驱动智能制造的大数据,你看得懂吗?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

中国制造正在悄然发生着积极变化。

一组来源于国家统计局的最新数据显示:2016年1-5月,规模以上工业增加值同比增长5.9%,工业总体保持平稳增长。同样,高新技术制造业和装备制造业增加值继续保持较快增长,占规模以上工业增加值的比重已分别达到12.1%和32.5%。

毫无疑问,“中国制造”已成为世界上认知度最高的标签之一。历经30多年的高速发展,作为促进世界经济发展的重要力量,中国这个“世界工厂”的角色已经越来越重要。

相伴而生的是,智能制造作为中国制造未来的重要方向,正面临大考。

智能制造,在经过了“制造+自动化”的第一代,又在第二代“信息化+网络化”时期实现了信息和装备的动作同步,人机互动。而今进入第三个阶段——大数据时代,智能制造正在使制造业走向智能化。

然而,在这个言必称“大数据”的制造时代,智能制造是否真的已经实现了与大数据无缝对接?大数据给中国制造带来了什么?

而真相又是什么?

数据只是信息,只有分析之后才会“说话”

智能制造时代,我们永远不要低估大数据的力量。即使是最普通的一盒纸巾,每一张纸巾都可以排得整整齐齐,如果说这背后运用了大数据分析,你信吗?

以宝洁公司为例,每一盒纸巾的生产,流水线上每一步的材料变化、设备状态等都有数据监测。一盒纸巾的生产看似简单,但如何达成产品质量的普遍等同性则大有学问。宝洁公司通过工厂里面的温度、湿度、材料等变化来调整加工参数,并且工程师不需要在实地工厂实时监督,在世界的任何一个角落可以实现远程设备管理。

“这就是数据的深层分析,数据背后都有其逻辑性。没有逻辑的数据只能称之为‘信息’。懂得逻辑以及逻辑背后的智慧,很多质量问题便可迎刃而解。”美国辛辛那提大学讲座教授、美国NSF智能维护系统中心主任李杰对《中外管理》开门见山地说道。

他进一步解释,大数据时代,智能制造里面有很多可见和不可见的问题都可以通过数据反馈出来。与之对应的是会有很多可见数据和不可见数据生成,可见的数据就是机器里面的参数,比如噪音特征、加工参数特征、耗电特征等。但这些参数与设备加工进度有什么关系?跟加工设备的健康有什么关系?这些是无法测量的不可见数据,需要深度分析。

大数据之于智能制造好比是一个健康检查的过程,就好比你觉得你的身体很好,但是体检的时候发现胆固醇过高,肝指数过高,这就是看不到的东西。李杰以此比喻。在他眼里,数据不会说话,只有分析之后才会“说话”。

不过,与德国、美国、日本的智能工厂相比,中国工厂工人数量多,专门的技术人员却很少,这也恰恰是数据分析的桎梏——缺少专业的分析人员,中国智能制造在数据分析时面临的问题是技术人才以及知识短板。

而缺少数据分析,再多的“智能制造”、“工匠精神”只是空谈。试想,如果一个智能工厂里,机器是外国的,图纸和设计是照抄的,零部件80%是进口的,自动化生产线很多,但生产背后并没有深入的数据分析,或者无法解读数据背后的含义,那么,智能制造的优势在哪里?仅靠消费市场取胜的智能制造,能走多远?

智能制造的终极目标不是智能化?

“如何才能为顾客创造更多价值?”“我要了解为什么减少能源?”“为什么我耗费那么多能源,而不能降低20%?”“为什么我需要100道工序不是50道?”“为什么加工的噪音那么高?”

……智能制造过程中,企业会不断地面临诸如此类问题。

李杰认为,大数据是唯一可以让企业了解到生产的产品如何、是否还有改进空间,以及解答以上问题的工具。中国智能制造转型的过程中,大数据让企业的认识越来越深刻,让企业家了解到底中国制造强在哪里。

目前在国内,已经有很多制造企业在智能化转型上积极尝试,也进行着追求品质的探索和研发。比如:三一重工、海尔、美的等企业的智能制造工厂和创新性转型。记者也从三一重工高级副总裁贺东东那里了解到,三一重工从2008年就开始基于物联网搭建平台,那个时候并没有物联网的概念,也没有大数据的概念。不过,真正立足大数据的智能制造是制造之需,是从自身发展和客户需求出发,并不是出于单纯的战略布局或者赶时髦的因素。

事实上,大数据时代的智能制造转型,传统企业虽然举步维艰,但大数据可以让企业在智能制造过程中发现不足再进行自我改进,从而越来越精益,越来越有竞争力。

这一点贺东东深有体会。大数据对智能制造的冲击首先是制造装备发生了很大的变化,从“机器人”数控设备、自动化设备到整个管理调度的方式,大数据在每个环节都发挥着作用。如何利用参考数据让制造更加优化,如何降低故障、提高可靠性能等诸多方面与传统方式相比均发生了巨大变化。有些冲击甚至说是颠覆性的。

“其实若转型中每个环节都在发生变化,每个环节都要去应对,企业会面对资源不够,钱不够、人不够的窘境,现实情况是,并不是每一家企业都有能力遍地开花地去应战,而大数据会告诉你 哪个环节有最大的痛点,遂而逐个击破。”贺东东如此对《中外管理》回答。

对于大数据在中国智能制造转型扮演的角色,李杰做了一个形象的比喻:我们吃橘子的目的,不是为了吃橘子,是为了获得维他命C。知识不是目的,它是让一个人不断成长,变得有智慧的过程。同理,智能制造的终极目的,不是智能化,而是让企业有智慧,从而能够贡献社会,帮助别人,能够产生更多对社会有用的价值。

数据和智慧才是智能制造的传承之本

智能制造,说“高大上”一点,是为了人们的生活、为了国家的竞争力而制造。而且,智能制造不是20年、30年,乃至50年就能实现的,它是一个百年工程。

智能制造需要传承!但相比较而言,中国目前的制造企业以二三十年之久的居多,是否能够发展到百年企业现在还未知,所以中国制造必须用大数据不断地更新迭代,使智能制造变成一个知识的传承体系,否则就会面临中国制造的优势外流。

从李杰多年的案例研究经验看,谈智能制造,说得多做得少的企业并不在少数。很多企业做一点就觉得他走在了智能制造队伍的前列。而且,大数据主导下的智能制造不是数量的取胜而是质量的取胜。智能制造目的不是展现给人家智能机器有多少,自动化程度有多高,而是要看将人的素质能够提高多少,这是中国要给世界的一个交代,能够让人家信服。

真正做智能制造的企业,在它们的理念里,智能制造是对市场尊重而产生的使命感。智能制造恰是一种认真做事从而带出来转型的态度,它不是一个技术问题,而是一种“我一定要改进”的决心。

所以,“大数据时代,智能制造需要传承的不是机器也不是工厂,而是数据和智慧。”李杰如是说。

具体而言,即:用大数据来深入了解中国制造的短板,比如质量问题、效率问题,还有类似机器使用性能问题。找到短板之后,数据可以告诉你怎样改进,如何设计未来,而无需一直依赖从外部引进技术。最后,大数据帮助企业实现对未来制造的价值重新定位,智能制造生产的产品不单纯只是产品,它会为客户创造更多的价值,而产品加上服务的价值让智能制造更有效率,更为先进。

所以,大数据对于中国智能制造的意义,已经不言而喻。

“智能制造是以数据为核心,以自动化为基础,以人的知识智慧为传承的目的。智能制造最重要的是人,工厂的技术人员经过数据分析了解到怎样加工品质更好,怎样制造更有效率,更节能更安全,这就是对客户的尊重,对人的尊重。它的终极目的仍然是服务于人。而且产品被客户认可,这本身就是对人的尊重。”李杰深入总结道。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
2月前
|
SQL 消息中间件 分布式计算
大数据-120 - Flink Window 窗口机制-滑动时间窗口、会话窗口-基于时间驱动&基于事件驱动
大数据-120 - Flink Window 窗口机制-滑动时间窗口、会话窗口-基于时间驱动&基于事件驱动
102 0
|
2月前
|
SQL 分布式计算 大数据
大数据-119 - Flink Window总览 窗口机制-滚动时间窗口-基于时间驱动&基于事件驱动
大数据-119 - Flink Window总览 窗口机制-滚动时间窗口-基于时间驱动&基于事件驱动
87 0
|
10天前
|
DataWorks 搜索推荐 大数据
聊聊DataWorks——这个一站式智能大数据开发治理平台
聊聊DataWorks——这个一站式智能大数据开发治理平台
38 2
|
4月前
|
运维 算法 数据可视化
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】2 方案设计与实现-Python
文章详细介绍了参加2021高校大数据挑战赛中智能运维异常检测与趋势预测任务的方案设计与Python实现,包括问题一的异常点和异常周期检测、问题二的异常预测多变量分类问题,以及问题三的多变量KPI指标预测问题的算法过程描述和代码实现。
78 0
|
2月前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
99 10
|
2月前
|
存储 数据采集 分布式计算
大数据技术:开启智能时代的新引擎
【10月更文挑战第5天】大数据技术:开启智能时代的新引擎
|
4月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
1362 3
|
4月前
|
存储 人工智能 分布式计算
阿里云智能大数据演进
本文根据7月24日飞天发布时刻产品发布会、7月5日DataFunCon2024·北京站:大数据·大模型.双核时代实录整理而成
|
4月前
|
机器学习/深度学习 运维 算法
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
对2021高校大数据挑战赛中智能运维异常检测与趋势预测赛题的赛后总结与分析,涉及赛题解析、不足与改进,并提供了异常检测、异常预测和趋势预测的方法和模型选择的讨论。
124 0
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析