大数据重塑制造业


让企业看到效益的技术可以真正被视为成功。 吴何权院士在首届数字中国建设峰会大数据子论坛上分享了一系列关于大数据和企业数字化转型的生动故事:苏州协鑫公司专注于光伏切片,利用阿里开发的ET brain分析0.2毫米厚硅片的长期积累数据,从数千个生产参数中找到60个关键参数,通过优化生产工艺,产量提高1%,实现年利润数亿元;联想集团利用其全球数据中心掌握的数据,与宝钢合作建立钢铁销量预测系统。通过机器学习和地图分析,找出相关性,预测钢材市场需求。预测准确率为92.2%,库存周期缩短20%,客户采购资金节省数亿元。

许多传统制造企业通过使用大数据成功实现了数字化转型。研究表明,随着“智能制造”的迅速普及以及工业与互联网的深度融合和创新,工业大数据技术和应用将成为未来制造业提高生产率、竞争力和创新能力的关键要素。 一些专家认为,制造业大数据的规模超过了其他行业,未来10年,工业大数据的增长率将高于消费大数据的增长率。

大数据在工业领域的应用实现了工业从研发、设计、生产、运营到服务的全过程智能化,提高了生产效率,降低了资源消耗,提高了产品质量。 同时,数据推动制造业的生态转型,将来自合作企业、产品、用户等产业链的资源聚集在一起,通过平台的开放共享,实现基于数据的制造资源优化配置。它还可以实现产品、生产和服务的创新,产生一系列新的模式和形式。 《2017中国工业大数据产业发展概要》显示,2016年中国工业大数据市场已达到150亿元,预计2020年将达到822亿元。在工业应用中,工业大数据的比例预计到2020年将达到6.64%

然而,目前,大数据在我国大多数工业企业的开发和应用仍处于起步阶段。仍然不清楚为什么应该使用大数据,应该收集什么大数据,以及如何使用大数据,落后于消费者互联网。 工业场景的高度复杂性使得工业大数据的应用更加困难。 例如,由于制造操作的复杂性,不同行业中使用的设备和过程差异很大,使得数据采集变得困难。大规模工业数据对数据存储和传输提出了更高的要求。企业对工业云的认识薄弱,导致数据孤岛和数据安全问题等。

下一步,工业大数据的核心目标将是不断优化制造资源的配置效率,探索方法、途径和模式,实现更好的质量、更低的成本、更快的交付速度、更高的满意度,提高制造业的全要素生产率。 利用中国各行各业、互联网和电子商务的比较优势,实现新工业革命时代的“超车换道”。 (曹红岩)