通信技术、信息技术和传感器的普及使得数据采集与传输变得越来越方便,然而怎样通过数据的整合转化,使本来无意义的数据变为有价值的知识并进一步指导生产辅助企业在日新月异的竞争环境中生存并发展壮大是每个企业必然要面来临的问题。
“智造”从大数据开始
数据采集传感技术、信息通信技术以及物联网的迅速发展,引起数据爆炸式增长,据预测到2020 年,全球数据将达到35ZB。数据采集技术的成熟运用,扩展了数据来源,产生更加真实有效的数据;分布式存储、云和虚拟存储的发展,使得大数据的存储成本降低;各种大数据挖掘分析技术蓬勃发展。从产生到存储到应用,数据全生命周期仿佛我已经准备就绪,而且在互联网消费领域大数据也已经所有建树。
另一方面,“互联网+”和《中国制造2025》的相继提出,我国制造业由“制造”向“智造”转变。数字化、网络化、智能化、服务化已逐渐成为制造业发展的主流。制造业对于大数据同样有着不晓得需求。
随着大数据相关技术的发展和运用, 传统制造业实现“智造”,需要将大数据相关技术应用到企业中,但目前制造业的信息系统对大数据管理面临还许多问题,难以适应当前制造业发展的需求。亟需一个新的信息系统架构来管理大数据, 并利用大数据的各种技术来提升运营效率,为企业战略决策提供可靠支撑,从而提高企业的核心竞争能力。
问题面面观
由于本文主要论述制造业领域大数据所产生的影响,因此也就从生产五要素的角度,分别从人机料法环上对制造业领域大数据背景下的信息化存在的问题进行详细论述。
在人的方面,主要表现为缺乏对数据价值的认识。除了一些具有大数据分析能力的企业, 能够有意识地通过各种大数据采集技术获取高质量数据之外,许多企业没有这种意识和能力来额外获取数据。例如,爬虫技术和API 接口可以获得万维网的大量企业所需数据, 能够为企业的数据分析提供有效信息, 通过Flume 获取本企业经营日志数据。而由于许多制造企业缺乏对数据价值的认识和对大量数据分析的能力,很少使用这一技术, 来获得对企业管理和决策具有潜在价值的分析数据。此外,缺乏大数据挖掘分析和相应的人才支持。许多制造企业不仅不具备大数据挖掘技术, 也没有相应的人才支持, 因而大量数据的潜在价值得不到发现和应用。由于未能对大数据的价值进行深入挖掘和分析, 大量具有潜在价值的数据变成无用的数据垃圾。又由于无法进一步实现各模块的可视化应用,降低了运营管理效率。未能有效地对整个供应链实施实时精准化管理和企业战略决策的提供有力支持, 导致削弱了组织与外部的竞争优势。
在机械方面,自动化设备对外提供的数据接口并没有统一的标准,各大设备公司都按照自身的标准提供了对外的接口。这对于数据集成平台而言简直是灾难级的存在。
对于大数据而言,数据便是物料。但数据在存储、传输方面在制造业领域仍存在一定的问题。以数据传输速度偏慢、时间滞后为例,虽然目前物联网发展迅速, 但是许多制造业企业的信息化程度仍然很低, 导致很难实现数据的实时传输,数据上传速度也达不到实时分析和监控的要求。
在大数据加工工艺方法方面。数据可视化是通过文字、图表、视频等形式,也可以结合听觉、触觉等感觉,借助人机交互式分析方法和交互技术, 辅助人们更为直观和高效地洞悉大数据背后的信息。可视化分析的科学性与准确性;静态可视化存在交互性弊端,动态可视化应用不够广泛;可视化应用深度和广度不足
在环境方面未能建立从大数据采集到应用的信息系统平台架构。虽然目前的ERP 企业管理系统, 可连接本企业直接上下游的核心供应商和销售商, 并具备一定的数据分析管理能力, 但是制造业信息系统难以满足大数据从采集到分析应用的管理, 使得企业无法通过大数据的生命周期管理,为自身的运营与决策提供支持。制造业产生的大量数据变成埋没在沙里的金子, 无法变成有价值的信息为制造业企业提供指导。
对症下药、釜底抽薪
面对上述问题,可以尝试从如下角度解决问题。对于人们对于大数据重要性认识不足的问题,可以通过学习培训的方式,逐渐增强全员的大数据意识与技术人员的大数据处理能力。对大数据实施全生命周期管理;通过实施智能化改造与扩展数据来源并举的方式扩展数据来源,通过建立数据集市或数据集成平台的方式解决数据异构的问题,充分利用工业app完成数据集成;利用分布式数据库等存储技术存储大数据。另外,根据业务需求深化可视化应用经过计算层的数据挖掘和分析之后, 最终目的是可视化应用,为企业经营管理提供可靠的支持。通过智能采集技术提高大数据的真实性, 再结合大数据挖掘分析技术,来保障可视化分析的科学性与准确性。