
工业大数据亮相双创周 全方位赋能产业升级
9月15日以“双创促升级,壮大新动能”为主题的2017全国双创周主会场在上海开幕,由百年工业区改造成现代产业园的长阳创谷,体现出新时期城市转型升级、新旧动能转换的别样特色。在这里,您可能关注到无人驾驶车、无人机、商用火箭或是可以挑逗的机器人,却可能错过作为《中国制造2025》国家战略五大工程之首的制造业创新中心——这一全新机制正式登陆双创周。北京工业大数据创新中心作为全国首批省级制造业创新中心代表,正在这次双创展上,呈献成立一年来的周年礼。
层层遴选 工业大数据只此一家
世界第一台真正意义的智慧钢琴、全球首创的能够把二氧化碳直接转氧的新技术、中国首个出口欧洲的康复机器人、中国首台VR转播车……当然,还有北京工业大数据创新中心展出的中国首个自主研发的工业大数据共性技术平台KMX。在双创周那么多“世界第一”、“全国第一”中间,可能KMX的交互体验没有语音机器人那么会撩,但不妨碍其尖端科技获得评审专家和工业企业的青睐。
此次双创活动周前期共征集到了 2200 余个申报项目,经过专家评审、组委会审批,遴选出153个各具特色的高水平项目在上海主会场展出,以代表当前创新创业的水平。其中,代表大数据领域创新实力的仅有三家,北京工业大数据创新中心作为工业大数据领域唯一代表入选。
与中国石化、中国钢研、中国电科、中船工业等国家级工业企业同在“促进生产方式变革”展区,北京工业大数据创新中心带来了基于KMX工业大数据平台的数字化风电场和动力装备健康管理平台的真实系统体验,呈现在全新的产学研用机制下,制造业创新中心如何弥补科技成果产业化的“死亡之谷”,让工业大数据从生产中来,回到生产中去。
贴地飞行 打造全国制造业创新网络
按照《中国制造2025分省市指南》要求,国家制造业创新中心的建设,要结合本地产业基础、创新环境和创新资源特点,因地制宜,布局建设与产业经济发展目标相适应的省级创新中心。
北京工业大数据创新中心主任陆薇表示,全国的制造业聚集区较多分布广,且呈现出明显的地域特色。而工业大数据技术的准入门槛高、难度大,不仅在于工业数据结构复杂,更因为数据挖掘需要和细分行业的工作机理强关联,才能实现价值落地,为工业企业的理性决策提供可靠的依据与建议。
因此,在北京工业大数据创新中心成立后,在华东地区成立了苏州工业大数据创新中心,启动苏州工业大数据十百千专项工程,并率先在电子行业实现了可复制的“提质量、增效率、加产能、降成本”的示范案例。此外,正在西南地区筹建面向能源领域的四川工业大数据创新中心,逐步打造辐射全国的制造业创新网络,利用北京的科技与人才优势为制造业聚集地区产业发展服务。
周年献礼 从技术到应用硕果累累
北京工业大数据创新中心亮相双创周,正值成立周年之际,此次展出从工业大数据共性技术平台到垂直领域的行业应用案例,从研究开发、成果转化到行业服务、人才培养,我们看到在全新的建设机制与创新网络下结出的累累硕果。
此次展出的KMX工业大数据一站式平台,涵盖了工业大数据从接入管理、深度分析到落地应用全流程,是实现智能产品、智能生产和智能服务的共性使能技术与工具,目前已经在中石油、金风科技、陕鼓动力、山东临工等龙头企业成功商用。
基于KMX平台,北京工业大数据创新中心推动了电子制造、生物制药、煤化工等领域的生产质量提升,为动力装备、新能源装备、石油天然气等领域提供装备智能化远程运维服务,并逐步探索能源互联网服务化延伸,累计创造经济价值数亿元。
入选工信部“2017年制造业与互联网融合发展试点示范项目”、参与建设大数据系统软件国家工程实验室、联合主办首届中国工业大数据创新竞赛、联合发布《中国工业大数据技术与应用白皮书》……北京工业大数据创新中心主任陆薇表示,这些都只是良好的开端,希望能通过这种全新机制的探索,与更多业界同仁结盟,一同用数据推动中国工业的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09