大数据技术在新工业革命中将扮演着重要的角色。制造业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售后服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求，评估和改进当前操作工艺流程，从而提供更好的设计工具，缩短产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链管理环节，制造业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。同时大数据也是推进传统制造业转型升级的重要工具。因此在新工业革命的世界竞争中，制造业大数据必将是各国信息技术企业竞争的焦点。要迎接新工业革命的挑战，必须发展制造业大数据。制造业大数据的特点：从制造业大数据的特点来看，它符合大数据定义中的 4V 特点，数据规 模 大 （ Volume ） 、 处 理 速 度 快 （ Velocity ） 、 数 据 多 样 化（Variety）、数据价值密度低（Value）.从规模来看，工业数据的主体，是由机器设备所产生的数据量远超过其它行业以人为主要产生的数据量。以风力发电机为例，终端正常状态下每秒会产生一个数据包，这个数据包包含 500 个左右的测点数据。如果全部数据需要处理与存储，那么 1000 台风机发电机产生的测点数据每秒可高达 50 万个。而无论是大型的风电场运营企业还是风电设备制造商，其需要监控的风机都会达到数千甚至上万的规模。而且与金融、电信等传统服务业可以区分忙时与闲时不同，大多数工业设备的运转都具有长时间连续的特点。数据通常需要长时间或者永久保留，总的规模应该是 TB 或者 PB 级。1 千千个 G 等于1 个 TB，1000 个 TB 约等于一个 PB 级。从处理速度来看，由于源数据的持续高吞吐量，大数据处理平台必须能够高速的对数据进行实时解包、协议解析、格式转换等基本处理。而在越来越多的智能化应用中，需要能够进行实时的数据分析并完成相应操作。特别是在控制系统中，针对安全生产的实时故障检测要求从数据收集到完成数据分析能够实现秒级甚至毫秒级的事前预警或事后报警停机，以避免事故的发生或对设备本身造成更大的连锁损害。从数据多样性来看，工业数据不仅包括机器设备产生的时序、时空、高伟矩阵等数据，同时还有 ERP 等信息化管理系统产生的关系型数据，设计研发环节的产品图纸、工...
