|
随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，使得工业企业所拥有的数据日益丰富。工业大数据是在工业领域信息化应用中所产生的数据，呈现出大体量、多源性、连续采样、价值密度低等特点，特别是互联网技术正在给传统工业发展方式带来颠覆性、革命性的影响。 二维码、RFID、传感器、工控系统、物联网、ERP、MES、CRM等技术的广泛应用，推动工业企业实现生产流程各环节的互联互通，促进互联网与工业融合发展。 但网络、通信、硬件设备等只是工业企业实现互联互通的基础，实时感知、采集、监控生产过程中产生的大量数据，运用大数据技术对企业产生、拥有的海量数据进行挖掘，得到有作用的分析结果，智能制造才能得以实现。 【大数据驱动智能制造的四种作用模式】 1.实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。 2.利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。 3.促进研发资源集成共享和创新协同。企业通过建设和完善研发设计知识库，促进数字化图纸、标准零部件库等设计数据在企业内部以及供应链上下游企业间的资源共享和创新协同，提升企业跨区域研发资源统筹管理和产业链协同设计能力。提升企业管理利用全球研发资源能力，优化重组研发流程，提高研发效率。
4.培育研发新模式。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。 1.提升车间管理水平。现代化工业制造生产线通过物联网及软硬件的采集，能够获取并记录大量生产现场的多种数据，例如：设备状态、订单情况、生产加工参数等。而在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺或进度，就会发出报警信号，快速地发现错误或者瓶颈所在。 2.优化生产流程。将生产制造各个环节的数据整合集聚，并对工业产品的生产过程建立虚拟模型，仿真并优化生产流程。当所有流程和绩效数据都能在系统中重建时，对各环节制造数据的集成分析有助于制造商改进其生产流程。例如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析，此举将会大大降低能耗。 3.推动现代化生产体系的建立。通过对制造生产全过程的自动化控制和智能化控制，促进信息共享、系统整合和业务协同，实现制造过程的科学决策，最大程度实现生产流程的自动化、个性化、柔性化和自我优化，实现提高精准制造、高端制造、敏捷制造的能力，加速智能车间、智能工厂等现代化生产体系建立，实现智能生产。 1.优化工业供应链。RFID等电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。 2.推动经营管理全流程的衔接和优化。整合企业生产数据、财务数据、管理数据、采购数据、销售数据和消费者行为数据等资源，通过数据挖掘分析，能够帮助企业找到生产要素的最佳投入比例，实现研产供销、经营管理、生产控制、业务与财务全流程的无缝衔接和业务协同，促进业务流程、决策流程、运营流程的整合、重组和优化，推动企业管理从金字塔静态管理组织向扁平化动态管理组织转变，利用云端数据集成驱动提升企业管理决策的科学性和运营一体化能力。 大数据将帮助工业企业不断创新产品和服务，发展新的商业模式。通过嵌在产品中的传感器，企业能够实时监测产品的运行状态，通过商务平台，企业能够获得产品的销售数据和客户数据，通过对这些数据的分析和预测，企业能够开展故障预警、远程监控、远程运维、质量诊断等在线增值服务，提供个性化、在线化、便捷化的增值服务，扩展产品价值空间，使得以产品为核心的经营模式向“制造+服务”的模式转变。 【积极推动我国工业大数据发展】 首先，开展工业大数据发展的相关法规、技术标准体系和数据标准体系建设，抓住在中国市场制定竞争新规则的机会；其次，聚焦重点行业领域工业大数据发展，形成中国自主的核心工业信息技术体系，打破西方主导格局；第三，瞄准我国用户的需求与本土环境特点，打造具有中国特色的工业大数据服务，实现规模化市场应用。 加快元数据、数据交换、数据交易、数据质量、安全保密等重点共性标准的制定和实施。鼓励龙头企业参与组建工业互联网联盟，建立企业间数据交换交易的规范和标准。加强大数据环境下信息安全技术研究，落实信息安全等级保护制度，建立健全大数据安全保障体系。明确数据所有权、使用权和各相关主体与信息之间的权利、责任和义务，修订和完善数据安全保护相关立法，对滥用数据、侵犯个人隐私等行为加强管理和惩戒。支持建立大数据测评机制，建立服务可用性、可靠性、安全性和质量等方面的大数据评估认证体系，支持第三方机构开展评估评测工作。 加大技术研发资金扶持力度，支持面向工业企业的数据集成、数据存储、数据处理和数据挖掘分析等核心关键核心技术攻关，推动已取得技术突破的领域加快成果转化和应用推广。 探索建立软件企业、互联网企业和工业企业的协同发展机制，支持引导软件和互联网企业深入工业领域，与工业企业从技术、资本等层面进行跨界战略合作探索，支持重点行业龙头企业研究规划互联网与各工业行业融合发展的技术路线图，支持相关企业开展工业大数据关键技术研究和产业化探索。 基于互联网平台建立面向工业不同行业、不同环节的大数据资源聚合、分析应用体系，扶持基于大数据的新技术、新产品、新模式，开展个性化定制、众包设计、智能监测、全产业链追溯、在线监控诊断及维护、工控系统安全监控、智能制造等新业务，培育新产业、新业态。推动大数据在工业企业产品全生命周期、产业链全流程各环节应用，分析感知用户需求，提升产品附加价值，建造智能工厂。选择典型企业、重点行业、重点地区开展大数据应用项目试点示范，积极推动制造业网络化、数据化、智能化和服务化的发展。 —— END —— 来源|盖勒普 |
|
|
