你好,游客 登录 注册 搜索
背景:
阅读新闻

工业大数据发展背景及应用

[日期:2017-01-24] 来源:大数据观察  作者:西奥马尔编辑 [字体: ]

  工业是国民经济不可或缺的一环,也是一个国家强大竞争力背后的力量支撑。而我国工业目前的现状是,位居世界第一,但却大而不强。

  目前,我国劳动力成本较高、产品质量和生产效率较低、资源和环境压力大,这些是工业领域面临的主要问题。

  从中国工业企业方面来看,企业创新能力不足,高端和高价值产品欠缺,在国际产业分工中处于中低端状态。虽然不少中小型制造企业实现了机械化,但仍有很多农业机械装备企业没有达到工业2.0阶段。制造企业整体的规模化、标准化、自动化和信息化水平发展不一、参差不齐,中国工业企业急需转型和升级。

blob.png

  一份来自麦肯锡的调查报告显示,制造企业在利用大数据技术后,其生产成本能够降低10%—15%,大数据对于工业企业的重要性不言而喻。不同层面的制造企业在发展过程中,应该采取相应的大数据策略,才能离“工业4.0”、“工业互联网”和“中国制造2025”更近一步。

  工业大数据发展背景

  从国际发展形势看,无论是德国“工业4.0”、美国“工业互联网”,还是“中国制造2025”,各国制造业创新战略的实施都是基于工业大数据采集和分析,并以此为制造系统搭建应用环境。

  “中国制造2025”这一目标,没有大数据就一定不能达到吗?美林工业大数据业务总监李琼接受数据猿记者采访时表示,从严格意义上说,工业大数据不是一切,有了工业大数据不一定就可以做到智能制造和智能服务,但是如果没有工业大数据,实现智能制造就会比较困难。换句话说,工业大数据是实现智能制造和智能服务的重要工具和手段。

  先进制造企业基于工业大数据的应用,把产品、机器、资源和人有机结合在一起,不但能够推动传统制造企业向智能化方向转型,还能够形成企业与消费者之间的信息主动反馈机制,为建立以服务为核心的整体数据解决方案提供可行路径,同时能够提升产品服务价值,为制造业转型升级开辟新途径。

  从数据来源方面看,工业数据源愈来愈丰富,主要包括信息管理系统数据、机器设备数据和外部数据。信息管理系统数据指传统工业自动化控制与信息化系统产生的数据,如ERP、MES等。机器设备数据来源于工业生产线设备、机器、产品等方面,多由传感器、设备仪器仪表产生。外部数据是指来源于工厂外部的数据,主要包括互联网市场、环境、客户、政府、供应链等外部环境产生的信息和数据。

  从实际应用场景来看,超算科技HPC事业部总监丁峻宏认为,如今工业企业从产品设计到制造环节,很多工具软件和流程都实现了数字化和自动化,这样就可以记录海量数据。在这种情况下,工业企业的运营模式也将发生一些转变,工厂生产完产品以后,后期还要关注其运维、维修情况,传统制造业在向服务化转变。另外,在企业生产各环节,可以利用大数据技术,降低产品制造成本。

  工业大数据的应用

  发展大数据是个过程,最终目的是为了利用大数据,对工业企业起到作用。因此,企业需要冷静思考,坚持以业务应用为驱动,才能最大化实现数据价值。

  其中,工业大数据在实际应用过程中,有三大关键问题需要企业关注:

  一,数据质量控制问题。企业信息系统的数据质量仍然存在问题,例如2014年某大型机车企业ERP系统中有近20%物料存在“一物多码”问题;

  二,多源数据关联问题。针对装备物联网数据和外部互联网数据,可以根据其绑定的物理对象(零部件或产品)与相应的BOM节点相关联,从而以BOM为桥梁,关联3个不同来源的工业大数据;

  三,大数据系统集成问题。工业大数据来源广泛,并且装备物联网数据(半结构化数据)和外部互联网数据(非结构化数据)都要与企业信息系统(结构化数据)进行集成,因此要重构数据支撑平台,甚至替换“旧”系统。

  美林工业大数据业务总监李琼告诉数据猿记者,在工业企业生产制造产品的过程中,通过数据采集和分析,可以提供信息决策支持,在产品的生产流程、上游供应链、产品质量、生产管理控制、研发设计、下游供应链、远程维修维护等环节起到重要作用。

  1,生产流程:有些企业在各生产环节的状态并非最优,导致开机率不高。为了提高产品生产线的运转效率,可以利用大数据技术进行分析和处理,帮助企业提升效率和收益;

  2,上游供应链:在工业领域上游供应链中,如果产品零部件生产过多,不仅会产生大量库存,还会占用企业现金流,资产产生损失。大数据可以帮其预测订单量,降低产品库存压力和生产成本;

  3,产品质量:以某企业为例,以前该企业生产的产品合格率为95%,存在一定量不合格产品。通过数据分析,可以找出产品不合格的生产环节和原因,从而改善生产流程或原材料;

  4,生产管理控制:很多大型制造企业有多条产品生产线,从企业核心管理角度来看,把不同工厂的产品数据汇集在一起,用可视化分析方式呈现给核心管理层,帮助其调整企业的生产安排和生产策略,大数据在里面能够起到更高层次的决策支持作用;

  5,研发设计:中国制造业在产品设计方面的自主创新能力比较弱,很多企业的研发设计不成体系和流程,很多设计图纸的数据化程度不高,大数据技术可以做到知识有效积累。当企业招募新工程师后,可以通过以往设计数据,接受新的工作知识和任务。

  6,下游供应链:即在产品生产完以后,给到客户的环节。对于大中型制造企业来说,当客户下完订单以后,可以积累产品备料时间、出库时间、物流公司等数据,让客户知道订单状态。从下游供应链来说,这也是对制造企业的提升;

  7,远程维修维护:在产品售后服务和产品改进过程中,利用传感器、互联网产生的数据,将产品故障实时诊断变为现实。以工程机械中的液压系统为案例,当企业的液压系统油缸密封套出现腐蚀故障后,可以依据信息系统记录的液压系统维修历史数据,比对相关状态工况数据(装备物联网数据),以及引入互联网上的历年工程建设数据,推断出密封套腐蚀故障的主要诱因。

  将大数据技术应用在以上工业场景中,目的是为了帮助企业通过技术创新,取得技术优势和抢占市场先机,为企业创造价值。宝信软件项目总监王奕表示,在实现智能制造过程中,产品的质量、价值、价格是永恒的话题。在利用大数据提供高品质产品的同时,也要提高产品生产效率,可持续的控制产品成本。

 

  另外,用户个性化需求是必然发展趋势。利用大数据搭建用户画像,得知用户心理,企业做产品时才能快速做出决策,提供给客户高品质的产品。同时,通过产品制造过程中的信息分析和处理,能够柔性生产、组织产品,满足整个产业链的需求,才能提升制造企业的智能化水平。





收藏 推荐 打印 | 录入:elainebo | 阅读: