

中国制造业应如何认识和看待大数据
传统来看制造业并不是信息化非常发达的行业，这一点体现在多数制造业的流程传统而粗糙，即使有现代化的设备，整体的信息化方案也多半来自设备制造商(本身有时候被算作高科技业，例如AppliedMaterial一类的半导体设备制造商，还有台积电一类的半导体代工厂商)。但是在大数据时代，似乎这不是一个绝对的坏事，就好像中国的电信行业直接跳过美国花了上百年发展的固话业务，直接跳到移动电话业务，迅速提高了中国人民的通讯水平和通讯体验，以中国移动为代表的电信运营商还迅速跃升为全球顶级的运营商，在大数据时代，更是迅速成为大数据的领先选手。

我认为中国的制造业需要对大数据有以下几点认识
1、制造业是需要数字化的：数字化会给制造业带来更精准、更先进的工艺，更优良的产品，这个概念可以补足中国的制造业在此之前的整体水平。
2、制造业首先是大数据的源头，一旦制造业进一步数字化，生产流程中产生的数据都轻而易举地属于大数据的范畴，其数据量、产生频度、类型从IT角度来看，都极具挑战性和吸引力。一个半导体生产机台一天产生的数据量可以轻松上TB，这样几年积累的数据就在PB级了，如果对此数据进行分析研究，就是个实实在在的大数据问题。
3、从制造业本身来说，国际上以德国的“工业4.0”口号为代表的数字化制造，物联网为代表的信息化产品，将占据制造业的重要平台性话题，在这个方面没有布局的企业可能很快都要被划为“传统制造业”，从而面临工业革命历史上必然遇到的被淘汰的挑战。
4、制造业可以通过IT技术的提升，特别是大数据技术的提升而成就离子式跳跃，大数据技术代表了新的制造业产业革命，产业转型的标志性技术和关键性技术，“传统制造业”可以通过IT技术的提升而实现弯道超车，迅速实现转型。
当然这一切的挑战是大数据人才的深度和厚度，对大数据的理解和大数据技术的采用程度。

④ 工业大数据如何改变制造业

工业大数据如何改变制造业
工业大数据是互联网、大数据和工业产业结合的产物，是中国制造2025、工业互联网、工业4.0等国家战略在企业的落脚点。对于制造业而言，了解行业大数据产生的背景，归纳行业大数据的分类和特点，从数据流推动本身价值创造的视角看待、重造工业价值流程，将具有很强的现实意义。
工业大数据如何改变制造业1、精度更高高成功率的制造是制造商的核心竞争力，在大数据出现之前，最好的方法是投资更好的设备，或对员工进行更好的培训，但都无法太大的减少失败率带来的额外损失。然而，使用大数据，制造商可以使用计算机程序来优化流程，并更加巧妙地分析错误，从而防止这些错误产生。2、产量更高大多数制造商购买原材料并制造成品，他们销售价格高过制造成本。在该系统中，制造商可以获得更高的收益(每个成品使用的原材料越少)，企业的经营就更有利可图。新的大数据应用程序使制造商能够更好地了解其整体产量，并有机会改进其运营方法，生产产品获得更多的利润。3、更好的预测制造商可以根据各种情况预先判断需要生产多少产品，淡季的时候减少生产量，以及在仓库中的库存或出货量。大数据有助于制造商更好地掌握这种供需关系的变化，因此可以在最有价值的生产条件下进行生产。4、预测和判断踪供应商的产品优劣制造商也可以使用大数据跟踪供应商的优劣。例如，如果供应商提供劣质产品比例较高，通过大数据计算证明这些事情，就可以确定选择新的供应商是否更加具有成本效益。5、更高的可追溯性大数据还使制造商的流程更加透明和可追溯。制造商的原材料在生产过程中以及生产阶段有多少损失?给定批次产量多少，目前存储在哪里?运送需要多长时间，一旦需要运送，产品在哪里?大数据可帮制造商跟踪生产和交付的所有这些阶段，并提供对可能效率低的领域的洞察和分析。6、高级自定义工作大数据显示，通过在以往的努力中获取数据并创造更好地利用原材料的方法，有可能创建高级定制工作。它也可以帮助制造商采取逆向工程，为熟悉的问题提出新的解决方案。7、投资回报率和运营效率大数据使制造商能够更深入地了解其运营的真正效率，以及升级时产生的投资回报率(ROI)，例如新设备或新的广告策略。这对制造商意味着什么?更高的盈利能力传统制造业受到原材料成本和生产限制等因素的限制，而大数据的降临，让每个生产环节得更多的收益，极大的较少了成本，企业主能够利用这些机会，赚取更多的收入。更大的竞争压力随着制造商采用大数据战略，竞争对手感受到采取类似甚至更好的方法的压力。越来越多的竞争迫使越来越多的传统制造商升级内部系统，因此未来的技术发展将会越来越活跃。对新角色的需求精益的数据应用程序对外部人员或不熟悉数据分析的人员来说具有极大的挑战性。新技术令人印象深刻，但他们要求有足够知识和经验的人来实施和管理它们。因此，制造商需要专业的人或者公司来协助完成这些变化。目前来看，越来越多的传统制造业也随着大数据的普及在不断的进行产业升级，在竞争激烈的新时代，大数据给制造业带来的改变是否会引领新的工业革命呢?这些相信各位看官都已经有了自己的答案

⑤ 大数据技术可以融合带动哪些新兴产业发展

当然，大数据对于行业的影响还是比较广泛和深远的，一方面大数据全面推动了社会资源的数据化进程，另一方面大数据开辟出了新的价值领域，使得数据成为了重要的生产资料，所以未来大量的行业都会与大数据技术建立起密切的联系。

当前大数据正处在落地应用的初期，目前大数据的主要应用依然集中在互联网、信息服务、金融、教育、医疗和交通等领域，这些领域也正在受益于大数据技术的使用。

从产业互联网发展的大趋势来看，大数据将带动以下几个产业实现更快的发展：

第一：信息服务行业。信息服务行业在大数据时代将得到一个快速的发展，以信息服务为主的各种咨询公司将在产业结构升级的过程中，发挥出重要的作用。信息服务行业的覆盖面还是比较广的，传统IT企业的toB业务都可以归为信息服务行业，同时随着互联网企业的崛起，互联网企业在toB领域也会逐渐发挥出更重要的作用。

第二：新兴商业。这里所谓的新兴商业指的是以互联网为基础来构建的各种商业模式，电商、线上线下服务等商业模式在大数据时代依然有广泛的发展空间。另外在5G时代，基于移动互联网、物联网和大数据技术所构建的新兴商业模式也许会给市场带来更多的惊喜。

第三：传统制造业。大数据技术的应用也能在一定程度上带动传统制造业的发展，在制造业结构升级的过程中，大数据将全面赋能产品设计和生产等诸多运营环节，不仅能够为企业创新赋能，同时也会提升企业的管理效率。

最后，大数据技术并不是孤立的，大数据与物联网、云计算、人工智能等技术也有着密不可分的关系，未来这些技术将一起为传统产业服务。

⑥ 大数据重塑制造业

大数据重塑制造业
让企业见到效益的技术才能真正算得上成功。邬贺铨院士在首届数字中国建设峰会大数据分论坛上与大家分享了大数据与企业数字化转型的一系列生动故事：苏州协鑫公司专注光伏切片，利用阿里开发的ET大脑分析0.2毫米厚度硅片长期积累的数据，从上千个生产参数中找出60个关键参数，通过优化生产流程，良品率提升1%，实现每年上亿元利润；联想集团利用其全球数据中心掌握的数据，与宝钢合作建立钢铁销量预测系统，通过机器学习和图谱分析找出关联，预测钢铁市场需求，预测精度92.2%，库存周期缩短20%，客户采购资金节约上亿元。

众多传统制造企业利用大数据成功实现数字转型表明，随着“智能制造”快速普及，工业与互联网深度融合创新，工业大数据技术及应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素。有专家提出，制造业的大数据规模超过其他行业，且未来10年工业大数据增速要快于消费大数据。
大数据在工业领域的应用，实现了工业从研发、设计、生产、运营到服务全过程智能化，提升生产效率，降低资源消耗，提高产品质量。同时，数据驱动制造业生态变革，汇聚协作企业、产品、用户等产业链上的资源，通过平台开放共享，基于数据实现制造资源优化配置；还能实现产品、生产和服务创新，产生一系列新模式和新业态。《2017中国工业大数据产业发展概要》显示，2016年中国工业大数据市场规模已达150亿元，2020年预计将达到822亿元，在行业应用中，预计到2020年工业大数据的占比将达到6.64%。
不过，当前我国绝大多数工业企业的大数据发展应用还处于起步阶段，对于为什么要用大数据、搜集哪些大数据、如何利用大数据仍然不明晰，滞后于消费互联网。工业场景的高度复杂使得工业大数据应用面临更多困难。诸如由于制造业作业场景非常复杂，不同行业所使用的设备和工艺差别很大，数据采集难度大；大规模的工业数据量对数据存储、传输提出了更高要求；企业上工业云意识薄弱造成数据孤岛，以及数据安全存在问题等。
下一步，工业大数据的核心目标将是围绕不断优化制造资源的配置效率，探索方法、路径与模式，实现更好的质量、更低的成本、更快的交付、更多的满意度，提高制造业全要素生产率。利用我国工业门类齐全、互联网和电子商务的比较优势，实现新工业革命时代的“换道超车”。

⑦ 工业大数据包括哪些工业大数据应用在哪些方面

【导读】众所周知，第二次世界大战也称为工业革命，可见工业在生活中是多么的重要，现在工业也已经趋于人工智能化，不过还是处于前期的观望试运行阶段，今天我们就来了解一下大数据在工业方面的应用有哪些，一起来看看吧!

大数据在工业中的应用有哪些?

从需求角度来看，目前国内制造企业对大数据的需求较为明显，但很多用户仍处于观望和试验阶段，不知道如何进行。因此，对于大数据服务提供商来说，有必要结合行业业务，寻找合适的应用场景。

工业大数据的应用有哪些?

互联网给传统制造业带来了挑战，而互联网大数据可以为企业管理者和参与者提供一个新的视角，通过技术创新和开发，以及对数据的全面感知、收集、分析和共享，来审视制造业价值链。所带来的巨大价值正在被传统企业所认可。

然而，不同于目前互联网大数据的火热，工业大数据的应用对于企业来说有着很高的门槛。与互联网不同，行业大数据与行业业务密切相关。因此，对企业的行业积累和对行业业务的深入了解都有很高的要求。此外，行业内的大数据分析比较准确，逻辑关系非常清晰。

工业大数据的应用有哪些?大数据在工业中的应用有哪些?通过大数据分析，企业可以使部门之间的数据更加协调，从而准确预测市场需求缺口。同时，通过更加灵活的工艺管理和更加自动化的生产设备装配调度，实现智能化生产。然而，据我们所知，在中国从事大数据应用的公司并不多。然而，拥有自主知识产权和核心技术的企业并不多。要做好工业大数据的应用，需要有一套严谨的数据推理逻辑，以及平台和工具。目前，国内大数据应用企业还没有足够的能力满足这一需求。

然而，仍有一些大型工业企业处于应用的前沿。以唐山钢铁集团为例，通过引进国际最先进的生产线，实现实时数据采集，与涵宇等企业合作，深入挖掘行业大数据价值，实时生产监控、生产调度、产品质量管理、能源控制等。此外，先进制造企业基于大数据在行业中的应用，将产品、机器、资源、人有机结合，推动基于大数据分析和应用的制造业智能化转型。

综上所述，在“互联网+”时代，用户需求具有实时性、小批量、碎片化、更新快等特点，对传统制造业提出了挑战。工业大数据有其鲜明的特点。随着信息化和工业化的融合，产业大数据的应用为制造业转型升级开辟了一条新途径。深入探讨工业大数据在制造过程中的应用场景和应用，将有利于更好地发挥其支撑作用。

以上就是小编今天给大家整理的关于“工业大数据包括哪些?工业大数据应用在哪些方面?”的相关内容，希望对大家有所帮助。总的来说，大数据的价值不可估量，未来发展前景也是非常可观的，因此有兴趣的小伙伴，尽早着手学习哦!

⑧ 制造业大数据应用呈五大模式

制造业大数据应用呈五大模式_数据分析师考试
深耕制造业多年的IBM，在大数据分析上提供的不只是产品，还有结合产业知识与丰富经验的顾问服务，帮助制造业者做出正确有效率的大数据分析。

IBM商业分析部资深业务刘君彦指出，目前市面上有很多大数据分析的解决方案，但大多只能做到资料视觉化，也就是以图表呈现分析结果，而IBMMAO可以根据制造业所面临的问题，决定要做哪一种分析，例如预测或模拟，甚至整合财务或产销端资讯，找出解决问题的方法，这在智能制造过程中是非常重要的事，因为企业往往拥有大数据，却不知道该如何分析。

IBM全球企业咨询服务事业群资深顾问李艺锋进一步指出，目前，高科技制造业者面临到的问题主要有三种，第一、未预期的物料问题或设备故障直接冲击产能，以致耗损大量成本；第二、因制程稳定性问题造成产品良率下降，不但影响获利更影响客户满意度；第三、制程世代转换越来越快，如何加快量产速度，成为获利的关键因素。因此，IBM根据制造业所面临到的问题与产品生命周期，归纳出制造业大数据分析五大应用模式；

第一、物料品质监控。原物料品质不稳定其实有迹可循，然而传统SPC监控要等到发生问题时才会做出警示，此时不仅己经影响产品品质，更不容易找出原因，而MAO则是主动分析趋势变化，发现潜在问题即早做出预警，以便能及早解决(如：更换物料)维持产品品质。

第二、设备异常监控与预测。传统SPC监控虽然也涵盖设备参数，但有时设备仍然会发生问题，工程师也不知道设备发生问题该怎么处理最有效，MAO运用设备感测资料及维修日志，找出发生设备异常的模式，监控并预测未来故障机率，好让工程师可以即时执行最适决策。

第三、零件生命周期预测。零件或耗材有其生命周期，制造业者多半根据供应商建议进行定期更换，却忽略了生产及环境条件对耗损速度的影响，导致以下两种情况经常发生，一是在太早更换零件，造成不必要的开销，二是太晚更换零件，导致品质受影响。MAO根据生产及设备状态资料、零件资讯，精准预测零件生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢。

第四、制程监控提前警报。制造业的制程参数相当多且彼此会互相影响，若是因为制程参数偏移而影响产品品质，工程师只能单一站点逐步追查，相当耗费时间，而MAO的做法是建立产品品质预测模型，找到最佳的制程黄金区间，一旦发现制程参数偏移到区间外，便即时发出警报，让工程师可以即时进行调整或其他决策。

第五、良率保固分析。对制造业者来说，产品良率过低或是出售后于保固期间内发生问题，不仅会增加成本，更直接影响企业形象与客户满意度。因此MAO结合生产设备、产品良率及维修保固相关资料，建立预测模型，以预测良率并降低保固成本。

以上是小编为大家分享的关于制造业大数据应用呈五大模式的相关内容，更多信息可以关注环球青藤分享更多干货

⑨ 工业大数据应用在哪些方面

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文将对工业大数据在制造企业的应用场景进行逐一梳理。
1.加速产品创新

客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。
2.产品故障诊断与预测
这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。
3.生产线的大数据应用

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。
4.工业供应链分析和优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
5.产品销售预测与需求管理

通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。
6.生产计划与排程

制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。
大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。
帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么?而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。
7.产品质量管理与分析

传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。
8.工业污染与环保检测
工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，也有这些大数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。因此，工业大数据应用一个重要议题是集成应用。

工业大数据的应用将推动工业企业基于对内外部环境相关数据的采集、存储和分析，实现企业与内外部关联环境的感知和互联，并利用工业大数据分析技术开展挖掘分析，支撑工业企业基于数据进行决策管控，提升企业决策管控的针对性、有效性。