大数据导论chap11大数据在制造业中的应用课件.pptx

1、第11章 大数据在制造业中的应用工业大数据V1目录11.1 大数据下的工业革命11.3 大数据与智能工厂11.5 习题与实践第11章 大数据在制造业中的应用工业大数据11.2 工业大数据11.4 案例 随着信息化水平的不断提高，以智能制造为主导的第四次工业革命正在各国掀起变革浪潮，不论是德国的工业4.0、美国的工业互联网，还是国内的“中国制造2025”，新一代信息技术与制造业的深度融合正在引发生产方式、产业形态、商业模式和经济增长点的重大变革，“制造”正在向“智造”转变。11.1 大数据下的工业革命1工业革命历程 左图显示了历次工业革命发生的时间：1780年1870年之间发生了第一次工业革命，

2、1870年1970年之间发生了第二次工业革命，前两次工业革命已成为历史。1970年2030年是第三次工业革命的时间段，也是我们目前所处在的时代，第四次工业革命预计发生在2030年后，可见工业4.0其实属于将来要发生的变革。11.1.1 大数据下的国外工业4.0概念模式 “互联网+制造”就是工业4.04.0。“工业4.04.0”是德国推出的概念，美国叫“工业互联网”，我国叫“中国制造20252025”，这三者本质内容是一致的，都指向一个核心，就是智能制造。“互联网+”+”是巨大无比的概念，“互联网+”+”里面有“互联网+金融”叫做互联网金融、“互联网+零售”叫做互联网电子商务，而“互联网+制造”

3、就是工业4.04.0。它将推动中国制造向中国创造转型，所以很多人说，工业4.04.0是整个中国时代性的革命。Industry 4.0大数据下工业4.0概念模式大数据下工业4.0工业4.0的因素 工业4.0由互联、数据、创新、分析和整合五个因素构成。概念模式大数据下工业4.0工业4.0的技术基础 工业4.0技术基础包括终端、网络、服务器、安全、机器人、虚拟现实等6大项，可以说“互联网+制造”就是工业4.0。概念模式大数据下工业4.0智慧工厂 智慧工厂是现代工厂信息化发展的新阶段。是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和提高服务质量，加上绿色智能的手段和智能系统等新兴技

4、术于一体，构建一个高效节能的、绿色环保的、环境舒适的人性化工厂。是IBM“IBM“智慧地球”理念在制造业的实际应用的结果。概念模式大数据下工业4.0智慧工厂概念模式大数据下工业4.0智能生产 智能生产的侧重点在于将人机互动、智能物流管理、3D打印等先进技术应用于整个工业生产过程，从而形成高度灵活、个性化、网络化的产业链。概念模式大数据下工业4.0智能物流 智能物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维，感知，学习，推理判断和自行解决物流中某些问题的能力。智能物流的未来发展将会体现出四个特点：智能化，一体化和层次化，柔性化与社会化。概念模式大数据下工业4.0智能生产线 “工业4

5、.0”模式的智能生产线完全不同于只能生产单一类型产品的工业2.0、3.0流水线，它是用感应器、软件、通信系统配套运作，各个模块（工人、原料、机械、销售）之间可以实时组合成高效能的“智能细胞”，其可以根据所下订单的要求，对每一件产品进行特殊化打造，生产出外观、配料、性能等完全不同于大众商品的产品，用以满足消费者的具体需求。概念模式大数据下工业4.0生产步骤 企业想要实现工厂“工业4.0”模式的标准化建设最为重要的一点即是“数据采集分析”，在此过程中，企业将依据对大数据有效、准确的分析，对不同消费者或消费群体的消费习惯进行综合整理，形成方案，以下订单的形式指导生产。概念模式大数据下工业4.0工业4

6、.0时代的关键 智能分析与物联网的紧密结合将改造现有的生产管理和设备运行方式，机器运转过程中产生的大量工业数据被传感器等装置及时存贮和提取，还能够挖掘机器产生的历史数据。传送与集成平台、预测分析和可视化工具组成一个完整的转化平台，转化平台将海量的大数据转换成信息，海量的大数据经过智能提炼后成为少量信息，并将其转化为有用的实际处理信息，是工业4.0工厂的关键。概念模式大数据下工业4.0大数据在工业4.0体系中的应用层面 定义数据和信息，记录和管理来自物理空间收集的信息；在智能控制下将网络空间积累的知识应用于机器健康的评估；健康评估结果反馈至物理空间，并采取相应的行动，实现智能化操作。概念模式大数

7、据下工业4.0未来工业的发展方向 第四代工业革命“工业4.0”是未来工业的发展方向，在整个产业链内的所有机器通过网络和智能控制形成一个协作团队，相互联系，紧密衔接，实现智能化操作。面对由机器产生的庞大数据，需要采用预测工具，使得大量杂乱无章的数据被系统地处理成可用的信息，并且可用来解释某些不确定性，从而做出更多“知情”决定，实现机器的智能控制。大数据下的SAP工业革命企业5 5维度集成 现在许多企业顺应时代的发展，将大数据应用其中，积极进行改革升级，生产出富有“生命”的智能产品。例如SAP企业，研、产、供、销、服五个维度已经不是独立的系统，而是通过数据传输集成在一起，如左图。大数据下的SAP工

8、业革命 承载SAP企业大数据的高效运转的是SAP HANA SAP HANA(SAP High-Performance Analytic Appliance)即SAP高性能分析设备，它是一个软硬件结合体，专注于实施大数据分析和应用的内存计算机平台。SAP HANA集成了大数据分析所需的功能：（1）加速处理在线交易，同时可以作为数据仓库进行海量数据分析；（2）加速处理传统的关系型数据，又能链接外部的Hadoop进行非结构化数据处理，将企业常需的数据需求全部集中在一个平台上。“新工业革命”11.1.2 大数据下的“新工业革命”由来区别本质 由于中国独特的工业和市场的基础，因此中国将走上一条与众不同

9、、独具特色的“工业4.0”发展道路。2015年3月，在十二届全国人大三次会议上正式提出了中国制造20252025的战略规划，这可以说是中国版的“工业4.0”模式，是基于各个时期国内、国际经济社会发展现状，以及产业变革大趋势所制定的长期战略规划。2015年4月，全国首个大数据交易所“贵阳大数据交易所”成立，并完成了深圳腾讯计算机系统有限公司、广东省数字广东研究院与京东云平台、中金系统有限公司之间的数据交易，这为全国大数据的公开、运用及交易提供了借鉴。“新工业革命”由来区别本质 纵观新工业革命的历程，已经经历了三个回合。第一回合发生在美国。此外，美国政府从2009年开始重新重视制造业，并推出先进制

10、造业合作伙伴计划。2012年，美国提出工业互联网的概念。美国企业GE联合思科IBM组建了工业互联网联盟，以推动制造业的服务化发展。通过工业互联网的平台可以获取新的附加值，以此来引导美国的科技革命和产业变革。第二回合发生在2013年。在当年的汉诺威工业博览会上，德国政府正式推出工业4.0，号称全球第四次工业革命开始了。德国更是举全国之力开始推动工业4.0。第三回合就轮到中国了。“新的工业革命既然已经发生，我们就得应对，美国推出工业互联网，德国力推工业4.0，我们便出台了中国制造2025。这是第四次工业革命的第三个回合。”新工业革命的历程“新工业革命”由来异同本质“工业4.0”和“中国制造2025

11、”相同点是，都是在新一轮科技革命和产业变革背景下针对制造业发展提出的一个重要战略举措。不同点是，工业4.0仅是“中国制造2025”中的“1+X”规划体系里的个体规划，对于中国而言，工业2.0、3.0和4.0同时推动，更加复杂，更加艰巨。“新工业革命”由来异同本质“工业4.0”和“中国制造2025”工业4.04.0核心的内容是一个网络系统+制造“三化”。其中网络系统就是CPS，即信息物理融合的系统；制造“三化”是指数字化、网络化和智能化。中国制造20252025，跟工业4.0对比，它涵盖的面更广，主要是集中在制造业产品研发与设计、市场营销、内部管理、服务管理等各个方面。“新工业革命”由来异同本质

12、大数据与“新工业革命”“新工业革命”，本质上是智能革命，而智能革命的基础是信息化，大数据是根本。没有大数据对客观事物全面、快速、真实、准确的信息反馈，任何智能设备都不可能实现真正的智能。因此，即将来临的新工业革命也称之“后信息时代的革命”，归根到底，这是“大数据的革命”。“新工业革命”由来异同本质大数据与“新工业革命”众多传统制造企业利用大数据成功实现数字转型表明，随着“智能制造”快速普及，工业与互联网深度融合创新，工业大数据技术及应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素。有专家提出，制造业的大数据规模超过其他行业，且未来10年工业大数据增速要快于消费大数据。“新工业革命”由

13、来异同本质大数据与“新工业革命”大数据在工业领域的应用，实现了工业从研发、设计、生产、运营到服务全过程智能化，提升生产效率，降低资源消耗，提高产品质量。同时，数据驱动制造业生态变革，汇聚协作企业、产品、用户等产业链上的资源，通过平台开放共享，基于数据实现制造资源优化配置；还能实现产品、生产和服务创新，产生一系列新模式和新业态。“中国制造2025”实践范例 泉州制造2025作为泉州市制造业发展的十年战略性规划，其目标敲定为：到2025年，泉州将建成国内外知名的先进制造业基地、品牌之都、民营经济创新发展之城和制造业转型升级典范，跻身中国制造业综合水平1010强城市（不包括直辖市）之列。“中国制造2

14、025”实践范例 为了这一目标，方案提出了“产业共生、协同创新、智能制造、品牌拓展、服务增值”五条发展思路。这是泉州制造业转型升级的重点，也是泉州制造2025“重大战略任务”的主要内容。通过产业共生，加强各产业集群之间的关联，提升资源的配置效率，提升产业的经济效益；通过协同创新和实施三大行动，重塑泉州制造业的竞争优势。“中国制造2025”实践范例 泉州还提出建设“泉州云制造平台”。这个平台将融合数字化网络化制造技术，以及云计算、物联网、信息服务等技术，将各类制造资源和制造能力虚拟化和服务化，把资金流、信息化、物流、服务流统一构成制造资源和制造能力池，通过大数据分析快速调整供应链，开展有客户参与

15、设计的定制化生产。11.2 工业大数据2概述工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。定义工业互联网互联网大数据挑战与目的特征概述11.2.1 工业大数据概述2012年，通用电气公司（GE）首次明确了“工业大数据”的概念，该概念主要关注工业装备在使用过程中产生的海量机器数据。制造业存储了比任何其他一种行业都多的海量数据仅2

16、010年，制造业就存储了将近2EB的新数据。工业已经进人“大数据”时代。定义工业互联网互联网大数据挑战与目的特征概述 生产经营相关业务数据。这类数据来自企业信息化范畴，包括企业资源计划（ERP）、产品生命周期管（PLM）、供应链管理（SCM）、客户关系管理（CRM）和环境管理系统（EMS）等，此类数据是工业企业传统的数据资产。设备物联数据。主要是指工业生产过程中，装备、物料及产品加工过程的工况状态、环境参数等运营情况数据，通过制造执行系统（MES）实时传递，目前在智能装备大量应用的情况下，此类数据量增长最快。外部数据。这包括了工业企业产品售出之后的使用、运营情况的数据，同时还包括了大量客户、供

17、应商、互联网等数据状态。定义工业互联网互联网大数据挑战与目的特征概述与互联网大数据相比，工业大数据具有更强的专业性、关联性、流程性、时序性和解析性等特点，仅仅依靠传统的互联网大数据分析技术已无法满足工业大数据的分析要求。因此工业大数据分析并不仅仅依靠算法工具，还更加注重逻辑清晰的分析流程和与分析流程匹配的专业技术体系。互联网大数据可以从数据端出发看问题，但是工业大数据则应该从价值和功能端思考。定义工业互联网互联网大数据挑战与目的特征分类工业大数据互联网大数据数据要求全面样本数据，以覆盖工业过程中各类变化条件，时效性要求高大量样本数据，时效性要求低特征提取注重特征背后的物理意义以及特征之间关联性

18、的机理逻辑依靠统计学工具挖掘属性之间的关系，不注重属性的具体含义分析手段数据建模、分析更加复杂;需要专业领域的算法，不同行业、不同领域的算法差异很大;强调跨学科技术的融合具备成熟的数据挖掘算法;轻属性含义、重价值挖掘，从看似无关的属性中找出内在价值应用领域健康诊断、故障预警、工况识别、市场预测等图像识别、语音识别、语义分析、偏好推荐等工业大数据与互联网大数据的区别概述工业互联网可以从网络、数据和安全3个方面理解。其中，网络是基础，数据是核心，安全是保障。工业大数据是智能制造与工业互联网的核心，其本质是通过促进数据的自动流动解决控制和业务问题，减少决策过程带来的不确定性，并尽量克服人工决策的缺点

19、。定义工业互联网互联网大数据挑战与目的特征概述工业大数据贯穿了工业生产的全过程，全面细致地反映出制造业生产的全流程，从不同角度记录制造业生产的影响因素。通过对数据的汇总分析，以信息化带动工业化，帮助制造业企业科学决策、优化生产、精细管理，走上新型工业化的道路。定义工业互联网互联网大数据挑战与目的特征概述工业大数据除具有一般大数据的特征（数据量大、多样、快速和价值密度低）外，还具有多模态、强关联性、高通量等特征。定义工业互联网互联网大数据挑战与目的特征基于工业大数据的智慧矿山 如图所示未来可以通过工业大数据直接感知市场需求，通过市场分析可以知道哪一种铁矿石配比在当前市场上适销，据此确定各种铁矿石

20、的生产需求，并制定生产计划，然后实时将操作命令下达到相应的智能化工程装备，指挥这些工程装备协同工作，这就是跨尺度的信息集成和优化。这是一个经济体从低等收入到中等收入到高等收入过程中制造业在GDP中占比的一个苦笑曲线。在低收入的时候，一个国家的制造业在GDP的占比是比较低的，但是随着整个国家的国民收入水平的提高，注意这是它的发展的过程，制造业在GDP当中的占比在往上升，到了一定程度到了中等收入国家的时候，制造业在GDP当中的占比达到了顶峰。当它走向高收入国家的时候，制造业在GDP当中的占比就在下降。这是统计了两百年工业发展过程的一个总结，也是一种大数据。这个微笑曲线是把传统的苦笑曲线两端加上了大

21、数据的推力。是在产品装备的生命周期的设计制造阶段和回收再利用阶段，原来我们是靠制造获益，现在我们要在产品创新上获利、要在产品的服务阶段增加我们的利润。11.3 大数据与智能工厂3智能工厂概念及特点分析11.3.1 大数据与智能工厂 智能工厂是现代工厂信息化发展的新阶段。是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务;清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、及时正确地采集生产线数据，以及合理的生产计划编排与生产进度。并加上绿色智能的手段和智能系统等新兴技术于一体，构建一个高效节能的、绿色环保的、环境舒适的人性化工厂。应用智能工厂概念及特点分析 企

22、业发展智能制造的核心目的是拓展产品价值空间，侧重从单台设备自动化和产品智能化入手，基于生产效率和产品效能的提升实现价值增长。因此其智能工厂建设模式为推进生产设备(生产线)智能化，通过引进各类符合生产所需的智能装备，建立智能工厂的车间级智能生产单元，提高精准制造、敏捷制造、透明制造的能力。应用智能工厂的主要特点智能工厂概念及特点分析 按MES(Manufacturing Execution System)即制造企业生产过程执行系统的分类，智能工厂的行业可粗略地划分为离散型与流程型。其中，离散型行业主要包括机械、航空航天、汽车等，流程型行业主要包括石油化工、生物医药、食品饮料、纺织等。应用智能工厂

23、的行业改造智能工厂概念及特点分析应用智能工厂的基本架构智能工厂的数据分布在三个层次，这个基本架构，分别为顶层的计划层、中间层的执行层以及底层的设备控制层，大致可对应为ERPERP系统（企业资源计划）、MESMES系统（制造执行系统）以及PCSPCS系统（过程控制系统）。智能工厂概念及特点分析应用企业资源计划ERP 企业资源计划ERPERP(Enterprise Resource Planning)，除了传统的生产资源计划、制造、财务、销售、采购等功能外，还有质量管理，实验室管理，业务流程管理，产品数据管理，存货、分销与运输管理，人力资源管理和定期报告系统。ERP系统中的数据特性：把组织看作是一

24、个社会系统以供应链管理为核心以客户关系管理为前台重要支撑智能工厂概念及特点分析应用制造执行系统MES制造执行系统MESMES的实现技术：无线感测器将是智能工厂的重要利器控制系统网络化工业通讯无线化智能工厂概念及特点分析应用过程控制系统PCS PCSPCS即Process Control System的缩写，意思是过程控制系统。全集成自动化的不仅在设计和工程阶段，而且在装配和调试阶段以及操作和维护阶段都表现不俗，尤其是统一的数据管理、通讯和组态。应用11.3.2 智能工厂在我国的应用 大数据技术为一类新的人造资源加入到制造过程中，改变了制造业的组织方式和管理方式，推动制造业新的一轮重大技术创新和

25、管理创新。在诸多方面极其深刻地影响着我国制造模式和发展战略。新兴经济领域中国制造2025重点发展的十大领域重点项目IT新一代信息技术信息网络、5G、云计算、大数据、集成电路高端装备高档数控机床和机器人工业互联网、机器人航空航天装备航空发动机、嫦娥探月工程海洋工程装备及高技术船舶海工装备、船舶制造、燃气轮机先进轨道交通装备轨道交通新能源汽车节能与新能源汽车智能汽车电力电力装备新能源、能源互联网、智能电网新材料新材料石墨烯、碳纤维生物生物医药及高性能医疗器械生物医药、精准医疗、移动医疗农业农业机械装备高端农机智能工厂概念及特点分析应用应用 智能装备要想达到国际一流水平，单靠某一家企业的努力很难做到

26、。智能生产领域也需要类似大项目带动。针对这一情况，我国各企业加强了对智能装备的改造项目的重视程度，左表说明各个行业企业改造项目情况。智能工厂概念及特点分析应用11.3.3智能制造大数据分析 ERPERP、MESMES和信息物理系统（CPSCPS）需要联合工作，管理系统、感知系统采集设备信息，通过网络传输至云端进行分析处理，形成智能化应用。数据成为串起“云-管-端”架构的重要因素，此时需要对各类数据进行充分的分析，形成更多的应用，让沉睡数据变成企业资产。应用智能工厂概念及特点分析应用 点对点传输，智能工厂连接变得更简单 逻辑引擎，构建智能工厂规则 大数据分析，激活沉睡数据资产云服务的智能制造平台

27、应用智能工厂概念及特点分析应用 云计算服务平台的一大功能正是为了激活沉睡数据资产，智能工业中接入云端的设备、产品持续不断产生大量数据，虽然很多是大量无规则的非结构化数据，但云计算服务平台的强大计算功能可以从这些非结构化数据中挖掘出有用信息并形成应用。随着工业智能化发展，基于云平台的大数据正成为企业把握市场的关键，只有把握了平台，才不会沦为纯粹的硬件设备制造商，这也是物联智能工业4.0未来发展的导向。智能制造大数据分析的五个基本方面应用智能工厂概念及特点分析应用（1）Analytic Visualizations(可视化分析)（2）Data Mining Algorithms(数据挖掘算法)（3

28、）Predictive Analytic Capabilities(预测性分析能力)（4）Semantic Engines(语义引擎)（5）Data Quality and Master Data Management(数据质量和数据管理)11.4 案例4 酷特云蓝产值连续五年翻倍增长，利润率达到25%以上，运用互联网、大数据技术实现大规模个性化订制的酷特云蓝，不但踏对了互联网+工业、两化融合、供给侧结构性改革的节拍，更凭借在工业互联网领域的超前眼光和丰厚的实践经验，成为青岛新旧动能转换的样板。酷特智能大数据助推服装个性化定制酷特智能的由来 酷特(Cotte)的前身是创立20余年的大型服装企业

29、红领，它主要生产经营高档西服、西裤、衬衣及服饰系列产品。当众多企业还在研究“互联网+”“大数据”“供给侧改革”等新名词的时候，青岛酷特智能股份有限公司凭借一整套的创新模式与理论，依托大数据和互联网技术，开辟出一条工业化的个性定制服装路径，并形成了C2MC2M的商业模式。酷特智能的由来 酷特智能推出了升级后的全新品牌酷特云蓝，是全球个性化定制的供应商品牌、企业治理品牌、个性化定制时尚品牌，为国内市场及美国、欧洲、澳大利亚等海外市场提供个性化定制智能制造服务。酷特智能将以酷特云蓝为品牌依托，通过C2MC2M定制方式，实现了服装产品的个性化定制生产。客户通过门店、酷特云蓝手机APP自主选择定制西装的

30、版型、款式、面料、刺绣等个性化元素。服装大规模个性化定制体系架构信息系统集成协同关系 推进企业的信息化。在研发设计、生产过程、企业管理、采购营销等环节组织CAD、CAM、ERP、SCM、CRM的单项应用，围绕装备、产品、营销、管理信息化组织集成应用，实现了内部全业务流程的集团管控。酷特智能系统集成平台网络架构 酷特智能信息化系统，具有高可靠、多适应、可扩展的显著特点，可扩展至细分生产环节或服务单元，低成本对接不同系统、不同平台，打通企业现有的各种流程，帮助企业搭建具有灵活扩展能力的个性化定制产业互联网平台。酷特智能自主知识产权信息化系统架构 以自主开发形式为主，联合开发为辅，研发了适用于企业运

31、行的国际领先的信息化系统，覆盖公司运营的全过程，如：在线定制系统、交互平台及电子支付安全认证系统、版型智能制造系统、生产执行系统、物料管理系统、商业智能和支持系统等等。拥有多项软件著作权、专利权。采取认证机制来保证信息的安全性，支持分布式、集中式、云存储等不同方式的数据存储，不依赖于任何平台、系统、数据库，并支持不同标准。酷特智能定制与传统工厂的区别11.5 习题与实践5习题与实践习题实践11.5.1 习题1)制造业要实现物物相联，大数据在这一过程中扮演什么样的角色？2)工业大数据的来源与用途？3)什么是智能工厂，实现制造业智能化的意义？4)什么是MES，并说明其在制造业车间里的作用？5)什么

32、是CPS，大数据时代，CPS在制造业革新中发挥的作用？6)认识工业4.0，了解中国制造2025，根据本章所学内容，试阐述两者的共性和差异。7）智能工厂的特性是什么？8）制造大数据分析的几个方面是什么？习题与实践习题实践11.5.2 实践1）网上调研上海洋山港码头四期项目，分析智能码头中的大数据管理。2）我国高铁生产和管理实证调查，阐述大数据在智能制造中的作用。3）企业如何利用社交网络平台，进行客户评论分析，采用的文本挖掘的方法是什么？4）阐述11.4案例中酷特智能的个性化定制中生产和销售中的大数据是如何应用的。参考文献1 张翔,赵群.大数据时代中国制造业创新发展试述J.机械制造,2015,(0

33、8):1-5.2 赵永生,徐明昱.浅析大数据在工业制造业的应用与研究J.智能城市,2016,(04):86.3 王铁山.基于大数据的制造业转型升级J.西安邮电大学学报,2015,(05):79-83.4 刘强.大数据在工业制造业中的应用研究J.山东工业技术,2016,(15):22.5 王喜文.大数据驱动制造业迈向智能化J.物联网技术,2014,(12):7-8.6 候钟燕,杨炎.大数据、物联网的应用与发展J.中国新通信,2017,(04):77.7 Ray Y.Zhong,Stephen T.Newman,George Q.Huang,Shulin Lan.Big Data for supp

34、ly chain management in the service and manufacturing sectors:Challenges,opportunities,and future perspectivesJ.Computers&Industrial Engineering,2016,101:.8 Radu F.Babiceanu,Remzi Seker.Big Data and virtualization for manufacturing cyber-physical systems:A survey of the current status and future outl

35、ookJ.Computers in Industry,2016,:.参考文献9 Yingfeng Zhang,Shan Ren,Yang Liu,Shubin Si.A big data analytics architecture for cleaner manufacturing and maintenance processes of complex productsJ.Journal of Cleaner Production,2016,:.10 access做的MES生产管理系统OL.http:/ Shan Ren.Framework and key technologies for

36、 big data based on manufacturingA.信息化与工程国际学会.Proceedings of 2015 International Conference on Materials Engineering and Information Technology Applications(MEITA 2015)C.信息化与工程国际学会:,2015:5.12 Andrew Kusiak.Big Data:A Powerful Enabler of Intelligent ManufacturingA.International Association for Information and Management Sciences(IMS).Proceedings of the Thirteenth International Conference on Information and Management SciencesC.International Association for Information and Management Sciences(IMS):,2014:113“泉州制造2025”OL.http:/ 齐鲁网OL.http:/ 百度文库OL.http:/Thank YouThank You！