一 解读工业4.0与智能制造

1 德国工业4.0的真实意义

2 德国，美国，中国制造战略的差异

3 大数据的意义：机器人+MES=智能制造吗？

二 大数据及其技术基础

1 何为“大”？大数据的4V

2 大数据的三大技术基础与四大处理方法

3 核心技术简介：数据挖掘的算法与应用场景

4 关联背景简介：人工智能，hadoop，神经网络。。。

5 案例：大数据的商业应用-用户画像与精准营销

三 工业大数据的系统构建

1 工业大数据的特点：非结构化、实时性

2 工业大数据与商业大数据的特点对比

3 工厂大数据的管理现状：数据孤岛、标准不一、缺乏算法等

4 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

5 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

6 相关技术简介：CPS与IoT

四 大数据与工厂设备故障

1 传统故障诊断技术

2 案例：大数据在设备诊断中的应用

五 大数据与工厂计划排程

1 管理现状：计划赶不上变化

2 无约束计划与现实存在的瓶颈

3 案例讨论：APS系统与数据

六 大数据驱动的智能车间

1 实施基础：车间、云端、物联网与移动互联

2 数据化管理

3 关联分析与演化规律

4 案例：数据驱动的红领服装工厂