制造企业如何借力工业大数据
美国的管理学家、统计学家爱德华·戴明说过一句话:“除了上帝,任何人都必须用数据来说话。”在经历消费大数据时代后,人们迎来了工业大数据时代。
工业大数据和原来的信息化有何区别?
简单来说,1990年代以前,大部分企业都在做企业内部信息化,这被称为第一次浪潮。1990年代以后,互联网开始席卷全球,企业相继进行互联网化。而随着信息化与工业化的深度融合,工业大数据悄然兴起,这也将成为下一个提升制造业生产力的技术前沿。在清华大学工业大数据研究中心主任王建民看来,工业大数据即第三次工业变革,它以智能互联的产品为核心载体,而不单纯只是通过互联网增值。
王建民认为,在制造业的利润越来越低的情况下,工业大数据可以帮助中国企业提高产品在使用维护阶段的利润。最重要的是,利用数据进行跨界运营,能够为企业带来新的生存空间。
利用大数据抢占价值高地
为什么工业大数据对当下的中国企业来说,有着如此深远的意义?
事实上,在王建民看来,一个复杂装备的生命周期分三个阶段,即:开发制造阶段(Beginning of Life,简称BOL)、使用维护阶段(Middle of Life,简称MOL)、回收利用阶段(即End of Life,简称EOL)。
原来,制造企业将重心放在开发制造阶段,企业的核心目标就是将装备设计制造出来。而产品售卖给消费者后,就和企业没有关系或者变得无关紧要了。所以生命周期的第二、三阶段,常常被企业忽略。但装备的价值真正体现在用户的使用体验上,而不在于制造,尽管制造由质量决定。但消费者在使用阶段的流畅程度,才能反映出产品的最终功效。
加工制造环节的确能够产生很多利润,但在当前环境下,生产制造的利润越来越薄,使企业越来越难以为继。而中国是一个制造大国,更是一个使用大国,制造业的兴衰事关重大。王建民认为,只有利用大数据抢占价值高地,实现产品智能化,才能实现从“中国制造”到“中国创造”的转变,从“生产型制造”到“服务型制造”转变,这也是“中国制造2025”战略的应有之义。
跨界运营是工业互联网转型的核心
和之前很多技术一样,工业大数据并非横空出世,而是一脉相承。但又有新的变化,这种新的变化,在王建民看来,其核心在于连接,将原来孤立的机器连接起来,将人和机器连接起来,将不同的企业、行业连接起来。
事实上,这种连接已经产生了巨大的价值,有很多企业已经开始实践了。
例如:将人和产品联系起来,可以实现产品创新。日本科研人员设计出一种新型汽车座椅,根据驾驶者的体重、压力值等数据识别主人,以判断驾驶者是否为主人,从而决定是否启动。
又例如:将两个不同领域连接起来,可以实现销售模式的创新。欧洲人可以做到今天卖明天的风电,怎么卖?他们根据一系列数据,对明天的风力精准地进行测算,从而实现当天交易。这是风电装备在整个大气环境下进行的跨界运营的绝佳案例。
还有一个例子,《哈佛商业评论》曾经发表过一篇文章叫《智慧的互联产品》。美国人认为未来的工业产品应该分为五个阶段,到第四个阶段的时候,装备、产品会进入到一个产品的系统阶段,机器和机器之间可以对话和合作。比如在农业领域,播种器械、收获器械会联合起来到一个农场去作业。而终极阶段是:农业机器的集群和天气的数据,会和种子的数据、灌溉系统的数据联合起来,通过全方位的连接来解决农业生产中的绿色节能问题。
王建民说,通过跨界运营来创新是工业互联网转型的核心。在使用阶段做一个简单的维修、更换配件,不管是预防性维修还是主动维修,都还处于工业互联网的初级阶段。只有通过数据进行跨界运营,才抓住了整个装备制造业在服务阶段转型升级的核心。
工业大数据应避免的三个误区
听上去很美好的工业大数据,如何实践呢?王建民梳理了三大误区,以供企业参考:
一、维修=运行
在工业领域,维修和运行基本不会分开。但是在工业大数据里,二者是分开的。维修指的是,当产品性能下降的时候,通过更换零件或者其他手段,恢复其产品性能。而运行是指如何使用机器,使它产生价值。
二、产业大数据等同于消费大数据
工业大数据最核心的问题在于分析结果的可靠性。在消费大数据上,如果产品的广告推荐能达到20‰的可靠性,就是搜索引擎的最好水平。但这一数据在工业领域,显然远远不够。因为在工业领域,往往是失之毫厘,差之千里。工业的应用场景对数据准确率的要求达到99.9%,甚至更高,否则就会造成严重的经济损失乃至安全事故的发生。所以,王建民建议,从人员结构上来讲,工业大数据需要数据和产业的人才一起来做。
三、采集的数据越多越好
对于企业而言,机器采集的数据有时候是一个灾难,不是企业采集的所有数据都是有用的。不产生价值的数据就是垃圾信息,对于企业而言就是负担。企业在收集数据之前,首要任务是给数据画像,弄明白自己到底需要什么样的数据。
王建民认为,无论如何,大数据仍然要围绕装备增值服务的业务逻辑,在达到这个目的的过程中,让数据发挥作用,而非简单地只看到数据,而忽略了根本的逻辑。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14