大数据背景下的工业信息化
导语
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。
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。
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。
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。
近年来，在全球经济数字化浪潮的推动下，我国大数据与制造业融合发展态势良好。大数据产业体系基本形成，制造业大数据应用不断拓展，行业数据资源采集、整合、共享和利用的能力在逐步提升。但总体来看，目前我国大数据与制造业融合领域整体上还处于发展初期，与发达国家相比，在融合行业数量、融合应用深度、融合业务规模、融合发展均衡性等方面还存在一定的差距。
面对信息化时代的到来，美国推出了“大数据研究与发展”战略和“联邦大数据研究与开发计划”，不断加强大数据产业布局；欧盟提出了“数据驱动经济”战略，倡导欧洲各国抢抓大数据发展机遇；日本颁布了“面向2020 年的ICT 综合战略”，以“活跃在ICT 领域的日本”为目标，促进大数据应用发展；澳大利亚政府发布了公共服务大数据战略，重视大数据在提升公共服务质量领域的发展；此外，英国、印度、新加坡等国家也出台了类似大政策，推动大数据产业发展。而我国面对提出的两化融合体系，同样是以数据作为四个基本要素之一。此后陆续颁布的大数据行动纲要、中国制造2025、大数据产业发展规划、互联网+ 行动、“互联网+ 先进制造业”发展工业互联网等一些列重大政策，积极推进制造业与大数据融合发展，利用大数据改造传统产业、培育新的发展动力，全面提升制造业的质量和效益，助推中国制造向中国创造转变，中国速度向中国质量转变，中国产品向中国品牌转变。
大数据如何通过作用于制造业的设计、研发、生产、管理、售后服务等全业务全流程？数据如何为制造业提质增效与转型升级提供新的路径和模式？这必然都是今后努力和研发的重点。
传统制造企业在生产经营过程中，由于缺少来自市场的准确数据，其经营计划、生产组织、产品研发及销售活动往往存在很大的不确定性，难以对市场需求、产品销售状况做出准确分析与预测，很容易导致产品设计、生产、销售等各环节不匹配、不合理的现象，从而造成产能过剩，特别是当前在产业竞争激烈、市场需求多样化的情况下，这种问题暴露的更加明显。大数据技术能够有效地解决制造企业供需匹配矛盾。
其次，利用大数据虚拟仿真技术，可以对原有研发设计环节过程进行模拟分析、评估验证和优化改进，从而减少产品技术改良工作，优化生产工艺流程，缩短了产品研发周期，降低了成本能耗，极大地提升了制造业的生产效率。
智能化生产是以大数据为中心，以自动化为基础。制造企业通过对设备、生产线、车间和工厂的全面数字化改造，将生产制造各个环节的数据进行集聚整合，利用大数据技术实时监控生产制造的全过程，促进信息共享、系统整合和业务协同，推动生产流程自动化、精准化、个性化和柔性化，形成智能车间、智能工厂、数字化车间等现代化先进生产体系，实现智能化生产，使传统制造业的产销融合更加协同、供需对接更加精准、资源配置更加高效，从而提高了制造业的质量和效益。
大数据的广泛应用突破了地域、组织、技术上的限制，可以把众多中小企业及产学研各个环节的资源有效地整合起来，让生产要素在不同产业、行业和企业内部实现有效配置，从而形成一种更加高效的产业链，促进产品更新、质量提升和价值创造。同时，它能够在生产者与消费者之间建立了信息服务桥梁，及时、主动、准确地响应客户需要，满足客户多元化需求，打破了传统品牌商对市场的垄断地位。从某种意义上来讲，这种基于大数据的制造业生产模式，将形成一个全新的产业链，推动生产模式与商业模式创新，从而带动和引导大批中小企业走出传统生产模式，助推传统制造业转型升级。
在激烈市场竞争环境下，尽管很多企业采取科学管理、全面质量管理等方式不断完善经济管理体系，使企业的生产经营效率得到了最大程度的提高。但从整个产业链角度看，这些传统方式很难实现制造业的高质量发展。而大数据可以使企业更容易了解、判断与分析产业链的现状，能够帮助企业找到生产要素的最佳投入比例，便于根据市场需求合理组织资源、制订生产计划、按照各自的核心能力参与产业分工，从而使制造企业的组织管理更加高效，减少了产业链中各环节由于人为管理失误而造成的损失和浪费，提高了计划、决策的精准性。同时，避免了企业产业链上由于信息不对称导致的“牛鞭效应”，实现了产品从研发设计、生产运营到营销服务全过程的无缝衔接和业务协同，为制造企业提高效率、降低成本创造了空间，促进了产业提质增效、转型升级发展。
制造业的转型升级之路就是要从低成本劳动力、高资源能源消耗、产品附加值低的制造模式，发展为高技术含量、高产品质量、高附加值的制造模式，进而建成制造业强国。当前，我国制造业转型升级的重点方向是信息化与工业化的融合发展，而“大数据+ 制造业”是两化融合的重要目标，对制造业创新驱动发展意义重大。那么，在新常态背景下制造业如何利用大数据实现成功转型、高质量发展，面对新技术要有新思路。
所谓大数据思维就是从大数据角度出发进行思考、分析和解决问题的思维方式。就制造业而言，传统制造业思维模式突出的是以产品、技术为中心，企业采取产品理念，通过以产定销的方式进行大规模生产，客户只能被动地接受企业的产品，容易造成制造业产能过剩的问题。而制造业大数据思维是基于产品、市场、用户、服务、价值量及整个商业生态系统的视角，通过大数据加工来解决处理制造业发展中的各种问题。大数据思维方式以用户为中心，以大数据应用为手段，让用户参与产品研发设计、生产运营及市场营销的全过程，为客户提供更优质的服务，提高制造业供给能力，实现产销供需精准对接。因此，积极树立“大数据+ 制造业”的融合发展观念，努力培育大数据与制造业融合发展新模式，打造差异化的核心竞争力，才能促进行业转型升级。
工业互联网是制造业大数据应用的重要基础设施，是推进大数据与制造业融合发展的基本前提和首要任务。2017 年11 月27 日，国务院印发了《关于深化“互联网+ 先进制造业”发展工业互联网的指导意见》( 以下简称《意见》) ，就加快工业互联网建设做出了重要部署，提出了发展行动指南和具体任务举措。当前，我国制造业要以《意见》为指导，围绕网络、平台和安全三大功能体系，积极推进面向智能制造单元、智能工厂及物联网应用的低延时、高可靠、广覆盖的工业互联网建设，实现制造业产业上下游、跨领域的互联互通，打破“信息孤岛”，汇聚制造业大数据资源，支撑制造业大数据分析、处理和应用，促进创新资源、生产能力、市场需求的集聚与对接，整合优化全产业链要素资源，推进制造业供给侧结构性改革，从而实现制造业由大到强的转变升级。
智能制造是《中国制造2025》的重要目标，是推进制造强国建设的主攻方向。从美国、德国等发达国家制造业发展经验来看，大数据推动制造业转型升级需要从五个方面推进: 一是产品智能化，二是工业设备智能化，三是生产方式智能化，四是管理智能化，五是服务智能化。因此，制造企业只有建立一个完整、高效、科学的智能制造生态系统，推动制造全过程、产业全链条、产品全生命周期的网络化、数字化和智能化，才能有效地提升制造业的质量和效益，实现转型升级，做强中国制造。
从国际上正反两方面经验来看，创新是驱动我国制造业发展的主要动力，是行业转型升级的根本出路。大数据作为一种国家重要的战略资源，正加速驱动着制造业生产、管理、营销模式的全面变革。当前，制造企业亟需利用大数据技术重塑和创新组织经营管理方式，积极培育构建“数据驱动”的制造发展新模式。主要表现为以下几个方面：一是通过协同平台手机工业大数据创新研发设计模式；二是推动
制造数字化、网络化、智能化，
创新生产制造模式，实现智能化制造；三是
实现生产过程数字化、业务流程的集成化、管理方式网络化、决策支持智能化，
创新经营管理模式；四是
依托大数据积极培育精准营销、全产业链追溯、远程在线诊断、供应链金融等
创新商业模式，使制造经营模式从以产品为中心向以服务中心转变。通过研发设计、生产制造、经营管理和商业模式等方面创新，全面系统地推动制造业的质量和效益实现的提升，加速制造强国建设。
毋庸置疑，互联网、大数据、云计算、人工智能等新一代信息技术的发展，为我国制造业转型升级、创新发展开辟了新路径。但要实现从制造大国迈入制造强国的宏伟目标，仅仅依靠技术上的创新是不够的，还必须培育“工匠精神”。技术创新与工匠精神之间的关系如同“硬件”与“软件”的关系，技术创新是制造业转型升级的“硬件”，而工匠精神则是制造业转型升级必不可少的“软件”，没有“软件”，“硬件”就难以充分发挥作用。因此，建设制造强国，除了具有先进的技术，先进的文化以外，还在很大程度上依赖于精益求精、注重细节的工匠精神，即“互联网精神+ 工匠精神”。培育工匠精神是一个需要社会、企业和劳动者共同推进的系统性工程，不仅要厚植工匠精神孕育生长的环境，使工匠精神成为企业文化的核心和企业价值观的内核，还要完善工匠的激励机制，对身怀绝技的工匠给予应有的重视，让其受到高规格的待遇。惟其如此，工匠精神才能在制造业落地生根、开花结果，成为推动制造业强国建设的精神动力和力量源泉。
近年来，在中国制造2025、深化制造业与互联网融合发展等政策的推动下，大数据对制造业转型升级的能力不断提升，但由于行业发展阶段等特点不同，大数据驱动制造业转型升级之路仍然任重而道远，主要面临着以下问题:
据《世界经理人》关于“2015 中国制造业信息化管理状况调研”的结果显示，我国制造行业中90%的企业信息化建设基础不足，信息化水平总体偏低，43% 的企业信息化覆盖业务部门范围较窄，各IT 系统处于割裂状态或者集成程度不高。从数据质量方面来看，大多数制造企业缺乏科学、现代的数据采集机制，且数据质量把控不严，直接导致数据可用性和价值较低，已成为制约大数据与传统制造业融合发展的重要障碍。根据Experian 公司的数据质量指标报告，83%的企业认为，低劣的数据质量影响了企业盈利，还因此造成了资源浪费、生产力损失和交流上的额外开支。
一方面，企业内部由于“信息孤岛”和“数据壁垒”的普遍存在，且缺乏数据资源管理的意识和方法，导致数据集成与汇总面临着很大难度和挑战。另一方面，企业间数据共享流通渠道和规范缺乏。一是出于观念、技术和利益等角度考量，掌握大量用户和数据的大型企业，往往将数据“金矿”视为“私产”，主观上不愿意对外开放，导致制造业上下游企业间数据不能共享，未能形成覆盖产业链的数据闭环，严重阻碍了大数据价值的发挥。二是现有法律法规虽然对网络运营者收集、使用、保存用户个人信息等数据资源进行了规定，但对共享用户数据的要求、规范、场景和条件，缺乏具体法律法规制度规范。三是市场化的数据交易应用机制尚不健全，缺乏合理沟通与管控方法，制约了数据的流动、共享。
当前，工业大数据作为一种新生事物，正处于发展起步阶段，面临着数据规范缺乏、标准不统一、平台技术架构复杂等一系列问题，面向制造业提供大数据解决方案的发展尚不成熟，难以满足制造业大数据应用需求，且由于制造企业信息化水平不一、行业应用场景区别较大，以致于大数据技术企业开发的技术平台与各行业实际应用需要存在显著差异。目前我国大部分行业仍未能形成主流的平台级工具，特别是工业大数据平台，这为制造业应用大数据增添了难度。据调查，中国地区的受访企业中仅有32%的企业部署了大数据平台。
首先，我国制造业近年来迅速崛起了一批在某方面能力较为突出的龙头企业，但尚缺乏大数据等新信息技术与制造业融合发展的典型企业，没有对新形势下制造业转型升级、高质量发展起到引领、示范和带动作用，导致在全产业链、全环节上推进“中国智造”的能力仍然欠缺。其次，由于高质量数据的缺失以及平台级工具的缺失，制造业采用大数据进行分析和管理的成熟度不高，创新创业不够活跃。利用大数据进行精准营销的商业收益存在争议，而在客户感知、传播效果、隐私保护、合规应用等方面也饱受诟病。
随着互联网的深入发展，计算机病毒、网络攻击、网络诈骗等网络安全问题日益突出，给制造业的信息安全以及健康发展带来了威胁和挑战。而我国在网络安全领域，不仅研发能力、防范能力等存在着不足，而且网络立法还存在着很多空白之处，使制造企业应用大数据面临着数据、用户信息泄露等不同方面的安全隐患。
大数据对传统制造业的转型升级是一项非常复杂的系统性工程，需要政府部门、制造企业协同配合、共同推进，才能科学、有序、规范地推进。
