工业大数据应该如何发展面临那四个方面的挑战如何解决

发表于 2019-06-01 11:14:48 收藏 已收藏
赞(0) •  评论(0

工业大数据应该如何发展面临那四个方面的挑战如何解决

发表于 2019-06-01 11:14:48
+关注

以数据为关键要素驱动工业转型升级

2017年12月,习近平总书记在中央政治局第二次集体学习时强调,要深入实施工业互联网创新发展战略,系统推进工业互联网基础设施和数据资源管理体系建设,发挥数据的基础资源作用和创新引擎作用,加快形成以创新为主要引领和支撑的数字经济。在2019年两会上,李克强总理在《政府工作报告》中提出,要打造工业互联网平台,拓展“智能+”,为制造业转型升级赋能。

宏观上,大力发展工业互联网,用数据智能助推工业转型升级相结合,已经成为全国上下的高度共识。

微观上,大数据技术的应用也开始为诸多企业带来实际收益。工业互联网产业联盟2019年2月发布的《工业互联网平台白皮书》显示,数据在工业研发设计、工艺优化、设备维护、质量控制、节能减排等方面的作用日益凸显。

工业大数据发展面临四方面挑战

然而,也应该看到,成功案例仍然只是星星之火。由点及面形成燎原之势,任重道远。

2

挑战2:工业数据资产管理滞后

计算机科学家警钟长鸣:警惕“垃圾进,垃圾出(Garbage in,Garbage out)”。数据质量问题是长期困扰数据分析工作的难题。权威数据专家估计,每年低质量的数据会给企业带来10%~20%的损失。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了。美国一直重视数据质量,在1990年还专门颁布了数据质量法案(Data Quality Act),2016年美国《联邦大数据研发战略计划》也专门把确保数据质量与提升数据分析可信性作为七大战略之一。

用数据,更要“养”数据。从信息化程度较高的金融、电信、互联网等行业经验来看,如果不开展专门的数据治理,就难以确保数据质量。而调查显示,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。工业企业应该把数据视为与机器设备同等重要甚至更宝贵的资产,加强数据资产管理。好消息是,已经有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。而且,随着机器学习技术的发展,智能化的数据资产管理工具也越来越完善,工业数据资产的管理,可以更多依赖人工智能高效完成。但相比信息化程度较高的金融、电信、互联网等行业,工业数据的管理,还有很多欠账要补。

3

挑战3:工业数据孤岛普遍存在

数据孤岛几乎是所有企业都面临的困境。从单一企业内部来看,存在着不同时期由不同供应商开发建设的客户管理、生产管理、销售采购、订单仓储、财务人力等众多IT系统,可谓烟囱林立。而要深度推进智能制造,不仅是上述IT系统要横向互通,还要进一步纵向打通IT(Information Technology)和OT(Operation Technology)两界的数据,推进难度非常大。而且,企业越大,管理和技术包袱越重。

从全行业看,发展工业互联网,实现从单一企业内的局部优化,到整个产业链的全局优化的跨越,必然要实现整个供应链上跨企业的数据流通,这就进一步面临着安全合规、商业模式和技术标准等方面的更大挑战。前述调查显示,超过半数的企业表示需要使用外部数据或对外提供数据,仅有2.7%的企业觉得不会涉及到数据合作,但数据流通由于涉及确权、安全合规等问题,风险和阻力都很大。

德国工业4.0计划已经把数据流通作为重点议题,在构建工业数据空间(Industrial Data Space)方面进行模式上的探索。与此同时,同态加密(Homomorphic Encryption)、安全多方计算(Secure Multi-party Computation)、零知识证明(Zero-knowledge Proof)、区块链与智能合约等技术正在走向实用,也为用技术打破数据共享僵局提供了一条有前景的路线。国内如何打破数据孤岛,促进工业数据流通,仍需加快探索。

4

挑战4:工业数据应用还不深入

大数据在工业领域的作用,纵向可以从3个层次来看:

01

最基础的,是可以根据数据来描述工业产线、营销和企业经营活动的历史与现状。

02

更上一层楼,可以基于数据预测设备、车间和整个企业的未来状况。

03

最高层次,是根据数据分析结果,绕过人工干预,自动地直接指导企业运作,形成智能化的数据闭环。

而大数据在工业领域的作用,横向则可以跨越设计、生产、销售、服务全链条。

然而,工业企业的数据分析应用还普遍处于浅层阶段。最近,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进行了分析,40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域,而在涉及数据范围更广、分析复杂度更高的经营管理优化和资源匹配协同等场景中,多数平台现有数据分析能力还无法满足应用要求,还需要进一步推动数据分析技术创新以及实现长期的工业知识积累。

未来,工业数据分析还需以问题为导向,把工业机理与数据科学方法紧密结合,让数据应用的层次再上台阶,从而产出更大价值。

推进工业大数据发展的思考

工业互联网的长期目标,是构建“数字双胞胎”。只有工业数据越来越丰富、全面,质量越来越高,“双胞胎”才可能长得像,才能“心心相印”。也只有这样,才能让物理世界的万物得以在数字世界重现,通过数字世界里的计算、分析、预测、优化,来指导物理世界的最优运行,从而开辟新的增长空间。

为此,还需直面上述挑战,做好几个方面的工作:

(1)夯实数据基础,高度重视数据资产管理的战略价值

企业不仅要关注最终数据分析的显性价值,更要重视数据采集、资产管理、治理、互操作与标准化等基础性工作的价值。磨刀不误砍柴工,只有地基牢固了,工业大数据才能可信、可用,成为价值源泉。

(2)抓住技术创新机遇

数据技术正在进入新的发展阶段,时序数据库、知识图谱、深度学习、安全多方计算等为工业大数据采集、整合与分析孕育着新的动力,将特定应用场景与这些新技术结合,有望带来新的突破。

(3)建立行业标准与规则

在行业层面,可以发挥行业联盟作用,在数据采集协议、数据模型等方面建立行业标准,扫清技术层面互通的障碍。同时,还要推动形成工业企业间数据共享的行业规则,创造安全可信、利益均衡的数据流通生态,为打破全行业数据孤岛铺平道路。

收藏

相关话题

评论(0)

加载更多评论

分享到

QQ空间 QQ好友 微博
取消