京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据为制造业开辟转型新途径
“制造业是产业的支撑,制造业的新曙光在于新业态的培育,在于新旧动能的转换,而其中大数据将发挥不可替代的、划时代的作用。”贵州省经济与信息化委员会主任马宁宇在日前由清华大学举办的“迎接制造业新曙光:大数据助力制造业升级”论坛上如是说。
马宁宇指出,大数据代表着新一代信息技术革命的最新趋势,代表着新技术,蕴育着新业态,必将推动传统产业转型升级,改变资源配置方式,提升各个产业效率以及政府治理能力。
近年来国务院先后出台了《中国制造2025》、《国务院关于积极推进“互联网+”行动的指导意见》、《促进大数据发展行动纲要》等政策文件,为制造业大数据发展创造了良好的发展环境。
工信部在解读《促进大数据发展纲要》中重点提到,利用大数据推动信息化和工业化深度融合。大数据作为新一代信息技术和产业发展的重要方向,对制造业研发设计、生产制造、经营管理、销售服务等全产业链将产生重要影响,为我国传统制造业转型升级提供了千载难逢的机遇。
当前,全球正处于新一轮科技革命和产业变革之中,通过对互联网、物联网等新一代信息技术所产生的海量数据进行分析,能够总结经验、发现规律、预测趋势、辅助决策,拓展人类认识世界和改造世界的能力,给人类经济社会创新发展提供强大引擎。
伴随着我国劳动力成本的持续上升,部分传统制造业,昔日风光已不再,转型升级举步维艰。
可以说,大数据为制造业转型升级开辟了新途径。在数据爆炸的时代,制造企业获取、管理和利用到的数据量越来越大、种类越来越多,若能对数据进行科学的采集、组织、分析与利用,为产品全生命周期和企业生产经营各环节提供有价值的决策参考,就能提高生产率、利润率和企业综合发展水平。
浙江胄天科技股份有限公司董事长冯伟光说,面对现阶段制造业下行压力大、劳动力成本提高和生产效率低的现状,中国要积极实现从制造大国向制造强国的转换。
清华大学经济管理学院教授吴贵生指出,面对需求“井喷”的结束,制造业的出路、创新的方向,在于满足、发现并挖掘需求。吴教授认为,我国制造业的转型升级,要认识到市场资源的重要性,重新认识深度需求,并重新思考创新。
关于中国制造业发展路径的思考,吴贵生提到要充分发挥市场资源优势,注重颠覆性创新,将“广义”需求作为核心定位战略,并在此基础上将制造与服务相融合,探讨符合中国需要的进步道路,从而实现制造业的升级。
清华大学软件学院副院长、党委书记王建民教授在论坛上分享了他对工业大数据的理解。他提出,中国制造2025的核心是“智能”制造,在产品周期的三个阶段分别进行设计制造、使用维护和回收利用。智能制造包括智能产品、生产、服务和回收,而制造业的信息化需要互联网数据和物联网数据的支持。
作为《中国制造2025》操作系统和工业软件的起草者,王建民表示,要做原来信息化当中做不好、没做完的事情,并研制自主的工业大数据平台,让数据为创新服务,将工业大数据留在中国。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16