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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25