制造业是一个国家综合国力最重要的表现，在国民经济中占有重要份额，也是决定民众生活质量的重要条件。中国的制造业在改革开放30多年来取得了举世瞩目的成就，连续几年成为“世界制造力竞争指数”最强的国家，中国已然成为世界制造业的新中心。2015年中，国务院印发《中国制造2025》，部署全面推进实施制造强国战略。配套“互联网+”和“供给侧改革”等多项措施，“智能制造”被定位为中国制造的主攻方向。
大数据是智能制造核心驱动力
如何实现智能制造? 从哈佛商学院到宾夕法尼亚大学沃顿商学院，有一个普遍的共识，即数字化转型是智能制造实现的途径。更为重要的是，这一共识同样来自众多的世界级制造业企业家们。
这一共识是基于无数技术趋势的融合。例如物联网、信息物理系统技术(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟／增强现实（VR／AR）、大数据分析等。我们一定要保持头脑清醒，不要简单认为有了这些技术，未来五年就是制造业的黄金时期，因为新制造业文化的变革进程是相当复杂、缓慢和艰难的，没有行业与企业与用户的融合推进，这次变革无法实现。数字化转型不仅仅意味着企业简单的数字化，而是把数字作为智能制造的核心驱动力，需要利用数据去整合产业链和价值链。
数据基本就是两类，一类是人类轨迹产生的数据，另一类是机器自动产生的数据。这两类数据构成了我们今天的大数据多结构化数据源。自工业革命以来，为了改进运营，制造商一直以来都在有意采集并存储数据。随着时间的推移，数据在制造业分析的需求将越来越大。然而在过去的250年间，利用数据的根本动因并没有改变，但数据的复杂性增强，将数据转化为情报的能力将有越来越大的需求。
如果通过利用大数据、预测性分析及云技术衡量产品性能只为了解客户需求，这意味着你正在失去数字化转型最大的价值。在工业大数据的领域里，我们除了要继续关心“人为数据或与人相关的数据”，更多的要关注“机器数据或工业数据”与人的行为数据的融合。
大数据以及工业大数据的特性
数据本身不会为你带来价值，数据的技术也不会让我们的制造业更先进，数据必须转成信息后才会对产业产生价值。智能工厂通过与环境系统的无缝交互，设备能够有自我意识和自学能力，在未来可以实现更高程度的智能控制和优化控制。目前自学设备还远未达到工业实施阶段。
制造业企业有着大量的数据，从内部而言，积累了大量的内源数据，包括运维、管理、流程、质量等。而在互联网时代，外源数据更多，包括供应商、竞争对手、客户反馈等等。事实上，制造业企业不缺数据，问题在于数据质量低下，采集手段不科学。造成的现象是数据丰富但信息贫乏。目前表现出两大问题：第一是数据的有效利用率很低；第二是缺乏分析能力，需要大量的工具。
在智能制造的工业大数据中，数据类型多样性是大数据的重要属性。大量的数据不是大数据，单一的数据类型也不足以构成大数据。人们一直设法收集并弄清楚不断变化的数据类型。在制造业中，大数据分析需要利用通用的数据模型，将库存记录、交易记录和财务交易记录等结构性商业系统数据与预警、流程参数和质量事件、社交媒体或其他协作平台获得的文本信息、图像数据、地理或地质信息等非结构性操作系统数据以及供应商、公共网络数据结合起来，进而通过先进的分析工具发现新的洞见。
大数据与智能制造的关系
在工业大数据的实践中，宏观与微观、规模与定制、个性与共性必然成为主要的几对矛盾。未来制造业经济是由企业流程以及产业链接口能力所决定的，而机器的能力是基础。
在现代工业供应链中，随着大数据应用的普及，我们可以感受到从采购、生产、物流到销售市场都是大数据的战场。大数据可以帮助我们实现客户的分析和挖掘，它的应用场景包括了实时核心、交易、服务、后台服务等。其载体包括手机、传感器、穿戴设备、3D打印机和平板电脑等。传感器数据属于工业大数据类别之一，这些机器数据可以帮助我们找到已经发生的问题，协助预测类似问题未来重复发生的几率与时间，帮助我们保障生产，满足法律法规的要求，提升环保水平，改善客户服务。
因此，利用大数据的工具，通过数据分析和挖掘，我们可以了解问题产生的过程、造成的影响和解决的方式，找到创造附加价值的新形式。利用大数据的工具和思维，帮助制造业实现商业模式的转变，改造和提升客户体验，完善内部操作流程，或许是最佳途径之一。
工业物联网平台
制造业的大数据分析已经成为工业物联网的一部分，为企业传统供应应用程序的升级和改造提供依据。工业物联网实现了产品的可溯源，降低了质量成本，而且在流程数字化方面推动了制造业智能化。
构成新的工业物联网应用工作区的将是全新的下一代系统。这些应用程序将填补传统架构的空白，吸收任何地方的数据并将其传输到任何其他地方，从而帮助进行新的分析以及为新的混合应用程序所用。这些应用程序还可以简化分析，供车间人员所用，以及/或将这些解决方案与必要的服务和数据科学家专业知识结合起来。
我们许多生产流程的手册和模型都有知识差距，这也是建立产品或企业级别的知识库之所以那么艰难的的原因所在。而物联网有可能填补这些差距。流程数字化将带给我们的未来是：从设计到用户体验，一切都是有结构的和数据可寻的。这样，制造商不仅可以理解实体产品是怎样设计和制造的，还可以了解用户体验如何以及如何与产品互动。
大数据与智能制造的意义与影响
制造即运营管理，是供应链的四大环节之一，负责规划、组织、管理所有制造产品所需要的资源，包括设备、人力、技术、流程、信息等。其主要职能是统筹相关的资源与活动，将投入的资源转变成最终可销售的产品和服务。每个企业都有自己的规划和自己企业在运营环节的管理最佳实践。大数据对促进供应链中的生产环节产生了前所未有的巨大影响，在众多的运营决策改进里面，这些影响包括产品设计、质量控制、客户画像等等。大数据及其 分析将影响制造业的规范性、产品以及服务的品质以及卓越运营这三大方面。
利用大数据来实现制造业卓越运营
当企业高管们在探索如何利用大数据改善运营之时，我们需要从企业的生产目标以及更高的商业目标开始思考这个问题。越来越多的管理人员意识到，贯穿产品生命周期各个阶段的数据，将成为能給企业带来高效增值的极有价值的原始材料。
将数据和大数据分析结合起来时，之前未知而有待发现的相关性以及打破信息孤岛的可能性变得越来越大。把从运营中已使用到的大数据、社会媒体以及物联网等新的数据源，以及融合大数据分析解决方案的能力三者结合起来，大数据就可以为管理层提供运营洞见。
在制造行业，企业边界日益模糊，最难以预测的外部因素，当数颠覆性创新。互联互通彻底改变了商业游戏规则，在意识到竞争时已为时过晚。对于所有希望转型的制造业企业来说，企业管理者需要迅速全面了解前沿技术及其相关性与关联性，利用现代企业架构，重新定义企业，通过全供应链的数字化，来获得更为高效、智能与高利润的服务产品。
我们要从设备智能管理、工业大数据入手分析，驾驭工业物联网的三驾马车，结合现代制造业企业的下一代企业架构，让自己有能力从内打破，打造并形成数据红利，在这场智能制造的文化升级中，实现重生，实现我们的制造强国之梦。
共有条评论 网友评论