万物智联大数据驱动未来.docx

《万物智联大数据驱动未来.docx》由会员分享，可在线阅读，更多相关《万物智联大数据驱动未来.docx（17页珍藏版）》请在优知文库上搜索。

1、万物智联大数据驱动未来作为全球制造业大国，中国正面临来自国内和国际的双重挑战。从国内来看，人口红利消失、劳动力成本上涨，主要依靠资源要素投入、规模扩张的粗放发展模式已经难以为继，产业结构亟待转型；从国际来看，以德国、美国等为代表的欧美发达国家相继推出工业4.0和工业互联网计划，全世界的制造业强国正在开启“第四次工业革命”。挑?鹦彩腔?遇。“第四次工业革命”以物联网、大数据、人工智能、新能源、3D打印、区块链、生物技术等为驱动，正在以难以置信的速度改造世界。其中，尤以大数据为代表的新技术应用对整个社会影响显著而深刻。凭借大数据，用户需求与资源供给被更加有效率地匹配，互联网和服务业等行业也经历了一

2、个高速发展阶段。随着5G时代逐渐到来，互联网将进化为智联网，而网络升维之后的新形态，可称之为“万物智联”。麦肯锡报告大数据：下一个创新、竞争和生产力的前沿显示，制造业产生的数据量远远超过其他行业,且可被接入的设备数量也远超移动互联网，加之工业大数据刚刚起步，其应用远不及在社交网络、医疗和商务等方面那样普及和深入，所蕴含的价值还有待于充分挖掘，从而拥有巨大的机会与潜力。进入“万物智联”的数字经济时代，变革和创新成为制造业的中心词。变革体现在产业的全生命周期，创新贯穿于设计、生产、供应链、研发、营销、服务等各个环节。与传统生产要素相比，大数据是未来制造业举足轻重的新生产要素，从大规模定制到智能化服

3、务，其应用及影响无远弗届。抓住这轮新机遇，中国制造业将大有可为。设计环节：大规模定制1970年,美国未来学家阿尔文?托夫(AlvinToffler)在FutureShock一书中最早畅想大规模定制这种全新生产方式：“以类似于标准化和大规模生产的成本和时间，提供客户特定需求的产品和服务”；1987年，斯坦?戴维斯(StartDaViS)在FuturePerfect一书中首次将这种全新生产方式命名为“大规模定制”；而在众多学者中，对于大规模定制的含义理解较为全面和准确的学者是B?约瑟夫?派恩(B?JoS叩hPineII),他认为大规模定制的核心是产品品种的多样化和定制化急剧增加，而不相应增加成本，

4、其最大优点是提供战略优势和经济价值。大规模定制的基本思想在于通过对产品结构和制造流程的重新构建，运用现代化的技术手段，以大规模生产的成本和速度，为单个客户或小批量多品种市场定制任意数量的产品。由此可见，大规模定制不仅追求低成本、高效率，还要兼顾高质量和个性化，这在传统工业社会是难以想象的。大规模定制的要义在于，以满足客户需求为核心，创造出一系列运作模式、技术支持、销售方式、反应机制。这将会给企业的组织和运营带来冲击与困扰，企业生产、服务和销售环节都需要随之进行转变。如果说在工业化条件下，大规模定制的思想对绝大多数企业而言都无以落地，那么在大数据条件下，“一切皆有可能”就有了现实基础。大数据是制

5、造业大规模定制的关键，其应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等。当定制数据达到一定量级，通过对这些数据的挖掘、分析，能够实现精准匹配、营销推送、流行预测等更高级的功能，可以帮助制造企业降低物流和库存成本、增加产品的用户匹配度，减少生产资源投入的风险。案例1青岛酷特：大数据驱动的个性化大规模定制模式在大数据时代，大规模定制正悄然改变着整个行业。在2015年，中国的纺织服装出口行业压力巨大，出口额为2837.8亿美元，同比下降4.9%,而在服装行业普遍寒冬的大背景下，位于青岛的一家纺织服装企业却在2012年至2015年连续四年利润增长100%以上，利润率达到25%,它的名字是

6、酷特集团（原红领集团）。经过13年的内部流程改造，从过去传统的规模量产模式，转变为现在更加聚焦消费者的C2M（客户对工厂）模式，成为中国制造业转型的一个典范。酷特集团自主研发了电子商务定制平台一一C2M平台，消费者可以在线定制，选择自己喜欢的款型和板式，最后订单直接提交给工厂，订单数据会进入酷特自主研发的版型数据库、工艺数据库、款式数据库和原料数据库进行自动匹配。这其中没有中间商赚取差价、没有原材料和产成品挤压，从下单、支付到产品制造的全过程都是数字化和网络化运作，这种“按需生产”的零库存模式一方面让企业生产成本大大降低，另一方面也使消费者不必承担传统零售模式下的流通、店面、人工和库存等成本，

7、直接提高了消费者剩余，达到了双赢的局面。除了成本优势之外，C2M模式在大数据的助力下也大大提高了生产效率。在过去传统的制造模式下，定制成本居高不下，而且生产过程往往超过一个月，难以量产。而酷特集团通过C2M平台，打破了消费者和生产者、设计者之间的藩篱，让需求能以最快的速度直达工厂，与传统服装定制相比,酷特集团已将定制生产周期降到7个工作日以内。酷特集团打造的大数据平台促进企业向高端制造转型，不仅让企业利润倍增，也让消费者享受到制造升级红利，个性需求得到满足。英沃电梯：C2M电梯个性化定制智能平台英沃电梯有限公司是一家集电梯、自动扶梯及关键零部件的设计、研发、制造、销售、安装、维保为一体的现代化

8、专业电梯企业。随着行业竞争的不断加剧，电梯市场不断走向客户定制化、交货期短及产品多样化的柔性生产模式，管理难度大。英沃C2M电梯个性化定制智能平台，采用流量分成模式、云计算和物联网方法，实现从报价、设计、制造、服务全流程的智能化、自动化、数据化、网络化的处理，完成面向电梯终端客户的个性化定制生产和服务。引入数字化工厂智能制造的解决方案，借助于信息化和数字化技术，利用集成、仿真、分析、控制等手段，通过ERP系统与二维和三维仿真系统、PLM系统、MES系统、SCM系统、数控加工中心等系统的集成，推动实现制造过程的自动化和智能化。C2M电梯个性化定制智能平台通过持续的数据积累，形成研发、生产、质量、

9、服务、运营大数据，构建电梯行业数据中心，最终实现企业研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化。当前，包括青岛酷特集团、英沃电梯公司在内的众多企业，正在积极谋求智能化转型和升级，拥抱如潮而至的大数据时代，而这对传统制造业提出了更高要求。制造企业满足消费者个性化需求，一方面，在生产端，要提高供给能力，提供多样性的产品或服务满足消费者个性偏好；另一方面，在需求端,要通过互联网了解消费者个性化定制需求。由于消费者众多，需求各不相同，而需求又处于无时无刻的变化中，由此构成了产品需求的大数据。制造企业对这些数据进行处理，进而传递给智能设备，完成数据挖掘、设备调整、原材料准备等步骤，最

10、终生产出符合个性化需求的定制产品。生产环节：智能制造智能制造是中国制造2025最重要的目标之一，其实现基础是大数据，实现途径是CPS系统。CPS（信息物理系统）的概念最早在美国被提出，被视为新一代技术革命的突破点。与此同时，德国工业4.0也将CPS作为生产系统中的核心技术。CPS不是一个简单的技术，而是一个架构和流程清晰的技术体系。其主要应用过程包括数据的搜集、汇总、分析、预测、决策和信息发送，能够让制造业数据像流水线一般的处理、分析，并在这个过程中充分考虑机理逻辑、流程?P系、活动目标、商业活动等特征和要求。作为工业大数据分析中智能制造的重中之重，CPS系统让制造业融入互联网之中，包含两个层

11、面：一是将产品通过硬件设备（如智能家居设备、智能制造设备等）接入互联网，在互联网上传输数据，实现产品生产的智慧化；二是将企业接入互联网，加速企业的网络化、智能化改造进程。目前，大数据已经成为智慧制造云或智能制造系统建设和运营的战略资源，也是智慧制造云实现智慧化的重要基础。从技术来看，基于大数据的智慧制造系统具备多元复合模态，拥有高度实时性和不确定性等特征；从应用来看，智慧制造云大数据的价值在于：通过采集管理分析服务，能够精准、高效、智能地促进云制造的智慧化，实现以“产品+服务”为主导、随时随地随需的个性化和社会化制造，进而提升企业竞争力。供应链环节：优化与提速案例3北科亿力：大数据助力智能炼钢

12、钢铁是国家战略性支柱行业，连续多年占全国GDP总值的10%以上，在去产能背景下其体量依然巨大。作为占据钢铁企业约70%的成本和能耗的炼铁厂，2016年中国铁水产量约7亿吨，产值约1.5万亿元，其生产过程的数字化和智能化水平相比于钢轧工序依然较低。北科亿力作为由国内知名大学专家和钢铁企业专业人才组建的企业，一直致力于炼铁数字化及智能化技术的研发，已获得炼铁大数据及数字化监测方面的软件著作权21项、专利11项，其最新的研究成果是炼铁大数据互联平台：将无线传输、三维激光雷达、热成像技术应用于高炉“自感知”工业传感及物联网开发；建立了数据源、整合、传输、管理、持久、分析、接口、应用的大数据处理中心；开

13、发高炉专家系统实现自诊断和自决策；建立行业级炼铁大数据平台实现企业端和行业端数据互联互通及智能对标；开发云平台实现移动终端服务。广泛应用于河钢、首钢、中信特钢、沙钢、山钢、酒钢等中国近百家和海外伊朗、越南、印尼等200多座高炉，在实际应用中对炼铁长寿、高效、优质、低耗、清洁生产起到了至关重要的作用。通过炼铁大数据平台和智能化系统的建设，降低炼铁异常工况及燃料消耗，不但能为炼铁厂带来巨大的经济效益，还可以直接降低炼铁燃耗及CO2排放，实现节能减排和绿色冶金。随着供应链复杂程度的不断提高，企业对于更有效率的供应链管理方式的需求也随之增长。而大数据的出现，则使供应链全局优化成为可能。大数据优化供应链

14、的核心，在于精准的需求预测。作为整个供应链循环的第一步，需求预测的准确与否直接关系到库存策略、生产安排是否成功，预测一旦失准，将会导致产品的缺货或脱销，二者都将使企业蒙受巨大损失。但在大数据的支持下，通过对供应链上的海量数据进行搜集、分析，不仅可以勾勒出包括消费者的消费习惯、消费能力等维度的用户画像，反映出市场的真实需求，又能够使物流企业依据数据分析结果,了解到供应链每个环节的运作情况，从而找出业务赢利点或低效率的地方，然后有针对性地进行业务调整，优化资源配置，以提升供应链的协同效应，实现效率和利润的最大化。大数据在供应链环节的应用，通常表现在供应链配送体系优化、用户需求快速响应等两个方面。供

15、应链配送体系优化。主要是通过RFID等产品电子标签技术、物联网技术以及移动互联网技术，帮助制造企业获得完整的产品供应链的大数据。利用销售数据、产品的传感器数据和出自供应商数据库的数据，制造企业可准确地分析和预测全球不同区域的需求，从而提高配送和仓储效能；利用产品中传感器所产生的数据，分析产品故障部分，确认配件需求，可预测何处以及何时需要零配件。这将极大地提高产品的时效性，减少库存，优化供应链。用户需求快速响应。主要是利用先进的数据分析和预测工具，预测与分析实时需求，增强商业运营及用户体验。例如,京东运用大数据提前分析和预测各地商品需求量，从而提前配货，提高配送、仓储和投递效能，保证了到货及时的

16、用户体验。案例4McKesson：动态供应链美国最大的医药贸易商MCKeSSon公司将先进的分析能力融合到每天处理200万个订单的供应链业务中，并且监督超过80亿美元的存货。对于在途存货的管理，McKesson开发了一种供应链模型，它根据产品线、运输费用甚至碳排放量而提供了极为准确的维护成本视图。这些详细信息使公司能够更加真实地了解任意时间点的运营情况。McKesson利用先进分析技术的另一个领域是对配送中心内的物理存货配置进行模拟和自动化处理。评估政策和供应链变化的能力帮助公司增强了对客户的响应能力，同时减少了流动资金。供应链转型使McKesson公司节省了超过1亿美元的流动资金。案例5同方知网：大数据知识管理创新同方知网一直专注于知识资源的大规模集成整合和增值利用服务，在大数据知识管理和创新服务方面积累了较为丰富的经验。2015年，基于自身海量的知识资源优势和全国各行各业创新发展的知识需求，同方知