工业大数据（书名）_百度百科
清除历史记录关闭
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
工业大数据
全球第一本工业大数据的书，开启智能制造新时代。宝钢集团董事长徐乐江、红领集团董事长张代理、三一集团总裁唐修国、尚品宅配董事长李连柱、上银科技董事长卓永财、中国工程院院士林忠钦倾情推荐，国家信息化专家咨询委员会委员朱森第、美国密歇根大学教授倪俊作序并推荐。
工业大数据内容简介
工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业4.0、美国工业互联网还是《中国制造2025》，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。本书基于工业4.0的时代背景，通过深入剖析未来工业的商业模式和智能服务体系的创新技术变革，论述如何通过工业大数据的分析和应用去预测需求、预测制造，整合产业链和价值链，发现用户的价值缺口，发现和管理不可见的问题，实现为用户提供定制化的产品和服务。
工业大数据作者简介
李杰（Jay Lee）
李杰教授现任美国辛辛那提大学(Univ.of Cincinnati) 讲座教授，美国国家科学基金会(NSF)智能维护系统（IMS）产学合作中心主任，目前的研究重点是以工业大数据分析为主的智能预测技术、产品及服务的主控式创新设计(Do m i n a n tInnovation(R))。自2000年起他领导IMS与全球80多家国际公司（其中包括宝洁、英特尔、GE航空、波音、丰田、小松、西门子、阿尔斯通等世界500强公司）进行工业大数据技术联合研发，开发了世界领先的Watchdog Agent(R)智能维护系统技术，突破了传统机械设备故障预测的理论、方法和技术，被美国《财富》杂志誉为21世纪全球三大热门技术之一。李杰教授曾在美国NSF主管先进制造项目，并在美国联合技术研究中心(UTRC)担任产品开发与制造部总监。李杰教授从2013年起担任美国白宫信息物理系统（CPS）专家组顾问，他同时也是上海交通大学特聘讲座教授与先进产业技术研究院前瞻顾问。
工业大数据名人推荐
工业大数据分析是制造业转型的重要基础。本书集中阐述了企业如何以工业大数据为核心，如何进行大数据的分析，这些内容对于企业转型及客户价值创造都是很有价值的，值得一读。
——宝钢集团有限公司党委书记、董事长 徐乐江
工业大数据分析是智能制造的基础，也是支撑未来制造智能化的重要方向。我们需要加强大数据方法论的研究，开发出可以用于制造过程分析的工具和使用软件，才能真正推动制造技术的进步。
——中国工程院院士、上海交通大学常务副校长 林忠钦
人类创新的目的是为了社会更加进步和文明，企业创新的目的是为顾客创造价值。李杰教授主导的创新思想与工业大数据分析工具，会帮助企业家在互联网大数据时代找到创新的路径和方法。
——红领集团董事长 张代理
未来工业大数据的分析是客户定制C2B的基础，也是中国企业实现“互联网+”的重要方向。李杰教授的主控式创新的新思维与工具是企业创新与价值创造的基础，对中国企业是非常好的指引。
——尚品宅配董事长 李连柱
李杰教授曾经走进三一集团，与我们共同交流工业4.0的体会，他凭借丰富的经验与实践，提出了以工业大数据为核心的工业价值创造体系，在众多的工业4.0论述中，独辟蹊径，让我们受益良多。
——三一集团总裁 唐修国
智能传感器与大数据分析是制造业要成为世界级领导者的根基。李教授的美国NSF智能维护产学合作中心所开发的工业大数据分析技术是工业4.0的核心技术，企业应努力学习。
——上银科技董事长 卓永财
《中国制造2025》强国梦的实现，必须依靠精益求精的品质与客户价值的创造。工业大数据分析是企业增强竞争力，使中国转变为“制造强国”的关键要素。
—— 制造业国际联盟主席 王洪艳
李杰教授提出的“6M+6C”智能体系设计，可以从理论与实践两方面精准地指引企业如何拥抱智能制造的新时代。他的新书将是企业家及各界人士迎接世界新一轮产业革命浪潮的指南。
中国《福布斯》杂志执行主编 康健
以移动、互联、智能和共享为特征的“工业4.0”标志着制造业新纪元的开启，已成为我国相关产业转型升级、弯道超车的最好机遇，更为充满光明、无限美好的“中国梦”提供了难得的助力。
——中国船舶工业系统工程研究院院长 张宏军
工业大数据编辑推荐
如何以较低成本满足用户定制化的需求？
如何使制造过程的信息透明化、更加高效、提升质量、降低成本和资源消耗和更有效的管理？
如何提供设备全生命周期的信息管理和服务，使设备的使用更加高效、节能、持久？
如何使人的工作更加简单，甚至部分代替人的工作，在提高生产效率的同事降低工作量？
如何实现全产业链的信息整合，使整个生产系统达到协同优化，增加生产系统变得更加动态和灵活，进一步提高生产效率和降低生产成本？
工业大数据则以分析这些问题为出发点，围绕它能够解决什么样的问题和为用户提供什么样的服务为价值。同时，工业大数据能够在横向与纵向环节的互联与在统一平台的信息共享，由此将资源利用与分析维度规模化、价值最大化，进而能够最大范围地面向各环节的用户进行应用服务的定制与按需分发，由此又可衍生出持续性服务共赢的模式。
工业大数据目录
认识工业4.0所需要的重要元素与概念
前言 工业4.0：一场不可见世界的竞争
第1章 以价值创造为核心的工业转型新思维
1.1 为什么有工业4.0？
1.2 德国工业4.0与美国CPS战略计划
1.3 以价值为导向的变革新思维
1.4 “有之以为利，无之以为用”
1.5 中国工业4.0的竞争力缺口
1.6 探索适合中国工业4.0的转型之路
第2章 工业4.0环境下的大数据价值创造体系
2.1 工业4.0的大数据环境
2.2 工业大数据和互联网大数据
2.3 物联网的潜在危机
2.4 挖掘工业大数据价值的核心技术——CPS
2.5 “5C”：以CPS为核心的数据价值创造体系架构
2.6 从数据到信息到价值的转化过程
2.7 以数据价值创造为导向的CPS技术应用特征
2.8 从CPS到工业4.0：制造的重新定位与新思维
第3章 数据价值创造的设计与实践技术
3.1 智能感知层：建立统一的数据环境（Connection）
3.2 信息挖掘层：从数据到信息的分析过程（Conversion）
3.3 网络层：网络化内容管理（Cyber）
3.4 认知层：对信息的识别与决策（Cognition）
3.5 配置层：系统的弹性和重构（Configuration）
第4章 价值创造的商业模式设计
4.1 寻找价值的“GAP”
4.2 从创新到价值创造：主控式创新思维
4.3 主控式创新工具
4.4 手把手教你如何做“蛋白”
第5章 案例与实践
5.1 智能装备
5.2 智能工厂
5.3 智能服务
第6章 竞争力战略新思维
美国智能维护系统(IMS)产学合作中心简介
解读词条背后的知识
．豆瓣[引用日期]
清除历史记录关闭制造大数据和大数据制造,工业大数据有什么特点?-电子发烧友网触屏版
近日，中国工程院院士、中国互联网协会理事长、中国产业互联网研究院名誉院长邬贺铨发表了题为《大数据与产业互联网》的主题演讲。他认为，制造业正在拓展大数据的生产空间，未来20年，产业互联网将比消费互联网带来更大价值。
他解释说，现在互联网分为消费互联网、产业互联网、政务互联网等三个方面。其中，制造业所有环节都可以产生大数据，大数据在制造业整个产业也都能得到应用。制造大数据是制造业生产与管理的重点支撑，制造大数据规模已经超过了其他行业。他认为，大数据助力制造业是最具根本的潜力产业，另一方面，大数据对制造业的转型升级具有重要作用。
以下为演讲整理全文：
制造大数据和大数据制造
我的题目是大数据与产业互联网。主要是讲制造，讲两个方面的问题， 一个是制造大数据，一个是大数据制造。
我们制造大数据实际上讲的是制造业产生大数据。那么我们现在讲像互联网可以分成三个方面， 一个是消费互联网，一个是产业互联网，一个是政务互联网。 而产业互联网里面包括了很多领域，建筑、能源、矿业、制造、运输、通讯等等，今天主要讲制造。
制造技术，实际上技术是一种支撑，当然还有先进的材料，生物制造等等，这个技术里面实际上分成两个方面，一个是企业管理与的信息技术，生产应用方面的技术。实际上这个里面，支撑我们企业管理以及生产制造，大数据是基础之一，跟云计算，互联网等等技术结合在一起。
那么工业大数据这个话什么时候开始呢?
在上世纪中，就是说，六七十年代甚至八十年代，我们大量企业的数据是手写的，是记录生产过程当中的数据是手写的，存在文件柜里面，是纸的材料。
随着工业现场的出现，我们可以及时的收集到各种数据，各种各样的生产数据，环境数据。这个里面格式是很多的。但是主要用在什么呢?只是在机器这个级别和控制级别。工业开放出来以后呢，我们有了生产自动化的协议，有共同的数据结构，传感器，企业机构到企业间的转化，基本上这些数据还没有很好的使用的。
今天的企业只收集了数据的7%。所以虽然产生了大数据，但是应用得不多。现在存储器大概在35%，云计算降低了成本。所以促进了工业大数据的产生。
这是制造过程当中的大数据，我们可以看到，这个是属于采集的系统，在制造过程有各种各样的数据，振动、温度、产品质量啊。我们举一个例子，实际上在整个工业过程上，所有环节都会产生数据。
Rolls Royoe公司是生产传感器的，我们知道马航370失航三年多了，当时是数据传出去的，传了7次，后来判断他飞了7个小时。马航出事以后，以后要15分钟传一次，这个公司认为我们这个飞机引擎的数据是永远在线的，永远都会传下来。医药保健公司的数据来说，他每三毫秒产生五千个样子，所以这个数据量是很大的。制造业大数据的规模超过了其他的行业。Think big公司说机器数据和物联网将占据中心舞台。IBM讲美国制造部门储存了两千亿个数据。
工业大数据有什么特点
相对我们消费的大数据，一要准确，我们消费领域，像马云可以根本淘宝的数据判断商业的行为，准确率不用很高，90%就够了，工业领域准确率起码要99%，轨道交通要更准确。只要生产线不停，就会源源不断的产生数据。多样性的，异构性的差异很多，有的差别很大，有的很小。生产线环节的数据有的需要同步。所以数据化非常的明显。
第三点是实时性。工业大数据是实时的监控和预警，工业大数据需要实时的达到分析和应用。另外行业性。消费的数据一般来讲是比较好理解的，工业的数据如果没有行业的知识是很难理解工业数据，所以对基础性要求相当高。
所以第四点应该是工业大数据和传统的消费大数据的区别。那么制造大数据也是面临挑战的，因为工序在变化，供应参数在变化。时间上24小时不间断的，有状态性的，有突发的，有周期性的。另外很多数据是没有标记的。
所以整个数据本身变化很大。在工业大数据的应用，实际上在一个国务院的文件和工信部的文件提到了大数据的应用，工业大数据要在研发设计，工业制造，售后服务和产品的周期，以及产业链的全流程的环节。所以可以看到国家希望大数据在工业领域的应用。还要推进工业大数据的全域性应用。
大数据助力制造业
首先是产业，我们可以看美国产业互联网的参考模式。通过分布系统，用传感器来监控我们的车床啊。工厂在应用管理层，工业设计到产品的研发、设计就开始了。包括整个的管理，然后到企业集团这一层，我们企业管理层各种各样工业量的管理，生命周期管理，综合整个企业的水平，上面利用到系统企业之外的数据，社会的数据等等，所以在大数据，实际上在工程里面，在企业里面是分四个不同的层次产生，分几个层次利用。
什么叫先进制造?先进制造，智能制造，智能企业，还有先进的工艺，先进的产品，先进的技术。未来20年最有潜力，根本上改变制造产业是大数据。美国总统有有一个报告，虚拟化数字制造就离不开大数据的支撑。
制造首先是数字化，我们企业很多企业也做了一些制造业的数字化，往往我们是其中一个环节，而现在制造业的数字化覆盖产业链。覆盖了几个生命周期。通过适时监控有大量的数据支撑。不仅是产品的留存，还是数据的留存。未来大数据的制造必须把这个数据留存拉通。
汽轮机和发动机占了全球电力市场的30%。只要分析这个发电厂的数据，实现了减少非规划停电5%，避免了75%的误判。未来10年全球电力产业会创造30万亿的价值。将来电力行业也将是一个大数据行业。美国平均每人耗电1.1万千瓦时，把大数据很好的应用可以节约3%到5%的能耗。
在欧洲一个先进的化学产品公司，生产水平已经很领先了，他生产里面用到的冷却剂压力、温度、数量和二氧化碳流量，发现二氧化碳流量的改变能使产量显著变化。通过重置相应的参数，该化学公司能耗减少原材料20%，节省能源成本约15%。能够帮助大型企业避免生产中的风险。
日本的小松公司，实时的收集首先设备卖出去的状态，就可以了解市场。小松卖给中国的挖掘机，如果今年开工不足，那明年市场肯定有问题，如果今年开工很好，明年就有市场的。而且可以判断市场，判断宏观经济和市场服务，当然及时维修。
R&R现在提出，我的发动机不卖，不要钱，哪一个飞机公司，航空公司要你就拿去，装上以后，我以单位飞行安全小时收费。通过这样，他的市场占有率提到了40%，通过传感器实时的监控提高了准确。
沈阳的机床，现在也是不要钱，他是按使用小时收费，这样做方便了客户，生产人员，材料利用率，生产成本都有不同程度的提升。当我们的国家都在堵短版的时候，特别是东北正受到这样的压力。沈阳机床厂的定单排到了下半年。关键是怎么样把大数据的应用，使我们的产业得到提升。
一家做西服的的企业，他收集了各种各样的西服的数据，上网查哪一个适合你，如果不满意还可以自我修改，通过这样实现大数据的实现了个性化的生产，个性化生产的成本高10%，但是回报至少是两倍。原来要求顾客测量身体的方面测量出七个参数。厦门有一个公司研发了一个平台，用手机拍正面、侧面、背面，再加上身高，会出来一个三维，可以做一个贴身的衣服。
打造大数据的价值链的应用，我们制造价值链里面有几个环节，首先是供应链到研发产品，产品设计数据库，要收集客户的数据收集，市场的反馈，对研发有用。通过外包盒装和共享对研发有用。前面是外包合作商，第二是客户，第四是供应链，第六是精简制造，对生产有用。对整个应用和个性化生产，生产有用。这次覆盖制造业的所有的环节，上下游的各种关系。
现在产业互联网会创造出更高的价值，他比消费互联网创造的价值还要高一倍。把大数据利用率和人均产出率进行研究，财富一百强的企业人均产出提升14.4%，对制造业平均提升20%，可见大数据对整个制造业的转型升级改造是有很重要的作用。当然对不同行业可能影响不一样，人寿比较高，接近40%到50%。
最后制造业在工业设计、生产、销售、服务环节都产生了，制造业大数据的产生是所有的环节，大数据在制造业的应用也是所有的环节，大数据能够提升生产效率，改进产品质量，节约能力和资源的消耗。所以大数据支撑了产业互联网，大数据开拓了创新的空间。
突破往往存在于&裂隙&！
未来十年，在产业互联网趋势主导下，互联网将开始真正与实体产业结合，这是一个巨大而浩瀚的、人类史以来最广泛、最深入合作的一次工业革命。
几乎所有的技术准备都做好了，大数据、云计算、不断发展的人工智能&&只差临门一脚，踢出一个裂隙，无数令人激动的机会将不断涌现出来，驶入产业互联网的蓝海。
但是踢出这个裂隙，不能过多地寄望于BAT这样的巨头和传统产业，而是要从他们的外部来找。市场需要的是既不受传统产业思维束缚，又没有既得利益牵绊，同时对于产业间的共生共享有着深刻洞察和认知的企业。
中国信息通信研究院今年1月份预测，资本寒冬后回归理性，2017互联网投资将呈五大趋势。其中，即包括资本将投向产业融合领域。该机构认为，实体经济将创造新价值，前提是数字化生产、个性化定制、网络化协同、服务化制造等&互联网+&协同制造新模式取得明显进展。
这正是产业互联网的基本特征。下一个时代来临，先知先觉、腾挪有度的企业或许将成为接下来变革的领头狼，去开启产业互联网的蓝海，进而成为下个时代的产业巨头。
文章来源专栏
加载更多评论
后参与评论当前页面：&&&&&读懂工业大数据?不得不看的一篇文章！
读懂工业大数据?不得不看的一篇文章！
摘要：对于企业而言，了解工业大数据产生的背景，归纳工业企业大数据的分类和特点，从数据流推动工业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。文章最后，笔者分享几个在工业领域数据驱动价值创造的案例，希望起到抛砖引玉的作用。
　　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、等国家战略在企业的落脚点。　　对于企业而言，了解工业大数据产生的背景，归纳工业企业大数据的分类和特点，从数据流推动工业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。文章最后，笔者分享几个在工业领域数据驱动价值创造的案例，希望起到抛砖引玉的作用。　　　　1.工业大数据产生的背景　　在工业生产中，无时不刻都在产生数据。生产机床的转速、能耗，食品加工的温湿度，火力发电机组的燃烧和燃煤消耗，汽车的装备数据，物流车队的位置和速度等，都是在生产过程中的数据。　　自从工业从社会生产中独立成为一个门类以来，工业生产的数据采集、使用范围就逐步加大。从泰勒拿着秒表计算工人的用铁锹送煤到锅炉的时间开始，是对制造管理数据的采集和使用；福特汽车的流水化生产，是对汽车生产过程的工业数据的采集和工厂内使用；丰田的精益生产模式，将数据的采集和使用扩大到工厂和上下游供应链；核电站发电过程中全程自动化将生产过程数据的自动化水平提高到更高程度。　　任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息、电子和数学技术的发展，传感器、等技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。以工业领域的系统为例，传统模式下每个电网、化工企业都需要建立一套SCADA系统，成本在千万以上，如果采用云架构模式，成本将可以降低7成以上。　　社会需求变革是最大拉动力。在商品过剩经济时代，以个性化为代表的消费文化，使得工业企业的产出物，要最大限度匹配个性需求。从服装定制，车辆选配，到T恤的印花和个性化教育。　　要响应个性化需求，有两种方式，以服装定制为例，就是靠老师傅用尺子量，眼见手摸，凭借经验，确定服装的裁剪和版型，这种我们可以称之为模拟方式，效率和质量难以保证，耗时长，个性化定制的成本高；还有一种是数字方式，就是通过制订一套数据采集手段，由前台的客户代表测量采集用户身形数据，然后将数据传回总部，将结合生产原材料数据，将需求分解为一项一项的生产工艺动作，最后也生产出达到定制化要求服装。　　当然了，工厂也会聘请资深的老师傅，他们的主要工作不是面对一个个客户的定制化需求，而是去研究更好的生产工艺，对数据和工艺分解进行把控。这种模式下，效率和质量得到保证，效率随着生产线的扩容线性提升，有一批专家队伍不断研究提升工艺能力，定制化生产的成本将得以显著摊薄。从发展趋势看，后者这种数字模式的个性化生产将是未来选择。　　国策方针是重要影响力。完成了工业自动化过程的德国工业界，在自动化基础上，以工业数据为基础，引入云计算和人工智能技术，提升工业的智能化水平，以满足大批量个性化定制的社会生产需求；美国拥有强大的云计算、互联网及数据处理能力，基于此，提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在诊断、预测、后服务等方面挖掘工业服务的价值。　　中国相对于德国、美国而言，在工业自动化、在云计算等领域都处于发展期，因此提出中国制造2025计划，通过工业化和信息化融合发展的方式，将工业化和信息化整体规划，并制定一系列的重点工程和推进计划。　　2.工业大数据的特点和分类　　不管是工业自动化、还是工业智能化（工业4.0）、或者是工业互联网概念，他们的基础是工业数据。　　随着行业发展，工业企业收集的数据维度不断扩大。主要体现在三个方面：　　一是时间维度不断延长。经过多年的生产经营，积累下来历年的产品数据、工业数据、原材料数据和生产设备数据；　　二是数据范围不断扩大。随着企业信息化建设的过程，一方面积累了企业的财务、供应商数据，也通过CRM系统积累了客户数据，通过CAD等积累了研发过程数据，通过摄像头积累了生产安全数据等，另一方面越来越多的外部数据也被收集回来，包括市场数据、社交网络数据、企业舆情数据等；　　三是数据粒度不断细化。从一款产品到多款、多系列产品使得产品数据不断细化，从单机机床到联网机床，使得数据交互频率大大增强；加工精度从1mm提升到0.2mm，从5分钟每次的统计到每5秒的全程监测，都使得采集到的数据精细度不断提升。　　以上三个维度最终导致企业所积累的数据量以加速度的方式在增加，构成了工业大数据的集合。不管企业是否承认，这些数据都堆砌在工厂的各个角落，而且在不断增加。　　再从企业经营的视角来看待这些工业数据。可以按照数据的用途分成三类：　　第一类是经营性数据，比如财务、资产、人事、供应商基础信息等数据，这些数据在企业信息化建设过程中陆陆续续积累起来，表现了一个工业企业的经营要素和成果。　　第二类是生产性数据，这部分是围绕企业生产过程中积累的数据，包括原材料、研发、生产工艺、半成品、成品、售后服务等。随着数字机床、自动化生产线、SCADA系统的建设，这些数据也被企业大量记录下来。这些数据是工业生产过程中价值增值的体现，是决定企业差异性的核心所在。　　第三类是环境类数据，包括布置在机床的设备诊断系统，库房、车间的温湿度数据，以及能耗数据，废水废气的排放等数据。这些数据对工业生产过程中起到约束作用。　　从目前的数据采用情况看，经营类数据利用率最高，生产性数据和环境类数据相比差距比较大。从未来数据量来说，生产线数据在工业企业数据中的占比将越来越大，环境类数据也将越来越多样化。　　工业大数据　　一般意义上，大数据有具有数据量大、数据种类多、商业价值高、处理速度高，在此基础上，工业大数据还有两大特点。　　一是准确率高，大数据一般的应用场景是预测，在一般性商业领域，如果预测准确率达到90%已经是很高了，如果是99%就是卓越了。但在工业领域的很多应用场景中，对准确率的要求达到99.9%甚至更高，比如轨道交通自动控制，再比如定制生产，如果把甲乙客户的订单参数搞混了，就会造成经济损失。　　二是实时性强，工业大数据重要的应用场景是实时监测、实时预警、实时控制。一旦数据的采集、传输和应用等全处理流程耗时过长，就难以在生产过程中发挥价值。　　3.工业大数据应用案例　　企业所积累的数据量以越来越快的速度在增加，很多企业也就顺势将大数据技术引入企业的生产经营中。大数据在工业企业的应用主要体现在三方面：　　一是基于数据的产品价值挖掘。通过对产品及相关数据进行二次挖掘，创造新价值。　　日本的科研人员日前设计出一种新型座椅，能够通过分析相关数据识别主人，以此确保汽车的安全。这种座椅装有360个不同类型的感应器，可以收集并分析驾驶者的体重、压力值，甚至坐到座椅上的方式等多种信息，并将它们与车载系统中内置的车主信息进行匹配，以此判断驾驶者是否为车主，从而决定是否开动汽车。实验数据显示，这种车座的识别准确率高达98%。　　三一公司的挖掘机指数也是如此。通过在线跟踪销售出去的挖掘机的开工、负荷情况，就能了解全国各地基建情况，进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。　　二是提升服务型生产。提升服务型生产就是增加服务在生产（产品）的价值比重。主要体现在两个方向。一是前向延伸，就是在售前阶段，通过用户参与、个性化设计的方式，吸引、引导和锁定用户。比如红领西服的服装定制，通过精准的量体裁衣，在其他成衣服装规模关店的市场下，能保持每年150%的收入和利润增长，每件衣服的成本仅比成衣高10%。当然了，小米手机也属于这一类。二是后向延伸，通过销售的产品建立客户和厂家的互动，产生持续性价值。苹果手机的硬件配置是标准的，但每个苹果手机用户安装的软件是个性化的，这里面最大的功劳是APPStore。苹果通过销售苹果终端产品只是开始，通过APPStore建立用户和厂商的连接，满足用户个性化需求，提供差异性服务，年创造收入在百亿美金。　　三是创新商业模式。商业模式创新主要体现在两个方面，一是基于工业大数据，工业企业对外能提供什么样的创新性商业服务；二是在工业大数据背景下，能接受什么样的新型的商业服务。最优的情况是，通过提供创新性商业模式能获得更多的客户，发掘更多的蓝海市场，赢取更多的利润；同时通过接受创新性的工业服务，降低了生产成本、经营风险。　　比如，GE不销售发动机，而是将发动机租赁给航空公司使用，按照运行时间收取费用，这样GE通过引入大数据技术监测发动机运行状态，通过科学诊断和维护提升发动机使用寿命，获得的经济回报高于发动机销售。　　在接受服务方面，目前国内外有一批企业提供云服务架构的工业大数据平台。包括海尔收购GE的白电业务的一揽子合作中，就包括GE的Predix工业大数据平台向海尔开放，接入海尔的工厂，提供工业大数据服务。九次方大数据也在联合各省市建立云化的工业大数据平台，向当地的工业企业开放大数据采集、大数据存储、大数据挖掘和应用能力。　　4.工业大数据的实践指导　　工业大数据是企业生产经营的一次重大变革，对于工业化、信息化都还没有完成的工业企业而言，数据化时代又到来了，挑战很大。　　工业大数据建设，首先是一种思维变革，改变以前以要素竞争为主的工业生产模式，进入到数据和创新竞争为主的新生产时代。其次，正如清华大学王建民教授所言“工业大数据不存在交钥匙工程”，因此，需要企业领导人、管理层、员工和相关人都投身其中，各司其职，才有所成。　　最后，工业大数据建设抓住两个板子作为突破点。一个是最长的板，也就是梳理产品（工业）竞争力最强的在哪里，继续深挖下面的数据价值，围绕这一块的工业数据构建产品和服务能力；另一个是最短的板，就是影响工业企业发展的痛点在哪里，成本、市场、还是供应链，还是能耗？在数据化时代下，寻找机遇大数据的解决方案。来源：互联网
审核编辑(王静)
更多内容请访问 中国工控网（)
手机扫描二维码分享本页
工控网APP下载安装
工控速派APP下载安装
提点建议：
，请填写评语后直接提交。
&&匿名留言
看过的用户还看过
扫描二维码关注微博
扫描二维码关注微信