|
传统制造业的转型升级，是中国经济下一步发展的重中之重。而在这一次转型进程中，向智能制造迈进无疑是能够实现转型升级的关键因素之一。那么，究竟如何才能实现智能制造呢？或者说，从什么角度切入，才有可能向智能制造迈进呢？ 是购买更多的智能化设备？还是用工业机器人将工厂武装起来？ 个人认为这些都不是关键。设备再先进，机器人再智能，但如果企业生产的产品根本不能满足用户的需求，得不到消费者的欢迎，那么也没有太大的价值。 而从工业大数据入手，通过对工业大数据进行分析、挖掘，提升企业的生产、管理、营销、设计等各方面的能力和效率，才是智能制造最合适的切入点。 在这方面，中国工业是具备天然优势的，因为有大量的工业大数据在中国汇集，这无疑给中国的智能制造带来好的资源优势。只有充分利用这一资源，才能弥补中国在装备制造和核心零部件等方面的弱势与短板，可以这么说，大数据将是中国搭上第四次科技革命快车的大资本。 李杰教授作为全球知名的工业大数据专家，在他的《从大数据到智能制造》一书中，就对大数据和智能制造的关系进行了深入的分析和阐述。 在书中，李杰教授认为，大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量数据，通过对这些数据的分析和挖掘可以了解问题产生的过程、造成的影响和解决的方式，这些信息被抽象化建模后转化成知识，再利用知识去认识、解决和避免问题，核心是从以往依靠人的经验（experiencebased），转向依靠挖掘数据中隐性的线索（evidence based），使得制造知识能够被更加高效和自发地产生、利用和传承。 因此，问题和知识是目的，而数据则是一种手段。今天我们来谈利用大数据实现智能制造，是因为大数据已经成为一个日益明显的现象，而在制造系统和商业环境变得日益复杂的今天，利用大数据去解决问题和积累知识或许是更加高效和便捷的方式。 大数据的目的并不是追求数据量大，而是通过系统式地数据收集和分析手段，实现价值的最大化。所以推动智能制造的并不是大数据本身，而是大数据的分析技术。 在新制造革命的转型中，是否能够更加有效地利用好大数据，决定了能否在竞争中脱颖而出。 在现在的制造中，存在着许多无法被定量、无法被决策者掌握的不确定因素，这些不确定因素既存在于制造过程中，也存在于制造过程之外的使用过程中。 前三次工业革命主要解决的都是可见的问题，例如避免产品缺陷、避免加工失效、提升设备效率和可靠性、避免设备故障和安全问题等。这些问题在工业生产中由于可见可测量，往往比较容易避免和解决。不可见的问题通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。 这些因素由于其很难通过测量被定量化，往往是工业生产中不可控的风险，大部分可见的问题都是这些不可见的因素积累到一定程度所造成的。 在书中还阐述了大数据推动智能制造的三个方向：第一个方向是利用数据来了解和解决可见的问题；第二个方向是利用数据来分析和预测不可见的问题，从仅仅明白解决问题的“knowhow”，进一步理解问题产生的原因，从而避免可见的问题；第三个方向则是从数据中挖掘新的知识，再利用知识去重新定义问题，使得可见或不可见的问题都可以在制造系统中避免。 除了理论、趋势的分析和探索，在书中还引用了17个案例进行详细的分析，使读者在接触理念和概念之后，通过真实、有效的案例能够对大数据推动智能制造有一个更加明确、直观的认识。 “借助本书，我们不仅要向读者介绍大数据和智能制造的技术，更重要的是传达一种思维方式，以及对智能制造的理解、解决问题的逻辑和重新定义制造的思考方式。”这是李杰教授在本书前沿中所写的最后一句话。我想，这也是对于很多制造业企业老板以及CIO们十分重要的建议：智能制造不仅仅是买买先进设备、工业机器人那么简单，关键在于你的思维方式以及对智能制造的理解是否已经转变，这一点至关重要。 如果你对工业大数据或者智能制造感兴趣，如果你是制造业企业的老板或者CIO，那么建议你读一读李杰教授的这本著作：《从大数据到智能制造》，相信一定会有所收获和启发。 （欢迎大家关注并留言，我们将会从留言中选出一位读者，赠送《从大数据到智能制造》图书一本！） |
|
|
