制造业大数据应用研究

制造业大数据应用研究

【摘要】制造业的变革不断深入，再受到信息、互联网等技术的影响，制造业的智能化和信息化水平逐渐增强，而信息资源同样成为制造业的资源类型，决定制造业的市场竞争力。故此，文章对制造业大数据应用展开分析，简单介绍大数据应用的促进作用，再分析具体制造业大数据应用，旨意推动制造业的信息利用水平，推动信息资源整合，实现制造业的持续发展。

【关键词】制造业；大数据；应用；智能化

目录

一、制造业大数据应用价值分析 (3)

二、制造业大数据应用研究 (3)

（一）基于 NoSQL 的生产实时数据存取 (4)

（二）基于 Hadoop 的并行计算 (4)

（三）数据挖掘攫取信息 (4)

（四）基于大数据的制造业成本管理 (5)

三、制造业大数据应用类型及相关问题分析 (6)

（一）制造业大数据应用类型分析 (6)

（二）制造业大数据应用的相关问题及建议分析 (6)

四、结束语 (8)

一、制造业大数据应用价值分析

大数据的出现转变了传统生产与生活模式，使得信息成为一种重要资源类型。良好的对信

息资源进行利用，有助于制造业的发展，并获取更多的市场份额，推动企业发展，实现效益的

获取。基于此，本文对制造业大数据应用展开分析，详细研究具体应用价值，再分析实际应用情况，详细如下。

制造业大数据具有较高的应用价值，其在实际的制造过程中，有助于推动制造业的智能化

推荐，借助大数据技术，可将整个产品的生产周期进行整合，在大数据技术的支持下实现研发、生产和推广等，在全面增强产品质量的同时，还可达到提升效率的目的，实现制造企业的核心

竞争力获取。此外，大数据能为制造业的用户行为进行分析，并结合

数据参数情况，对产品用户的行为进行预测，进而使得制造业产品更为迎合用户需求，全

面增强用户的满意度。而且，借助大数据可实现对竞争对手的分析，进而采取针对性的措施，从而扩大自身的竞争力。

借助上述分析可以发现，大数据技术的运用有助于制造业的生产智能化，积极推动制造业

的生产能力增强。还可增强企业的市场竞争能力，为扩宽市场和推动行业发展奠定基础。还能

保障行业结构优化和管理水平提升，进而使得制造业更为符合大数据时代特征。

二、制造业大数据应用研究

现结合实际情况对大数据的具体运用进行阐述，为制造业的发展提供参考，详细内容如下。

（一）基于 NoSQL 的生产实时数据存取

制造业在生产过程中，会产生大量的数据信息，且这些数据信息包括设备参数、制造工艺

参数等，且这些数据量大且杂乱。传统关系型数据库对这类数据的存储效果不佳，利用率不高。而在大数据技术的支持下，构建 No SQL 数据库，可实现对大量的数据存储和利用。在具体的运用中，借助多点部署等形式，可减少丢失和浪费的情况。具体的数据库关系模式转换中，主

要借助反模式化分解，结合各类信息表，全面推动数据存储效率，并能在一定程度上减少建设成本。

（二）基于 Hadoop 的并行计算

Hadoop 属分布式系统架构，借助 Hadoop 可完成对大量数据信息的计算。制造业生产中，需要面临多种计算问题，如果计算不准确或是效率低下，则不利于制造业生产，甚至造成产品质量问题。而 Hadoop 的并行计算，能够对多个独立的子数据模块进行传递，并结合

map 函数，实现处理与存储。便于制造业的实际问题的处置。

（三）数据挖掘攫取信息

制造业的每日数据信息种类较多，且数据杂乱，部分数据受到噪声干扰。为实现的制造业

的数据挖掘，可借助基于遗传算法的数据挖掘，实现分析。如：借助基于遗传算的数据挖掘技术，可实现对优化产品特性与生产参数数据的研究，并构建相关模型，实现迭代，进而有效推

动产品优化，具有极高利用价值。

（四）基于大数据的制造业成本管理

制造业的成本管理中，可借助大数据技术实现管理优化，为制造业的持续发展奠定基础。

（1）实现产品成本核算。常规成本核算在产品成本核算中，容易出现不准确的情况，影响效果。而大数据支持下，借助数据处理技术，研究分析成本动因，在按照这一动因，能够达到对费用的计算，便于核算与成本管理。

（2）成本预测。借助成本大数据与市场、上下游供应商等的关键，构件大数据模型，借助数据处理手段，完成对变动趋势的研究，最终可实现对成本预测。

（3）遏制信息不对称的情况。大数据的支持下，制造业获取信息的渠道增加，再借助数据挖掘技术，为制造业的决策提供帮助，保障决策的可靠性，积极推动制造业发展。

如下图 1 所示，为具体的制造业成本管理大数据的来源情况，借助这些大数据成本信息，可为推动成本管理奠定基础。

图 1 制造业成本管理大数据的来源情况

此外，在大数据的支持下，能应用到整个制造业的生产工艺流程中，结合消费者的个性化需求，突破传统的制造模式，海量数据信息的处理与挖掘，借助互联网实现与设备间的信息传递，可为智能设备的分析、决策和调整提供帮助，推动智能生产，为新一代智能工厂建设提供基础。

三、制造业大数据应用类型及相关问题分析

（一）制造业大数据应用类型分析

不同的制造业类型，其在具体的大数据使用中，大数据的应用方式也存在差异，故此，结合不同制造业类型，对具体的大数据应用进行阐述。

（1）技术核心型。这类制造企业的竞争力主要体现技术产品。如：电子通讯产业、纳米产业、物联网设备等。这类制造企业中，技术研发中，需要良好的信息支持。这类企业的大数据技术应用，主要以数据挖掘和数据分析为主。

（2）资源核心型。这类制造企业主要依赖原材料和相关资源。例如化工企业，其具体数据切入点为各类原材料产地信息和销售策略，其在大数据的运用中，多以数据采集、数据挖掘和利用等。可运用 Hadoop 的并行计算、分布式存储技术等。

（3）管理核心型。主要将重心置于管理，故此。在具体大数据开发上，重点是以价值链数据为首，实现对各个环节的整合。

（4）销售核心型。这类主要大数据的切入点为信息的采集和挖掘、销售渠道、物流信息和市场反应等数据信息的挖掘利用。

综合上述几种不同制造业类型，可以发现大数据应用，对于制造企业发掘商机、扩大服务能力、提高增值空间等具有积极作用。还可有效的把控风险，提升制造企业的效率，并降低成本，积极推动制造业持续健康发展。

（二）制造业大数据应用的相关问题及建议分析

尽管当前制造业均重视到了大数据的意义与机制，但是在实际的应用中，仍旧存在几点问