首页 > 新闻 > 专家观点 >

IBM观点:工业4.0是大数据驱动的智能工业

2015-03-13 13:39:42   作者:   来源:ZDNet CIO与应用频道   评论:0  点击:


  任何一个舶来品想要融入中国都需要适应中国特色,工业4.0也不例外。工业4.0不仅是对生产方式的颠覆也是对生活方式的颠覆。

  工业4.0的到来,与消费者自我意识觉醒及技术进步有着密切的关系。在IBM 看来,工业4.0是大数据驱动的智能工业。这些转变同首席执行客户(CEC)的出现有着很大的关系。并且随着企业进入D世代,不仅需要成为数据分析驱动型企业,还要战略性运用云计算、移动、社交和大数据分析工具,掌握并预测以客户为中心的市场状况和变化趋势,并根据数据洞察生成最佳行动建议,数据贯穿企业研发、生产、营销、服务等管理运作。

  企业要想在数据驱动的工业4.0时代一帆风顺,就需要在加强客户洞察方面,重视数据对于把握CEC需求的重要性。以及在推动制造研发的突破方面,可以尝试让用户的互动参与为研发带来价值,并且用数据辅助生产的智能化。

  工业4.0 大数据驱动的智能工业

  通过对消费者行为的追踪并由此所捕捉的大量消费数据必须利用数据科学进行计算与建模,并自动转化为商业决策与运营模式,然后通过工业4.0,随时动态调整生产流程来因应消费需求的动态变化。

  中国已经进入了D世代,早在2010 年时,制造业所新增的数据便将近2EB(计算机存储单位),大数据也顺理成章的成为工业4.0的驱动力。

  这也符合IBM所理解的工业4.0,即大数据驱动的智能工业。“这是一场由首席执行客户(CEC)推动的,以‘D世代企业’(大数据分析驱动型企业)的诞生与发展为标志的,以大数据、云计算、移动、社交等技术为主要驱动手段的工业革命。最突出的一点是,大数据深刻改变了工业企业的生产和决策。”IBM大中华区副总裁冯国华说道。

  IBM大中华区副总裁  冯国华

  在工业4.0趋势下,工业的信息化水平进一步提升,尤其是互联化和智能化的提升。制造业在其转型升级可以概括为三方面:第一,产品智能化;第二,流程的智能化升级;第三,制造业的互联网化。在转型升级的进程,也将产生大量数据,企业需要思考如何对大数据进行分析和管理。

  IBM的CAMSS技术(C是指Cloud云;A是指BigData &Analytics,大数据和分析;M是指Mobility移动;第一个S是指Social社交,第二个S则是指Security安全),将助力中国企业、行业构建大数据能力,助力中国工业4.0的契机实现转型升级。

  D世代为企业带来新能力

  在D世代中企业也需要不断进化,其中制造业正经历蜕变式的升级,企业需要更迅速的获取客户的需求与反馈,这归根结底是新时代消费者需求的变化。消费者已经参与到战略、研发、生产、执行各个环节中,成为首席执行客户(CEC),其推动企业从供应链转向需求链,从产品为中心到以需求为中心,从基础架构到信息架构。

  CEC具有三大特征:

  1.采购决策更多地建立在信息和数据分析的基础上;

  2.要求个性化的产品、服务和体验;

  3.开始拥有决定商业行为的主导权和更大的市场影响力;

  因此,为了更好地适应消费者的转变,传统制造企业需要借助大数据云计算、社交、移动等新技术推动企业转型,从而帮助企业更好地满足消费者的需求。并由此催生出IBM董事长、总裁和首席执行官罗睿兰在2014年11月Think Forum 提出“D世代企业”。

  “D世代企业”可以战略性运用云计算、移动、社交和大数据分析工具,掌握并预测以客户为中心的市场状况和变化趋势,并根据数据洞察生成最佳行动建议,数据贯穿企业研发、生产、营销、服务等管理运作,产生更多之前不曾拥有的新能力。

  D世代企业的新能力

  工业4.0在中国的发展道路不能只是拿来主义,IBM大中华区副总裁冯国华认为,全面资源供应链体系、最大的本土市场和最具活力的互联网应用趋势是中国具有独特的工业和市场基础。中国需要充分开发大数据资源、云计算基础上重新构造企业IT—寻找新的业务模式,以靠近市场的优势带动创新。这也要求企业加强客户洞察、推动制造研发的突破、实现生产智能化。

  工业4.0的大数据驱动路径

  在数据驱动的商业和工业4.0时代,企业需要加强客户洞察、推动制造研发的突破,以及实现生产智能化。冯国华认为,三点不能割裂,它们之间只有协同作用才能成就新型的工业企业并输出价值。

  在加强客户洞察方面,重视数据对于把握CEC需求的重要性。IBM认为,任何一家企业都必须要有客户的数据,只有掌握360度客户数据,不仅包括客户的职业等基础信息,还须包括偏好、行为、交易信息,才有可能帮助我们去真正获得客户洞察。但不少中国企业的数据意识有待提升,需要减少数据流失。

  在推动制造研发的突破方面,可以尝试让用户的互动参与为研发带来价值。冯国华认为,以海量资料分析为核心的创新研发能力,将攸关制造业者如何在日益艰辛的订单争夺战中脱颖而出。研发团队可透过大量的意见回馈,改善测试的周期时间、质量和效率,让企业更快响应市场,抢得先机。

  在实现生产智能化层面,其实现在有很多制造型企业已经开始尝试并受益。制造业是带动中国社会发展转型的火车头,也是经济成长和就业市场的中流砥柱。近年来,由于科技发达和贸易障碍减少,各生产地可针对制造过程中某些环节发展专业能力,厂商为了节省成本,跨国设计、采购、组装、制造、营销和服务的生产网络远比过去扩散和零碎,复杂度更甚以往。

  我们来看看Blizzard Ski是如何通过数据驱动运营,Blizzard Ski是一家滑雪板生产商,每年生产大约40 万副滑雪板,其中有些型号使用多达18 种材料并需要长达16 个星期的生产时间。通过使用数据,该公司开始预测滑雪运动趋势、天气模式以及影响其业务的其他短期市场变化,并且现在能够迅速满足某些滑雪镇不断变化的需求。数据还使该公司能够对其供应商进行监控,使得无论需求如何变化,供应商都能满足他们的需求,实现生产周期缩短至8 个星期,并且变得更加灵活。

相关热词搜索: IBM 工业4.0 大数据

上一篇:呼叫中心如何控制流失率?

下一篇:最后一页

分享到: 收藏

专题