讓企業見到效益的技術才能真正算得上成功。鄔賀銓院士在首屆數字中國建設峰會大數據分論壇上與大家分享了大數據與企業數字化轉型的一系列生動故事:蘇州協鑫公司專注光伏切片,利用阿里開發的ET大腦分析0.2毫米厚度硅片長期積累的數據,從上千個生產參數中找出60個關鍵參數,通過優化生產流程,良品率提升1%,實現每年上億元利潤;聯想集團利用其全球數據中心掌握的數據,與寶鋼合作建立鋼鐵銷量預測系統,通過機器學習和圖譜分析找出關聯,預測鋼鐵市場需求,預測精度92.2%,庫存周期縮短20%,客戶采購資金節約上億元。
眾多傳統制造企業利用大數據成功實現數字轉型表明,隨著“智能制造”快速普及,工業與互聯網深度融合創新,工業大數據技術及應用將成為未來提升制造業生產力、競爭力、創新能力的關鍵要素。有專家提出,制造業的大數據規模超過其他行業,且未來10年工業大數據增速要快于消費大數據。
大數據在工業領域的應用,實現了工業從研發、設計、生產、運營到服務全過程智能化,提升生產效率,降低資源消耗,提高產品質量。同時,數據驅動制造業生態變革,匯聚協作企業、產品、用戶等產業鏈上的資源,通過平臺開放共享,基于數據實現制造資源優化配置;還能實現產品、生產和服務創新,產生一系列新模式和新業態。《2017中國工業大數據產業發展概要》顯示,2016年中國工業大數據市場規模已達150億元,2020年預計將達到822億元,在行業應用中,預計到2020年工業大數據的占比將達到6.64%。
不過,當前我國絕大多數工業企業的大數據發展應用還處于起步階段,對于為什么要用大數據、搜集哪些大數據、如何利用大數據仍然不明晰,滯后于消費互聯網。工業場景的高度復雜使得工業大數據應用面臨更多困難。諸如由于制造業作業場景非常復雜,不同行業所使用的設備和工藝差別很大,數據采集難度大;大規模的工業數據量對數據存儲、傳輸提出了更高要求;企業上工業云意識薄弱造成數據孤島,以及數據安全存在問題等。
下一步,工業大數據的核心目標將是圍繞不斷優化制造資源的配置效率,探索方法、路徑與模式,實現更好的質量、更低的成本、更快的交付、更多的滿意度,提高制造業全要素生產率。利用我國工業門類齊全、互聯網和電子商務的比較優勢,實現新工業革命時代的“換道超車”。