工业大数据应用的四大挑战(1)
工业大数据应用的四大挑战(一)
(2019年7月13日)
以数据为关键要素驱动工业转型升级,不仅成为宏观层面的行业共识,也正在微观层面为企业带来实际收益。然而,工业大数据的发展,还面临数据资源不丰富、数据管理滞后、孤岛普遍存在以及应用深度不足等四大挑战。为此,需要在企业层面夯实数据基础,抓住技术创新机遇,在行业层面建立数据互操作与流通的标准与规则。
一、以数据为关键要素驱动工业转型升级
宏观上,大力发展工业互联网,用数据智能助推工业转型升级相结合,已经成为全国上下的高度共识。微观上,大数据技术的应用也开始为诸多企业带来实际收益。工业互联网产业联盟2019年2月发布的《工业互联网平台白皮书》显示,数据在工业研发设计、工艺优化、设备维护、质量控制、节能减排等方面的作用日益凸显。
可以说,随着这几年工业互联网的不断深入发展,工业领域的数据分析应用取得了令人可喜的进步。然而,也应该看到,由点及面形成燎原之势,任重道远。
二、工业大数据发展面临四方面挑战
挑战1:工业数据资源不丰富
理论上,工业领域的数据应该是非常丰富的,但实际上,有价值的数据非常稀缺,原因是在工业领域,有分析利用价值的机器数据往往需要包含故障情形下的“坏”样本。
数据资源不丰富,与我国工业互联网发展还处于起步阶段有关。企业数字化、网络化程度普遍较低,数据资源的积累尚需时日。而目前工业系统协议“七国八制”现象非常突出,很多软件系统的接口不开放,也增加了数据采集的技术难度。
挑战2:工业数据资产管理滞后
数据质量问题是长期困扰数据分析工作的难题。权威数据专家估计,每年低质量的数据会给企业带来10%~20%的损失。工业领域很多时候追求确定性的分析结果,对数据分析的可靠性要求高,因而对数据质量的要求也就更高了。
用数据,更要“养”数据。从信息化程度较高的金融、电信、互联网等行业经验来看,如果不开展专门的数据治理,就难以确保数据质量。不过,随着机器学习技术的发展,智能化的数据资产管理工具也越来越完善,工业数据资产的管理,可以更多依赖人工智能高效完成。但相比信息化程度较高的金融、电信、互联网等行业,工业数据的管理,还有很多欠账要补。
挑战3:工业数据孤岛普遍存在
数据孤岛几乎是所有企业都面临的困境。从单一企业内部来看,存在着不同时期由不同供应商开发建设的客户管理、生产管理、销售采购、订单仓储、财务人力等众多IT系统,可谓烟囱林立。而要深度推进智能制造,不仅是上述IT系统要横向互通,还要进一步纵向打通IT(Information Technology)和OT(Operation Technology)两界的数据,推进难度非常大。而且,企业越大,管理和技术包袱越重。
从全行业看,发展工业互联网,实现从单一企业内的局部优化,到整个产业链的全局优化的跨越,必然要实现整个供应链上跨企业的数据流通,这就进一步面临着安全合规、商业模式和技术标准等方面的更大挑战。
(未完待续)
摘编自 微信公众号 优管网