打通數據流 工業大數據助力實現精細管理及協同創新
2020-07-06 14:51:48
次
近日，工業和信息化部印發《關于工業大數據發展的指導意見》（以下簡稱《指導意見》）?！吨笇б庖姟返目傮w要求是，促進工業數據匯聚共享、深化數據融合創新、提升數據治理能力、加強數據安全管理，著力打造資源富集、應用繁榮、產業進步、治理有序的工業大數據生態體系。
美林數據聯合創始人/執行總裁程宏斌認為，當前，工業企業整體的信息化水平較低、數字化基礎薄弱，主要原因是對數據不夠重視且缺乏有效的數據治理和數據分析手段。《指導意見》明確提出：加快數據匯聚、推動數據共享、深化數據應用、完善數據治理、強化數據安全、促進產業發展、加強組織保障。這有利于引導和推動工業大數據技術的研究和深入應用，解決數據匯集不全面、數據流通共享不充分、分析應用和安全治理難等行業長存的問題。
工業大數據是工業互聯網、智能制造的核心
未來，作為“新基建”重要組成部分的工業互聯網必定會成為工業制造企業的發展重點，在這一過程中，工業大數據將扮演什么角色，從哪些方面會推動工業互聯網的建設以及制造業轉型升級？
對此，程宏斌表示，工業大數據是制造業業務實現智能生產、精益管理、產品服務、協同創新等轉型變革的重要支撐條件。工業大數據是工業互聯網、智能制造的核心，其本質是通過促進數據的自動流動解決業務問題，減少決策過程帶來的不確定性，并盡量克服人工決策的缺點。
實現智能生產化：通過工業大數據可以實現生產制造全過程的自動化控制和智能化控制，促進業務協同、系統融合和信息共享。典型的業務場景包括優化設備運行、識別設備故障、追溯質量根因等。
實現精益化管理：整合多方數據資源，通過數據挖掘分析技術，幫助企業找到生產要素的最佳投入比例，提高運作效率，實現量化管控。典型的業務場景包括生產效能提升、能耗優化、供應鏈管控等。
實現服務型制造：利用外部的客戶數據、產品運行數據，實時感知產品的運行狀態和用戶反饋，從而不斷創新產品和服務，發展新的商業模式，從制造向智造轉變。典型的業務場景包括產品全生命周期管理、產品快反管控。
實現跨界協同融合創新：通過大數據技術，橫向實現產線、車間、工廠的互聯互通，縱向實現產業鏈上下游企業的互聯互通，打破數據和技術壁壘，從而實現產業互聯。
需求多樣應根據不同發展階段適配相應服務
在美林數據看來，目前，在所接觸和實際服務的工業制造企業中，對于工業大數據應用和工業互聯網建設方面主要呈現三方面共性需求：亟需建立統一的數據標準和數據資源管理平臺；亟需通過大數據手段，提高企業的管控水平，支撐企業運營和決策；亟需通過數據分析手段解決實際的業務問題，發掘數據價值。
而在個性化需求方面，程宏斌認為，以智能制造領域為例，制造業務問題復雜，且影響因素眾多，需要結合不同細分領域和企業具體業務問題提供定制化的解決方案。針對信息化基礎相對薄弱的企業，以數據基礎建設為主，主要提供數據規劃、數據標準等數據治理服務；針對信息程度較高、具備一定的數據基礎、數據質量較高的企業，主要提供數據分析工具和服務，一方面提供基于集成融合數據的經營、生產的綜合業務應用；另一方面提供解決產品質量、產品運維、生產效能等的業務痛點的分析服務，例如產品質量檢測及工藝優化、設備健康管理、效能提升、庫存優化等。
同時，程宏斌表示，工業大數據的發展不是一蹴而就的，需要結合企業信息化建設和大數據應用情況，提供相應的解決方案，才能發揮大數據真正的價值。我們將企業的數字化能力分為三個階段，不同的階段應適配的提供相應服務：
第一階段：“業務煙囪時期”，這個階段的企業有一定的信息化基礎，但是各業務系統孤立存在，形成一個個信息孤島。針對這一類客戶，重點提供數據規劃與數據治理，制定數據標準，對機器數據、管理數據進行集成，按照人、機器、制造環節、產品、時間等角度進行融合，對數據進行標準化和規范化，提升數據質量，完善數據體系，記錄追溯數據，打破數據孤島，建立安全數據環境，實現各業務系統的貫通。
第二階段：“初步集成時期”，即企業已經完成數據的集成融合，橫向多個業務系統已經貫通，縱向從廠所到集團完成跨組織的集成。針對這一類客戶，利用數據基礎，依托覆蓋數據管理職能和數據運營的全生命周期技術，提升數據處理效率、深入分析挖掘數據，豐富數據應用場景，加速數據價值釋放。為企業提供生產、制造、經營服務管理。包括：從傳統的定期更換、故障維修轉變為基于設備數據采集、分析挖掘的設備健康管理，實時監控產品運行狀態、開展遠程運維等服務型制造新模式。
第三階段：“業務互聯時期”， 企業具備良好的數字化基礎，亟需通過大數據技術解決具體業務痛點，同時實現企業與客戶、企業上下游之間的互聯互通。針對這一類客戶，一方面通過數據分析挖掘技術，發現數據間的關聯關系，幫助企業解決實際業務問題、提質增效；另一方面，整合企業、企業用戶、行業數據資源，構建大數據服務平臺和工業互聯網平臺，為企業與用戶、上下游合作伙伴建立交互平臺，實現從制造向智造的本質轉變。
從四個方面建立面向業務價值的全域貫通融合數據流
工業大數據的數據來源和數據應用環節較為復雜，要想建立面向制造業業務價值的全域數據，需以經營管理為目標，集成融合生產制造全過程數據流。美林數據認為應從以下四個方面著手：
數據標準建設：統一數據標準，包括資產編碼、拆分、知識庫數據體系、分類分級體系等內容，加快數據質量、數據治理關鍵標準研制，建立行業、企業數據規范。
場景化的應用：所謂場景為王，大數據的競爭來源于場景化落地應用能力的比拼，貼近用戶將是重中之重，基于場景的數據變現成為現實，才能加速產業落地，起到很好的示范作用。
數據融合共享：一方面，打通企業內部數據，橫向包括企業多個業務系統，縱向貫通從廠所到集團；另一方面，實現企業與客戶、上下游合作伙伴間的互聯互通，通過數據共享、交換等方式，提高數據資源價值；最后，政府職能從管理型向服務型轉變，開放公共數據資源，提供產業服務和制造資源服務。
數據安全管理：建立數據安全管理規范，加強數據安全技術的研究與應用，以及數據安全的教育培訓工作，全面保障數據安全，確保數據流的安全性、可靠性、有序性。
未來工業大數據技術的發展方向將聚焦這些方面
隨著萬物互聯時代的到來，人、機器設備和工業系統被連接在一起，在企業的生產、制造、經營過程中，每天都在產生海量的數據，但是真正有價值的信息并不多，原始數據和離散數據不能直接產生價值。工業大數據的意義不僅僅在于生產和掌握龐大的數據信息，更重要的是對有價值的數據進行專業化處理，推動大數據在工業研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，幫助工業企業提質增效，推動制造模式變革和工業轉型升級。
一直以來，美林數據堅持以大數據、人工智能技術及產品創新為方向，圍繞智慧能源和智能制造兩大重點領域進行戰略布局，發揮數據、算法、技術、業務的融合價值。
在智慧能源領域，重點圍繞電網、風電、水務等方向，提供以數據治理、企業級數據資產管理、智慧能源大數據應用為核心的數據增值解決方案及服務，集中迭代并推廣數據資產圖譜平臺、配網多源網架融合及智能核查系統、智能反竊電稽查系統、智慧售電量預測系統、風電大數據平臺、水務大數據平臺等產品。
在智能制造領域，圍繞數字化研發、數字化制造、數字化運營和智能化服務等環節，持續為客戶提供從可行性論證、頂層設計到落地實施的一體化數據增值解決方案與服務，解決客戶數字化轉型過程中的各類業務痛點。滿足客戶在系統集成、數據治理、數據資產管理、制造過程診斷與優化、設備遠程監控與故障診斷、企業運營管控與決策支持方面的切實需求。
程宏斌認為，未來，對智能感知、平臺構建、數據分析等基礎共性技術能力、以及人工智能前沿技術的研究，將是工業大數據技術的發展方向。
來源：中國信息化周報
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
