随着工程装备增量市场增长乏力，以维修保障为主的存量市场成为企业盈利新的增长点。我们利用了企业信息系统中的备件销售订单、采购订单和备件库存状态数据，以及工程物联网采集到的工况数据和外部互联网数据(如每个省的GDP，建筑、交通等规划数据)。
针对30个省市区进行了备件需要预测，平均预测精度为82%，每旬备件需求预测误差在5件或真实值的20%以内。库存水平控制在一个较低的稳定水平，仅为原来库存水平的48%。同时，因为考虑到了20天的配货周期，基于预测的补货策略可以保证现货满足率，消除紧急临时订单。如果按备件库存占有资金1亿元计算，可节约库存资金占用5000万元。
工业大数据是实现智能制造的基础原料，是提升工业生产力、竞争力、创新力的关键要素。然而必须看到，工业大数据是一个正在发展的学科领域，其内涵外延、模型理论、技术方法及其实施策略等还有待发展与创新。唯有结合中国国情认真实践，才能走出中国工业大数据自主之路，实现制造强国的战略目标。
作者简介：
王建民，清华大学教授、博导、软件学院副院长。国家政府特殊津贴获得者、国家杰出青年科学基金获得者。国家863 计划先进制造技术领域“面向制造业的核心软件开发”重大项目总体专家组组长（2012 年起）, “十二五”国家863计划先进制造领域制造服务技术主题专家组成员，国家卫计委人口健康信息化专家咨询委员会委员（2014年起），国家“核高基”科技重大专项总体组成员（2008-2013）。2006年入选国家教育部新世纪优秀人才支持计划，同年获得北京市师德先进个人；1998年获国家科技进步二等奖（排名4）；2012年获得国家教育部科技进步奖一等奖（排名1）；2013年获得中国电子学会科技进步一等奖（排名1），同年入选国家科技部中青年科技领军人才计划；2014年入选国家“万人计划”，同年获得国家科技进步二等奖（排名1）。