• <acronym id="55b61"></acronym>
      <output id="55b61"></output>
    1. <td id="55b61"><ruby id="55b61"></ruby></td>
      <acronym id="55b61"></acronym>

          1. 中國科學網手機版

            首頁 > 科技 > 資訊 > 文章詳情頁

            制造業必須應對數據孤島的挑戰

            全球制造業的規模極其龐大。麥肯錫全球研究院(McKinsey Global Institute)的數據顯示,全球范圍內,制造業的銷售額總計大約10萬億美元,而中國占到了其中的28%,與此同時,中國的總產值占全球總產值的35%。盡管受到新冠疫情的沖擊,但是制造業的發展前景仍然看好,尤其在進入工業4.0時代,自動化和數據交換廣泛應用于物聯網、云計算和信息物理系統等各種制造技術以后,智能制造的前景更加光明。

            當世界上大多數國家還在與新冠疫情抗爭時,中國再一次證明,只有疫情防控穩定,經濟才能夠實現反彈。10月19日,國家統計局發布,今年第三季度中國經濟同比增長4.9%,增長強勁。

            新冠疫情的爆發,企業迅速采用云制造技術來加速創新。此外,它們還通過擴展采購渠道和生產基地來盡力提升供應鏈的靈活性,以應對未來的業務挑戰。

            很明顯,制造業的未來與產品有著千絲萬縷的聯系;而不那么明顯的是,它還取決于支持生產的數據管理。

            確實,制造商在工廠設備和軟件方面的大量投資與生產過程中被忽視的統一數據觀之間存在脫節。有些行業利用基于深度分析的海量數據運營來理解數據,獲得了競爭優勢。希捷科技最新發布的《數據新視界》報告認為,在通過數據運營來提升數據管理方面,制造業落后于其他行業(數據運營是將數據創建者與數據使用者聯系起來的一種方法)。在這個領域,制造業需要迎頭趕上。

            在生產過程中,制造商需要處理大量數據。他們必須充分利用高級分析、機器學習和人工智能技術,這不僅是為了制造產品,也是為了通過數據管理來提升業績。為此,制造商需要確保統一的數據觀。

            為什么會脫節?

            IDC《2018年制造業洞察:IT和OT整合情況調研》發現,近80%的儀器化生產資產以某種形式進行了數字化互聯。這是一個好消息。

            但是,數字化資產的快速增長,為什么沒有促進數據管理在制造業的廣泛普及呢?企業范圍內的數據管理軟件、硬件、協同和流程,又為什么沒有推動數據孤島互聯,從而激活制造業數據呢?

            《數據新視界》報告基于IDC對全球1500名企業領導者開展的一項調查,調查結果顯示,制造業的數據增長速度為37%,低于其他行業42.2%的平均增速。在將混合云和多云應用于主要業務領域方面,制造業落后于其他行業。受訪行業領導者表示,數據存儲管理是他們面臨的最大挑戰。多少有些令人吃驚的是,對于一個以實施人工智能和機器學習技術而著稱的行業而言,制造業在數據管理方面的任務自動化水平竟然最低,而且數據管理功能的全面集成率也最低。

            原因有四個:

            第一,傳統基礎設施問題依然存在。制造技術日新月異,數據管理難以跟上工廠車間機器上裝備的各種傳感器所產生的海量數據。很多時候,傳統基礎設施無法應對涌入工廠的大量聯網資產。工廠經常通過部署臨時流程來連接和管理資產,但無法依賴底層基礎設施進行綜合管理。

            第二,制造業的勞動力存在IT技能缺口。如果說技能嫻熟的工人代表著發達經濟體制造業的未來,那么缺乏足夠的技能則是企業必須解決的一個最嚴峻的挑戰。他們必須應對兩個方面的挑戰:一個是勞動力老齡化,另一個是尋找愿意在車間工作的新技術工人。

            第三,部分數據向邊緣移動使管理更加復雜。制造商數據的快速增長與其數據網絡邊緣的物聯網設備增多息息相關。邊緣設備與總部系統沒有連接起來,通過企業網絡進行大數據傳輸既昂貴又緩慢。

            第四,制造商需要全面的數據管理軟件。由于無法查看其總體的業務狀況,制造業客戶對數據管理軟件工具不滿。并且,許多工廠缺少數據管理軟件。虛擬化軟件對跨部門顯示和查找數據支持不足。

            制造業的這種狀況不是一朝一夕形成的。

            麻省理工學院斯隆商學院(MIT Sloan)相關人員表示:“最初的出發點是通過物聯網將工業機器連接起來,借助機器對機器通信提升洞察力和自動化。但是,GE數字集團(GE Digital)數字化產品管理副總裁兼EmTech委員會發言人Matt Wells認為,工廠數據的復雜性和目標不明確,讓制造業的初心難以落地?!?/p>

            尋求全新的數據驅動型業務解決方案

            有些制造企業已率先利用預測性數據分析來改善總體績效。

            德國汽車零部件制造商羅伯特·博世有限公司(Robert Bosch GmBH)便是這樣一家企業。博世位于Homburg的力士樂工廠生產卡車和拖拉機的液壓閥,他們利用無線通信和射頻識別(RFID)標簽將工人、機器和零部件聯系起來,提高了生產流程的效率。該工廠的一條裝配線可以生產200種不同版本的液壓閥,極大地豐富了產出,同時降低了生產成本和電力消耗。

            另一家通過簡化數據分析來實現業務優勢的企業是特斯拉中國,該公司最近開始向歐洲出口中國制造的Model 3電動車。特斯拉在上海建立的超級工廠率先采用了工業4.0技術,導入最先進的、采用大量機器人的高度自動化生產線,無論在制造工藝還是生產管理方面均具有很高水平,可謂十分先進。企業和管理者都希望通過擁抱工業4.0來提升中國超級工廠的數字化制造能力,以便制造商能夠利用實時數據來連接整個價值鏈上的產品設計者、“智能”工廠和經銷中心。隨著Model 3的出口,歐洲也加入了這個供應鏈。

            要想在數字化變革中生存下來,制造商就必須加入博世和特斯拉的行列,只有這樣才能夠持續獲取勝利。

            不斷邁進

            制造業改善數據管理可以采取下列五項措施:

            1. 跨越數據孤島采集和整合數據,從而充分利用已有的數據。

            2. 借助高級數據分析將數據用于新的業務目的。預測性分析可以助力企業發現新業務模式,從而創造未來的收入和利潤。相關報告指出,制造業應該綜合利用大數據、自動化和人工智能技術,因為它們“能夠徹底改變從初步設計到成功交付的整個制造流程”。

            3. 使用最新的硬件和軟件工具對存儲設備及其中的數據進行現代化管理。邊緣服務器通常配備有集成的軟件堆棧,可以使遠程站點的現場數據管理變得更加簡便。

            4. 保護采集的所有數據。每年,RSA信息安全峰會(信息安全領域最為重要的全球會議)都會重點強調保護整個企業數據的重要性,以防外部人員和黑客破壞業務運營。

            5. 落實數據運營。利用元數據(描述數據的數據)來理解數據?!皹擞洝毙聰祿?,方便以后訪問和分析。

            但關鍵是,不要只將數據通信留給機器來處理,有關數據的任務也不要委派給首席信息官、數據科學家和IT部門來做。企業主應該鼓勵整個企業分析各類數據的有用性,并根據預期的任務對數據進行后續分類。

            成功的數據運營不僅僅關乎技術,它還關乎數據的通信。數據加上有效分析有助于建立統一的信息管理平臺,從而充分挖掘背后的業務價值。


            【版權聲明】凡本站未注明來源為"中國科學網"的所有作品,均轉載、編譯或摘編自其它媒體,轉載、編譯或摘編的目的在于傳遞更多信息,并不代表本站及其子站贊同其觀點和對其真實性負責。其他媒體、網站或個人轉載使用時必須保留本站注明的文章來源,并自負法律責任。 中國科學網對文中陳述、觀點判斷保持中立,不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。

             
             
             

            分類導航

            關于我們 | 網站地圖 | 網站留言 | 廣告服務 | 聯系我們 biz@minimouse.com.cn

            版權所有 中國科學網www.flowerhamptons.com

            {"error":401,"message":"site error"}http://www.flowerhamptons.com/plan/2020/1111/84974.html
            黄网站色视频免费国产_无码人妻啪啪一区二区_久久无码高潮喷水免费看_国产口爆吞精在线视频网站