大数据分析如何让制造行业变得更好?

　　咨询机构麦肯锡公司Valerio Dilda表示，“大多数制造商已经进行了明显的改进，以简化其运营，使用传统方法尽可能提高供应链和工厂的生产力。然而，在经济增长缓慢、环境不确定的情况下，企业必须更多地寻找新的方法来提高运营效率和盈利能力。”

　　其答案是采用大数据分析。过程工业的制造商和公司将会生成大量数据，但很少使用这种智能工具。多年来，大多数制造商在其IT能力方面比较落后，并且为此付出了一定的代价。

　　“然而，得益于成本更低的计算能力和快速发展的分析机会，过程工业制造商可以将这些数据运用到工作中，从多个数据源收集信息，并利用机器学习模型和可视化平台发现新方法，从采购中优化其流程的原材料销售成品。”Dilda继续说。

　　尽管每个用例都有所不同，但了解如何在制造中使用大数据分析的情况很有帮助。以下来看看一些重要的领域：

　　(1)预测性维护

　　大数据分析在制造行业中取得的大成就之一是预测性维护的作用。随着当今*设备中安装部署各种传感器和网络连接设备，制造商有可能采用算法在问题出现之前发现并发情况，并在问题变得更加严重可能付出高昂代价之前解决。

　　预测性维护有可能在一年内为制造商节省数百万美元的费用，延长设备使用寿命，并确保运营。并且，由于大数据平台的发展，收集这些见解变得更加容易且更具成本效益。

　　(2)性能分析

　　企业很容易假设一切正常，但在80%的容量和95%的容量之间有巨大的差异。大数据允许企业根据期望的产出水平来分析业绩并做出改变。

　　以工业机械手为例。许多企业直到近都在使用一刀切的产品，但这种情况正在发生变化。例如这个领域的厂商之一Dalmec公司已经遇到了发展瓶颈，并意识到已经到了切割机解决方案不起作用的地步。而使用数据和分析，他们可以购买专门为特定功能设计的的机械手。这导致提高生产力和性能。

　　(3)缩短停机时间

　　对于制造商而言，没有什么比停机时间的代价更加高昂。在某些行业，每分钟损失的成本可能花费数千美元，而每年将花费数百万美元。有了适合的系统(由大数据驱动的系统)，这些组织可以大大减少停机时间，并确保大生产力。

　　除了巩固盈亏底线之外，停机时间的缩短提高了运营效率，减轻了压力，增强了品牌忠诚度，并且实现了创新和创造力。

　　(4)改进战略决策

　　在一天结束时，大数据分析将帮助制造商做出战略决策。这些工具包括：数据清理工具、剖析工具、数据挖掘工具、数据映射工具、数据分析平台、数据可视化资源、数据监控解决方案等等。企业学习如何将正确的工具与正确的结果相结合是这个过程中的一个重要步骤。

　　变化即将到来

　　大数据分析正在改变制造业的概念既令人兴奋又令人畏惧。对于那些多年来收集数据却没有更好地使用数据的公司来说，他们对于利用大数据的想法有点畏惧，但是一旦克服了初的挑战，就会意识到将会获得巨大的发展和提升的机会。