如何用大数据改进制造业

标签: 大数据 制造业 | 发表时间:2016-03-11 10:20 | 作者:DinK
出处:http://www.199it.com

1457662771-7872-p62921816-1457646530417-1-th

过去30年,发达国家研发、消费,资源国家提供能源和原材料,中国加工制造的全球制造产业链正在发生变化。2008年金融危机后,全球经济陷入低迷,美国提出再工业化,德国进行工业4.0升级,日本发布制造业白皮书,发达国家欲重拾制造业的趋势愈加明显。另一方面,印度、越南正在成为全球新的制造业中心。这意味着我们曾经引以为豪的“中国制造”正面临着一系列的挑战。因此,如何利用新技术对我国制造业做全面的改造,以恢复“中国制造”的竞争力,在如今看来具有十分重要的现实意义。

站在历史的角度看,一部人类史在某种程度上就是一部收集数据、分析数据、沉淀数据的历史。数据在人类的生产、生活中扮演着重要的角色,但由于技术水平的局限,在漫长的时间里,人类所产生的数据十分有限,然而,伴随着互联网的发展,特别是移动互联网的发展,人类迎来了一个前所未有的大数据时代。

马云在多个场合提出一个观点——人类正从IT时代走向DT时代。数据将成为未来最重要的生产资料,整个世界都将发生翻天覆地的变化。对数据的把握与利用不仅影响着人类的生活,也影响着未来制造业的发展方向。

提升效率,降低成本

到17世纪初,西方人均收入水平用了800年时间才翻了一番,而在随后的150年内,人均收入水平增长了13倍。

这一切的发生源于开始于18世纪中期的工业革命,大量机械的出现令人类的劳动效率有了飞速的提升。每一次工业革命的爆发,就意味着人类的劳动效率即将迈上一个新的高度。

2008年的金融危机使得全球经济陷入困境,但往往是绝望中也孕育着希望。为摆脱危机,全球技术创新渐趋活跃,新产业、新技术、新模式层出不穷。这成为了即将开始的第四次工业革爆发的导火线。

随着物联网、移动互联、智能机器人等新兴技术的飞速发展,制造型企业所面临的数据呈现爆炸式增长。所有的生产设备、感知设备和终端设备都在源源不断地产生数据,这些数据将渗透到企业的生产、运营等各个环节之中。传统制造业要完成蜕变式升级,对数据的收集、分析和利用是关键所在。

为用户提供价值是企业存在的根本,也是企业价值的来源。制造企业可以利用大数据技术对生产流程进行优化设计,以定制化的产品和服务来满足用户的个性化需求。另一方面,企业通过对市场数据的收集、分析、整理能够对市场变化做出准确判断,从而及时调整企业战略和资源配置,实现由大规模同质化生产向规模化定制化生产的转变。

在传统制造企业里,数据被分散在用户、合作伙伴以及企业的各个部门当中,这使得企业在获取数据的过程中要花费大量的成本。而大数据技术的出现就使得企业能够将所有数据轻松集中到一个平台上,确保企业内所有部门都能围绕着相同的数据展开协同工作,提升企业的运营效率,降低决策失误和部门沟通不畅所带来的成本损失。

1457662771-9409-mp62921816-1457646530417-2

增强创新

创新是企业不断前行的不竭动力。但对于企业,尤其是制造型企业来说,创新是一件艰苦而又高风险的事情。不仅需要前期投入大量的人力、财力、物力来研发,然而,即使能够开发出新的产品或服务,是否会被市场认可还是未知数。

大数据赋予了制造型企业更强的创新能力,在传统制造业中,用户仅仅是购买企业生产出的产品,而是参与到了研发、生产、营销等多个环节当中,在这个过程中将产生大量数据,运用好这些数据,就能从中洞察到最佳方案,从而创造出创新的产品和服务,令企业拥有之前不曾拥有的创新能力。

目前正在进行的第四次工业革命是基于信息物理系统(CPS)的智能化生产模式,使得企业拥有了随时收集、处理、分析和利用数据的能力。这意味着制造型企业不再是一个纯粹的生产者,而是成为充分利用大数据、移动互联网等技术的服务型企业。

对数据的实时把握能力创造了一种全新的跟踪服务模式。过去制造型企业就是在卖产品,产品到了用户手里,只要不出质量问题,那么至此就与企业无关了。然而,如果采用跟踪服务的模式,则产品卖出不仅不是结束,恰恰是一个新的服务阶段的开始。企业可以根据产品和用户的反馈数据,为用户提供有针对性的服务,从而令用户获得更好的服务体验。

有了大数据技术的支撑,企业具有了整合来自研发、生产、管理、营销等多方面的数据的能力。由此使得企业可以根据需要打破原有的窠臼,对业务流程和组织架构再造,以符合制造行业的新要求。

保障数据安全

数据在制造业中的充分应用为企业带来效益提升,创新能力增强的同时,也会使企业遭遇数据的烦恼。大数据技术要发挥效用,那么就要求企业完成数据化,这其中自然也包括商业秘密和技术专利等与企业生死存亡密切相关的敏感数据。因此,保护数据的安全成为企业必须有效解决的事情。

数据安全首先应受到企业领导层的高度重视,通过宣传、教育等多种方式使得所有员工都能拥有数据安全意识和基本的常识,制定并完善信息数据安全制度,加强日常的监督管理,从源头上降低企业信息数据泄露的风险。

对数据安全的保护仅仅依靠提升安全意识、掌握基本常识和制定安全制度是远远不够的。近年来网络攻击、软件漏洞等都在成为企业数据安全的重大威胁,这使得运用最新技术保护数据安全变得十分必要。

传统的安全防御技术难以应对不断升级的互联网攻击手段,而大数据技术可以对攻击事件的模式、时间和空间上的特征进行处理,总结抽象出一些模型,进而形成大数据安全工具,以消除和控制不断升级的互联网攻击手段所带来的危害。

结语

正在轰轰烈烈进行的第四次工业革命不仅是技术的升级,更是商业模式和企业组织的变革,但就其本质而言是人的思维和价值观的变革。中国制造要完成升级转型,思想或许比技术更重要。

您可能也喜欢的文章:

数据杂谈

波士顿咨询:制造业重返美国

数据科学家角色

Sculpteo:为什么3D打印是制造业的未来--数据信息图

大数据驱动制造业迈向智能化
无觅

相关 [大数据 进制] 推荐:

如何用大数据改进制造业

- - 199IT互联网数据中心
过去30年,发达国家研发、消费,资源国家提供能源和原材料,中国加工制造的全球制造产业链正在发生变化. 2008年金融危机后,全球经济陷入低迷,美国提出再工业化,德国进行工业4.0升级,日本发布制造业白皮书,发达国家欲重拾制造业的趋势愈加明显. 另一方面,印度、越南正在成为全球新的制造业中心. 这意味着我们曾经引以为豪的“中国制造”正面临着一系列的挑战.

谈大数据(2)

- - 人月神话的BLOG
对于大数据,后面会作为一个系列来谈,大数据涉及的方面特别多,包括主数据,数据中心和ODS,SOA,云计算,业务BI等很多方面的内容. 前面看到一个提法,即大数据会让我们更加关注业务方面的内容,而云平台则更多是技术层面的内容. 对于大数据会先把各个理解的关键点谈完了,再系统来看大数据的完整解决方案和体系化.

大数据之惑

- - 互联网分析
算起来,接触大数据、和互联网之外的客户谈大数据也有快2年了. 也该是时候整理下一些感受,和大家分享下我看到的国内大数据应用的一些困惑了. 云和大数据,应该是近几年IT炒的最热的两个话题了. 在我看来,这两者之间的不同就是: 云是做新的瓶,装旧的酒; 大数据是找合适的瓶,酿新的酒. 云说到底是一种基础架构的革命.

白话大数据

- - 互联网分析
这个时代,你在外面混,无论是技术还是产品还是运营还是商务,如果嘴里说不出“大数据”“云存储”“云计算”,真不好意思在同行面前抬头. 是千万级别的用户信息还是动辄XXXTB的数据量. 其实,大数据在我的眼里,不是一门技术,而是一种技能,从数据中去发现价值挖掘价值的技能. ”当我掷地有声用这句话开场时,正好一个妹子推门而入,听到这句话,微微一怔,低头坐下.

交通大数据

- - 人月神话的BLOG
本文简单谈下智慧交通场景下可能出现的大数据需求和具体应用价值. 对于公交线路规划和设计是一个大数据潜在的应用场景,传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集. 特别是在公交卡普及后可以看到,对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据,包括同一张卡每天的行走路线和换乘次数等详细信息.

全球10大数据库

- - 译言-电脑/网络/数码科技
原文: Fiorenttini   译者: julie20098. [非商业性转载必须注明译者julie20098和相关链接. ,否则视为侵权,追究转载责任. 世界气候数据中心:气候全球数据中心, 220TB 的网络数据, 6PB 的其它数据. 国家能源研究科学计算中心,有 2.8PB 容量.

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

大数据的一致性

- - 阳振坤的博客
看到了一篇关于数据一致性的文章:下一代NoSQL:最终一致性的末日. (  http://www.csdn.net/article/2013-11-07/2817420 ),其中说到: 相比关系型数据库,NoSQL解决方案提供了shared-nothing、容错和可扩展的分布式架构等特性,同时也放弃了关系型数据库的强数据一致性和隔离性,美其名曰:“最终一致性”.

大数据Lambda架构

- - CSDN博客云计算推荐文章
1 Lambda架构介绍.          Lambda架构划分为三层,分别是批处理层,服务层,和加速层. 最终实现的效果,可以使用下面的表达式来说明. 1.1 批处理层(Batch Layer, Apache Hadoop).          批处理层主用由Hadoop来实现,负责数据的存储和产生任意的视图数据.

大数据公司Amazon

- - 36氪 | 关注互联网创业
说到 Amazon,它通常给人的印象是一家典型的电商公司——创办于1995年,靠在线书籍销售业务起家,发展至今也已颇具规模. 近日,TechCrunch作者Alex Williams撰文称,Amazon其实并非一家贸易公司,而是一家大数据公司. 联想到Amazon CEO Jeff Bezos曾说过的一句话:“企业家应该愿意在很长一段时间内承受误解的目光.