
大数据在工业的崛起将重塑整个商业社会,你信吗
无论是德国的工业4.0,还是美国的工业互联网,或是我国的中国制造2025,都离不开大数据,可以说,大数据在工业的崛起将重塑整个商业社会,其影响力甚至不是互联网所能比的,你信吗?事实上,工业4.0带来的智能生产、智能运维、智能服务、云工场及跨界打击将重构整个商业体系。
先看工业革命的前三个阶段:
机械化,以蒸汽机为标志,用蒸汽动力驱动机器取代人力,从此手工业从农业分离出来,正式进化为工业。
电气化,以电力的广泛应用为标志,用电力驱动机器取代蒸汽动力,从此零部件生产与产品装配实现分工,工业进入大规模生产时代。
自动化,以PLC(可编程逻辑控制器)和PC的应用为标志,从此机器不但接管了人的大部分体力劳动,同时也接管了一部分脑力劳动,工业生产能力也自此超越了人类的消费能力,人类进入了产能过剩时代。
工业1.0,、2.0、3.0时代里,因为生产厂家无法低成本的了解每一个客户的需求,所以往往采用一刀切的方法,就是把需求做多的性能组合到一起,成为一款产品,工业3.0时代从机械化、规模化、标准化和自动化方面大幅度地提升了生产力,然而这类规模化生产模式导致当前的全球性的产能过剩,企业的竞争越来越激烈,以往一款产品卖三十年的做法已经逐步不行,互联网时代的到来进一步成为催化剂,撼动了工业时代的基础,信息不对称问题解决了,你跑不快,有的是快的。
比如你想要一款适合你的体型的衣服,服装厂是无法知道你的体型多大的,所以只能测量很多人的体型之后,把最集中的尺码分成40号,41号,42号等等,但是如果你的体型偏肥或偏瘦,对不起,概不伺候。
互联网改变了这个局面,人与人,人与厂商,可以低成本的实现连接,从而让每个人的个性需求被放大,人们越来越喜欢个性化的东西。但是个性化的东西需求量没有那么大,这就需要工业企业能够实现小批量的快速生产,多品种、小批量、定制生产成为工业化4.0一个核心驱动因素。
另外一个核心因素则是虽然工业产品是当前制造业主要销售收入,但一旦销售完毕,则意味着企业跟客户联系的结束,卖设备这种服务模式无法让企业获得持续的增长,如何延伸制造业的价值链,实现产品价值的最大化,是工业化4.0另一个核心驱动要素。
工业4.0是以智能制造为主导的第四次工业革命。其利用信息物理系统(Cyber-Physical System)将生产中的供应、制造、销售信息数据化,智慧化,形成有效的的网络,信息共享和交流,最后达到快速、有效、个性化的产品供应。”工业4.0是德国人谈的,其实和美国谈的“工业互联网”,以及中国谈的“两化融合”信息化与工业化有机融合都是殊途同归的,中国还有一个目标,就是中国制造2025,也是这个意思。
工业4.0的内容非常丰富,笔者仅仅从大数据的角度谈谈相关看法,让大家对于其内涵有更深的认识。
传统工厂存在的目的只有两个,生产产品,然后卖出去。所以在工业企业中,通常会分为两个大的部门,一个是生产部门,一个是业务部门,前者通过MES(制造执行系统)管理,后者通过ERP(管理信息系统)来管理。这两个系统啥区别呢?ERP更倾向于财务信息的管理,而MES更倾向于生产过程的控制,简单的说,ERP主要告诉你客户需要生产多少个产品,哪天下单,哪天要货,而MES主要负责监控和管理生产这些产品的每一个步骤和工序如何实现。
但是,大多数企业里面,ERP和MES其实并没有连起来,所以当ERP给MES下达生产计划指令后,MES在生产过程中发生了与计划偏差的事项(比如设备坏了,原料不合格等等),MES会根据车间的实际情况进行调整。但是ERP是不知道的!所以它会继续按照原本的计划执行订单,时间久了,财务系统和工厂的实际情况就会出现非常大的偏差,也就是ERP这个大脑与生产是脱钩的,信息的不贯通导致一线的决策精细化控制实际是无法做到的。
即使生产设备和管理信息系统各自连接起来,但现在生产的原材料和生产设备也还没有连接起来,因此实际的个性化生产也是无法达到的,举个例子你就明白了:
百事可乐的生产车间里,生产线上连续过来了三个瓶子,每个瓶子都自带一个二维码,里面记录着这是为张三、李四和王二麻子定制的可乐。
第一个瓶子走到灌装处时,通过二维码的无线通讯告诉中控室的控制器,说张三喜欢甜一点的,多放糖,然后控制器就告诉灌装机器手,“加二斤白糖!”(张三真倒霉……)。
第二个瓶子过来,说李四是糖尿病,不要糖,控制器就告诉机器手,“这货不要糖!”
第三个瓶子过来,说王二麻子要的是芬达,控制就告诉灌可乐的机械手“你歇会”,再告诉灌芬达的机械手,“你上!”
看到了,多品种、小批量、定制生产,每一灌可乐从你在网上下单的那一刻起,他就是为你定制的,他所有的特性,都是符合你的喜好的。但有个前提,生产的原材料、生产设备、管理信息系统及相关系统必须是贯通的。
要实现贯通,就必须依赖互联网、物联网(比如射频识别技术)、大数据等技术,现在工业4.0有一个标准之争,就是设备之间的接口标准,这个接口可不是什么TCP/IP等协议能解决得了的,比如实时性要求。当然,核心是需要实现各类数据的有效采集和整合。
在现今的制造系统中,存在着许多无法被决策者掌握的不确定因素,前三次工业革命主要解决的都是可见的问题,如避免产品缺陷等,这些问题在生产中由于可见、可测量,往往比较容易加以避免和解决,而很多不可见的问题通常标签为性能下降,健康衰退等,这些因素由于传统技术手段缺乏而难以控制。
在工业4.0的时代,机台、设备、产品仍然是关注的中心。但机器的表现,产品的健康状况已不再由人工决定或评估,物联网下生产流程及产品使用的状况理论上都可以转化为可量化的数据,人为的因素将被降至最低。工业信息化下生产流程的透明度将得到提高,产品的可追溯性也成为可能。同时,对生产制造过程中产生的海量数据进行分析与挖掘,可将大量的数据转化为表征机器行为及健康状况的信息,这些从数据中获得的信息可为性能维护、生产管理、设计等提供决策支持,进一步帮助提升质量与生产率。有效的数据信息转化方法还可使生产设备具备自我学习与自我认知的能力,人工经验与知识可转化为智能的数字化的分析算法。
更进一步,机器在充分了解自身的运行状态与健康状况的基础上,可根据自己行为的趋势对未来自身的表现进行预测。机器的自我认知与自我预测可使自身得到及时的预见性的维护与改善,整个生产制造将更加智能。
工业4.0的另一个特点就是制造过程和制造价值向使用过程的延伸,不仅仅关注将一个产品制造出来,还应该关心如何去使用好这个产品,实现产品价值的最大化,产品的创新和价值的创造不再仅仅以满足用户可见的需求为导向,而且要利用用户的使用数据创建使用场景模拟,从情景模拟中找到用户需求的缺口,这些缺口称之为“不可见需求”,产品服务化将是工业4.0时代一个产品存在的真正价值所在。举个例子就更清楚了:
在未来,在用户驾驶汽车的过程中,汽车能自动识别用户驾驶习惯的改变,提醒用户驾驶习惯的变化对于能耗和剩余里程的影响;在上下班高峰期,汽车能通过海量的交通数据预测出未来一段时间内可能通过道路的拥堵情况,并未用户推荐最佳路径;在驾驶过程中汽车还可以记录路面的平整度,这些数据首先在系统内被分享,提醒后面的驾驶者减速驶过一段坑洼的路面,回到家后,可以通过手机或网页查看一天的驾驶记录,不同驾驶模式下的能耗情况一目了然,可以与社区的其它用户比一比谁更加环保,同时系统还提供了相应的驾驶习惯改善建议,此外,用户还能查看汽车的健康状况报告,故障风险一目了然,不像现在一样,到底何时换轮胎也不清楚,只能定期到4S店去检查。
由此可见,汽车厂商不仅是卖了一辆汽车,同时通过额外增值服务实现了价值的延伸。我这里提一个概念叫网器,诸如海尔等企业已经开始将所有的家电变成一个网器,实时采集家电的使用情况数据,并将数据发送到云端,通过数据分析,不仅能提升自身产品质量,而且还可以为你提供更为个性化的服务,虽然现在还未完全流行,但相信,未来所有的制造品都是一个配有传感器的数据终端,制造业将通过收取服务费等形式创造新的商业模式。
当工厂的两化融合进一步深入的时候,另一种新的商业模式就有要孕育而生了,这就是云工厂。工厂里的设备现在也是智能的了,他们也在不断地采集自己的数据上传到工业互联网上,此时我们就可以看到,哪些工厂的哪些生产线正在满负荷运转,哪些是有空闲的。那么这些存在空闲的工厂,就可以出卖自己的生产能力,为其他需要的人去进行生产。互联网行业为什么发展的这么快,就是因为创业者只需要专注于产品和模式创新,不需要自己去买一个服务器,而是直接租用云端的服务就行了。而目前工业的创业者,还是要不断地纠结于找OEM代工还是自建工厂中,这个极大地限制了工业领域的创新。当云工厂实现的时候,我预言中国的工业领域将出现一个比互联网大百倍以上的创新和创业浪潮,那个时候这个社会的一切都将被深刻的改变。
互联网行业天天说降维打击传统行业,什么谷歌小米阿里巴巴乐视,可是我告诉你,当工业4.0进入深入时,工业企业的跨界打击将比这些互联网企业猛烈百倍。这个过程将从根本上撼动现代经济学和管理学的根基,重塑整个商业社会。举两个例子就更清楚了:
一个生产手表的厂商,这个表每天贴着你的身体,采集你身体的各项数据,这些数据对于手表厂商也许没啥用,但是对于保险公司就是个金库,这个时候,手表厂商摇身一变,就能成为最好的保险公司。
一个农机本来是帮助农户进行农作物收割,但通过给农机装上传感器,可以探知耕地土壤状态的报告和对不同农作物的适用程度,然后再根据农户计划种植的农作物提供需要施加化肥的种类和数量,并把化肥厂家的信息告诉农户并帮他下单,从而收取化肥厂的中介费和农户的管理费,你看,农机厂摇身一变就成为卖农作物生产管理服务的公司了,这个在美国已经成为现实了。
整个工业4.0过程,就是自动化和信息化不断融合的过程,就是大数据持续发挥价值的过程,也是用软件重新定义世界的过程。一切都在基于数据被精确的控制当中,人类的大部分体力劳动和脑力劳动都将被机器和人工智能所取代,你信吗?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14