京公网安备 11010802034615号
经营许可证编号:京B2-20210330
"工业4.0"重新"涂装"船舶工业 国产智能船驶向"大数据之海"
两艘总吨位逾20万吨的远洋船将在年内接受“手术”,获得思考、学习和自我诊断能力,并能告知船东“怎么航行最赚钱”。它将是中国制造的第一批智能化船舶。
全球最大造船企业——中国船舶工业集团已与航运企业达成一致,不仅为后者造船,还将处理智能船产生的大量航运数据,这让船厂的领地从制造拓展到全寿命周期服务,由此形成全新的价值创造模式。
物联网、大数据、智能化、服务化——智能船鲜明的“工业4.0”色彩正在重新“涂装”船舶工业。中船集团副总裁南大庆说,“工业4.0”是我国船舶产业尽快赶上世界先进水平“千载难逢的机会”。中央“千人计划”特聘专家、美国辛辛那提大学教授、智能制造的领军人物李杰表示,船舶业的“工业4.0”探索对提升“中国制造”水平有着极大的借鉴意义。
会思考的聪明船
为了开发智能船,中船集团调动了大量资源,包括中国船舶工业系统工程研究院、上海船舶研究设计院、沪东中华船厂、沪东重机、黄埔文冲船厂等。第一代智能船将拥有300多个传感器,可以连续感知船舶运行与海况环境,每天产生数据超过10G。系统工程院院长张宏军透露,由此形成的“思考能力”将让机器分担船员50%的工作。
让船“会思考”,对航运保障意义重大。它能随时监控船员操作,持续评估零件状态。张宏军说,大部分船舶事故来自误操作,智能船有望将事故率降低70%;假使能预知零件故障,就能提前订好备件,送往船即将停靠的码头,这可将船舶可用时间增加10%。除了“自省”,智能船还会“学习”。整个项目将在岸上建立数据中心,把天气、油价、运价等动态信息导入经济模型;远程获取这些知识后,智能船就能选择最合理的航速、航线。
有些意外的是,智能船并不贵。在其300多个传感器中,新增硬件不多,关键是依靠软件建一个“大数据池”,将大量数据汇总关联,相当于在虚拟空间里重建了船与海。
张宏军说,过去船舶拥有大量自动化设备,但就像一个个信息孤岛,产生的数据虽多,但零散、静态,无法提炼出整条船和航路的最优方案:“我们理解的‘工业4.0’,就是实现装备与信息的深度耦合。”
中船集团已计划新造一艘功能更完备的智能船,预计两三年后下水,新船设计已在上海启动。虽然国外已在开发“无人船”,但离不开人的遥控;相比之下,能“独立思考”的国产智能船可以说比国外“无人船”领先一代。
重构的生产关系
智能船第一次有机会打通船舶业的整条产业链——研发、制造、运营,从而创造出新的价值。李杰说,借助大数据发现并弥补需求的缺口,将制造业向服务拓展,这是典型的“工业4.0”。
中国远洋(运输)集团、招商局能源运输股份有限公司等航运巨头已加入中船集团的“工业4.0”联盟。中远集团战略发展部负责人高勇军说,航运业面临激烈竞争,必须提高管理精细度,对市场走向、投资回报、船队运营等给出精确解答。“许多问题过去只能凭感觉,‘该买几条船’这类事关百亿元级的投资也只好把握个大趋势。大数据也许能使这些问题迎刃而解。”
数据最主要的来源是船,最好的解读者则是船厂和航运公司,但过去一旦交船,双方就不再有什么往来。有了智能船的“粘合”,中船、中远将围绕数据开展合作,对接造船和驾船的特长。高勇军认为,这是“工业4.0”时代的共生关系。
共生不仅是双赢,大数据还能从源头上支撑船舶产业的创新——航运公司最需要什么船和发动机,设计方都可以在这个数据服务生态圈里获取养分,从而形成一个完整的创新闭环。
无论是制造方还是运营方,都倾向于把智能船引领的变革更多地看成一次“生产关系重构”——各方必须对现有价值体系进行调整,比如船厂怎么为数据服务定价,航运公司又该如何与第三方共享关键商业数据。
为中国制造探路
开发制造一艘远洋船,涉及的技术和部件覆盖了制造业85%的门类。
而且在中国,造船业是感受全球化竞争最充分的行业,它的“工业4.0”尝试其实是在为整个制造业转型升级探路。
中国制造业的装备智能化程度、信息服务业配套都比较弱,发展“工业4.0”,不应跟着领先的德国、美国亦步亦趋。李杰认为,“中国制造”的优势是贴近市场,拥有无可比拟的用户量。因此,用好用户数据,才能走出有中国特色的“工业4.0”之路。在他看来,中船、中远等联手探索,已形成了独特的价值视角,这些经验加上逐渐完善大数据处理技术,可以很方便地向高铁、发电、航空等制造业复制。
中船、中远等都认为现在到了发展“工业4.0”的时候,大家已有共识:大数据已经可以带来利润;反过来,如果对产业趋势“看不见、瞧不起、看不懂”,将来就会“来不及、活不了”。
最近几年,船舶和航运市场迅速转冷,压力之下,大家都意识到必须摆脱粗放的发展模式,创造新的价值。高勇军说,中国拥有大量低成本的技术人才,华为曾借此轻松打败了通信业的国外对手,而在“工业4.0”领域,这一幕应该有机会重演。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25