中小型网站建设讯息,免费logo商标设计软件,网络安全,thinkphp企业网站系统转载自知乎#xff1a;https://zhuanlan.zhihu.com/p/71123406 #xff08;少量删节#xff09; 对于企业而言#xff0c;了解工业大数据产生的背景#xff0c;归纳工业企业大数据的分类和特点#xff0c;从数据流推动工业价值创造的视角看待、重造工业价值流程#xff…转载自知乎https://zhuanlan.zhihu.com/p/71123406 少量删节 对于企业而言了解工业大数据产生的背景归纳工业企业大数据的分类和特点从数据流推动工业价值创造的视角看待、重造工业价值流程将具有很强的现实意义。
目录一、工业大数据产生的背景二、工业大数据的特点和分类三、工业大数据应用案例四、工业大数据的实践指导一、工业大数据产生的背景
在工业生产中无时不刻都在产生数据。生产机床的转速、能耗食品加工的温湿度火力发电机组的燃烧和燃煤消耗汽车的装备数据物流车队的位置和速度等都是在生产过程中的数据。
任何数据的采集和使用都是有成本的工业数据也不例外。但随着信息、电子和数学技术的发展传感器、物联网等技术的发展一批智能化、高精度、长续航、高性价比、微型传感器面世以物联网为代表的新一代网络技术在移动数据通信的支持下能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构大幅降低工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例传统模式下每个电网、化工企业都需要建立一套SCADA系统成本在千万以上如果采用云架构模式成本将可以降低7成以上。
社会需求变革是最大拉动力。在商品过剩经济时代以个性化为代表的消费文化使得工业企业的产出物要最大限度匹配个性需求。要响应个性化需求有两种方式以服装定制为例 靠老师傅用尺子量眼见手摸凭借经验确定服装的裁剪和版型这种我们可以称之为模拟方式效率和质量难以保证耗时长个性化定制的成本高 还有一种是数字方式就是通过制订一套数据采集手段由前台的客户代表测量采集用户身形数据然后将数据传回总部将结合生产原材料数据将需求分解为一项一项的生产工艺动作最后也生产出达到定制化要求服装。工厂也会聘请资深的老师傅他们的主要工作不是面对一个个客户的定制化需求而是去研究更好的生产工艺对数据和工艺分解进行把控。这种模式下效率和质量得到保证效率随着生产线的扩容线性提升有一批专家队伍不断研究提升工艺能力定制化生产的成本将得以显著摊薄。 从发展趋势看后者这种数字模式的个性化生产将是未来选择。
国策方针是重要影响力。完成了工业自动化过程的德国工业界在自动化基础上以工业数据为基础引入云计算和人工智能技术提升工业的智能化水平以满足大批量个性化定制的社会生产需求美国拥有强大的云计算、互联网及数据处理能力基于此提出工业互联网战略将单个设备、单条生产线、单个工厂的数据联网通过大数据处理后在诊断、预测、后服务等方面挖掘工业服务的价值。
中国相对于德国、美国而言在工业自动化、在云计算等领域都处于发展期因此提出中国制造2025计划通过工业化和信息化融合发展的方式将工业化和信息化整体规划并制定一系列的重点工程和推进计划。
二、工业大数据的特点和分类
不管是工业自动化、还是工业智能化(工业4.0)、或者是工业互联网概念他们的基础是工业数据。随着行业发展工业企业收集的数据维度不断扩大。主要体现在三个方面 **一是时间维度不断延长。**经过多年的生产经营积累下来历年的产品数据、工业数据、原材料数据和生产设备数据;二是数据范围不断扩大。随着企业信息化建设的过程一方面积累了企业的财务、供应商数据也通过CRM系统积累了客户数据通过CAD等积累了研发过程数据通过摄像头积累了生产安全数据等另一方面越来越多的外部数据也被收集回来包括市场数据、社交网络数据、企业舆情数据等;三是数据粒度不断细化。从一款产品到多款、多系列产品使得产品数据不断细化从单机机床到联网机床使得数据交互频率大大增强加工精度从1mm提升到0.2mm从5分钟每次的统计到每5秒的全程监测都使得采集到的数据精细度不断提升。
以上三个维度最终导致企业所积累的数据量以加速度的方式在增加构成了工业大数据的集合。不管企业是否承认这些数据都堆砌在工厂的各个角落而且在不断增加。
再从企业经营的视角来看待这些工业数据。可以按照数据的用途分成三类
第一类是经营性数据比如财务、资产、人事、供应商基础信息等数据这些数据在企业信息化建设过程中陆陆续续积累起来表现了一个工业企业的经营要素和成果。第二类是生产性数据这部分是围绕企业生产过程中积累的数据包括原材料、研发、生产工艺、半成品、成品、售后服务等。随着数字机床、自动化生产线、SCADA系统的建设这些数据也被企业大量记录下来。这些数据是工业生产过程中价值增值的体现是决定企业差异性的核心所在。第三类是环境类数据包括布置在机床的设备诊断系统库房、车间的温湿度数据以及能耗数据废水废气的排放等数据。这些数据对工业生产过程中起到约束作用。
三、工业大数据应用案例
大数据在工业企业的应用主要体现在三方面
一是基于数据的产品价值挖掘。通过对产品及相关数据进行二次挖掘创造新价值。
日本的科研人员日前设计出一种新型座椅能够通过分析相关数据识别主人以此确保汽车的安全。实验数据显示这种车座的识别准确率高达98%。三一公司的挖掘机指数也是如此。通过在线跟踪销售出去的挖掘机的开工、负荷情况就能了解全国各地基建情况进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。
二是提升服务型生产。提升服务型生产就是增加服务在生产(产品)的价值比重。
主要体现在两个方向。一是前向延伸就是在售前阶段通过用户参与、个性化设计的方式吸引、引导和锁定用户。比如红领西服的服装定制通过精准的量体裁衣在其他成衣服装规模关店的市场下能保持每年150%的收入和利润增长每件衣服的成本仅比成衣高10%。当然了小米手机也属于这一类。二是后向延伸通过销售的产品建立客户和厂家的互动产生持续性价值。苹果手机的硬件配置是标准的但每个苹果手机用户安装的软件是个性化的这里面最大的功劳是APPStore。苹果通过销售苹果终端产品只是开始通过APPStore建立用户和厂商的连接满足用户个性化需求提供差异性服务年创造收入在百亿美金。
三是创新商业模式。商业模式创新主要体现在两个方面一是基于工业大数据工业企业对外能提供什么样的创新性商业服务二是在工业大数据背景下能接受什么样的新型的商业服务。最优的情况是通过提供创新性商业模式能获得更多的客户发掘更多的蓝海市场赢取更多的利润同时通过接受创新性的工业服务降低了生产成本、经营风险。
国内外有一批企业提供云服务架构的工业大数据平台。包括海尔收购GE的白电业务的一揽子合作中就包括GE的Predix工业大数据平台向海尔开放接入海尔的工厂提供工业大数据服务。
四、工业大数据的实践指导
工业大数据建设首先是一种思维变革改变以前以要素竞争为主的工业生产模式进入到数据和创新竞争为主的新生产时代。其次正如清华大学王建民教授所言“工业大数据不存在交钥匙工程”因此需要企业领导人、管理层、员工和相关人都投身其中各司其职才有所成。
工业大数据建设抓住两个跳板作为突破点。一个是最长的板也就是梳理产品(工业)竞争力最强的因素在哪里继续深挖下面的数据价值围绕这一块的工业数据构建产品和服务能力另一个是最短的板就是影响工业企业发展的痛点在哪里成本、市场、还是供应链还是能耗?在数据化时代下寻找机遇大数据的解决方案。
