解析 | 大数据驱动智能制造,实现制造强国之梦(下)

导读:推动智能制造的并不是大数据本身,而是大数据的分析技术。大数据给了我们一个看世界的新角度,成为驱动创新的核心动力来源。我们要从设备智能管理、工业大数据入手分析,驾驭工业物联网的三驾马车,结合现代制造业企业的下一代企业架构,打造并形成数据红利。 大数据驱动智能制造,实现制造强国之梦(下) 全文目录 06、大数据分析工具 07、大数据与智能制造的意义与影响 08、大数据规范性分析将促进规范性维护 09、大数据是智能制造核心驱动力 10、大数据对质量的新要求 11、利用大数据来实现制造业卓越运营 上期回顾:大数据驱动智能制造,实现制造强国之梦(上)

大数据驱动智能制造,实现制造强国之梦(下)


06、大数据分析工具

随着数字处理能力的不断提升以及工业物联网平台日益成熟,我们将很快解锁海量并仍不断增长的数据。这些数据与我们的制造流程以及为我们提供聚集这些数据并部署强有力的分析程序对其进行分析的空间的云服务有关。

无论是为促销产品还是作为战略目标的方式,大数据已然成为很多公司和机构过度使用的术语。通过不同技术,我们将数据空间完全释放出来,从而可以利用大数 据分析技术将任何地方的数据加以融合,新的分析工具应用这一新的数据模型,从而发现之前从未有可能的洞见。这些分析工具包括:图像、视频、地理空间、时间序列、预测模型、机器学习、优化、模拟和统计过程控制等。

07、大数据与智能制造的意义和影响

制造即运营管理,是供应链的四大环节之一,负责规划、组织、管理所有制造产品所需要的资源,包括设备、人力、技术、流程、信息等。其主要职能是统筹相关的资源与活动,将投入的资源转变成最终可销售的产品和服务。每个企业都有自己的规划和自己企业在运营环节的管理最佳实践。大数据对促进供应链中的生产环节 产生了前所未有的巨大影响,在众多的运营决策改进里面,这些影响包括产品设计、质量控制、客户画像等等。大数据及其 分析将影响制造业的规范性、产品以及服务的品质以及卓越运营这三大方面。

08、大数据规范性分析将促进规范化维护

基于预测性分析的进化步骤被称为规范性分析。规范分析法是20 世纪60年代后期美国管理心理学家皮尔尼克提出的,它对事物运行状态做出是非曲直的主观价值判断,力求回答“事物的本质应该是什么”。规范性分析意味着分析工具不仅能够预测可能发生的事情,还可以提供备用的“假设”分析,以提供可以改变结果的方案。从这一分析出发,我们可以将工业物联网平台的数据提供给智 能连接资产内部的云数据库或潜在的分散分析,以期在“最佳”结果的基础上,对规范性维护活动做出最准确的定义。

09、大数据是智能制造的核心驱动力

如何实现智能制造? 从哈佛商学院到宾夕法尼亚大学沃顿商学院,有一个普遍的共识,即数字化转型是智能制造实现的途径。更为重要的是,这一共识同样来自众多的世界级制造业企业家们。

这一共识是基于无数技术趋势的融合。例如物联网、信息物理系统技术(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟/增强现实 (VR/AR)、大数据分析等。我们一定要保持头脑清醒,不要简单认为有了这些技术,未来五年就是制造业的黄金时期,因为新制造业文化的变革进程是相当复杂、缓慢和艰难的,没有行业与企业与用户的融合推进,这次变革无法实现。数字化转型不仅仅意味着企业简单的数字化,而是把数字作为智能制造的核心驱动力, 需要利用数据去整合产业链和价值链。

在过去的3到5年中,上面列出的技术一直都是热门商业话题,单独使用时,其中每一项都能使商业中的一些程序或活动实现数字化。而如果将这些技术融合起来利用,就有可能实现数字化转型。

这一转变将彻底改变制造行业。我们将不再需要一系列专家来告诉管理员何时需要针对设备资产做哪些维护以及如何维护,因为当资产无法实现自我修复时,将会自己告诉你它们需要什么。

10、大数据对质量的新要求

商业原则之一的帕累托法则,也称为二八定律,一般来讲质量也往往与这一基本原则紧密相关。早在上世纪90年代开始,大量企业就开始通过应用分析法来提高产品质量和生产的效率,其核心是实现生产与服务的需求相匹配。

今天的大数据分析手段也如出一辙。大数据不仅能够使生产商制造产品的时间缩短,还能够在产品批量生产前通过模拟,检验防止产品缺陷,减少产品开发周期过程中不必要的环节等。

质量管理强调产品质量要符合消费者预期,这个预期包括预算、功能、外观等等。这是大数据分析法提升质量管理环节的首要收益。通过对内源与外源数据的实时采集和分析,企业能够准确地了解消费者需求及其购买行为,明确产品特征,运用高级分析法准确地指导生产、运输与采购,从而提升产品或服务的质量。

大数据的实时性与实效性,给企业的生产质量管理创造了实现质的飞跃的条件。传统质量管理主要是通过静态的、历史的、沉淀的数据,通过检查表、散点图、控制图等检测手段来发现生产过程的质量问题,大数据则通过物联网,通过产品上安装传感器、标签等手段,实时监测采集数据,认知产品性能,实时提高质量。

11、利用大数据来实现制造业卓越运营

当企业高管们在探索如何利用大数据改善运营之时,我们需要从企业的生产目标以及更高的商业目标开始思考这个问题。越来越多的管理人员意识到,贯穿产品生命周期各个阶段的数据,将成为能给企业带来高效增值的极有价值的原始材料。

企业不论何时开始实施卓越运营,都必须将人、流程和技术结合起来,基于此,制造业的卓越运营实践需要包含资产管理(EAM),资产性能管理(APM), 企业质量管理(EQMS),环境、健康和安全管理(EHS),工业能源管理(IEM)以及制造运营管理(MOM)六大支柱。

将数据和大数据分析结合起来时,之前未知而有待发现的相关性以及打破信息孤岛的可能性变得越来越大。把从运营中已使用到的大数据、社会媒体以及物联网等新的数据源,以及融合大数据分析解决方案的能力三者结合起来,大数据就可以为管理层提供运营洞见。

在制造行业,企业边界日益模糊,最难以预测的外部因素,当数颠覆性创新。互联互通彻底改变了商业游戏规则,在意识到竞争时已为时过晚。对于所有希望转型的制造业企业来说,企业管理者需要迅速全面了解前沿技术及其相关性与关联性,利用现代企业架构,重新定义企业,通过全供应链的数字化,来获得更为高效、智能与高利润的服务产品。

鸡蛋,从外打破是食物,从内打破是生命。智能制造之路亦是,从外打破是压力,从内打破是成长。我们要从设备智能管理、工业大数据入手分析,驾驭工业物联网的三驾马车,结合现代制造业企业的下一代企业架构,让自己有能力从内打破,打造并形成数据红利,在这场智能制造的文化升级中,实现重生,实现我们的制造强国之梦。

本文来源:中国工业评论

原文发布于微信公众号 - 钱塘大数据(qtbigdata)

原文发表时间:2016-07-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏VRPinea

老司机为你解答,VR游戏渠道与变现问题

34440
来自专栏人称T客

Worktile王涛:面对BAT,需要更多的是处变不惊

企业协同办公是SaaS领域起步最早、厂商比例最高同时也是竞争最激烈的领域。 第二届SaaS产业峰会——挖掘SaaS的深度价值12月8日成功在深圳召开。在协同办公...

395120
来自专栏人称T客

报告:未来OA市场增长出现疲态 品牌格局已定

本研究报告针对2015年中国OA市场的发展状况做了梳理分析。首先就2015年中国OA市场的整体发展情况,包括细分市场发展现状、用户应用现状以及选型行为做出分析;...

31840
来自专栏华章科技

大数据分析报告:大数据+机器学习将成为大部分企业的标配

调查对象被问到,与传统系统相比,他们看到的大数据中的最大机遇是什么?62% 的人同意实时分析隐藏着当下最大的机遇。

10220
来自专栏钱塘大数据

数据是工业4.0的核心驱动,工业大数据两个案例剖析

导读:智能分析和网络物理系统的出现,为我们实现生产管理和工厂转型提供了新的思路。而工业大数据通过360度全景的数字视角,为制造业带来了新的优势,它将提供预测自主...

31350
来自专栏数据猿

诸葛io产品VP于晓松:「场景化」增长的践行者 ——探寻大数据时代的商业变革

用户需求个性化凸显,细分用户族群不断裂变,促使互联网行业进入精细化运营阶段,个性化精准定位的应用价值凸显,用户行为数据的分析能力将成为移动互联网的核心竞争力。 ...

37860
来自专栏腾讯研究院的专栏

大数据发展时代:七个挑战和八大趋势

  大数据挑战和机遇并存,大数据在未来几年的发展将从前几年的预期膨胀阶段、炒作阶段转入理性发展阶段、落地应用阶段,大数据在未来几年将逐渐步入理性发展期。未来的...

20660
来自专栏PPV课数据科学社区

【资讯】苹果拥抱IBM背后:大数据推动手机行业洗牌

? 2014年注定是全球手机行业的"洗牌大年",洗牌的原因多种多样,运营商降低补贴、4G时代到来、血腥的硬件大战,日前,苹果突然破天荒地宣布与IBM合作,更是...

30040
来自专栏数据猿

360大数据中心副总经理傅志华:2017年大数据发展的十大趋势

数据猿导读 2016年,大数据已从前两年的预期膨胀阶段、炒作阶段转入理性发展阶段、落地应用阶段。2017年,大数据依然处于理性发展期,大数据发展依然存在诸多挑战...

377100
来自专栏孟永辉

新电商时代应该向左走,还是向右走?

29680

扫码关注云+社区

领取腾讯云代金券