智能制造导论-p298.pdf - 第192页

4.3.1 工业大数据进行大数据分析，将带来仓储、配送、销售效率的大幅提升与成本的大幅下降，并将极大地减少库存，优化供应链。同时，利用销售数据、产品的传感器数据和供应商数据库的数据等方面的大数据，制造业企业可以准确预测全球不同市场区域的商品需求，跟踪库存和销售价格，从而节约大量成本。

4.3.1 工业大数据

2）实现大规模定制

实现消费者个性化需求，一方面需要制造业企业能够生产提供符合消费

者个性偏好的产品或服务，另一方面需要互联网提供消费者的个性化定

制需求。由于消费者人数众多，每个人需求不同，导致需求的具体信息

也不同，加上需求不断变化，就构成了产品需求的大数据。

消费者与制造业企业之间的交互和交易行为也将产生大量数据，挖掘和

分析这些消费者动态数据，能够帮助消费者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。制造业企业对这些数据进

行处理，进而传递给智能设备，进行数据挖掘，设备调整，原材料准备

等步骤，才能生产出符合个性化需求的定制产品。

大数据是制造业智能化的基础，其在制造业大规模定制中的应用包括数

据采集、数据管理、订单管理、智能化制造、定制平台等。其中定制平

台是核心，定制数据达到一定的数量级，方能实现大数据应用。通过对

大数据的挖掘，可将其应用于流行预测、精准匹配、时尚管理、社交应

用、营销推送等领域，如图4-15所示。同时，大数据能够帮助制造业企

业提升营销的针对性，降低物流和库存的成本，减少生产资源投入的风

险

4.3.1 工业大数据

进行大数据分析，将带来仓储、配送、销售效率的大幅提升与成本的大幅

下降，并将极大地减少库存，优化供应链。同时，利用销售数据、产品的

传感器数据和供应商数据库的数据等方面的大数据，制造业企业可以准确

预测全球不同市场区域的商品需求，跟踪库存和销售价格，从而节约大量

成本。

4.3.1 工业大数据

3.大数据处理关键技术

为了获取大数据中的有价值信息，必须选择一种有效的方式来处理它。大

数据技术一般包括数据采集、数据预处理、数据存储和数据分析四个部分。

1）大数据采集技术

数据可以是从传感器、网络社交、论坛等渠道获得的信息，数据类型包括

结构化、半结构化以及非结构化数据。大数据采集即是通过传感体系、网

络通信体系、智能识别体系及软硬件资源接入系统，实现对结构化、半结

构化、非结构化的海量数据的智能化识别、跟踪、接入、传输、信号转换、

监控、初步处理和管理等。

2）大数据预处理技术

大量数据接收完毕后，需要对多种结构的数据进行分类，将一些复杂的数

据转化为单一的数据类型，并过滤掉错误及无用的信息。这种在主要的处

理以前对数据进行的一些处理叫做大数据预处理。大数据预处理有多种方

法：数据清理，数据集成，数据变换和数据归约。这些大数据处理技术在

数据挖掘之前使用，可以提高数据挖掘模式的质量，降低实际挖掘所需要

的时间。