
"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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08