智能制造：有大数据不一定能成，但没有一定不能成

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。

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。

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。

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。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友