您的位置: 主页 > 虎虎vr > 做自己的英雄 孙楠:工业大数据创新应用

做自己的英雄 孙楠:工业大数据创新应用

时间: 2018-12-06阅读:

昆仑数据由来自IBM、华为、西门子、清华大学等的数据专家和行业专家创立,拥有丰富的全球实战经验和成功案例。经过几年的发展,昆仑数据已经发展成为工业大数据领域的排头兵,与新能源、石油化工、高端装备制造、电子制造、环保等领域的龙头企业携手引领行业发展。同时,昆仑数据主导《中国制造2025》大数据技术路线图制订,发起并运营工业大数据创新中心网络,贴身服务制造业产业集群。

说到工业大数据,必然要谈工业。经济体从中等收入向高收入迈进的过程中,会出现传统的制造行业向制造服务转移的瓶颈。同时,由于信息物理系统不断快速发展,全球面临工业革命的浪潮。

在全球工业革命浪潮来临之际,各制造大国纷纷出台符合各自国情的对策。比如德国提出了工业4.0,美国提出了工业互联网,我国在2015年5月提出了《中国制造2025》。对于中国企业,现在处在从低成本规模扩张到必须依靠创新引领发展的阶段。从三年前开始,大数据就开始向产业互联网领域渗透,数据领域不仅包括过往的网页数据、社交数据、电子商务数据,还融合了工业生产过程中产生的时空数据以及相应的科学数据。同时,大数据领域需要的人才不局限于软件专家、分析专家,也需要具有行业知识的专家。

过去,工业大数据更多的是从ERP系统和CRM系统等产生的企业经营数据。而现在,工业大数据融合了更多数据,包括生产设备、产品装备等产生的机器设备数据,同时,这些机器设备数据需要融入产业链跨界数据,比如产品装备所运行的环境数据、地理数据、气象数据,以及消费者或操作人员产生的数据。所以,而今工业大数据融合的数据面更广、更宽。

工业大数据具有多模态、高通量、强关联等特点。多模态指在一个高端装备制造的生产过程中,会产生300多种数据,这些数据由高端装备的35万个零部件产生,所以我们把这些数据称之为多模态。高通量指生产设备生产出来的产品,很多的时候是在24小时不断的运转,24小时不断产生数据,这些数据可能以分鐘、以秒级,甚至以毫秒级的频率产生。把这些数据累积起来,我们发现真正的工业数据的数据量非常大,并且实时性也非常高。在某些典型的场合下,我们会发现我们的数据量达到每秒千万点的数据量。同时,工业大数据是跨学科的,比如航空飞行器研发,不仅会涉及结构学,还会涉及流体力学、热力学、声学等,所有数据在不同学科之间进行交叉与互动,我们把这种关系称之为强关联。

下面谈谈工业大数据和商业大数据的区别:一、工业大数据以物理和环境为中心,商业大数据以人为中心;二、工业领域具有强机理性,在工业领域要取得进步非常难。在商业领域,宏观理念和定性认识起决定作用,存在广阔的提升空间。

大数据在企业的应用过程中会遇到挑战,第一个挑战是技术挑战,第二个挑战是管理挑战。关于技术挑战,传统工业企业处在工业1.0状态、工业2.0状态、工业3.0状态的分布,非常不均衡,这种状况会影响数据的基础和质量。同时,工业企业领域的大数据人才匮乏,工业企业要维护一个数据团队,去支撑整个数据应用的成本非常高。并且,每个工业应用领域都有自己独特的领域知识和机理,需要机理+数据,要找到一个普适的数据平台或普适的解决方法不可能。关于管理挑战,企业不知道业务和大数据技术怎么结合。同时,企业在信息领域的投资不能很快看到效益。并且,企业应用大数据以后,业务流程和管理流程会发生变化。

昆仑数据给企业提出大数据应用的建议时,会从业务驱动和数据驱动这两个角度带领企业一起思考。关于业务驱动,即帮助企业构思清楚,为什么要上数据系统,上数据系统后的业务目标有什么样的提升,理想的业务流程是什么,当前的业务流程和理想的业务流程之间有什么样的差距,如何把现在的数据流映射到现有的业务流里,等等。关于数据驱动,即企业的数据来自何处,数据量有多大,如何储存数据,如何保证数据质量,如何关联和集成数据,等等。把业务驱动和数据驱动思考清楚后,企业就可以构思整个大数据架构。

大数据在企业的落地,无非包括两个方面。第一个方面,在先进制造过程中,通过大数据驱动的创新产品设计、智能制造、智能服务等,在整个产品的生产制造全生命周期业务创新之内实现提质、增效、降耗、控险的目的,帮助企业提升在整个行业里面的竞争力。第二个方面,要为企业实现产业互联网新业务创新,即以智能联网的工业产品为载体承载服务产品周边生态系统的产业互联网业务,达到开创新兴市场和业务模式的目的。

例如,手机制造商卖手机的很大利润不是来自于手机制造本身,而是来自于应用手机制造商的APP,产业互联网要达成这样的目的。比如传统的农机制造商可以向农业服务进行演化,能源装备制造商可以向能源互联网演化,工程机械制造商可以去拓展其业务,向融资、租赁、工程服务承包等领域去演化。

上一篇:4849地铁迷情:大数据产业发展评估体系
下一篇:没有了

相关阅读