大数据分析的效能现在已经没有人会怀疑，目前摆在企业、方案提供商面前的最大挑战是，它适用于哪些领域，以什么样的形式进行应用。本文列举了大数据分析如何帮助制造业公司增加收入并降低运营成本的代表性用例，我们希望能够通过这些鲜活的用例，为行业提供指引。
制造业大数据分析用例
生产优化
提取工艺改进
一家纵向一体化的贵金属制造商的上游矿石品位出现了显著的下降，它希望能够通过改善金属提取和精炼工艺弥补这种损失。该制造商的大数据解决方案使用传感器数据来确定哪些因素对产出的影响最大，最终的结果显示氧气水平是影响产量的关键因素。生产部门按照分析结果微调了浸出工艺过程，换来了3.7%的产量提升，相应的每年因此增收1-2千万美元。这对于难以逆转的20％的矿石品位下降率现实来说，已经是一笔很客观的收入。
提高化工收率
一家领先的欧洲化学品制造商在部署了大数据解决方案后也获得了丰厚的回报。方案分析了每个输入因素是如何影响产出，比如温度、原料数量、二氧化碳流量和冷却剂压力等，并将它们的影响率相互比较。结果，他们发现二氧化碳流速对产量的影响最为明显。因此，他们微调了相关的参数，实现了减少20％原材料浪费和减少15％能源成本，以及显著提高了产量等多重收益。
提高疫苗产量
一家大型制药公司也通过大数据解决方案找到了一种提高疫苗产量的方法。方案分析了生产设备的传感器数据，揭示了各种生产参数之间的相互依赖性，并比较了每个参数对产量的影响。根据分析结果，他们重新调整了9个最关键的参数以优化生产过程，最终使疫苗的产量提高了50％。现在，这家公司每年每款疫苗产品都能增收500万到1000万美元。
优化糖的甜味
高湿度和低质量的原材料严重影响了一家大型制糖厂的产品口味。为了解决这个问题，大数据解决方案开始用于分析糖厂传感器数据，并找到了有助于获得最佳糖质的参数之间的相关性。幸运的是，以这种分析结果为依据，糖厂找到了一种快速调整产品质量并达到一致标准的方法，且不受到外部因素的影响。这样一来，糖厂就能够降低生产成本，提高客户满意度并简化工作量。
质量保证
车辆前期研发质量保证
早在2014年，宝马就使用大数据来检测其新款车的原型车中的漏洞，包括从经过测试的原型车和已经在使用的汽车上的传感器收集数据。宝马的大数据分析解决方案（很可能已与他们的车辆设计和建模软件集成在一起）发现了原型车和已在使用的汽车中的弱点和错误模式。它使工程师能够在原型车实际投入生产之前消除发现的漏洞，并有助于减少召回已在使用中的汽车。因此，宝马通过这种手段不仅可以确保车辆前期研发阶段的更高质量，还可以降低保修成本，提高品牌声誉并可能挽救生命。
喷气发动机设计
著名的飞机发动机制造商罗尔斯·罗伊斯广泛使用大数据分析技术，他们最有趣的制造大数据体验之一与新飞机发动机建模有关。在设计阶段，他们的软件（与大数据工具集成）可创建新喷气发动机的仿真并分析TB级的大数据，以检查新模型是否运行良好。这使公司可以在模型投入生产之前发现缺陷，从而降低了与缺陷相关的成本，并有助于设计更高质量的产品。
企业管理
数据驱动的企业发展
在制造业中使用大数据分析，可以帮助公司应对全球化发展挑战，例如是否需要将生产转移到其他国家或在新地点开设新工厂。在这方面，公司自身的历史数据以及外部资源数据，能够用以建立预测模型和假设情景，来确定在当前位置或当前范围运营工厂是否仍然有利可图。此外，如果应用得当，大数据还可以帮助企业开拓未知领域的市场，例如研发新产品甚至建立新市场。
可控的供应链管理
为了避免与供应链故障相关的成本，一些企业需要一种更好的方法来管理原材料的交付。他们决定使用供应商的路线详细信息以及可信赖的外部来源提供的天气和交通数据来确定交货延迟的可能性。为此，他们的大数据工具（可能已与物资需求计划MRP集成在一起）使用了预测分析，以实现预判可能的延迟和原材料短缺。根据这些计算，企业可以制定与供应链有关的应急计划，达到不间断地运行其生产，并避免过多的停机成本的目标。
预测性维护
英特尔的工厂设备将物联网生成的数据实时传输到其大数据解决方案（可能与MES集成）中，借助大数据分析进行模式识别、故障检测和可视化。它使工程师可以直观的看到设备运转的哪些趋势需要紧急应对，以及需要采取什么措施来防止车间设备发生严重损坏。这样的预测性维护方案将设备维护反应时间从4小时减少到30秒，并降低了运营成本。2017年，借助大数据和物联网，英特尔可能能够节省1亿美元，预测性维护已经进入英特尔公司大数据用例的TOP3。
售后服务
联网汽车
一些车企现在使用大数据为其客户提供售后支持并确保持续改进产品，他们的运营中心能够实时分析从汽车传感器传来的大量数据（诊断数据、行驶里程、地理位置等），并帮助工程师深入了解产品的性能。通过对这些数据的分析，车企可以监视产品的状态，记录甚至预测某些故障，并尽早提供维护服务以避免严重的故障。这种方法不但可以帮助车企提高产品质量，还能提升汽车用户体验。
船体清洁
卡特彼勒海事公司（Caterpillar Marine）分析了船体清洁对船队效能的影响，他们的大数据解决方案（与他们的资产智能平台集成）对清洁过船体的船舶和没有清洁船体的船舶两种状态的传感器数据进行了分析，然后，他们发现客户的船体清洁投资与船队的绩效之间存在相关性。很快，卡特彼勒得出结论，他们的客户需要更频繁地清洁船体（每6.2个月一次，而不是2年），经过验证船队的相关投资已经得到了回报。
风电场优化
通用电气以个性化的方式为客户提供售后服务，他们的风电场客户现在使用4个级别的大数据分析解决方案。
- 级别1：风力发电机的传感器数据分析，使风电场能够自动优化发电机的叶片角度和能量转换。
- 级别2：风电场监控软件将传感器数据与预测值进行比较，并识别性能模式，这有助于风电场开展预防性维护。
- 级别3：风电场使用历史数据和实时数据来构建预测模型，查找关联，检测故障并识别模式以优化风电场的工作。
- 级别4：将数据可视化并提供给高层管理人员，以进行全局范围内的决策优化。
