现代工业生产线配备了数以千计的小型传感器，用于检测温度、压力、热能、振动和噪音。因为每隔几秒钟就采集一次数据，利用这些数据可以实现多种形式的分析，包括设备诊断、用电分析、能耗分析、质量事故分析等等。
在工业企业中，生产线在高速运转，工业设备产生、收集和处理的数据量远大于企业中计算机和人力产生的数据量。从数据类型上看，也是非结构化数据，生产线的高速运转对数据的实时性要求更高。
随着信息化和工业化的深度融合，信息技术已经渗透到产业链的各个环节。条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到了广泛应用，特别是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用。工业企业也进入了互联网产业发展的新阶段。因此，工业大数据应用面临的问题和挑战并不比互联网行业大数据应用面临的问题和挑战少，在某些情况下甚至更加复杂。
工业大数据的应用将带来工业企业创新变
1.加速产品创新
客户与工业企业之间的交互和交易会产生大量的数据。对这些客户动态数据进行挖掘和分析，可以帮助客户参与产品需求分析、产品设计等创新活动，为产品创新做出贡献。福特在这方面就是一个例子。他们将大数据技术应用于福特福克斯电动车的产品创新和优化，成为名副其实的“大数据电动车”。德福特福克斯电动汽车在行驶和停车时会产生大量的数据。在行驶过程中，驾驶员不断更新车辆的加速、制动、电池充电和位置信息。这对司机来说非常有用，但数据也会被发回给福特的工程师，以了解客户的驾驶习惯，包括如何充电、何时充电以及在哪里充电。即使车辆处于静止状态， 它将继续向最近的智能手机传输车辆轮胎压力和电池系统的数据。
这种以客户为中心的大数据应用场景有很多好处，因为大数据实现了有价值的新产品创新和协作方式。司机获得有用的新信息，而底特律的工程师则汇总有关驾驶行为的信息，以了解客户，制定产品改进计划和实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的行驶数据，以决定在哪里建立新的充电站，以及如何防止脆弱的电网过载。
2.产品故障诊断和预测
这可以用于售后服务和产品改进。无处不在的传感器和互联网技术的引入使产品故障的实时诊断成为现实，而大数据、建模和仿真技术的应用使动态预测成为可能。在马航Mspan70失联客机搜寻过程中，波音公司获得的发动机运行数据对确定飞机的失联路径起到了关键作用。我们以波音公司的飞机系统为案例，看看大数据应用如何在产品故障诊断中发挥作用。在波音公司的飞机上，发动机、燃油系统、液压系统和电气系统等数百个变量组成了飞行中的状态，这些数据在不到几微秒的时间内测量并发送一次。以波音737为例，该引擎在飞行中每30分钟就能产生10TB的数据。
这些数据不仅是可以在未来某一点进行分析的工程遥测数据，还可以促进实时自适应控制、燃料使用、部件故障预测和飞行员通知，可以有效地实现故障诊断和预测。我们再来看看通用电气(GE)的另一个例子。位于美国亚特兰大的GE能源监测与诊断(MD)中心收集了全球50多个国家数千台GE燃气轮机的数据，每天可为客户收集10G数据。通过分析来自系统的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE的燃气轮机故障诊断和预警提供支持。风力发电机制造商Vestas也通过交叉分析天气数据和涡轮机仪器数据来改进风力发电机的布局，从而提高风力发电机的功率输出水平，延长使用寿命。
3.工业物联网生产线的大数据应用
现代工业生产线配备了数以千计的小型传感器，用于检测温度、压力、热能、振动和噪音。因为每隔几秒钟就要采集一次数据，利用这些数据可以实现多种形式的分析，包括设备诊断、用电分析、能耗分析、质量事故分析(包括违反生产规程、零部件故障)等等。首先，在生产流程改进方面，在生产过程中使用这些大数据，可以分析整个生产过程，了解每个环节是如何执行的。一旦某个流程偏离了标准流程，就会产生报警信号，可以更快的发现错误或瓶颈，更容易的解决问题。利用大数据技术，我们还可以建立工业产品生产过程的虚拟模型， 模拟和优化生产过程。当所有的过程和性能数据都可以在系统中重建时，这种透明性将有助于制造商
4.工业供应链的分析与优化
目前，大数据分析已经成为很多电商企业提升供应链竞争力的重要手段。比如电商企业JD.COM商城，通过大数据提前分析预测各地的商品需求，从而提高配送仓储效率，保证次日到货的客户体验。RFID等产品电子识别技术、物联网技术、移动互联网技术可以帮助工业企业获取完整的产品供应链大数据。利用这些数据进行分析，会大大提高仓储、配送、销售的效率，大大降低成本。
以海尔为例，海尔的供应链体系是完善的。它以市场链为纽带，以订单信息流为中心，驱动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节中，客户数据、内部数据、供应商数据都汇总到供应链系统中。通过对供应链大数据的收集和分析，海尔可以不断改进和优化供应链，确保海尔对客户的敏捷响应。美国有1000多家OEM供应商，为制造企业提供10000多种不同的产品。每个制造商依靠市场预测和其他不同的变量，如销售数据，市场信息，展览，新闻，竞争对手的数据，甚至天气预报来销售他们的产品。
利用销售数据、产品传感器数据和供应商数据库中的数据，工业制造企业可以准确预测全球不同地区的需求。因为库存和销售价格可以跟踪，价格下跌时可以买入，制造企业可以节省大量成本。如果我们重用产品中传感器产生的数据，知道产品有什么问题，哪里需要零件，它们也可以预测哪里何时需要零件。这将大大降低库存，优化供应链。
5.产品销售预测和需求管理
通过大数据分析当前的需求变化和组合形式。大数据是很好的销售分析工具。通过历史数据的多维度组合，可以看到区域需求的占比和变化、产品品类的市场热度、常见的组合形式以及消费者的层次，从而调整产品策略和分销策略。在一些分析中我们可以发现，高校较多的城市在开学季对文具的需求会高很多，所以我们可以加大这些城市经销商的促销力度，吸引他们在开学季下更多的订单，同时在开学季前一两个月就开始产能规划，满足促销需求。在产品开发方面，通过消费者的关注来调整产品的功能和性能。比如前几年大家都喜欢用音乐手机， 但是现在大家更喜欢用手机上网，分享照片。提高手机的拍照功能是趋势，4G手机也占据了更大的市场份额。通过大数据对一些市场细节的分析，可以发现更多潜在的销售机会。
6.产品规划和时间安排
制造业正面临多品种、小批量的生产模式。细致的自动和及时的数据收集(MES/DCS)和可变性导致数据的急剧增加。再加上信息化十几年的历史数据，对于需要快速响应的APS来说是一个巨大的挑战。大数据可以给我们更详细的数据信息，发现历史预测与实际情况的偏差概率，考虑产能、人员技能、物料可用性、工装等方面的约束，通过智能优化算法制定预先计划的生产排产，监控计划与实际情况的偏差，动态调整计划生产排产。帮助我们避免“画像”的缺陷，直接把群体特征强加给个人(工作中心的数据直接变成某个具体设备、人员、 霉菌等等)。通过分析和监控数据，我们可以规划未来。大数据虽然略有瑕疵，但只要运用得当，大数据会成为我们的有力武器。当时福特问大数据的客户需求是什么？答案是“更快的马”，而不是现在已经流行的车。因此，在大数据的世界里，创造力、直觉、冒险精神和智力抱负尤为重要。
7.产品质量管理和分析
传统制造业面临大数据的冲击。在产品研发、工艺设计、质量管理、生产运营等各个方面，迫切期待创新方法诞生，以应对产业背景下大数据的挑战。比如半导体行业，芯片会经历掺杂、加层、光刻、热处理等很多复杂的工艺，每一步都要满足极其苛刻的物理特性。在处理产品的同时，高度自动化的设备也会产生大量的测试结果。这些海量数据是企业的负担还是企业的金矿？如果是后者，如何从“金矿”中快速找出产品收益率波动的关键原因？这是一个困扰半导体工程师多年的技术难题。
一家半导体技术公司生产的晶圆经过测试环节后，每天都会产生一个包含100多个测试项目、上百万条测试记录的数据集。根据质量管理的基本要求，一项必不可少的工作是对100多个不同技术规范的测试项目进行过程能力分析。按照传统的工作模式，我们需要逐级计算100多个过程能力指数，并逐一评估每个质量特性。抛开庞大繁琐的工作量不谈，即使有人能解决计算的问题，也很难从这100多个过程能力指数中看出它们之间的相关性，更难对产品的整体质量和性能有一个全面的了解和总结。但是，如果我们使用大数据质量管理分析平台， 我们不仅可以快速得到一份长长的传统单指标过程能力分析报告，更重要的是，我们还可以从同一个大数据集得到许多全新的分析结果。