工业4.0 大数据崛起重塑商业社会
18世纪从英国发起的技术革命是技术发展史上的一次巨大革命,它开创了以机器代替手工工具的时代。以机械化,蒸汽机为标志。19世纪最后30年和20世纪初,科学技术的进步和工业生产的高涨,被称为近代历史上的第二次工业革命,世界由“蒸汽时代”进入“电气时代”。从20世纪四五十年代以来,在原子能、电子计算机、微电子技术、航天技术、分子生物学和遗传工程等领域取得重大突破,标志着新的科学技术革命的到来。第三次科技革命是人类文明史上继蒸汽技术革命和电力技术革命之后科技领域里的又一次重大飞跃。
工业1.0至3.0
先看工业革命的前三个阶段:
工业1.0
机械化,以蒸汽机为标志,用蒸汽动力驱动机器取代人力,从此手工业从农业分离出来,正式进化为工业。
工业2.0
电气化,以电力的广泛应用为标志,用电力驱动机器取代蒸汽动力,从此零部件生产与产品装配实现分工,工业进入大规模生产时代。
工业3.0
自动化,以PLC(可编程逻辑控制器)和PC的应用为标志,从此机器不但接管了人的大部分体力劳动,同时也接管了一部分脑力劳动,工业生产能力也自此超越了人类的消费能力,人类进入了产能过剩时代。
工业制造面临的挑战
工业1.0,、2.0、3.0时代里,因为生产厂家无法低成本的了解每一个客户的需求,所以往往采用一刀切的方法,就是把需求做多的性能组合到一起,成为一款产品,工业3.0时代从机械化、规模化、标准化和自动化方面大幅度地提升了生产力,然而这类规模化生产模式导致当前的全球性的产能过剩,企业的竞争越来越激烈,以往一款产品卖三十年的做法已经逐步不行,互联网时代的到来进一步成为催化剂,撼动了工业时代的基础,信息不对称问题解决了,你跑不快,有的是快的。
比如你想要一款适合你的体型的衣服,服装厂是无法知道你的体型多大的,所以只能测量很多人的体型之后,把最集中的尺码分成40号,41号,42号等等,但是如果你的体型偏肥或偏瘦,对不起,概不伺候。
互联网改变了这个局面,人与人,人与厂商,可以低成本的实现连接,从而让每个人的个性需求被放大,人们越来越喜欢个性化的东西。但是个性化的东西需求量没有那么大,这就需要工业企业能够实现小批量的快速生产,多品种、小批量、定制生产成为工业化4.0一个核心驱动因素。
另外一个核心因素则是虽然工业产品是当前制造业主要销售收入,但一旦销售完毕,则意味着企业跟客户联系的结束,卖设备这种服务模式无法让企业获得持续的增长,如何延伸制造业的价值链,实现产品价值的最大化,是工业化4.0另一个核心驱动要素。
工业4.0的概念
工业4.0是以智能制造为主导的第四次工业革命。其利用信息物理系统(Cyber-PhysicalSystem)将生产中的供应、制造、销售信息数据化,智慧化,形成有效的的网络,信息共享和交流,最后达到快速、有效、个性化的产品供应。”工业4.0是德国人谈的,其实和美国谈的“工业互联网”,以及中国谈的“两化融合”信息化与工业化有机融合都是殊途同归的,中国还有一个目标,就是中国制造2025,也是这个意思。
大数据与工业4.0
工业4.0的内容非常丰富,笔者仅仅从大数据的角度谈谈相关看法,让大家对于其内涵有更深的认识。
智能生产-基于大数据连接进行生产控制
传统工厂存在的目的只有两个,生产产品,然后卖出去。所以在工业企业中,通常会分为两个大的部门,一个是生产部门,一个是业务部门,前者通过MES(制造执行系统)管理,后者通过ERP(管理信息系统)来管理。这两个系统啥区别呢?ERP更倾向于财务信息的管理,而MES更倾向于生产过程的控制,简单的说,ERP主要告诉你客户需要生产多少个产品,哪天下单,哪天要货,而MES主要负责监控和管理生产这些产品的每一个步骤和工序如何实现。
但是,大多数企业里面,ERP和MES其实并没有连起来,所以当ERP给MES下达生产计划指令后,MES在生产过程中发生了与计划偏差的事项(比如设备坏了,原料不合格等等),MES会根据车间的实际情况进行调整。但是ERP是不知道的!所以它会继续按照原本的计划执行订单,时间久了,财务系统和工厂的实际情况就会出现非常大的偏差,也就是ERP这个大脑与生产是脱钩的,信息的不贯通导致一线的决策精细化控制实际是无法做到的。
即使生产设备和管理信息系统各自连接起来,但现在生产的原材料和生产设备也还没有连接起来,因此实际的个性化生产也是无法达到的,举个例子你就明白了:
百事可乐的生产车间里,生产线上连续过来了三个瓶子,每个瓶子都自带一个二维码,里面记录着这是为张三、李四和王二麻子定制的可乐。
第一个瓶子走到灌装处时,通过二维码的无线通讯告诉中控室的控制器,说张三喜欢甜一点的,多放糖,然后控制器就告诉灌装机器手,“加二斤白糖!”(张三真倒霉……)。
第二个瓶子过来,说李四是糖尿病,不要糖,控制器就告诉机器手,“这货不要糖!”
第三个瓶子过来,说王二麻子要的是芬达,控制就告诉灌可乐的机械手“你歇会”,再告诉灌芬达的机械手,“你上!”
看到了,多品种、小批量、定制生产,每一灌可乐从你在网上下单的那一刻起,他就是为你定制的,他所有的特性,都是符合你的喜好的。但有个前提,生产的原材料、生产设备、管理信息系统及相关系统必须是贯通的。
要实现贯通,就必须依赖互联网、物联网(比如射频识别技术)、大数据等技术,现在工业4.0有一个标准之争,就是设备之间的接口标准,这个接口可不是什么TCP/IP等协议能解决得了的,比如实时性要求。当然,核心是需要实现各类数据的有效采集和整合。
智能运维-基于大数据分析进行自我完善
在现今的制造系统中,存在着许多无法被决策者掌握的不确定因素,前三次工业革命主要解决的都是可见的问题,如避免产品缺陷等,这些问题在生产中由于可见、可测量,往往比较容易加以避免和解决,而很多不可见的问题通常标签为性能下降,健康衰退等,这些因素由于传统技术手段缺乏而难以控制。
在工业4.0的时代,机台、设备、产品仍然是关注的中心。但机器的表现,产品的健康状况已不再由人工决定或评估,物联网下生产流程及产品使用的状况理论上都可以转化为可量化的数据,人为的因素将被降至最低。工业信息化下生产流程的透明度将得到提高,产品的可追溯性也成为可能。同时,对生产制造过程中产生的海量数据进行分析与挖掘,可将大量的数据转化为表征机器行为及健康状况的信息,这些从数据中获得的信息可为性能维护、生产管理、设计等提供决策支持,进一步帮助提升质量与生产率。有效的数据信息转化方法还可使生产设备具备自我学习与自我认知的能力,人工经验与知识可转化为智能的数字化的分析算法。
更进一步,机器在充分了解自身的运行状态与健康状况的基础上,可根据自己行为的趋势对未来自身的表现进行预测。机器的自我认知与自我预测可使自身得到及时的预见性的维护与改善,整个生产制造将更加智能。
智能服务-通过大数据部署实现服务化
工业4.0的另一个特点就是制造过程和制造价值向使用过程的延伸,不仅仅关注将一个产品制造出来,还应该关心如何去使用好这个产品,实现产品价值的最大化,产品的创新和价值的创造不再仅仅以满足用户可见的需求为导向,而且要利用用户的使用数据创建使用场景模拟,从情景模拟中找到用户需求的缺口,这些缺口称之为“不可见需求”,产品服务化将是工业4.0时代一个产品存在的真正价值所在。举个例子就更清楚了:
在未来,在用户驾驶汽车的过程中,汽车能自动识别用户驾驶习惯的改变,提醒用户驾驶习惯的变化对于能耗和剩余里程的影响;在上下班高峰期,汽车能通过海量的交通数据预测出未来一段时间内可能通过道路的拥堵情况,并未用户推荐最佳路径;在驾驶过程中汽车还可以记录路面的平整度,这些数据首先在系统内被分享,提醒后面的驾驶者减速驶过一段坑洼的路面,回到家后,可以通过手机或网页查看一天的驾驶记录,不同驾驶模式下的能耗情况一目了然,可以与社区的其它用户比一比谁更加环保,同时系统还提供了相应的驾驶习惯改善建议,此外,用户还能查看汽车的健康状况报告,故障风险一目了然,不像现在一样,到底何时换轮胎也不清楚,只能定期到4S店去检查。
由此可见,汽车厂商不仅是卖了一辆汽车,同时通过额外增值服务实现了价值的延伸。我这里提一个概念叫网器,诸如海尔等企业已经开始将所有的家电变成一个网器,实时采集家电的使用情况数据,并将数据发送到云端,通过数据分析,不仅能提升自身产品质量,而且还可以为你提供更为个性化的服务,虽然现在还未完全流行,但相信,未来所有的制造品都是一个配有传感器的数据终端,制造业将通过收取服务费等形式创造新的商业模式。
云工厂-通过大数据实现智能供应链
当工厂的两化融合进一步深入的时候,另一种新的商业模式就有要孕育而生了,这就是云工厂。工厂里的设备现在也是智能的了,他们也在不断地采集自己的数据上传到工业互联网上,此时我们就可以看到,哪些工厂的哪些生产线正在满负荷运转,哪些是有空闲的。那么这些存在空闲的工厂,就可以出卖自己的生产能力,为其他需要的人去进行生产。互联网行业为什么发展的这么快,就是因为创业者只需要专注于产品和模式创新,不需要自己去买一个服务器,而是直接租用云端的服务就行了。而目前工业的创业者,还是要不断地纠结于找OEM代工还是自建工厂中,这个极大地限制了工业领域的创新。当云工厂实现的时候,我预言中国的工业领域将出现一个比互联网大百倍以上的创新和创业浪潮,那个时候这个社会的一切都将被深刻的改变。
跨界打击-通过大数据重塑商业社会
互联网行业天天说降维打击传统行业,什么谷歌小米阿里巴巴乐视,可是我告诉你,当工业4.0进入深入时,工业企业的跨界打击将比这些互联网企业猛烈百倍。这个过程将从根本上撼动现代经济学和管理学的根基,重塑整个商业社会。举两个例子就更清楚了:
一个生产手表的厂商,这个表每天贴着你的身体,采集你身体的各项数据,这些数据对于手表厂商也许没啥用,但是对于保险公司就是个金库,这个时候,手表厂商摇身一变,就能成为最好的保险公司。
一个农机本来是帮助农户进行农作物收割,但通过给农机装上传感器,可以探知耕地土壤状态的报告和对不同农作物的适用程度,然后再根据农户计划种植的农作物提供需要施加化肥的种类和数量,并把化肥厂家的信息告诉农户并帮他下单,从而收取化肥厂的中介费和农户的管理费,你看,农机厂摇身一变就成为卖农作物生产管理服务的公司了,这个在美国已经成为现实了。
结语
整个工业4.0过程,就是自动化和信息化不断融合的过程,就是大数据持续发挥价值的过程,也是用软件重新定义世界的过程。一切都在基于数据被精确的控制当中,人类的大部分体力劳动和脑力劳动都将被机器和人工智能所取代,你信吗?
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20