二號站總代平台_製造業必須應對數據孤島的挑戰

[摘要] 全球製造業的規模極其龐大。麥肯錫全球研究院(McKinsey Global Institute)的數據显示,全球範圍內,製造業的銷售額總計大約10萬億美元,而中國佔到了其中的28%,與此同時,中國的總產值佔全球總產值的35%。儘管受到新冠疫情的衝擊,但是製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於物聯網、雲計算和信息物理系統等各種製造技術以後,智能製造的前景更加光明。,《安防知識網》
一個服務號
二個訂閱號 微信服務全面升級,不得轉載聲明: 凡文章來源標明“安防知識網”的文章著作權均為本站所有,禁止轉載,除非取得了著作權人的書面同意且註明出處。違者本網保留追究相關法律責任的權利。,[摘要] 全球製造業的規模極其龐大。麥肯錫全球研究院(McKinsey Global Institute)的數據显示,全球範圍內,製造業的銷售額總計大約10萬億美元,而中國佔到了其中的28%,與此同時,中國的總產值佔全球總產值的35%。儘管受到新冠疫情的衝擊,但是製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於物聯網、雲計算和信息物理系統等各種製造技術以後,智能製造的前景更加光明。,,  很明顯,製造業的未來與產品有着千絲萬縷的聯繫;而不那麼明顯的是,它還取決於支持生產的數據管理。,  確實,製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。有些行業利用基於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,製造業落後於其他行業(數據運營是將數據創建者與數據使用者聯繫起來的一種方法)。在這個領域,製造業需要迎頭趕上。,  在生產過程中,製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,這不僅是為了製造產品,也是為了通過數據管理來提升業績。為此,製造商需要確保統一的數據觀。,  IDC《2018年製造業洞察: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数字化互聯。這是一個好消息。,  
為什麼會脫節?
,  原因有四個:,  《數據新視界》報告基於IDC對全球1500名企業領導者開展的一項調查,調查結果显示,製造業的數據增長速度為37%,低於其他行業42.2%的平均增速。在將混合雲和多雲應用於主要業務領域方面,製造業落後於其他行業。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,對於一個以實施人工智能和機器學習技術而著稱的行業而言,製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。,  
第三,部分數據向邊緣移動使管理更加複雜。製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。,  
第一,傳統基礎設施問題依然存在。製造技術日新月異,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湧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。,  製造業的這種狀況不是一朝一夕形成的。,  
第四,製造商需要全面的數據管理軟件。由於無法查看其總體的業務狀況,製造業客戶對數據管理軟件工具不滿。並且,許多工廠缺少數據管理軟件。虛擬化軟件對跨部門显示和查找數據支持不足。,  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,藉助機器對機器通信提升洞察力和自動化。但是,GE数字集團(GE Digital)数字化產品管理副總裁兼EmTech委員會發言人Matt Wells認為,工廠數據的複雜性和目標不明確,讓製造業的初心難以落地。”,  有些製造企業已率先利用預測性數據分析來改善總體績效。,  德國汽車零部件製造商羅伯特·博世有限公司(Robert Bosch GmBH)便是這樣一家企業。博世位於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)標籤將工人、機器和零部件聯繫起來,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製造的Model 3電動車。特斯拉在上海建立的超級工廠率先採用了工業4.0技術,導入最先進的、採用大量機器人的高度自動化生產線,無論在製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数字化製造能力,以便製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。隨着Model 3的出口,歐洲也加入了這個供應鏈。,  
不斷邁進,  製造業改善數據管理可以採取下列五項措施:,  1.    跨越數據孤島採集和整合數據,從而充分利用已有的數據。,  4.    保護採集的所有數據。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。“標記”新數據,方便以後訪問和分析。,  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,並根據預期的任務對數據進行後續分類。,  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於建立統一的信息管理平台,從而充分挖掘背後的業務價值。,