扫描二维码

订阅kaiyun体育官方人口 微信

智造加速时代,拿什么成就装备制造业的数据驱动力?

来源: ENI经济和信息化网
2022/6/27 16:39:28
是什么支撑了“数据中台”、“云原生应用”等载体充分释放数据驱动力?

分享到: 新浪微博 腾讯微博
本文关键字: 大数据 装备制造业

《中国智造2025》历程已推进过半,数字“新基建”推动了“云大物智移边”数字创新技术与制造业的深度融合,工业互联网落地应用……这一系列背景构成了制造业智造加速的主旋律。

作为“十四五”智能制造发展规划重点部署行业、两化融合标杆及5G+工业互联网示范企业的生力军,装备制造业的数字化转型已驶入了“智变”的快车道。数字技术与研发、生产、营销、服务等深度融合,实现了数据驱动下的协同研发、智能制造数字化营销、智慧决策等转型创新成果,在助力企业提质增效的同时,提升了企业的市场竞争力及生态协同能力。

与此同时,扮演“数据驱动”载体的“大数据运营分析平台”、“数据中台”、“云原生应用”等成为产业当下数字化建设的热词。那么,是什么支撑了这些载体充分释放数据驱动力?又产生了哪些成果?

近日,在由ENI经济和信息化网与联想凌拓联合主办“释放数据潜力,加速智能转型——工业互联网时代装备制造业的数据架构重塑”线上研讨中,徐工集团徐州重型机械有限公司(以下简称徐工重型)信息化管理部部长李忠福、中国一拖集团有限公司(以下简称一拖集团)CIO孙战胜、陕西法士特汽车传动集团公司(以下简称法式特)信息总监雷博,分别从“全生命周期数据管理”、“云原生应用”、“数据运营平台建设及运营”的主题,分享了企业的数据管理运营之道。

联想凌拓制造业方案架构师龚骏则结合智能化转型背景下的装备制造业数据运营管理需求特点,分享了联想凌拓在数据流动性、提升制造敏捷性等方面具备的优势,以及赋能企业构建现代数据管理架构的解决方案。

徐工重型:以全生命周期数据管理实现数据驱动业务、支持决策

近年来,发达国家以信息网络技术、数字科技技术为核心的“再工业化”的战略兴起,疫情的突发,使得中国的制造业面临多重挑战。而这也成为制造业智能化和数字化的催化剂,通过技术手段实现产业升级,降低企业的人力依赖及物理环境依赖的创新步伐不断提速。

通过对工程机械行业SWOT现状分析,以及介绍了“企业战略转型”、“组织能力提升”、“管理模式变革”、“业务运营改善”、“数字技术创新”、“基础设施建设”数字化转型六大指导模块之后,徐工重型信息化管理部部工李忠福介绍了徐工重型基于全生命周期数据管理管控平台架构,其以数据底层为基,通过销售、财务、供应链、生产、质量、人力等全生命周期指标体系建设,打造了包含综合绩效分析、关键业务指标、关键预算执行、应收账款周期、区域业绩地图等在内的企业管理驾驶仓,实现了管理闭环,有效支撑了徐工重型的数字化转型战略落地。



数字化管控平台全景图

然而,徐工重型实现数据驱动的成果并非是一蹴而就的。自2012年起,经过“规范化”、“自动化”、“指标化”、“资产化”循序渐进的建设和积累,如今徐工重型的数字化建设正处于释放数据到业务,降低分析门槛,提高结果产出效率,实现业务“自主化”探索分析的阶段。而到2023年,企业数字化建设将进入自主感知、学习、分析、决策等“智能化”阶段。

基于这个过程的经验沉淀,李忠福将全生命周期数据资产管理总结为六个关键步骤:建组织制度、盘点数据资产、数据管理、数据计算、数据应用。通过这六个方面解决数据价值释放过程中面临的诸多问题,以体系化的方式实现数据的可得、可用、好用,以较小的数据成本获得较大的数据收益。

联想凌拓助力企业打造现代数据架构 释放数据价值

在装备制造数字化、智能化加速过程中,云、大、物、智、移、边等数字创新技术也在不断成熟并落地应用。在为产业创新转型提供更大空间的同时,也使企业原有的IT设施面临着严峻挑战。联想凌拓制造业方案架构师龚骏在演讲中从数字化转型、数据流动、制造敏捷性三个方面分析了当前制造业企业面临的业务挑战及需求,包括如何让数据和应用在混合云架构实现自由流转、实现数据的高速移动、在数据全生命周期中提供可靠、可扩展、安全的数据管理方案等。

聚焦制造业企业在智能化转型过程中所面临的困惑,联想凌拓制造业数据管理解决方案可以从通用数据平台、数据保护、数据流动三个方面帮助企业实现研发、生产、销售、管理、服务等数据全生命周期管理。面对企业在PLMERP、EDA、机器学习等过程中产生的海量的结构化数据和非结构化数据,以及企业对于高性能访问、数据存储迁移等的需求,联想凌拓的通用数据平台可以支持SAN/NAS/S3集群扩展的统一存储,设置专为海量小文件及元数据访问设计的WAFL文件系统,实现可集群拓展统一存储、虚拟机备份及克隆插件等。


联想凌拓通用数据平

在数据保护方面,联想凌拓通过双活控制器、SnapCenter备份支持、SnapMirror与FlexClone结合等方案,保证企业软硬件的可用性和无中断运行,充分发挥数据的可用性,保持业务运行;加之其支持各种应用、虚拟化、存储类型、存储协议,无须第三方软硬件,可以帮助企业更加专注业务本身;此外,企业还可以通过复制的数据实现业务的敏捷性。基于车联网数据管道及大数据分析的典型应用场景,龚骏介绍到联想凌拓Data Fabric可以实现企业数据能够跨云、核心及边缘无缝流动,以便企业自有地调用数据,真正解决企业在混合多云情况下的数据管理难题。


联想凌拓数据保护愿景和解决方案

东方红云一拖集团数字化转型底座


随着两化融合、中国制造2025等战略下数字化转型的深入推进,借助数字孪生等技术的支撑,物理世界加快向数字世界转移,传统企业服务通过数字化建设向数字化企业服务转型。在这个过程中,企业对于数据中心的需求发生了非常大的变化。这是由于AI、大数据、物联等应用催生的业务系统快速增加,而且越来越复杂。数据量也随之海量增长,并且在数据驱动价值越来越显性的背景下,成为企业的核心资产。数据中心因此在基础消耗加剧、数据安全要求高、连续性要求高、运维复杂的挑战下,加快云化的步伐、投入加大以及集中管理必要性的提高。

而之前一拖集团由业务复杂度高、系统众多、硬件资源利用效率低,已难以支持企业数字化转型的需求。一拖集团东方红云就是在这样的背景下开始建设历程,并被赋予资源集中管控、提升服务效能、支撑业务创新的愿景。

本着1站式解决方案,1个标准化资源池,3个核心能力(安全合规、稳定可靠、平滑弹性),3个核心价值(云服务、云运维、云运营)的建设理念,东方红云形成了包括安全建设体系、运营管理体系、业务连续性保障体系护航,以保护投资、充分利旧与标准IT基础设施共同组成基础架构层、包括算力、安全等资源的资源池、丰富的云服务及微服务,可以为稳态、敏态及新型应用提供实时支撑。


东方红云整体架构图

一拖集团CIO孙战胜介绍道,私有云建设是一个系统性工程,完成一个私有云建设,需要经过现有/新建IT系统调研、建云评估及规划、私有云建设、私有云应用等几个必要的步骤。

数字化运营平台支撑法式特从数字化到智能化

作为国际知名的商用车传动系统制造商,法式特在中重卡和客车变速器传动系统市场占有率达到了70%以上,八大产品系列覆盖了新能源和传统燃油车的传统系统产品。汽车产业智能化、新能源转型的快速推动,带动了整个产业链数字化及智能化的提速。同时,国家对于产业数字化转型的大力推动、市场竞争、企业对于精准快速决策的需求以及数字技术的快速发展共同构成了法式特数字化运营平台的大背景。

这其中,企业对于精准、快速决策的需求成为法士特数字化运营平台建设的核心驱动力以及重要目标之一,而要实现这个目标,就必须提升以统一数据战略、统一数据治理、统一数据架构、统一数据安全、统一数据质量、统一数据治理体系支撑的数据资产管控能力、数据服务能力以及数据价值开发能力。由大数据基础平台、数据中台、数据应用平台构成的法式特数据运营平台正是应需求而生。


法式特数字化运营平台总体架构

法式特信息总监雷博介绍数字化运营平台概念设计时提到,数字化运营平台的初衷是要深入应用到日常的生产运营中去,成为大家日常工作的必要工具。整个流程的设计是在年度或季度预算制定完成之后,通过全面预算系统将预算下发至业务执行系统,即落实到了企业日常的活动基因中去。然后再通过监控中心、运营驾驶舱等功能,让基层管理人能实时看到经营状况,发现异常指标时可以通过持续改善中心将问题反馈到相应的管理层,通过运营分析中心分析出问题的原因,向执行层提供对应的解决方案,进入下一个循环,最终形成“APCD”的闭环。

徐工重型信息管理部部工李忠福在分享自身工作经验及感悟时提到,智能制造在国内经历了两化融合、互联网+、工业4.0、工业互联网、5G+工业互联网等不同的概念演化阶段,范围或大或小,内容或简或繁,但作为制造业企业,不应围绕概念走,要抓住牛鼻子。智能制造的本质,是过程自动化,业务数字化,最实现终数据驱动业务,数据支撑决策。这其中培养全员主动应用数据分析方法解决业务问题、适合企业需求的数据采集手段及工具、数据治理以及建立一支复合型大数据人才队伍缺一不可。对于装备制造业来讲,完成这一系列工作虽任重道远,却也时不可待。

责编:畅享精灵
vsharing 微信扫一扫实时了解行业动态
portalart 微信扫一扫分享本文给好友
著作权声明:kaiyun体育官方人口 文章著作权分属kaiyun体育官方人口 、网友和合作伙伴,部分非原创文章作者信息可能有所缺失,如需补充或修改请与我们联系,工作人员会在1个工作日内配合处理。
畅享
首页
返回
顶部
×
畅享IT
    信息化规划
    IT总包
    供应商选型
    IT监理
    开发维护外包
    评估维权
客服电话
400-698-9918
Baidu
map