大数据应用,工业企业升级王道.docVIP

大数据应用,工业企业升级王道 　　一份美国的统计材料显示，其制造业的数据总量居然超过了政府部门的数据总量。这个数据是让人惊讶的，因为笔者曾在2000年的一份统计报告中看到，政府数据要占到总体数据的80%。中国作为制造大国，面临美国的工业互联网、德国的工业4.O挑战，工业企业必须更新换代、产业升级，这不是一个上不上的问题，而是一个怎么上的问题，否则也许就会应了那句互联网上的黑话：“毁灭你与你无关。” 　　那么从哪里开始升级，这是个问题。笔者回顾20多年的信息化工作，涵盖数据、信息、知识、项目，总结下来，信息化给企业带来了巨大的价值，而信息化的核心工作就是数据的处理。进入了大数据时代，大数据将给工业升级带来更多的价值。我们不必拘泥于大数据学术界的各种技术、工具，而是首先要在理念上有所突破。我们认为：“传统企业利用大数据思维，收集具有统计学意义的小数据，进行分析应用，就可以获得巨大的经济价值。” 　　工业大数据指的是在工业领域中产生的各种数据，事实上相对于互联网上的各种营销数据，工业数据覆盖了整个价值链、生态圈，为了保证工业产品质量，提升资源利用率，控制成本，获得竞争力，工业企业升级必须三流合一。这三流就是物流（包括物的变化，这是工业企业的核心，然后才是运输、仓储意义上的物流）、资金流、信息流，做到三流合一才是一流的工业企业。 　　工业大数据的四V模式 　　随着信息化软硬件设备、系统的普及应用，包括条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、MES、CAD/CAPP/CAM/CAE/CAI/CAQ、PDM、ERP等系统生产的数据，工业企业拥有的数据越来越多，这些数据同样具有大数据的特征，企业能否按照大数据的思维方式实现企业的数据应用，是值得我们深思的大话题。笔者按照大数据的4个V，也就是数据量、数据种类、数据速度、数据价值四个方面对工业企业的大数据进行解读。 　　首先要想发现隐藏的知识，必须具有足够的数据量，有了数据量积累才有统计学意义。笔者曾经培训一家铝轮毂企业学习PRO/E软件中的有限元分析模块，企业的需求就是如何提高铝轮毂设计的一次成功率，企业员工学习了如何建模，如何加约束，如何加载荷，如何划分网格，如何设置相关工况，如何计算并分析计算结果。然后很现实的问题就是，分析结果出来以后，强度应力阀值，结合安全系数，到底该取多大，这是个关键性问题。而由于没有这个领域的专业基础知识，笔者只能告知企业的员工，回到企业后，计算至少10个产品以后，结合试验数据验证，最终确定出强度应力值的阀值。不过值得欣慰的是，过了半年左右，笔者和企业的员工联系，他们告知，有限元分析已经普及化应用，确立了一系列指标，现在新产品试验不合格的量已经大幅度降低，以往每个月总有几个，甚至超过10个新品试验不合格，而现在偶尔一个月才出现一两个不合格产品而已。 　　其次是数据种类，增加数据种类会对企业的运行成效带来很大的改善。随着客户要求的提升，企业面临的挑战日益加大。例如服装企业，以往一般是一个半月的交货期，现在则要求一周完成。按照以往的工作模式，根本不能完成。那么问题出现在哪？笔者分析其原因发现：主要原因在于来回返工，各种更改频繁发生，那么如何避免这些返工、更改，核心就是要从一个更大的范围来考虑业务，对业务工作进行改良。以一个具体的设计变更说明，以前只需要发出变更单就结束，现在变更还要查询物料情况，确认物料可以供应才可以发出变更；以前设计只管设计，如何检测，检测部门自己定，这种理解上的差异是经常发生的。现在设计人员需要考虑如何检测，或者重要事项、特殊事项需要与检测人员一起讨论，确定方案，而设计变更的发放也就必须设计变更单、领料单、检测单，三单齐全才可以下发。这样的模式就意味着操作者必须考虑更多的数据，也可以说成大数据。当然，在这样的运作模式下，各种业务必须有先进的、完善的信息系统支持，当然这样的信息系统产生了多种数据，数据的量也会大幅上升。 　　第三是时效。对于工业企业来说，生产部门的数据的及时性要求远比互联网企业更高。例如生产线的高速运转，一台关键设备出现前期缺陷，如果不能及时处理，进一步扩大，将导致设备瘫痪，整个生产线停转，产品就不能完成。而更为严重的问题是，工业化生产是规模化的，缺一个零件，整个产品就不能出厂，缺一种零件，一批产品就不能出厂。例如某汽车配件企业产品出现问题，汽车总装厂停线两天，直接造成数亿元的损失。再从单元设备角度来看，工业制造过程往往伴随强大动力，一旦设备产生故障，将会产生人身伤害风险、环保问题。所以工业企业如何利用大数据手段提升业务的时效处理能力，是值得很多企业思索的。 　　第四是价值。以往数据的存储昂贵，数据传递的带宽低，因此很多数据被都遗弃了。例如产品设计，设计中会有很多方案，企业经过多次比选，