科技前线 | 如何使用大数据分析增强精益制造
大数据由“三个V”定义：海量的数据规模(volume)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)。
数据规模指的是所用数据集的绝对大小。大数据以泽字节和千万亿次计算为单位。绝对极小值为TB。
数据流转速度描述的是大数据的持续增长特性。以制造业为例，如果所有机器都已互联，则实时的机器运行状况数据流每天将在每个工厂产生数十TB的数据。
多样性是指“大数据”由常规方法无法集成的许多不同类型的数据组成。例如，您可能想要将基因组与生活方式数据进行比较，并与财务历史进行交叉引用。
随着云计算的出现（允许任何人连接到服务器的能力是20年前的超级计算机所提供的能力的数百倍），几乎每个人都可以访问大数据。通常是通过简单的Web浏览器进行访问的，而且订阅费用较低。
常规分析对比大数据分析
从数据规模、速度和多样性三个方面比较常规分析和大数据分析之间的差异。常规分析采用的程序包与大数据分析所采用的类似，数据集通常较少，类型基本相似，收集数据的速度较低。常规分析所使用的数据通常在规模、速度和多样性三个方面的其中两个方面会优于用于大数据分析所使用的数据，但不会是三个方面都更好。结合三个因素考虑，大数据分析才能真正发挥作用，尤其是在多样性方面更是如此。
传统的数据处理技术通常使用范围会受限，因为它们只能比较相似的数据，例如数字与数字之间的比较。大数据分析中使用的预处理方法使我们能够获取截然不同的数据类型并进行比较。借助这种能力（可识别各种变化的数据集中的模式和趋势），可以产生惊人的、以前难以察觉的见解。
制造商如何使用大数据分析
大数据分析是将所有数据切块、拼接和打包为有用的、可操作的信息的过程。如今，大数据分析主要涉及预处理（通常通过机器学习实现）算法，这些算法集成了各种数据集并搜索相关性、分析模式和趋势。然后将其转换为图表、图形和表格，供人们研究和进行其他分析。Google Analytics 就是一个很好的示例。
对于制造业而言，ThingWorx大数据和分析平台就可以将处理后的数据打包到特定角色的仪表板中。技术人员对机器的使用情况会很感兴趣，希望可以了解零件何时接近其使用寿命，而运营经理则对生产效率更感兴趣。相同的数据可以产生两种类型的洞察力。但是得有不一样的处理方式和表示方法才行。
制造业大数据分析的未来是什么？
大数据分析的早期应用主要限于数字化可用的数据。物联网正在打开物理世界的大门。或许，可以发挥大数据分析最大潜力的行业将是制造业。制造商已经在将物联网传感器与大数据分析结合使用，以实现预防性机械维护。但是这只是用到了大数据分析的一部分潜力，其主要受限于具体的业务。
随着越来越多的业务联系在一起，并且大数据平台得到扩展，将实现在整个企业范围内收集、整理和分析数据。信息孤岛的情况将被打破。客户对服务响应的感触可能会影响其对设计的选择。生产时间表将可以即时调整以反映供应链的实际情况。将以前以串联或并联方式工作的部门数据同步集成将产生全新的业务模型。
目前，制造商的下一步工作已从简单地使用预测性分析维修机器转向分析整个生产环境。通过分析轮班模式，对新流程进行数字化原型设计以减少浪费，以及创建可以使整体环境更加紧密的优化计划来确定技能差距。
*本文转载自PTC官方。
