1. 解读工业4.0与智能制造
Ø 德国工业4.0的真实意义
Ø 德国,美国,中国制造战略的差异
Ø 大数据的意义:机器人+MES=智能制造吗?
2. 大数据及其技术基础
Ø 何为“大”?大数据的4V
Ø 大数据的三大技术基础与四大处理方法
Ø 核心技术简介:数据挖掘的算法与应用场景
Ø 关联背景简介:人工智能,hadoop,神经网络。。。
Ø 案例:大数据的商业应用-用户画像与精准营销
3. 工业大数据的系统构建
Ø 工业大数据的特点:非结构化、实时性
Ø 工业大数据与商业大数据的特点对比
Ø 工厂大数据的管理现状:数据孤岛、标准不一、缺乏算法等
Ø 工业大数据的体系构建:
* 数据采集:从ERP到物联网
* 数据处理:数据质量、成熟度、建模
* 应用场景:产品设计、设备诊断、质量管理等
Ø 工厂运营数据的关联与分析探索
* 工厂运营数据的类型:业务分类与结构分类
* 工厂运营目标与数据关联的逻辑
* 讨论:运营数据变化与工厂布局、生产模式的关系
Ø 相关技术简介:CPS与IoT
4. 大数据与工厂设备故障
Ø 传统故障诊断技术
Ø 案例:大数据在设备诊断中的应用
5. 大数据与工厂计划排程
Ø 管理现状:计划赶不上变化
Ø 无约束计划与现实存在的瓶颈
Ø 案例讨论:APS系统与数据
6. 大数据驱动的智能车间
Ø 实施基础:车间、云端、物联网与移动互联
Ø 数据化管理
Ø 关联分析与演化规律
Ø 案例:数据驱动的红领服装工厂