行业洞察

跟徐小壮通电话的时候,他正准备转机去工厂,从大西北奔赴江南,跟他匆匆聊完,他发了一张照片过来,照片上自嘲的写着:读博前读博后 ↓     多年前,徐小壮也是学校的风云人物,留着长发,玩重金属乐队,爱骑机车,是一名合格的愤世嫉俗文艺青年,本来这样的人要么进文艺圈变成公众人物,要么毕业幡然醒悟从此柴米油盐。   偏偏这个文青还是个学霸,哈工大毕业后在中科院计算机所拿到博士学位,拒绝了留所做科研这条在外人看来稳定的职业,到了500强外企,拿着不错的待遇,做着人人羡慕的外企精英,却突然迷茫了。   “就觉得没价值 ” 这种状态持续到了加入昆仑数据后的很久,虽然他在公司带的团队一直都备受好评,他对自己一直不满意,直到他下了次工厂,忽然意识到为什么众多领域中公司选了工业这块难啃的骨头。这是他工作以来第一次浸入式地观察这个行业,并且由衷的想为这个行业做点什么。   感觉像重新加入了昆仑。   他其实并不是对制造业,尤其是小型制造业一无所知,父亲经营一间规模不大的模具厂,从小就在厂房里耳濡目染的他,对工业是有情结的。加上哈工大接地气的校训“规格严格,功夫到家”多年熏陶,他最受不了的是做那些吊炸天却无法落地的技术,这也是他放弃纯科研,又转身离开外企的重要原因。一直以来他的信念都是:技术一定要务实,用到行业里。   但他不曾预料到,自动化程度不高的车间里那些机器的轰鸣、黑腻的油污、扬洒的粉尘,以及受教育程度不高的工人,会和现在潮流的技术相差这么远。   去工厂之前,他心里没底,看着同事远程发来的现场图片:车间放一块黑板,所有的数手工记录在上面,这种数据基础,精度维度无从谈起。都不能用数据基础差来形容,只能说没有数据基础。   这不就是个作坊吗?   结果去到工厂,却被眼前的景象惊呆了,整洁的厂房,花园式园区,年产值逾20亿,是地方的经济支柱… “这就是中国大部分私有制造企业的代表,工业2.0刚起步,你让它直接上智能化方案,简直是忽悠啊!” 没有历史数据,没有机器数据,但老板却认识到了数据化管理的重要性,组建了一支数据小分队,每天把数记下来,手工做成各种报表,通过粗浅的数字决策第一年利润提高了3000万,第二年6000万。   老板一下子发现数据才是工厂里最值钱却一直被他忽视的资源。   明明我们是乙方,人家对我们比甲方还好,一口一个老师。   实业难做是近几年听到最多的话,没有不想把企业做好的私营老板,对他们来说这个工厂就是一辈子的心血。   对徐小壮团队的到来,老板拿出了100分的敬意,虚心请教各种问题,用最朴实的热情,表达着对技术的尊重。   是的,那些越是在夹缝中生存的民营制造企业对技术越渴求,他们迫切的想做智能化转型,对成本的精益控制、对质量的可追溯保障、对劳动生产力的有效提升,都能增加他们可持续经营的底气,但具体怎么做他们无从下手。   “首先,请保证你做的不是忽悠!” 说到这里,徐小壮隐藏的愤青细胞开始炸裂:   “看看工厂里工人的辛苦,一年到头大家兢兢业业创造的这些利润,如果被一个伪命题的高大上项目榨干,却没有任何实际用途,这不是犯罪嘛!”   在中国数以百万计的制造业企业面前,徐小壮滋生出从未有过的使命感,哪怕他擅长最尖端的云端架构,现在要退一万步落到现实的尘埃里。   如果要做这件事,我们得先帮人家在智能化的愿景下确立一个快准稳的实施路径,先把数据基础建设做起来,有了数据,实现信息化才是智能化转型的第一步。这属于大数据领域的下里巴人,这样的技术不是最前沿的,不是最创新的,但确是大多数企业最急需的。   徐小壮说,我的团队招人先问,愿不愿意下工厂,愿不愿到一线,不下工厂不去一线了解,你怎么帮工业企业成长?   行业共识认为,工业大数据门槛偏高,即使是在数据基础非常好的大型龙头企业,各细分领域专业性差异大,技术壁垒深,找到合适的应用场景逐个击破异常艰辛。   在和龙头企业携手在国际智能制造浪潮中力求突围的同时,我们也需要更多的徐小壮,用前瞻的眼光和落地的技术,关注中国中小型工业企业在这个转型期中的迷茫与探索。   可能没有人会在意你做的这件事,就像大家都习惯了赞叹摩天大楼,谁会注意坚实的地基。但是,在中国的人口和资源红利逐渐丧失的当下,帮中小型制造企业在行业竞争中活下来,总要有人做。   以初心,致工业。   后记 麦肯锡在一份调查报告中写道: “私营部门在中国经济中的地位日渐重要,在20世纪90年代,国有企业雇佣了中国60%的员工,2015年降至 15%。2015年私营企业和国有企业的资产收益率分别为12%和4%。 全面改革运营方式,可为生产力提升创造巨大空间——比如提高自动化率、提升能源效率、精简流程。我们估计到 2030年,如果实施彻底的改革,劳动生产力将提升15% 至30%。”   ...

Read More

  “我觉得在技术研究领域,男人和女人的能力没有实质性的差别。”   这是在采访完和陆薇闲聊时聊到的观点。国内企业级IT市场中,女性CEO不多,技术出身的女性CEO更是凤毛麟角。最早,就职于IBM的陆薇从事的是物联网领域的工作,受困于传感器高成本、网络带宽条件差等基础设施条件的限制,那时候物联网市场尚处于初级阶段。   但就是在那个时候,陆薇已经相信,未来一定是万物互联的时代,世界上会有很多机器设备在源源不断地产生数据,如何有效地挖掘这些数据的价值来让我们所在的物理世界变得更美好,这是一件非常有意义的事情。因此,她离职创立了大数据公司“昆仑数据”,成为了企业的CEO。   工业大数据应用面临的挑战   近几年,无论是德国的“工业4.0”、美国的“工业互联网”,还是中国的“智能制造2025”,相关词汇被炒得十分火热。陆薇说并不是各国在赶时髦,而是产业确实发展到了要跃迁到一个新台阶的时刻。如今,全球的传统工业正加速与信息化技术的融合,工业生产正逐渐从自动化、信息化的工业3.0时代向数字化、互联网、智能化的工业4.0时代迈进。   伴随着世界工业的发展进程,工业大数据一词逐渐兴起开来。字面上理解,广义的工业大数据指的是工业领域应用中所产生的数据,涉及企业内部生产经营活动及其与产业链上下游企业的交互活动。此外,工业大数据也涵盖企业外部和生产经营相关的各种天气、地理信息等自然环境、和原材料期货价格等社会经济相关信息。其中,最独特的一类是各种工业机器设备源源不断产生的工况数据。   “由于中国工业门类众多,不同门类、不同企业的自动化、信息化水平参差不齐,很多企业尚不具备数据基础,这样给国内工业大数据的发展带来了一定的挑战。”   除此之外,工业大数据在处理上也有一定的难度。一方面,相较于传统互联网大数据,由于涉及到非常多数量的机器设备,所产生、采集的数据不仅量大且大多为非结构化数据;并且比起互联网大数据倾向于属性之间的相关性,工业大数据往往更注重特征背后的物理意义及特征之间关联性的机理逻辑。   另一方面,不同于互联网大数据看重“量大”,工业大数据则注重的是“类全”,覆盖工业过程中各个环节的数据,从而保障能够足以反映对象的真实状态。再加上工业大数据往往需要将容错率降到最低值,这样在工业环境中才不会因为预测的失误造成严重的后果……工业大数据应用所面临着更为复杂的境况。   对于工业企业来说,亟需一整套专业、智能化的大数据解决方案,来为其获得实时的洞察力,以最快的速度实现数字化转型,提升竞争优势。   针对细分领域的K2Assets   目前昆仑数据自主研发了偏向底层的KMX机器大数据管理分析平台,并基于前者研发了K2Assets设备全生命周期管理解决方案,面向装备制造、能源、电子等领域,提升企业的智能化管理水平。   KMX是涵盖工业大数据从接入管理、深度分析到落地应用全流程的一站式、一体化数据平台。目前已支持累计超过200000亿数据点的海量数据、高达8千赫兹频率的高频数据、以及每秒千万数据点实时数据的接入、存储和查询。   针对企业既有分析应用或技术投资,KMX内置非侵入式并行化分析引擎,简单操作即可迁移保留现有企业资产模型。针对大数据场景下的全新工业级应用开发,KMX则提供了丰富算法库,兼容机器学习与神经网络环境,有效提升应用开发效率提速五倍以上,帮助客户从高效的实施时间优势中获益。   “我们认为当前国内工业企业对于大数据的共性应用需求是——提质增效、降耗控险。”   陆薇根据这几年的服务经验总结出了这样的八个字,这也是昆仑数据正努力帮助企业实现的目标。而再往下探究,不同工业细分领域中的企业,对于大数据的需求其实是不尽相同的。   所以针对装备制造商的共性需求,昆仑数据自主研发了,入选工信部试点示范项目的“K2Assets产品全生命周期管理解决方案”,一个跨应用领域、共性的设备数据管理解决方案,通过对设备的远程监控和运维管理,及时发现甚至预测故障的发生,保障设备健康工作,降低因非计划停机带来的企业损失。   提到决定研发K2Assets的初衷,陆薇说主要源于昆仑数据长期服务的用户的实际需求。最早,装备制造商在向他们的用户提供维保服务的时候,一般只负责包含在产品价格内的一段时间,偏向以成本为中心的维保服务。而K2Assets则希望利用大数据技术提供的各种增值服务,可以将维保服务变成利润来源,用实实在在的价值驱动客户即使在过保的情况下,也愿意为之付费。   K2Assets还重点强调了“问题感知智能化、解决方案形成智能化、服务过程智能化、服务结果智能化”,四个智能化的理念。主动预测生产过程中发生的故障,通过数据分析,远程诊断设备的健康状况,解决问题并形成针对性的解决方案,最终实现智能化服务闭环。   目前,K2Assets已经服务于全球最大的风电整机制造商金风科技、国内领先的动力装备解决方案提供商陕鼓动力、国家工程机械行业大型骨干企业山东临工,在高频、海量的工业场景下,实现大数据预警。     强大的资产模型建立能力也是K2Assets其中一个特色。将包括设备结构数据、动态工况数据、用户交互信息、事件记录等设备资产从诞生到退役全程产生的数据关联在一起,构建设备全生命周期的数据档案,实现设备健康全息感知,这与GE提出的“数字孪生体”概念不谋而合。   据了解,K2Assets推出市场已经有半年时间。陆薇说下一步他们打算进一步加紧产品在装备类企业的推广力度,让更多企业用起来。   在此同时,昆仑数据还希望与更多的行业应用合作伙伴一起,基于底层KMX平台,针对其他细分应用领域研发出更多有价值的数据应用产品。        ...

Read More

李飞飞去谷歌执掌人工智能了,李彦宏自己去试乘百度无人驾驶了,你印象中的工程车辆还在三峡大坝上慢慢填土吗?擎天柱都要跟你急了。   从东北冰封的钻井油田到艳阳高照的吐鲁番一带一路基建工程,从高耸入云的上海中心大厦到观测宇宙的贵州喀斯特“天眼”,工程机械的精密已经不仅是动作上的精准,更有正在探索和不可估量的智能。     过去几年,国内工程机械行业经历了内需不足、产量收缩、高应收款和去库存压力的严峻考验。如今,智能联网的工程机械反馈的数据给了市场一剂强心针。   根据实时监测的机器数据,徐工集团、三一集团、中联重科等企业售出的挖掘机、泵车、汽车起重机、塔机、旋挖钻机、压路机等2016年开工率及月工作时长均较去年同期呈现增幅,沉睡的市场开始复苏。   随着国家对特种车辆环保要求的提高,电控发动机技术升级新政,带动了越来越多的工程机械具备数据采集能力。   通过互联网收集和分析工程机械工作数据,不仅能帮助行业清晰了解市场兴衰动态,还将帮助国内工程机械制造业实现研发、制造、服务和销售多环节的智能化升级。   同时,在数据驱动下提供融资租赁、信用风险、车手撮合等新型产业互联服务,实现从装备制造向服务的转型。     ▷ 在工业大数据的推动下,我们能提前感知故障前兆、精准定位高频多发的故障点;针对全行业束手无策的疑难杂症,我们不再做盲目的猜测;用数据分析带来的研发突破,将实现对现有市场的全面超越。   ▷ 大数据带来的还有仿真设计与精密制造,产线数据监测与误差补偿,全面提升从零部件到总成的合格率。   ▷ 不论是节省燃油,还是通过主动监测降低维修成本,大数据将帮助客户降低整个生命周期的使用成本,并实现生产、供应、需求、使用多方的互联互通。   ▷ 在什么时间哪个区域应该选择哪种机型或者哪些配件做营销?如何针对不同客户制定不同的优惠政策和更加合理的回款计划?大数据会给你更客观的建议。     当无人驾驶、无人机、3D测绘、智能勘测、数字仿真等技术更进一步成熟,施工数据的收集解析和行业经验的数据化,将协助工程机械智能控制施工速度与精度。智能化施工将解放人力、减少成本,更重要的是,当抢险救灾、高危作业时,将保障操作人员的人生安全。   我们知道,基于大数据技术的工程机械智能化还需要一个积累与发掘的过程。作为中国工业大数据领域的领军企业,昆仑数据团队从2012年开始深入工程机械行业,利用大数据技术结合行业专家经验,完成工程机械备件预测与库存优化、故障预警、工况与故障原因分析等多项大数据分析项目,产生上亿元经济效益。同时,我们将积累的工程机械行业数据分析模型内置于KMX机器大数据平台中,利于全行业的普适应用。   当工程机械的智能化必将成为趋势和常态时,我们应该做的是,倾己之力,不负未来。   ...

Read More

2016年11月22日,bauma China 2016(上海宝马展)在上海新国际博览中心磅礴上演。本届上海宝马展取消了开幕式环节,少了些形式主义,多了些务实精神。   在近300,000平方米的展示场地上,汇聚着来自41个国家和地区的逾2,900家展商展示最新拳头产品。一场小雨的洗礼,让现场的设备更加清新靓丽。展会方表示,2016上海宝马展预计将吸引190,000名专业观众前来参观洽谈。     自2002年中国首秀以来,bauma China就获得中国市场极大关注,2004年中国宏观经济调控对工程机械市场造成了影响,但是2004年bauma China证明了加入WTO是一剂高效催化剂,不仅没有把中国工程机械大好河山拱手相让,反而在艰难中走出了自己的路,彰显了大家对当时中国工程机械市场的巨大信心。   乘着三季度工程机械市场逆势增长的东风,bauma China 2016注定将成为中国工程机械行业继2004年后又一个具有象征意义的里程碑。宣告中国工程机械市场将从单纯的销售市场进入新技术成长市场,从中国开始的下一代工程机械的发展时代就此开启。   据了解,9、10月份的挖掘机销量均出现了超70%的同比增长率,10月挖掘机行业销量5,816 台(不含龙工),同比增长71.4%,环比增长6.5%,1~10 月行业累计销量56,746台,同比增长16.9%。装载机虽然没有如此暴涨,但也持续不断地复苏着,整个工程机械市场呈现出真正的回暖走势。   山东临工展位   山东临工隆重发布了被誉为“中国第一平”的平地机旗舰G9260,并宣布“G9”型号平地机全面升级,形成覆盖大、中、小型的完整系列,同时推出“以用户体验为中心的工况定制”战略,推动临工产品线向系列化、集群化、差异化发展,为全球用户提供更加丰富的选择,为企业客户提供更全面、更优化的综合解决方案。   山东临工新产品“中国第一平”G9260   在工程机械行业持续低迷的背景下,山东临工依托科技创新、产品升级与客户关怀,走出一条坚守主业、放眼全球的可持续发展之路。在每年的宝马展、BICES等行业顶级盛会上都有重大成果发布,给行业、客户和合作伙伴带来惊喜。   三一各系列产品投放市场以来,以其技术的先进、制作精良、实用可靠和服务高效赢得了广大用户的信赖,此次宝马展更是派出了全明星阵容。   三一携全系设备参展   三一挖机列队迎宾   针对客户及市场需求,bauma China 2016也在展会上推出7大展示主题,全面满足市场需求。工程机械与车辆、模板和脚手架、矿用原材料提取和加工、建材机械、传动及流体技术、设备及配件、室外整机展区,最新产品技术齐亮相,助你捕捉最具价值行业风向。其中不乏颇受市场关注的的挖掘机、起重机、摊铺机等智能化路面机械集群、装载机、高空作业平台、盾构机等最新产品。同时,本届展会有来自德国、意大利、英国、西班牙、韩国、土耳其、美国的7大国家展团悉数亮相,上海宝马展的国际化魅力可见一斑。   bauma China 2016适逢一带一路战略不断推进,从中国开始的下一代工程机械也将随之走向世界。据悉,观众登记数量以远远超过上届,来自马来西亚、新加坡、韩国、印度、泰国、日本、俄罗斯、台湾、印度尼西亚、德国的海外登记观众也是不断攀上新高。   来源:中国工程机械商贸网...

Read More

在美国一些最贫穷的农村地区,涡轮机成为了一条新的赚钱渠道。“过去我种玉米、大豆,还养牛,现在不了。如今我是风力农场主。”   作为美国增长最快的电力来源,风能正在以美国150年来从未有过的方式,改变着美国农村低收入地区的境况。随着大宗商品价格逼近十年低点,农场主偿债举步维艰,而风力已经成为最新的“现金作物”,挽救着美国腹地大量家庭农场的命运。     理查德·威尔逊(Richard Wilson)将他在科罗拉多州斯普林斯郊外的土地租给了金西风能中心(Golden West Wind Energy Center),供其运营约35台风力发电机。由此获得的收入,让他不必出售家族自1948年以来拥有的2400多公顷牧牛和小麦农场。“之前我们没有挣到钱维持运营,”他说,“现在,我们至少可以将农场再经营一代人的时间。”   对于其他一些人而言,风电机带来了六位数的收入,已经让他们得以彻底脱离农场经营。“风电机改变了我的生活.”埃德·伍尔西(Ed Woolsey)说道。他是第五代的艾奥瓦州农场主,现在是“侧风能源项目”(Crosswinds Energy Project)的负责人。   该项目是一个社区集体机构,管理着10台风力发电机,并将它们产生的电力卖给农村电力合作社。“以前,我种植玉米、大豆和养牛。现在不了,如今我是风电场主。”伍尔西和威尔逊都不肯透露自己能挣多少钱,但与风电公司签订租赁协议的土地所有者一般每台风机每年能获得7000至1万美元的收入。     美国约70%的风力发电场位于低收入区域,相关企业在这些项目中投资了逾1000亿美元。这些投资让美国农村一些最贫困地区的土地评估值翻了一番。用于重建学校和偿还债务的地方税收收入可谓久旱逢甘霖。   去年年底通过了将风电生产联邦税收抵免安排延长五年的法案,这应会加快风电机的建设步伐。根据该安排,风电生产商可在10年时间内获得每度电2.3美分的税收抵免。根据彭博新能源财经(BNEF)的预测,这种激励应会帮助将美国的风电装机容量到2030年翻番至167吉瓦,足够为5000万户家庭供电。   彭博新能源财经的北美风能分析师亚历克斯·摩根(Alex Morgan)说,到2030年,通过将土地租赁给风电开发商,农村土地所有者预计将获得每年最高9亿美元的收入。     在科罗拉多州,每台风电机每年高达1万美元的付款逆转了农场主出让土地以弥补农作物价格下跌损失的趋势。伊利诺伊州的一些城镇,地方政府对风电机征收全美最高的物业税,它们引进一个风电场项目就像是启动一个豪宅开发项目。可再生能源的倡导组织Wind on the Wires的公共政策经理凯文·波吉(Kevin Borgia)说:“一台两兆瓦的风电机估值为72万美元,并且经常是一次性兴建150台。突然之间,小小的社区仿佛有了150套价值72万美元的房子。”   在艾奥瓦州,2015年有31%的电力来自风能,比例超过其他各州,在玉米价格下跌之际,来自风电机的收入保护了农场主。每年约1700万美元的租赁费帮助一些农场主避免了丧失抵押品赎回权,因为他们迎来了创纪录的玉米收成,可能导致销售收入下降到10年来的最低水平。   风电也让许多美国农村地区的电价保持在低位。在风力发电占比超过7%的11个州,2008年至2013年间的电价下跌了0.37%;而在全美范围内,电价同期上涨了7.7%。   巴菲特旗下的中美能源正与土地所有者进行租赁谈判,拟投资35.8亿美元,在艾奥瓦州建设一批风电场,这将是该州历史上规模最大的一个经济开发项目。地产经纪商也在与数百个农场主谈判,后者将从联合能源计划的10亿美元新项目中获利。   “这是我们的财政未来所在。”迈克尔·诺尔特(Michael Nolte)说。他是艾奥瓦州的农场主,也是富兰克林县议会议员。今年该县议会投票决定下调了物业税税率,此前他们还清了一笔为修缮道路和桥梁设施融资的1800万美元债券。周边的一些县近年来被迫关闭了可能无法再通行重型农机的桥梁,因为他们缺乏修缮资金。“风电开发帮助我们生存下来,维持了公共服务,”诺尔特说,“而其他县已被迫削减支出。”   总之 由于70%的风力发电机位于美国低收入地区,在此情况下,风电行业正为举步维艰的农场主带来新的收入。   来源:商业周刊...

Read More

大数据是工业升级的关键技术要素已经是一个业界共识。新工业革命的实质就是一场从自动化、信息化时代向数字化、互联化、智能化时代迈进的产业变革,让工业企业可以基于从自动化、信息化系统中采集的数据对于企业的生产经营进行深入洞察和优化提升。那么,究竟大数据能为工业企业带来哪些具体的业务价值?要实现这些业务价值,企业又应该从何做起?   工业大数据的业务价值   大数据对于工业企业提升质量、效益和行业竞争力起着不可替代的作用。   一方面,大数据将和物联网、云计算等一起支撑产品制造生命周期“4+1”环节业务模式创新。   在产品设计环节,在各种需求数据、设计数据、产品仿真数据的支持下,可以支撑众包众智的协同创新设计模式;在产品使用数据的支持下,可以支撑用户反馈驱动的产品演进设计模式。   在制造环节,在生产计划数据、过程控制数据、设备状态数据、质量检测数据、资源使用数据等的支持下,可以支持制造质量控制与提升、实时排程、减低资源消耗等智能车间能力。   在销售交付流通环节,基于销售订单、仓储物流、供应商和用户信息、市场行情等数据,可以支持更经济、更高效的智慧物流,以及工业品市场预测、精准营销等。   在后服务环节,基于产品工作状态数据、周边环境数据、用户交互信息,可以进行产品健康评估、基于状态的保养维修、零备件库存优化管理等。   在单个产业链之外,还可以通过不同产业链间数据打通,消弭不必要的中间环节,提升产业生态链的效率。例如,汽车企业可以直接把汽车外壳形状和材质要求提供给钢铁企业,而不是传统方式通过一个中间商从钢铁企业买钢板,再按照车厂的要求裁剪冲压成汽车外壳,既提升了响应时间,又降低了费用,边角余料还可以直接回炉减少浪费。     另外一方面,大数据也是新兴的产业互联网的重要支撑手段。   随着物联网技术的普及,越来越多的工业产品开始有了感知能力和开始联网。就像智能手机是移动互联网的载体一样,这些智能联网的工业品形成了产业互联网的载体,每一类的联网工业品上承载着一个产业互联网应用的生态,例如联网的汽车上承载着车联网,联网的能源装备上承载着能源互联网。   在产业互联网时代,工业产品能带给用户的价值将超过产品硬件本身的功能,而可以更全面地支持用户全生命周期的使用场景。   在《哈佛商业评论》的一篇文章中,以农机为例,描绘了这样一个产品转型的过程(如下图)。     过去的农机产品如拖拉机,加上一个外设如播种装置、犁地装置等,形成了一个农场设备系统,可以帮助农夫完成耕种活动。   未来的农机,在联网之后,除了耕种外,通过传感器可以在耕种的过程中感知土壤墒情,还可以联网对接天气系统、浇灌系统、种子数据库等,全面指导农夫的各项工作:根据天气决定农业活动时间,根据墒情决定如何施用水肥,甚至根据市场情况决定种什么品类农作物。   总结起来,工业大数据业务价值实现路径有二,如图所示:     一是制造全生命周期业务创新(先进制造):通过大数据驱动的创新产品设计、智能制造、智能服务,实现提升产品质量、生产效率、节省成本,达到提升企业在行业内竞争力的目的。按照大数据切入的环节不同,具体又可以落实到协同设计、精益制造、智能运维等。   二是产业互联网新业务创新(制造+互联网):以智能联网的工业产品为载体承载服务产品周边生态系统的产业互联网业务,达到开创新兴市场和业务模式的目的。根据产品和所服务用户的不同,产业互联网业务将表现出多种不同的形态。   工业企业大数据实施路径   那么,具体到一个工业企业,要实施工业大数据,应该从何做起呢?并没有一定之规。企业需要根据自身的业务发展状况和竞争策略来决定自己的最佳实践切入点。   对行业领先者而言,企业最大的挑战不是行业内部的竞争,而是如何拓展新业务空间的问题,那么可以选择从“制造+互联网”业务创新的角度切入。   典型的例子是海尔的U+智慧生活空间,全面服务海尔家电用户在使用电器过程中的各种需求,例如烤箱的用户不仅需要烘焙的功能,还需要点心配方、原料、和其他烘焙爱好者交流,这些全部可以在U+智慧生活空间中得到满足,而海尔也借此从一个家电硬件的制造商转型成为了智慧生活服务提供商。     对于面临巨大竞争压力的企业而言,更迫切的需求在于通过提质增效、提升服务水平来增加企业竞争力,因此选择“先进制造”的路径是可行的。在“先进制造”路径下,又可以根据所处行业和企业自己的特点和基础来选取一个合适的切入点。   举例说明:在陕鼓动力所在的动力透平行业,由于所服务的冶金和化工等行业需求下降,新产品的采购需求也下降,企业通过服务创新,建设远程设备运维系统,实现从制造向“制造服务”的转型,目前企业收入中服务所占比例已经超过一半;   金风科技所在的风电行业,业主关注风场整体投入产出效率,金风利用大数据技术加强风机设计,变基于典型工况的选型为根据每台风机的微观选址进行个性化的“一机一设计”;   山东临工所在的工程机械行业,液压阀等核心关键部件长期为国外垄断,订货周期长,且挤占了大量利润,要实现核心部件自主制造,必须突破质量关,因此临工采用“点穴式投入”,针对关键零部件进行了智能制造改造。   条条大路通罗马,只要把握技术为业务目标服务的本质,明确业务提升目标,实施大数据就有了一个良好的开端。   ...

Read More

上篇,我们分享了昆仑数据秦磊先生对工业大数据所处现状及发展趋势的解读,受到业内人士的强烈追捧。   本篇汇集了满满干货,秦磊先生分析了某可再生能源企业利用机器数据获得数据价值变现,在行业领跑的案例。同时提供了工业产业机器数据分析的解决方案。以下是演讲实录:     与某可再生能源提供商一起,昆仑数据利用每台风机上历史和实时的机器数据,在生产优化、核心部件故障预测、不同环境下的策略调整领域做了大量机器数据掘金工作,已经产生数亿元的经济效益。这些大数据场景使得企业发现,机器数据真的有价值,真的可以驱动企业数字化转型战略,一幅机器数据的清明上河图开始绘制并落地。   从最底层的基础设施混合云,把各种不同的数据源有序存储管理,提供数据服务、分析服务,形成数据化产品,带动从设计研发、生产制造、运维服务、供应链伙伴、到能源互联网各个业务领域的数字化转型。   一机一设计,通过仿真自动化、数据化、智能化,使每台风机的个性化设计成为可能。   一生一档案,每台机器出厂,都有跟随一生的档案,每时每刻都会根据运行的工况和维修保养记录进行综合健康打分。   一况一策略,当风吹来的时候,可以根据风机的状态、生产环境的情况等因素,对每台风机调整策略,风大且状态好的时候,可以及时增功多发电,不仅收益增加,机器的寿命也可以延长。   这不正是工业4.0柔性化、个性化的体现!   那么,昆仑数据如何帮助工业大数据进行落地?简单地说,主要是两个方面的工作。     首先,昆仑数据做产品。我们专门为工业行业定制了一个大数据平台,希望为企业客户带来三个省心。   系统人员能在搭建、部署、运维平台的时候省心;分析人员能在分析数据时为获得更全面的数据而省心、通过并行化分析作业提升效率;开发人员的开发过程更快、更省心。   归结到一点,昆仑数据可以快速推动企业数据变现。   这个平台完全由昆仑数据自主研发,我们为其取名KMX大数据平台(K2Data MachineData Management and Analytics Platform)。     最底层数据引擎为机器数据深度定制,提供工业级可靠性,支持各个来源的机器数据。   传感器数据以高频、超高频的方式7*24小时从各个管道源源不断地倾斜到大数据湖。   我们目前支持每秒高达一毫秒的采样频率,单个节点支持每秒百万点接入,通过水平扩展,可以轻松支持每秒千万点的数据接入。   所有数据可以实现全量、全时、全工况、全在线、无损压缩,特别优化设计的无损压缩支持1:10甚至一比几十倍的压缩比。   支持数据的多副本,支持数据存储的水平扩展,海量数据增长没有任何压力。   机器大数据湖还针对机器数据特别优化了查询功能,支持在海量的历史数据中进行高效多维的数据检索,内置实现了针对机器数据的分析性语义查询。   内置的全量数据特征画像,帮助IT人员和业务人员理解其管理的机器数据资产的全貌和特征。   往常,对于一个数据分析师来说,80%的日常工作时间都花费在数据整理准备、数据修复、寻找和验证数据特征等冗余复杂的工作,仅有很少的时间用于建立数据模型和开发分析算法等创造性工作。     昆仑数据的KMX机器大数据平台有专门针对机器数据全生命周期生产线。基于这个机器数据全生命周期生产线,我们实现了机器大数据的精益分析。   不仅有开箱即用的工具帮助分析人员完成数据治理、数据清洗,实现数据全量画像,快速定位合适的样本空间。   我们还允许在样例数据集上开发的分析程序无需修改就可以直接到大数据集上运行验证,并自动把出现异常的数据样本收集下来,供分析人员在本地环境深入研究,进一步改进算法。   这样,白天分析人员在本地小样本上做研究,晚上下班前把程序甩到平台上跑并行、跑全量。   我们把这种方式叫做“白+黑”(白天加黑夜),“小+大”(小样本和大数据),让分析人员将精力集中子关键特征的探索上,让计算机集群自动验证关键特征的支持度,实现了“人”+“机”的完美组合。   实践下来,这种精益分析法可以把从数据到洞见的周期缩短,从之前的以周为单位缩减到以天为单位。     昆仑数据已经开始对特定的行业建立行业模型,描述物理世界和数字世界的映射关系,把不同数据源充分融合。德国工业4.0提到了CPS,美国GE谈到了数字挛生体,这更需要与行业深度融合。     我们提供全面开放的API,方便快速应用开发,这贯穿了数据全生命周期各个阶段以及各个层级。昆仑数据充分利用开源并贡献于开源,帮助工业企业全面拥抱开源这一个大数据时代的新技术潮流。     从交付方式来说,我们有多种选择,完全应工业企业所需。客户认为自己的数据有价值,自家的院子有油田,我们就把油井部署到客户的院子里。客户告诉我们,希望有更集成、更快捷的方式部署钻井平台,我们现在有基于超融合架构的软硬件一体机,直接快速部署于企业内部数据中心。   另外,我们也支持纯软件方式的部署,在客户的数据中心或私有云上进行部署。同时,我们也支持公有云方式,快速帮助客户实现数据收集、数字分析、数据洞察的闭环。     昆仑数据有一支非常优秀的数据科学家团队,拥有丰富的行业分析优化经验,精通各种数据模型和分析算法,曾获国际知识发现和数据挖掘竞赛冠军。可以深入客户现场,甚至到钻井平台上,和行业专家一起挖掘数据价值。   我们做的第二件事情,就是做生态,工业大数据对中国工业升级意义重大,但绝不是一家公司就可以完成,一定要大数据公司和工业企业深度合作。在合作中,昆仑数据是企业的“大数据合伙人”。一方面,这些龙头企业是客户,另一方面,又是合作伙伴,双方深度信任、互换资源,一起为整个行业服务。   合作不仅是技术方面,甚至包括资本方面,例如在垂直行业建立合资公司,推动龙头制造企业从“制造”向“制造服务”转型,带动全行业发展。   就在8月,昆仑数据和清华大学、中石油、金风科技、三一重工、台达电子、山东临工等十来家单位一起发起成立“北京工业大数据创新中心”,希望携手突破工业大数据的共性技术,让中国工业企业在GE Predix、西门子MindSphere等国外工业大数据平台之外,有中国本土创新的产品可以选择,推动大数据在工业领域的加速应用,帮助中国工业智能升级。同时也将相关技术贡献到国际大数据开源社区,希望惠及中国以外的企业。     借用《大数据预测》一书作者引用的伽利略的话:“所有可计算的都要计算,所有可测量的都要测量,对那些不可测量,要想办法让其变得可测量。”   现在我们已经到了万事万物都可以互联,都可以测量,都可以计算的大数据时代。   我们也坚信,机器每聪明一分,世界可跃前一丈!谢谢大家!...

Read More

中国大数据产业生态大会由工信部中国电子信息产业发展研究院主办,于8月2-3日在北京隆重召开。本届主题为“洞悉融合之道 释放数据价值”,汇聚业内权威专家最深刻的解读和行业大师的思想及实践精华,国内奋战在一线的杰出企业领袖进行了专业详尽的分享。以下是昆仑数据副总裁秦磊的演讲实录。     大家好,我是昆仑数据的秦磊。谢谢我们的合作伙伴赛迪邀请我们参加这次盛会,也感谢我们的投资方——达晨创投。今天我在来会场的路上,又拜读了孙家广院士昨天的讲话,发了一条微信,写了七个字“认真学习、并践行”。   今天我们大会的主题是,《洞悉融合之道 释放数据价值》。在工业大数据领域,如果要加一个定语,就是我今天的主题——释放机器数据价值 推动中国产业升级。     在过去的一段时间,我有幸接触到很多制造业企业,不知道大家怎么看中国的产业升级,你可能觉得‘很重要’,但我们看到的是‘生死存亡’。这是波士顿咨询公司在2015年8月发布的《全球制造业转移的经济学》-The Shifting Economics of Global Manufacturing ,对全球前25位领先出口经济体作了四个重要方面的分析:制造业工资、劳动力生产率、能源成本和汇率。这前25位出口经济体占全球工业制成品出口接近90%。   中国是在“面临压力”象限,美国重回“全球新兴”象限。十年前,中国制造业平均工资,大约4.35美元每小时,现在大概是12.37美元每小时,翻了三倍;在能源方面,中国的工业用电成本上升66%,天然气成本则上升138%。从2004到2014年,中国相比美国的制造业成本优势从14%下降到4%。照此趋势发展,中国的制造业成本很快会超过美国。   工业越来越走向自动化和智能化,对人力依赖越来越小,对技术依赖越来越大,照此发展,高端制造业可能会回到欧美,美国将成为“制造业新星”,而低端制造业已开始向越南等国外流——中国制造业两头受到威胁,如果不在短时间内完成产业转型、迎头赶上,中国制造业将面临“空心化”。   有危机就有机遇,麦肯锡全球研究院在2016年6月的《中国的选择:抓住五万亿美元的生产力机遇》中指出:中国以投资主导型增长模式逐渐失去了动力。中国应该果断转向以生产力为核心的增长模式,确保资金流向为生产力、增长和可持续就业进行投资的领域。到2030年,这一转型将新增5.6万亿美元GDP。   麦肯锡认为到2030年,中国将有五大机遇提升生产力。第一个就是更好地服务中产和富裕阶层消费者;第二个就是利用数字化推进新的经营模式;第三是通过创新及沿价值链上移,尤其是研发密集型产业,当前中国企业的收益仅为全球领先者的三分之一;而通过推进运营转型,如精益生产和提高能源效率等方式,可提升15%到30%的生产力;最后,“走出去”的战略,还可提升15%到30%的生产力。   在推进运营转型中,报告指出,推进工厂自动化是一大良机。中国企业采用了员工和机器人合作工作的模式。尽管中国现在已经是全球最大的机器人市场,每10000名制造业工人对应的机器人数量仍只有36个,相当于全球均值的一半,仅为韩国的十分之一。     新工业革命的本质,是在实现了自动化、信息化的工业3.0,有了数据积累后,基于数据对企业生产经营进行深度洞察、优化生产经营、提升产品质量、提高效率、减少能耗、减少人员、指导决策——这就是为什么有人说工业4.0是“工厂+大数据”。   美国提出了“工业互联网”,GE谈到了工业互联网的三大要素是智能联网的机器、人与机器协同工作及先进的数据分析能力。工业互联网的核心是通过智能联网的机器感知机器本身状况、周边环境以及用户操作行为,并通过这些数据的深入分析来提供诸如资产性能优化等制造服务。   德国提出了工业4.0,谈到了两大关键支撑技术:一个是信息物理系统(CPS);另一个就是数字化企业平台,贯穿各个生产、经营信息系统的信息集成与数据融合贯通, 建立伴随产品制造过程的完整数据流,并基于对这些数据的分析,使企业可以全面深入把握和优化提升产品质量、生产效率、资源利用率。中国在去年提出了中国制造2025。无论是美国、德国,还是中国,都认为工业大数据是新的自然资源,是工业升级的关键技术要素。     我们团队有幸参与到中国制造2025提案的工作组,也有幸参与编写了中国制造2025的绿皮书,其中在第一章《新一代信息技术》的第三节《操作系统与工业软件》,就指出了四个主攻方向,“云+端的工业大数据平台”首当其冲,这不仅是给在场的各位出了一份试卷,也是给中国的产业界出了一份开卷的命题作文。     我们认为在工业大数据领域,应该有以机器大数据为先的思维。在IDC的预测中,到2020年,全球数据宇宙中机器数据的占比将由2005年的11%增加到40%。我们都看过变形金刚,擎天柱、大黄蜂、威震天...

Read More

清华大学数据科学研究院(“清华数科院”)宣布与Cloudera合作。Cloudera是当前基于Apache Hadoop及最新开源技术建立的最快捷、最易用、最安全的数据管理和分析平台的全球供应商。在Cloudera CAP学术合作项目的支持下,清华大学和Cloudera将联合发布BASE (Big Analytics Skill Enablement)倡议,以解决中国大数据行业的人才稀缺困境。此次合作还将推动中国研究机构与企业参与国际大数据开源社区建设,进而推动企业大数据应用开发与价值挖掘的行业繁荣。   根据IDC研究显示,大数据解决方案将在未来四年中,帮助全球企业分享大约1.6万亿美元新增收入的数据红利。在大数据产业发展中,以Hadoop为代表的开源大数据生态成为大数据和云计算的重要技术支撑,有效推动了开源社区的用户和贡献者,带动了技术进步与商业发展。而在全球范围内,大数据行业正在面临数据专业人才短缺的困境。     与传统计算机科学和商业分析课程不同,通过CAP,清华数科院将与Cloudera共同为教师与学生提供完整的免费Hadoop课程,学生不仅能从基础的Hadoop开始,也可以学到诸如Spark,Hive,Impala等在全球Hadoop社区最新的技术,这不仅为学生们提供全面的技能培训,优秀的大数据人才将为公共事业和企业带来创新,并在全球视野内获取有竞争力的优势。   据了解,清华数科院与Cloudera的合作,还将着力推进国际大数据开源社区的相关活动在本地的融合,提高本土团队对已有项目参与度,贡献新的开源项目。双方合作的愿景是推动大数据技术在中国的大范围应用,同时将中国本土创造的技术回馈国际开源社区。   来源:电脑商情在线...

Read More

上周参加了在硅谷圣何塞举行的的Hadoop Summit 2016 (Hadoop 峰会),从参会人数来说,今年达到了创纪录的5000人,对比去年的4000人增长了25%,这对于一个已经十年的项目来说非常不容易。   看到的一些行业趋势   1)Hadoop及其生态圈(包括Spark等等)在各行各业落地并且得到广泛的应用。   目前在美国,无论行业是IT,金融相关(包括银行保险),电信,制造业,还是餐饮,百货零售都已经广泛的用上了Hadoop。看了一些有意思的演讲,比如说   · Progressive(美国最大的车保公司之一)通过实时采集用户驾驶的数据(比如说加、减速行为;车辆经过的路线等等)来决定是否需要改变用户的车保价格。 · 福特公司也有一个类似的演讲,通过采集汽车里面的设置的传感器,实时反馈给服务端来优化驾驶的体验。   对于这些非IT企业,利用Hadoop生态圈里面的套件能够实现超大的数据处理规模(比如说福特汽车总共产生的数据可以达到一天TB级别),实时性(信用卡反欺诈需要在秒以内返回结果),丰富的分析手段(SQL、机器学习等)。这些新的数据分析的手段能够实实在在的产生商业价值,比如说只要保险公司能够降低1%的风险,产生的利润就非常可观了。   2)物联网 (IOT) + 实时(Realtime) + 机器学习是今年最火的话题   相对于去年来说,这三个话题的曝光率大大提高。今年总共有160多场演讲,其中物联网就有近20场演讲,机器学习有10多场演讲,实时有近10场演讲。   这三个话题其实互相关联,比如说物联网通过传感器采集了N多的数据(飞机引擎能够每小时产生35TB的数据,还有比如上面提到的福特汽车),这些数据需要立刻决定保留或者丢弃,对于保留的那部分数据也要能够很快做出决定。实时起到了很大的作用。在这次的某一个演讲中(忘了是哪家公司了),需要采集飞机上的雷达数据来预测天气是否危险,如果不能做到实时那几乎就是草菅人命了。   对于这种大规模的数据只用传统的SQL进行数据处理是远远不够的,特别是一些非结构化的数据(比如说雷达云图)。那么很多的机器学习的方法就能够排上用场了。这三个方向一定会在未来更火的。   关于Hadoop(YARN/HDFS)项目的趋势   1)继续往易用方向发展   关于易用主要是两个方面,a. 方便安装部署, b. 方便运维。对于安装部署来说这几年的一些工具已经可以把问题解决得很好了,比如说Apache Ambari。对于运维来说则在今年涌现了很多的新的亮点,比如来自Hortonworks的Service Asembly,Service Asembly也就是服务的组合,举个例子来说,一个数据服务需要安装ZooKeeper、Kafka、HBase、Spark,并且需要让他们工作在一起,传统的方式是分别部署这些项目并且手动的把他们互相配置起来。现在可以通过Docker container加上预先写好的配置文件模板让这些服务一次性的在YARN上面启动和关闭。   2)YARN更好的支持长时间服务(Long running service, LRS)   相对于普通的mapreduce、spark程序,长时间服务需要跑几天甚至几个月,YARN对于LRS的支持在近一年内有很大的进展。一些新完成、正在开发中的功能有类似于:   · DNS(每个container有自己的地址, YARN-4757) · Container自动重启(YARN-4725) · Container重复利用(allocation reuse, YARN-4726) · 动态改变运行中Container的资源(Resizing running...

Read More