
大数据驱动智能制造,物联网引爆工业革命商机
数据显示我国工业正显现积极信号。国家统计局日前发布的工业企业财务数据显示,今年1月至10月,我国规模以上工业企业利润同比增长8.6%,增速比前三季度加快0.2个百分点。其中,10月份利润增长9.8%,比9月份快2.1个百分点。
从目前智能制造发展的情况来看,和人工智能、云计算、物联网、传感器、网络安全、边缘计算、大数据等七大产业密切相关。业内人士表示,人工智能和传感器作为智能制造的核心控制技术,后期发展空间巨大。边缘计算、云计算、物联网、大数据等产业将智能制造的数据共享互联,建立起网络化的大环境。最后,网络安全保证工业互联网的数据安全。
在信息为王的经济发展时期,数据所到之处必然会触发全产业链的创新与变革。谁利用‘大数据’的思维,谁就能赢得主动,赢得先机,占领发展的制高点。大数据就是打开未来通道的最权威与最科学的依据。数据与数据的聚核,所迸发出来的价值或将激活万亿产值。
智能制造将带动全产业和全领域的传感器应用和发展,从而成为新经济增长的巨大动力。同传统的智能化工厂不同,智慧工厂将实现工程技术、生产制造、生产供应和销售的全流程智能化;同时,还将带动智能电网、智能物流、智能建筑、智能移动设备和智能产品领域的快速发展。基于此,霍尼韦尔大中华区研发副总裁兼首席技术官张大可认为,先进制造业、先进物流交通是今后五年投资的重点,市场规模将会达到2500亿美元。
据国家工信部科技司巡视员卢希介绍,目前我国物联网产业规模已达到7500亿元,在智能交通、车联网、医疗健康等领域,已形成一批成熟的物联网运营服务平台和商业模式。
IIoT推动全球制造业转型
物联网(IoT)无疑是近两年来在科技产业界被讨论最多的热门话题,这个名词在消费性应用市场或许有大部分仍是天马行空的想像,以及因为业务模式刚起步、而显得有些‘虚无飘渺’的商机,但是在工业应用领域,物联网却有一个更清晰的轮廓与更具实质性的内涵。
市场研究机构MarketsandMarkets预测,所谓的‘工业物联网(Industrial Internet of Things,IIoT)’市场规模到2020年可望达到1,510亿美元的规模,2015到2020年间的复合平均年成长率(CAGR)为8.03%;而推动该市场的主要因素,包括相关半导体与电子技术的进步、云端运算技术的发展、IPv6标准化以及全球政府的政策推动等等。
藉由实现工业自动化技术以及智慧工厂概念,IIoT将是推动全球制造业转型的关键,德国提出的‘工业4.0’──也就是第四次工业革命──即为其中的大规模策略之一,其他如美国、中国与印度等其他世界制造业大国,也各自拥有试图利用智慧科技来提升制造业效率、扩展营收规模与全球影响力的类似举措。
布署工业物联网所需的硬体技术其实都已经就绪,关键在于将这些硬体结合在一起、搭配适合不同应用之软体,以实现高效率智慧工厂的整体性解决方案;而由于工业物联网也包含电网架设、大量资料运算分析与传输,相关方案的稳定性、安全性、可靠性也是缺一不可。此外,标准化以及一个能让其他产业链参与者共同合作的平台,会是其永续发展基础。
在制造业、IT产业与IC产业都具备丰富经验以及完整产业生态的台湾,可说拥有抢先掌握全球工业物联网商机的得天独厚条件;不过传统制造业者想转型智慧工厂,往往会因为不熟悉IT领域技术而不知该从何着手;有意切入工业物联网领域提供相关服务的IT业者,需要寻找能满足相关应用需求的最新软硬体技术与市场趋势;IC厂商要在工业物联网市场占据一席之地,则得从平台化的概念着手,以提供客户完整的解决方案。
机器人自动化市场越来越大
随着劳动力成本上涨,工业机器人也迎来了顺势发展的良机。不过以往看到生产车间的机器人大多是独臂侠,而未来机器人的发展将会根据专业化研发出分工明确的机器人,并且与3D打印、工业VR等充分结合,形成相互协作,共同分享的智能制造新模式。
目前,中国正在发展工业制造2025,新形势下工业领域势必会采取一系列动作。相关研究报告显示,2015年中国工业机器人市场,其中以六轴多关节机器人为最,占总体销量的46.2%。预计未来几年将会维持30%以上的高增长率。当然这离不开现在的传统工业所处的转型阶段需要智能技术的力量加以推动,由此所衍生巨大的需求空间。又加之如今的消费机器人有下行趋势,有商家都已纷纷瞄准工业机器人行业,里应外合对手遇‘冷’种种条件都适于其发展。对于目前中国工业机器人四大家族瑞士的abb、德国的库卡、日本的发那科和安川电机来说,若想突出重围还得靠先进的技术来填补自动化生产线的空缺。尤其是汽车及电子行业,随着自动化水平不断提高,机器人的自动化市场也越来越大。
现在所谓的工业机器人实际上是一个Manipulator,就是一个工业机械臂,没有手,更无关乎智慧。而要想在中国市场占据一席之地,则必须发展心灵手巧的双臂机器人和多臂机器人。
那么怎样的机器人才算得上心灵手巧?最简单的就是双臂机器人,就像人一样工作,但是作为一个智能机器人来讲,可以仿造动物界的多臂多足。包括全工位的双臂机器人,一个机器人可以做八个工位的工作,是不是有种八爪鱼的既视感呢。换言之,心灵手巧就是智能引擎的代名词,正如现在比较流行的‘工匠精神’及‘私人定制’这就不是生产线上输出的了,而是一个智能中断和CPS网络控制器以及云制造平台综合的、有智能和柔性动作的机器人,从而实现真正的个性化制造。
如此看来,如果所流水线的兴起将工业制造推向程序化,提高了效率,那么具有柔性机械手和心灵手巧的手臂的机器人将真正实现智能化制造,这不仅仅助推制造进入‘分享经济’,更是机器人发展历程的一次重大突破。
大数据驱动智能制造
当前,以信息技术与制造业加速融合为特征的智能制造正风起云涌。但信息化与智能化到底该如何融合?大数据又与制造业有何关联?对此,清华大学数据科学研究院执行副院长韩亦瞬在论坛上给出回答:工业大数据是‘智能’的来源,是东莞制造业升级的重要驱动力。
韩亦瞬解释,无论是德国工业4.0,还是美国的工业互联网,其核心都离不开工业大数据。在美国,离散型制造积累的应用前景是最被看好的,甚至排在政府服务、通讯传媒领域之上,流程型制造业的潜力也排在银行业、健康服务之前;在德国,无人工厂只是表象一部分,德国工厂已经可以做到两家竞争对手合作研发,甚至车间互换、共享,画地为牢的圈子、界限被打破,这都离不开大数据的支撑。
‘大数据是智能化的来源,未来制造企业的运营过程,或者说产品的全生命周期,都将由大数据串联起来。’韩亦瞬称。他以知名工程机械三一重工和私人定制工厂青岛红领为例。前者已经建成了5000多个维度、每天2亿条、超过40TB的大数据,可以及时监测每台机器的运转情况、受损等,提前做好主动服务。单单依靠其国内20万台设备,甚至可以成为我国宏观经济研判的重要依据。后者则探索了私人定制的C2M、M2B等模式。‘我看到东莞企业已经在往这个方向探索,值得点赞。’韩亦瞬称。
北京工业大数据创新中心副主任陈晨也表示,对于工业企业来说,初级的大数据能让企业进行基础统计分析,这样对降本增效、新建业务模型有很大的好处,企业既可以做减法,依靠数据对标,减掉制造环节不必要的成本消耗;也可以做加法,例如拓宽业务渠道。而高级的工业大数据应用,则可以让企业先知先觉,开始做乘法、除法,比如预先判断企业的生产运行,以及整合供应链等。
对于台下众多来自莞企的听众,与会专家也纷纷支招,今后东莞要走出加工环节,向前端设计研发和后端服务延伸,也得通过工业大数据串联。特别是当前的东莞制造业,其信息化系统还不能够很好地支撑日常业务运转,管理层必须在战略意识层面,做出从2.0到3.0的转变,在内部制度、流程、组织架构与文化上构建与工业大数据相适应的架构。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01