工业大数据助力传统产业转型升级

现在，中国很多传统行业产能过剩，竞争非常激烈。我们是《中国制造2025》中工业大数据路线图的规划者，在规划的过程中深刻地体会到，《中国制造2025》不是单靠政府可以推动的。中国制造业正面临非常大的挑战，几乎已经到了生死存亡的关头。

2015年，BCG（波士顿咨询公司）做了一个关于全球制造业竞争力的调查，把各种因素综合进行分析。从成本这一因素来看各国的制造业综合成本的变化。10年前，美国的制造成本大概是中国的3倍；现在中国的制造成本指数是96，即同样一件产品，在美国制造成本是1美元，在中国则需要0.96美元，成本的差距越来越小，中国的成本优势已不复存在。

美国政府在4年前就提出要重振制造业，建设了国家制造创新网络，倾国之力在高端制造的重点工艺或新型材料方面，建立了国家级的创新社区。

制造业正在向4.0升级，而工业4.0意味着更加少人化精简的人力和更智能化的系统，更讲究技术驱动。诚然，中国在技术驱动上缺乏优势，由此面临着双重压力：高端的流向欧美回流，低端的流向越南、菲律宾。如果我们不在很短的时间内真正地提升制造业的竞争力，必将面对高端、低端都流走的制造业空心的结局。

无论是中国制造2025，还是德国的工业4.0，抑或是美国的工业互联网，在新工业革命中大家达成了共识——大数据是关键的技术要素。

一、工业大数据的作用

大数据是制造业实现从要素驱动向创新驱动转型的有力手段，可以帮助企业在产品定义、产品研发、生产制造、服务创新等各个环节重新定义制造的全生命周期，以及相关价值链、生态系统的变革。

1.大数据可以帮助企业更全面、深入、及时了解市场发展趋势、用户潜在需求、竞争对手态势，以推出更有竞争力的创新产品。

2.大数据可以支持企业利用众包众智的手段利用企业外部力量进行产品研发工作。同时，新产品研制过程中产生的海量实验数据利用大数据技术来管理分析也将大大加速产品试制迭代过程。

3.大数据也是提升产品质量的有效手段。通过建立包括产品生产过程工艺数据、在线监测数据、使用过程数据等在内的产品全生命周期质量数据体系，可以有效追溯质量问题的产生原因，并持续改进生产过程的质量保障能力。通过关联企业内外部多数据源的大数据分析，可以挖掘发现复杂成因品质问题的根本原因。

4.大数据是提升生产效率、降低能耗，转变高耗能、低效率、劳动密集的粗放型生产面貌的必要手段。结合数控机床、工业机器人等自动生产设备的使用，并建立从经营到生产系统贯通融合的数据流，做到数据全打通和数据流通不落地，可以提升企业整体生产效率，降低劳动力投入，有效管理并优化各种资源的流转与消耗。

5.大数据也是实现工业企业从制造向服务转型的关键支撑技术。工业领域智能服务的本质就是智能产品加上感知控制能力和大数据分析，通过对产品使用过程中的自身工作状况、周边环境、用户操作行为等数据的采集和分析，可以提供在线健康检测、故障诊断预警等服务，以及支持在线租用、按使用付费等新的服务模型。

二、发展工业大数据面临很多困难

与消费互联网不同，产业互联网的商业模式是以“价值经济”为主，工业企业讲求务实和精益求精的管理。

因此，工业大数据首先要从用户的业务需求出发——用大数据解决用户的问题。如何运用大数据为其提升效益、质量、效率，降低成本，及开拓新业务。要进入产业大数据，首先要能够理解产业业务与专业知识，与产业界的专家一起将机理模型与专业经验的积累有效利用，为数据分析提供更好的互动支撑。这并不适合消费互联网的快速打法，而需要耐心陪同工业企业一同耕耘。

其次，要应用工业大数据实现智能转型，企业需要有一定的基础。虽然制造业企业都想实现工业4.0，想向智能车间、智慧工厂迈进，都有产业升级的需要，但很多企业还不具备条件，我们需要帮助这些企业先完成工业3.0要求的生产经营全面实现自动化、信息化。在积累了一定的数据后，才谈得上基于数据优化生产经营、提升效率、降低成本。

另外，产业互联网领域也同样面临着人才严重缺乏的问题。很多企业都有人才需求，而既懂大数据、又懂行业，而且有意愿置身该行业的人才稀缺，因此对我们来说，帮助企业培养人才亦是重中之重。

更重要的是，工业大数据的实施目的，是要解决企业的业务发展问题，因此工业企业向数字化转型不单是信息部门的事。实施大数据之后，企业既有业务运作方法、流程，管理，战略都会受到很大的影响，这一定是一把手工程才能推得动，因此需要企业的掌舵人有智能转型的信念与决心，这是一个长期投入逐步实现的过程。

工业大数据的实施需要建立在企业自动化、信息化建设的基础之上，通过自动化系统实现对工业生产过程和产品的数据采集和反馈控制，同时通过企业资源计划、制造执行管理等信息化系统获取相关业务信息，将生产系统各种机器设备“大数据”与企业经营管理“小数据”有机融合，夯实数据基础。因此，需要和自动化厂商、信息系统提供商等联合。

来源: 中国科技新闻学会