
工业软件欲借大数据颠覆制造业
无论是手机中的App,还是汽车上的数字化驾驶界面,抑或是数字化图纸和数控程序,它们都有一个共同的名字——软件。而决定技术进化的核心要素要数工业软件,工业软件不仅作为数字化研发手段,支持了新产品、新工业、新材料的发展,也作为新型“零部件”大举进入到产品之中,形成了产品本身的数字化。
工业4.0时代,每一个产品将承载其整个供应链和生命周期中所需的各种信息,实现追踪溯源。智能工厂能灵活决定生产过程,不同的生产设备既能够协作生产,又可以各自快速地对外部变化作出反应……软件定义世界、硬件改变世界、数据驱动世界,工业软件借力大数据,将给制造业带来巨大颠覆,这已成为近期举办的第二届工业软件与制造业融合发展高峰论坛的共识。
工业软件是智能系统的基础
“工业软件是在工业领域里应用的各种软件,其大体上分为两个类型:嵌入式软件和非嵌入式软件。”国网电力科学研究院研究员王彦金表示,嵌入式软件是嵌入在控制器、通信、传感装置之中的采集、控制、通信等软件;非嵌入式软件是装在通用计算机或者工业控制计算机之中的设计、编程、工艺、监控、管理等软件。
王彦金介绍,工业软件技术支撑了绝大部分的生产制造过程。全球正在出现以信息网络、智能制造为代表的新一轮技术创新浪潮。而在这一浪潮中,传统的行业界限将消失,并会产生各种新的领域和业态。创造新价值的过程也因软件系统而发生改变,产业链分工将被重组。
“这个新型的产业链将使制造业不再仅仅是硬件制造的概念,而将更多地融入软件技术、自动化技术、现代管理技术与新的服务模式中。”王彦金表示。
工业软件技术使智能系统具有了五个典型特征,王彦金认为这些特征可以提炼为状态感知、实时分析、自主决策、精准执行和学习提升。
状态感知是能准确感知系统外部工况,如市场、客户、输入的实时运行状态;实时分析是对获取的实时运行状态数据进行快速、准确的推理与分析;自主决策是根据数据分析的结果,按照设定的规则,自主作出选择和判断;精准执行是对外部需求、企业运行状态、研发或生产等作出快速应对;学习提升是在系统运行和反复执行的过程中,不断通过深度学习而提升系统智能。
找问题比找方法重要
如果说工业软件赋予智能系统走向智能化的特征,那么驱动智能系统运作的就是工业大数据了。在清华大学教授王建民看来,工业大数据是工业物联网或工业互联网的核心。
“工业大数据要找准业务的切入点,在这个过程中,工业大数据和传统信息化时数据也是有很大区别的。”王建民说。传统信息化的数据主要是推动已经成型的现实业务,是后补进来的。而现在的工业大数据强调创新,要求在传统的业务之上发现新的问题。“所以对现在的企业而言,工业大数据找问题比找方法重要。”
工业大数据将数据汇集在一起之后,究竟要解决什么问题?“无论从全生命周期角度还是端到端的角度,大多数都是为现实业务的升级,有了工业互联网、工业物联网和工业大数据之后,我们要更加关注未来工业形态中的问题。”王建民指出,在某些方向上,特别是跨界方向上,工业大数据将带给我们很大机会。
“比如风电厂从卖机器到现在卖系统,最后变成卖天气预报的数据,未来,没有好的数据服务能力就不能制造出让用户满意的产品。这样一种转换就给我们未来的工业带来很大的想象空间。”王建民认为,在制造业利润越来越低的情况下,工业大数据可以帮助中国企业提高产品在使用维护阶段的利润。最重要的是,利用数据进行跨界运营,能够为企业带来新的生存空间。
为什么工业大数据对当下的中国企业来说,有着如此深远的意义?在王建民看来,一个复杂装备的生命周期分三个阶段,即开发制造阶段、使用维护阶段、回收利用阶段。
原来,制造企业将重心放在开发制造阶段,企业的核心目标就是将装备设计制造出来。而产品售卖给消费者后,就和企业没有关系或者变得无关紧要了。所以生命周期的第二、三阶段,常常被企业忽略。但装备的价值真正体现在用户的使用体验上,而不在于制造,尽管制造由质量决定。但消费者在使用阶段的流畅程度,才能反映出产品的最终功效,通过工业大数据正好能补全产品的生命周期。
积极发展信息物理系统
随着计算技术、通信技术和智能控制技术的迅速发展,信息物理系统(CPS)已经引起学术界及产业界的广泛重视并快速发展。中国电子技术标准化研究院研究员郭楠指出,CPS典型应用场景包括生产制造、交通运输、医疗健康、城市建设等,“尤其在制造业领域,发展CPS已经成为发达国家实施‘再工业化’战略、抢占制造业新一轮科技革命和产业变革制高点的重要举措”。
中国科学院院士何积丰曾如此评价CPS:从广义上理解,CPS就是一个在环境感知的基础上,深度融合了计算、通信和控制能力的可控、可信、可扩展的网络化物理设备系统,它通过计算进程和物理进程相互影响的反馈循环实现深度融合和实时交互,来增加或扩展新的功能,以安全、可靠、高效和实时的方式监测或者控制一个物理实体。
CPS要发展并不容易,中国电子技术标准化研究院、中国信息物理系统发展论坛共同编写的《信息物理系统白皮书2017》正是试图解决CPS发展和应用中面临的诸多问题:统一认识;梳理技术体系;总结典型应用场景。
中国制造业正在发生深刻变革,商业领域的互联网化正快速向制造业渗透,也给制造业带来了革命性的变化。软件定义作为时代发展最显著的特征之一,是新一代信息技术的核心与灵魂。
“推动制造业与互联网融合发展,可以为制造业插上互联网的翅膀、注入信息化的基因,是稳增长、促改革、调结构、惠民生的重要引擎,是协同推进‘中国制造2025+互联网+双创’的重要抓手。”工业和信息化部信息化和软件服务业司司长谢少锋说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03