大数据驱动工业智慧化“二次革命”

简介:

近日,在“2017中国工业大数据大会钱塘峰会”上,多位专家认为,大数据将是继机器换人之后驱动工业智慧化的“二次革命”,大数据的应用和产业化的时代正在到来。

大数据“渗透”工业领域

不论是早两年发布的《中国制造2025》、《促进大数据发展行动纲要》,还是今年1月工业和信息化部印发的《大数据产业发展规划(2016-2020年)》(以下简称《规划》),都明确提出要发展工业大数据,促进大数据在企业中落地应用。尤其在《规划》中,更是将深化工业大数据创新应用独立于其他行业作为一个单独的战略任务,再次凸显对于发展工业大数据的重视。

工业大数据主要来源于机器设备数据、工业信息化数据和产业链跨界数据。工信部信软司副司长李冠宇在会上表示,中国是制造业大国,也是消费大国,拥有丰富的工业大数据资源,培育数据驱动的新型工业体系,对加强制造强国和网络强国建设有十分重要的意义。

中策橡胶在引入工业大数据以及云计算技术之前,轮胎生产中的主要原材料橡胶会因为不同胶源产地、加工厂、批次等数千个复杂因子,影响橡胶块质量。据中策橡胶方面介绍,通过引入阿里云人工智能算法,现在已 能在短时间内分析出每一块橡胶的“出身”,匹配最优的合成方案,混炼胶的平均合格率提升了3%至5%。

越来越多的制造企业也像中策橡胶一样,开始进行转型升级。它们正从过去重视老三基(材料、工艺、零部件)向现在重视新三基(大数据、传感器和零部件)转变。这背后,是工业领域信息化不断深入、企业沉淀了大量数据资源的结果。

浙江省经济和信息化委员会副主任吴君青说:“浙江省大数据的应用和产业化已经进入了快车道,特别是在机器联网、智能制造等工程的带动下,工业的生产、管理、营销数据已形成一定规模,工业大数据在优化企业生产流程、提升管理效力、支持企业决策、开展精准营销等方面,开始显现出巨大作用。”

工业大数据尚处于“混沌期”

以大数据为代表的新一代信息技术正在引发我国新一轮科技革命和产业变革,加快从“制造大国”向“制造强国”转变。但业界普遍认为,大数据在工业领域的应用尚处于“混沌期”,仅在有限的点上进行了应用,产业发展逻辑、技术演进路线等均处于探索阶段。尤其对许多传统企业而言,如何正确认识大数据,如何将大数据融入原有体系,如何合理利用大数据,如何通过大数据来实现自身转型升级,仍然有所困惑。

对此,中国互联网协会常务副理事长高新民分析,首先所谓“大数据”,它的价值主要不在“大”上,而是体现在以应用和效果为导向的大数据的发现应用上。观念应从“Big data”(大数据)改为“Right data”(正确数据),找准数据才是关键。

第二,大数据应用的前提是数据的汇聚。数据来源往往是异地,技术是异构的,所有权是异主的,在多重异构的情况下,如何能够汇聚数据是巨大的挑战。“信息孤岛”实际上是一种常态,我们要在信息孤岛的情况下找到大数据汇聚的机制、技术和制度。

第三,目前大数据的应用和普及在我国主要集中在互联网服务领域,工业大数据与消费大数据不可同日而语,在整个工业领域,包括制造业领域对大数据企业而言,还处于探索和起步阶段。

多位专家认为,对于影响未来大数据产业发展格局的人才储备、产业生态等,必须提前谋划布局。李冠宇说,要破解这一瓶颈,需要传统产业升级和新兴产业培育两手共抓,需要工业大数据“产学研用”各个主体,真正发挥协同效应。

企业亟待转变观念

大数据是新一代信息技术的基础性技术,工业大数据发展潜力非常大。专家建议,发展工业大数据一定要解决好定位、规划、切入点、标准、开发共享等问题,理解“互联互通是基础、定制化服务是中心、懂数据会分析是关键”这一理念。

“工业大数据目前还是企业意识的问题,我们在很多地方对工业企业调研时发现,很多企业仍在用‘Excel(微软表格软件)来做决策’。而且多数企业在订单增长时,选择去买新设备,而不是研究目前生产线能否优化。”北京大学工业工程系主任侍乐媛认为,企业应关注效益质量,在管理上做创新。

侍乐媛说,当下,首先要解决的就是工业数据采集和互联互通问题。而目前来看,行业都是纵向发展的,制造业需要具备从经纬纵横各个方向采集数据的能力,才能实现大数据的实时、动态和优化。

“工业大数据是姓‘工业’还是姓‘数据’?”北京大学教授杨学山认为,工业大数据应明确是姓“工业”,它的主要目的就是为了解决工业发展面临的问题以及更好地应对挑战。

中国科学院院士、西安交通大学教授徐宗本也表示,产生效益是企业推动工业大数据的根本,但不能期望依靠某一个技术包打天下,真正产生效益和作用的是所有技术的综合运用。

高新民建议,工业大数据应该放在工业互联网的整体架构中推进,而工业互联网框架包含连接、数据、安全和应用,连接是基础,数据是核心,安全是保障,应用是价值。这四方面是个整体,只有整体推进,才能真正发挥大数据的作用,才能有效果,才能让企业获得竞争力。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
存储 数据采集 运维
助力工业物联网,工业大数据之业务系统结构【三】
助力工业物联网,工业大数据之业务系统结构【三】
78 0
|
4月前
|
人工智能 供应链 大数据
工业智能规模化趋势
工业智能规模化趋势
|
4月前
|
存储 SQL 关系型数据库
助力工业物联网,工业大数据之分层总体设计【六】
助力工业物联网,工业大数据之分层总体设计【六】
31 0
|
6月前
|
数据采集 监控 安全
在制造业中发展预测分析的四个技巧
在制造业中发展预测分析的四个技巧
|
10月前
|
人工智能 数据挖掘 大数据
(信息化,数字化,智能化)这是三种不同的概念吗?
“信息化”、“数字化”、“智能化”从字面意义上来看,这三个词的确代表了不同的含义。但是也不可否认,在目前我们可以接触到的信息平台来看。信息化、数字化、智能化很多时候都被混在一起了。提一家企业的信息化建设和数字化转型。在大多场景下的确就是一回事。
(信息化,数字化,智能化)这是三种不同的概念吗?
|
传感器 机器学习/深度学习 运维
互联制造,数据分析如何重塑制造业
根据IDC预测,到2021年全球将有七成以上的制造企业使用数据来增强自动化和运营。
|
人工智能 大数据 数据挖掘
数据驱动服务型社会建设
笔者在2019年12月13日由阿里云主办,天津云顶云科技有限公司承办的第三届天津云计算与数字化峰会产业互联网分论坛上的主题演讲。
650 0
数据驱动服务型社会建设

热门文章

最新文章