为机床工具企业提供深度市场分析                     

用户名:   密码:         免费注册  |   点击 进入企业管理  |   申请VIP  |   退出登录  |  

English  |   German  |   Japanese  |   添加收藏  |  

车床 铣床 钻床 数控系统 加工中心 锻压机床 刨插拉床 螺纹加工机床 齿轮加工
磨床 镗床 刀具 功能部件 配件附件 检验测量 机床电器 特种加工 机器人

TPI
搜索
热门关键字:

数控机床

 | 数控车床 | 数控系统 | 滚齿机 | 数控铣床 | 铣刀 | 主轴 | 立式加工中心 | 机器人
      用户频道:    应用案例 |  汽车 |  模具 |  船舶 |  电工电力 |  工程机械 |  航空航天 |  仪器仪表 |  通用机械 |  轨道交通 |  发动机加工 |  齿轮加工 |  汽轮机加工
您现在的位置:数控机床市场网> 博文选萃>工业大数据是中国制造的伪命题 | 无知识不数据 精益数据时代
工业大数据是中国制造的伪命题 | 无知识不数据 精益数据时代
2016-10-26   作者:林雪萍
      工业大数据在中国是伪命题
    
      大数据本来有更加学术化的名称:数据密集型(Data-Intensive)计算研究。微软在2009年组织撰写《第四范式:数据密集型科学发现》一书,给与这种方法以“范式里程碑”的待遇。而对于大众而言,这些不过是野地径自升起的炊烟,无人知晓也无可关注。
   
      后来随着Big Data这个简洁明了的概念一炮打响,各种大数据这才迎风而上。
    
      工业大数据不过是其中一种BigBang。工业4.0轻松地接过这一闪亮的火把,搅动了人们对于大数据无穷的想象力和不着边际的信心。数字设计、数字工厂、数字制造等一时间喧嚣而上,难免给人造成一种温暖的假象:到处都是工业大数据。有些舆论甚至断言,中国拥有全世界最大的工业大数据——大概理由是因为中国有最多的设备和工厂现场。
    
      然而,且慢,数据现场,远非工业大数据之地。
     
      中国真的有工业大数据吗?
     
      贵阳大数据中心,以政府主导型的数据为基础,基本是城市数据、政务数据、物流数据等;阿里云是以消费者数据为基础,十多年淘宝历程,沉淀了大量的用户行为数据。
     
      但是,对于那些不分昼夜轰鸣的设备,工业数据仍然是暗无天日的黑油、黑煤炭。对中国制造业而言,些许的光亮或闪烁,远没有到大规模发光发热的时代。更为重要的事情,还需要工业领域去优先解决。
    
      不是煤炭创造了工业革命
     
      对于第一次工业革命的发源地,煤炭在英国发挥了巨大的作用。1700年,英国煤产量是世界其他地区的5倍;1800年,是欧洲其他地区的5倍。
     
      然而,谜团犹在,英国拥有煤炭,好像是该国逃离农耕陷阱的根本要素。但与此同时,德法日和清朝,都有大面积煤田,却未得到大规模的开采。煤炭与工业革命的关系值得明辨。
           
      实际上,这不是一个煤炭创造了工业革命的问题,而是工业革命创造了煤炭需求的问题。
      
      换言之,英国煤炭工业的飞速发展,只是财富和技术已经到达高水平的一个征兆。
    
      煤炭对于英国第一次工业革命的战略意义,此刻正如工业大数据之于中国制造2025。由于蒸汽机的驱动,煤炭犹如脱缰之野马,成为工业革命源源不断的动力。正如一把复杂钥匙吻合一把锁,这种类似的模式,第一次将人力一劳永逸地解脱出农耕时代。工业根基肇始。一段时间后,这个开锁程序被世界模仿,并且换成石化燃料和内燃机。
     
      这一模式,影响了随后二百多年的工业史。
     
      
    
       煤炭与工业大数据的对比
     
      随着智能制造的发轫,看上去这个模式,马上就要交给了工业大数据。而此刻,我们必须意识到,数据对于新工业革命的意义,尤其是对于中国制造2025的意义,是一种全新的密码锁模式——中国工业化还并不太熟悉的一种模式。
     
      无数据 不知识
    
      数据、信息和知识的关系,有时候容易混淆。大致而言,数据最开始都是未经组织的,大量存在却价值极低;底层的数据需要通过信息化和工业化,才能转化为知识体系。
     
      从数据到信息,本身就是一种过滤机制——这需要一种提炼,然后可执行、可传递的信息形成知识。知识分为隐性和显性,隐性知识往往存在于人本身之中,传递性很差。
      
      
   
      数据、信息和知识的模型
     
      可惜的是,传统知识管理的DIK模型(Data-Information-Knowledge)关系,是一个单线程关系。它只解决了知识的提炼,没有解决回馈问题。
    
      就工业大数据而言,最重要的就是对它进行密集型的分析——工业知识断不能缺位。GE在谈及工业互联网的时候,给与了“专业知识”以高度的重视。工业大数据不是传统的数据统计分析,而是基于专业知识的引导,才能挖掘出数据真正的价值。
    
      显然,知识体系必须重新作用于数据本身,才能形成工业大数据的价值。在工业领域,“无知识,不数据”。没有工业经验的线性化指引,数据就不会高速转化,工业大数据的价值,就不会产生。
     
      对于数据而言,信息化作了第一次提升,使得数据归类、文本化和沉淀;但必须通过工业化才能进行第二次提升,才能将数据提升到知识的高度,形成真正的Know-how、经验、最佳实践、直觉;在此基础上,挖掘形成大数据的新产业价值。
      
      
    
      工业大数据与知识的关系
     
      如果数据是石油,设备是藏宝地图,那么知识是唯一的钻探工具。
中国工业技术体系没有形成线性化,尚无法形成驱动力。那些数据深藏在设备里,深锁在系统中,它们只在规定的范围局部流动,一如地表下的熔岩。它们有着澎湃的能量,却无法驾驭。
     
      就此而言。中国就没有工业大数据。甚至连显性化的工业数据都没有。我们工业化短短的行程,使得我们习惯于硬件思维和设备思维,还没来得及形成珍惜工业数据的意识。对那些有着厚重的工业技术体系和知识转化的GE、西门子而言,当他们在说工业大数据的时候,他们有着一个我们很多企业没有的隐含条件。
     
      这是我们需要有的清醒意识:不要将无数的现场数据等同于工业大数据。
    
      就中国制造业而言,知识才是最大的拦路虎。工厂中各种数据,如果没有领域知识和业务建模的前提,不过满工厂堆砌起来的一座座数据垃圾山。
        
      对于企业而言,必须静下心来想一想:数据何在?知识何在?这是一种全新的范式,我们并不熟悉它:工业大数据模式,需要先看懂密码锁规格,再去找钥匙。
     
      精益数据观 斩除数据浪费
     
      两化融合走了十年之路,给中国制造业培养了一批工厂级的IT人才。就中国整体而言,许多企业的信息化水平并不低;但知识化和工业数据,则处于非常低的价值链。受各种信息孤岛的影响,数据被捆绑了,犹如被深嵌在花岗石上的钻石,数据处于高度不流动性。不流动的数据,不太可能发挥工业大数据的价值。
     
      过去几十年,中国制造市场不知疲倦地耗资引进各种设备自动化——一种自由购买的商品,一种吞噬数据的黑洞机器;中国工厂也略知皮毛地、半推半就地引进了精益思想,它的烙印还没来得及成为我们血液中的自由元素。
      
      而此刻,全新的数字化技术却已经来到身边,成为我们必须面对、必须应答的时代拷问。
新的浪费,正在形成。
      
      中国的工厂必须用知识来解放数据。中国制造者们,此刻必须开始意识到,我们最熟视无睹的“数据浪费”, 已经成为一种新的触目惊心的挥霍。这是一种可怕的工业无知。它如一只令人生厌的乌鸦,站在设备的控制板上,嘲笑着我们在设备上所做的大把大把的投资。
      
      
     
      工业大数据的价值观
     
      就设备的效率而言,我们需要设备自动化;
      就资源的浪费而言,我们需要精益生产观;
      就数据的效率而言,我们需要知识自动化;
      就数据的浪费而言,我们需要精益数据观。
      
      从工业大数据的角度,中国制造业尚处于数据的黑金时代。
     
      在当下,工业大数据还是中国制造业的伪命题。
    
      正是此刻,数据与知识的关系,更加耐人寻味。在这样一个i额时代,所有企业都将逐渐意识到数据的重要性。但如何能够完成数据的解放,将数据释放出来,仍然需要穿过“无视知识”的认知障碍,仍然需要借助大量的专业化知识。这是中国两化深度融合过程中,工业化必须单独回答的命题。
    
      如果我们忽略管理者深浅不一的见识和技术上互相标榜的流派,那么工业4.0时代的所有命题,其实只有两个:数据和用户。所有的障眼法都由此而来。
    
      而工业知识的显性化、模型化和固化,则是破解数据障眼法的唯一之道

    声明: 本博文仅系博主个人看法,并不代表本网立场,请读者仅作参考并请自行核实相关内容
                  欢迎各位博主联系本网编辑部,邮箱:skjcsc@vip.sina.com ,电话:010-57729015
名企推荐
山特维克可乐满
哈斯自动数控机械(上海)有限公司
西门子(中国)有限公司
哈挺机床(上海)有限公司
北京阿奇夏米尔技术服务有限责任公司
陕西秦川机械发展股份有限公司