“數(shù)據(jù)科學(xué)”是一個非常廣的概念，這里指的是所有和算法、大數(shù)據(jù)、可視化、機(jī)器學(xué)習(xí)可以相關(guān)的技術(shù)，在制造企業(yè)的應(yīng)用

數(shù)據(jù)的興起

數(shù)據(jù)在制造業(yè)并不是一個新的東西，或者說制造業(yè)幾乎是最早應(yīng)用數(shù)據(jù)在工作的行業(yè)。公差、工藝的狀態(tài)、各類的標(biāo)準(zhǔn)，用數(shù)據(jù)來判斷質(zhì)量，全都是數(shù)據(jù)，包括一直在應(yīng)用的最優(yōu)化求解。

現(xiàn)在大數(shù)據(jù)在制造業(yè)中的興起，更多的是一個整個社會，各個行業(yè)都在追趕這一波大數(shù)據(jù)、AI的浪潮。再加上經(jīng)濟(jì)形式對各個國家的影響，主要的大國都提出了“智能制造”“工業(yè)4.0”“工業(yè)互聯(lián)網(wǎng)”“先進(jìn)制造業(yè)”這樣的概念，讓數(shù)據(jù)在制造業(yè)的應(yīng)用，特別火熱。說白了，就是趕上了好時候

有需求

有數(shù)據(jù)

有知識

有能力

再加上風(fēng)口。

數(shù)據(jù)在制造企業(yè)的應(yīng)用，首先是作為一個企業(yè)，在銷售，客戶管理方向的應(yīng)用。這個點(diǎn)和互聯(lián)網(wǎng)等其他行業(yè)的企業(yè)類似。一些其他的主要應(yīng)用如下：

物流優(yōu)化/倉儲優(yōu)化/生產(chǎn)排程/...

物流規(guī)劃、庫存優(yōu)化以及涉及到眾多限制條件、考慮到多種因素的生產(chǎn)排程（Advanced Planning and Scheduling），都可以歸結(jié)于約束求解問題。

這類問題可以看做是回答一個“在什么時候（時間），誰在哪里（資源），做什么事情（任務(wù)）”的問題

這樣的經(jīng)典問題，已經(jīng)有非常多的商業(yè)化的解決方案。不過因?yàn)槊總€企業(yè)的情況不同，這些商業(yè)化的解決方案在每個企業(yè)的落地也都會面臨著不同的問題。

雖然方法是經(jīng)典的已經(jīng)有方法，但是在約束條件以及需要規(guī)劃的對象大大增加，并且對于實(shí)時性以及對變化的快速響應(yīng)這些要求下，往往都是需要更多的思考和工作，才能讓系統(tǒng)滿足對于時間、精度的要求以及這兩者之間的平衡。

設(shè)備故障預(yù)測PHM（prognostic and health management）

設(shè)備狀態(tài)診斷，故障預(yù)測，

是綜合利用現(xiàn)代信息技術(shù)、人工智能技術(shù)的最新研究成果而提出的一種全新的管理健康狀態(tài)的解決方案。

PHM系統(tǒng)未來一段時間內(nèi)系統(tǒng)失效可能性以及采取適當(dāng)維護(hù)措施的能力，一般具備故障檢測與隔離、故障診斷、故障預(yù)測、健康管理和部件壽命追蹤等能力。

經(jīng)常會聽到的Predictive Maintanance預(yù)測性維護(hù)也是屬于這個大的概念的一部分，總體來說就是利用設(shè)備的一些信息判斷目前狀態(tài)，并且以此來判斷設(shè)備的剩余壽命，制定更高效穩(wěn)定的維護(hù)計(jì)劃，以此保證生產(chǎn)的效率。

這個領(lǐng)域因?yàn)槭艿綁臉颖玖康南拗疲簿褪窃O(shè)備“異?！钡那闆r極少，“正?！钡那闆r極多。在這樣的情況下，典型的有監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)的應(yīng)用比較受限。比較經(jīng)常使用的是異常檢測的方法。

在重設(shè)備的行業(yè)，航空，風(fēng)電火電等等，設(shè)備診斷往往是第一個數(shù)據(jù)科學(xué)應(yīng)用的場景。

實(shí)時質(zhì)量控制

自動質(zhì)量控制從產(chǎn)生的最初開始就和數(shù)據(jù)掛鉤在一起，質(zhì)量好或者不好的評價在很多的領(lǐng)域都是用直接的數(shù)據(jù)來衡量。質(zhì)量相關(guān)的工作，從生產(chǎn)質(zhì)量控制，問題分析，到質(zhì)量體系等等，都是直接利用數(shù)據(jù)工作的。

在這一波“數(shù)據(jù)科學(xué)”在工業(yè)界的席卷之下，質(zhì)量控制的思路，從面向結(jié)果的質(zhì)量控制方式，也就是【生產(chǎn)+質(zhì)檢】的方式，慢慢轉(zhuǎn)向了直接從生產(chǎn)過程中判斷質(zhì)量的方式?？梢灶惐扔凇邦A(yù)測性維護(hù)”，叫做“質(zhì)量預(yù)測”。在一個生產(chǎn)過程結(jié)束之后，可以通過生產(chǎn)過程的實(shí)際參數(shù)，預(yù)測出最終產(chǎn)品質(zhì)量。

一方面可以減少質(zhì)檢的工作量，另外一方面，通過這樣的分析，對于影響質(zhì)量的關(guān)鍵因素的理解和發(fā)現(xiàn)，對于生產(chǎn)過程的理解、分析也會更加深入，可以由此再正向的改進(jìn)質(zhì)量。

圖像識別在這個領(lǐng)域也有了大量的應(yīng)用。應(yīng)用的場景主要是用來減少人力投入或者是在某些用人力做起來比較吃力的場景（比如發(fā)現(xiàn)細(xì)微的缺陷，比如某些過程的中間環(huán)節(jié)質(zhì)檢，人員可能無法到達(dá)，比如數(shù)量巨大，人只能做抽檢）。在這些場景，現(xiàn)在越來越成熟的計(jì)算機(jī)視覺技術(shù)，加上越來越便宜的算力，有了巨大的應(yīng)用價值。

數(shù)據(jù)分析的開始

在一個制造企業(yè)中，往往數(shù)字化、應(yīng)用數(shù)據(jù)的開始，就是一些可視化的數(shù)據(jù)探索。通過把一些數(shù)據(jù)某些維度可視化，挖掘出一些淺層的信息，或者是僅僅幫助確認(rèn)一些“看似知道，好像不確定，知道有，但是不知道多少”的問題。這些往往已經(jīng)可以帶來很大的價值，尤其是用于領(lǐng)導(dǎo)層的決策，用于高效的展示結(jié)果以及問題的交流。

在這個過程開始后，慢慢開始意識到數(shù)據(jù)的價值，建立數(shù)據(jù)團(tuán)隊(duì)，更多的建立數(shù)據(jù)的基礎(chǔ)設(shè)施，挖掘更多的數(shù)據(jù)價值，形成一個正向的循環(huán)。

但是這每一步，除了可能或有或無的意識到數(shù)據(jù)是有價值這一點(diǎn)，沒一點(diǎn)都不是那么的容易。有眾多的企業(yè)，還才只是在從工業(yè)2.0開始，向著3.0跨出了幾小步。

——————————————————————————

關(guān)注這個公眾號，回復(fù)“4”，送你最全的工業(yè)4.0參考資料