近日,工信部发布《关于工业大数据发展的指导意见》,提出加快数据汇聚、推动数据共享、深化数据应用、完善数据治理、强化数据安全、促进产业发展、加强组织保障等七方面21条指导意见。工业大数据已日渐成为工业发展最宝贵的战略资源,是推动制造业数字化、网络化、智能化发展的关键生产要素。如何全面收集、合理存储、充分使用这些工业大数据,是我国推动工业互联网发展,建立数据驱动的新型工业发展模式的关键!
发展工业互联网,工业大数据是核心要素
今年,两会政府工作报告提出“发展工业互联网,推进智能制造”。这是工业互联网第二次被列入政府工作报告。党中央、国务院均强调推动大数据在工业中的应用。今年4月,引发的《关于构建更加完善的要素市场化配置体制机制的意见》,明确提出要支持构建工业等领域规范化数据开发利用的场景,提升数据资源价值。
随着工业互联网的创新发展,工业大数据应用迈出了从理念研究走向落地实施的关键步伐,在需求分析、流程优化、预测运维、能源管理等环节,数据驱动的工业新模式新业态不断涌现。
工业大数据主要分为三种类型,一是生产经营相关业务数据。主要产生于企业信息系统内部,包括工业制造类软件、企业资源管理(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理等;二是设备物联数据。包括操作和运行情况、工况状况、环境参数等体现设备和产品运行状态的数据;三是外部数据,主要是与工业企业生产活动和产品相关的企业外部互联网来源数据。通过工业大数据全周期的应用,工业企业可以实现机器弹性生产、运营管理优化、生产协同组织与商业模式创新,促进制造业升级和生产性服务业的发展。
工业大数据爆炸性增长背后的隐忧
当前,我国工业互联网数据资源总量呈爆炸性增长,这些工业互联网所产生的数据无疑有着极高的价值,但数据相关问题也同样浮出水面。相比于互联网服务领域大数据应用的普及和成熟,工业大数据更加复杂,还面临数据资源不丰富、流通共享不充分、数据管理滞后、应用程度不深等问题,总体上仍处于探索和起步阶段,亟待拓展和深化。
1、工业数据资源不丰富
据中国信息通信研究院和工业互联网产业联盟2018年年底对工业企业的调研显示,国内工业企业数据资源存量较低,有百分之六十以上的企业数据总量在20TB以下。导致工业数据资源不丰富主要原因有以下几点:首先,众多工业企业数据底账不清,大部分工业数据处于“睡眠”状态;其次,企业信息化基础差、设备接口不开放等原因增加了数据采集技术的难度;第三,很多企业的生产数据采集主要依靠传统的手工作业方式,采集过程中容易出现人为的记录错误且效率低下。
2、工业数据孤岛成为普遍问题
数据孤岛几乎是所有企业都面临的困境,许多大型工业企业拥有众多业务分支,不少企业已经部署了涵盖生产、装备、流程、客户管理、产供销管理在内的大量信息化应用。不同的业务分支可能需要构建不同的业务系统,在企业内部及产业上下游、跨领域各类生产设备与信息系统之间的数据无法共享,难以实现有效的互联互通。然而从全局来看,如果发展工业互联网深度推进智能制造,不仅需要打通IT和OT两界的数据,还需要实现从单一企业局部的优化到整个产业链全局优化的进步,打破数据孤岛实现整个供应链上跨企业的数据流通。
3、工业数据管理滞后
调查显示,我国工业企业只有不到1/3的企业开展了数据治理,51%的企业仍在使用文档或更原始的方式进行数据管理。工业领域很多时候追求确定性的分析结果,对数据分析的可靠性要求高,因而对数据质量的要求也就更高。随着传感器的大量使用,工业数据和应用呈现快速增长趋势,企业数据的管理面临新的挑战。
4、工业大数据的应用不够深入
从本质上来说,工业大数据是可以根据数据来描述工业产线、营销和企业经营活动的状况,并且基于数据预测设备、车间和企业的经营走势。根据数据分析结果,自动地直接指导企业运作,形成智能化的数据闭环。然而通过工业互联网产业联盟对国内外366个工业互联网平台应用案例的分析显示,目前国内工业企业的数据分析应用还普遍处于浅层阶段。多数平台还无法提供敏捷化,业务化、前瞻性的实时分析能力满足工业企业应用要求,难以支撑管理者精细化决策。
用友以中台能力铸就工业大数据应用加速器
当下,很多工业企业希望通过数字化技术,加速流程再造、提升生产效率、降低运营成本,激发生产力,因此都把建立数据驱动的商业架构,提到更高的战略层面,希望通过数据来构建其核心竞争力。用友企业服务三十多年,基于企业服务丰富的行业领域经验,构建了一套全新的数据解决方案,赋能工业企业应用创新,推动工业领域企业数智化转型。用友数据中台采用云原生、微服务架构,帮助企业进行数据的深度运用,打通企业各业务系统,并支持工业企业围绕数据中台构建企业的核心智能。
用友数据中台提供了数十种数据源的数据连接和采集能力、批流一体的数据架构、一体化的数据管理能力,可以实现企业数据运维的自动化、数据运营的资产化。此外,其内置的能力,还包括报表、图表、预测、决策、自助式的分析、图谱分析、机器学习算法进行高阶的数据价值挖掘,帮助实现工业企业实现业务的智能化。
1、工业数据采集
企业在数据驱动的转型中,几乎所有的工业领域企业都处于互相连接的价值链上,企业并不缺少数据,缺少的是通过数据采集的方式实现对数据的汇集。相比于传统大数据的数据量大、数据种类多、商业价值高、处理速度高等特点,工业大数据还对准确率和实时性有着更高的要求,因此用友数据中台提供了对应的数据采集搬运工具,也就是数据移动产品,支持高效、实时的从工业领域采集的大量数据引入到数据湖中。通过全面采集工业数据,打通产业链、价值链和产品全生命周期的数据。
2、工业数据存储
用友数据中台数据存储基于数据湖理念,在融合计算能力方面,能够支持批量离线计算、流式计算,并且支持分布式存储,关系型存储、分析存储、离线存储等。将通过数据采集技术采集完的工业数据通过融合计算以及数据存储的能力,把规范标准化的数据统一存储的数据湖中,避免企业数据孤岛化,将不同结构的数据统一聚合和存储,实现时管控或者事后回溯生产经营过程,解决质量、效率、成本的问题,为工业大数据应用提供高质量的数据。
3、工业数据资产管理
工业数据才是工业企业流动的血液、燃烧的石油。企业在数据治理的投资一定要瞄准业务数据在整个数据湖架构下的治理,真正打破数据的孤岛。越来越多的工业企业从主数据或元数据切入,着手开展数据资产管理。
对工业企业来说,数据资产处于一个独特的位置,它是整个数据湖的数据运营和管理的入口,也是数据触达、访问的中心。用友数据中台不仅为工业企业提供了传统的数据治理的能力,包括数据目录、元数据管理、数据质量、数据标准、数据安全,还提供完整的数据运营能力,支持数据湖中的数据从工业业务价值出发,包装为数据主题,通过多样化的方式和途径,包括JDBC、WEB、FTP等,开放给用户访问。而且,随着机器学习技术的发展,用友数据中台智能化的数据资产管理工具也越来越完善,使得工业数据资产的管理,可以通过人工智能技术高效完成。
4、工业数据分析与应用
打通工业企业数据上的七经八脉,让数据的流动更加顺畅,需要在企业业务链路上的各个环节实现数据价值的嵌入。用友数据中台智能分析产品,能够帮助工业企业实现数据价值可视。它不仅能够独立的作为企业的专业化数据分析平台,也能被企业的各种业务管理和执行系统集成,实现场景化的、现场化的即时分析。与此同时,用友数据中台提出数据智能双中台的“智慧大脑”,与人工智能深度融合,以适应整个工业领域人工智能技术快速迭代和发展的节奏。
如上图案例,某大型制造企业通过采用用友数据中台方案,从产线上收集了生产链条各环节的数据,并基于用友数据中台提供的大数据能力,进行分析、处理、可视化等,实现了设计、排程、调度、物流和服务的全链路数据化驱动,提高了企业生产成品的品质,降低了材料消耗,拉近了生产与消费者的距离。
用友除了提供适用所有行业领域通用的数据中台,来解决企业数据问题之外,在制造域,主要通过制造中台与数据中台的融合赋予工业企业数智化核心能力。用友制造中台融合IT、OT,将汇聚在企业生产过程相关数据进行采集、清洗,处理,分析,展现,基于制造企业的业务模型,加以一系列工业算法和机理模型的应用,充分利用数据驱动实际业务,将技术与业务无缝融合,支撑制造企业数智化转型。而设备数据的实时采集、智能分析,则依托于用友云AIoT物联平台。其能力分为三层:设备层接入了80%主流设备的主流协议;接入层通过可视化组态、智能算法提供数据发布、运行监控、规则引擎和告警服务;应用层全面支撑用友各领域服务,并提供给各细分行业及专业领域。通过工业智能提升数据价值,产生倍增效应。
另外,为了扩大工业企业的数据使用范围,用友还在持续运营A IoT物联生态圈,以开放的模式,链接智能硬件、网络通讯、领域服务等各类伙伴,拓展工业企业应用场景,扩大企业数据边界,深入挖掘工业大数据价值。
随着工业互联网的持续发展,工业大数据应用价值将逐步释放,工业大数据将会帮助工业企业进一步优化自身业务,支撑整个企业、行业的数智化转型。促进我国智能制造长足发展,走出有中国特色的工业大数据技术与产业创新路线,助力中国工业弯道取直与加速腾飞。