数智观点:城市数字化转型下,上海工业大数据发展现状及建议

慧聪通信网 2022-07-07 08:44 来源:上海人工智能研究院

工业大数据是工业领域产品和服务全生命周期数据的总称,包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据,以及工业互联网平台、数字孪生、工业元宇宙使用场景中的数据等。工业大数据是推动制造业数字化、网络化、智能化发展的关键生产要素,也是全球主要国家积极发展数据驱动的新型工业发展模式的重要着力点。如上海人工智能研究院作为工信部“星火·链网”骨干节点建设供应商,综合运用工业大数据、数字孪生、电力系统仿真技术,提升能源行业信息化、数字化、智能化水平,赋能能源全产业链,探索新一代智能电网运营模式。当前,上海正以整体性转变、全方位赋能、革命性重塑的魄力推动城市经济、生活、治理的全面数字化转型。工业大数据作为经济数字化转型的重要组成部分,具有什么内涵和特点?上海工业大数据取得了哪些阶段性成果?同时还有哪些需要解决的问题?上海人工智能研究院资深咨询顾问邓志辉通过本文试图做一些回答,并提出上海工业大数据高质量发展的相关建议。

工业大数据具有丰富的产业要素内涵

党中央、国务院于2020年3月份发布了《关于构建更加完善的要素市场化配置体制机制的意见》把“数据”与土地、劳动力、资本、技术等传统要素并列,通过加快数据要素市场培育,使大数据成为推动经济高质量发展的新动能。同年4月份,工信部发布《关于工业大数据发展的指导意见》,提出促进工业数字化转型,激发工业数据资源要素潜力,加快工业大数据产业发展,打造工业大数据生态体系。1、五种维度数据构成工业大数据流闭环工业大数据根据产品全生命周期管理可以分为五个维度的来源,分别为研发数据、生产数据、运维数据、管理数据、外部数据,这五个维度的数据构成了以产品为核心的工业数据流闭环。数据的获取和流动是工业大数据技术的基础,基于全维度的工业数据深度挖掘是赋能制造企业智能化、服务化转型升级的重要方式。

数智观点:城市数字化转型下,上海工业大数据发展现状及建议

图:工业大数据来源闭环

  2、三个层次平台组成工业大数据基础架构根据工业数据流动路径及技术处理过程可将工业大数据基本架构分为“数据源层”、“平台层”及“应用层”。“数据源层”反映工业大数据的主要来源,主要包含信息系统的IT数据以及生产运维的OT数据。“平台层”承担工业大数据的计算分析功能,如多源异构数据的结构化处理、数据交换、数据清洗和分布式存储等工业大数据标准化基础处理,以及基于不同行业特征大数据的深度学习、建模分析等。“应用层”是工业大数据的具体场景化应用,基于工业微服务组件的合理调度结合实际使用场景,实现设备健康诊断、预测运维、工艺优化、敏捷供应链管理等高价值应用。工业大数据安全管理贯穿于工业数据流动全过程,是工业生产、管理及其重要的一部分。按照《工业数据分类分级指南》,可将工业数据分为一、二、三共三个级别,其中三级数据的安全防护要求最高,其关系到国民经济、行业发展、公众利益、社会秩序乃至国家安全

数智观点:城市数字化转型下,上海工业大数据发展现状及建议

图:工业大数据基础架构  

上海工业大数据发展实力强劲1、制造业基础雄厚,工业大数据融合应用场景丰富上海制造业规模位居全国前列。据上海市统计局,2021年上海全年实现工业增加值超万亿元,完成工业总产值超3.9万亿元,其中战略性新兴产业制造业部分完成工业总产值1.6万亿元,规模数量处于全国前列。上海先进制造业引领全国发展,连续多年获得 “中国先进制造业城市发展指数”榜单第一名,是我国先进技术、先进产业、先进人才的代表城市。基于丰富的制造业融合应用场景,上海涌现出一批精准客户画像、工艺仿真、协同研发、设备预测运维、敏捷制造等基于工业大数据发展的新技术、新业态和新模式。如上汽集团通过搭建工业大数据计算中台和智能中台可以对其贯穿汽车智能制造全产业链、全生命周期的工业互联网数据进行全面感知、实时分析和科学计算,实现从单个机器到生产线、车间乃至整个产业链的智能决策和动态优化。上海电气集团数字科技有限公司搭建的基于工业大数据的风电故障智能诊断模型,实现大型风机等设备的预测性维护、故障预测、性能优化等一系列服务。2、市场主体活跃,工业大数据供需市场逐步形成通过对上海工业大数据领域的典型企业研究发现,在需求端,主要以央企国企、上市公司等大型企业为主,而在供给端,除了信息技术乙方企业有工业大数据服务产品外,工业制造型企业也开始大量自研工业大数据关键技术,上线服务性产品。客户需求市场以大型制造企业为主导。大型工业制造企业营收体量大、产品线丰富、技术储备领先、管理运营完善,具备较强的市场话语权和较高的市场占有率。同时也面临内部工艺流程复杂、生产过程数据体量庞大,数据分析应用需求量大,所以企业正加快运用工业大数据技术来提升研发、生产的效率,降低生产运营成本。如,中国航发商发制造有限公司打造基于模型的工艺设计与仿真系统,针对加工、试验工艺建立工艺设计与仿真系统,通过获取设计数据,实现设计端接收并输出可视化三维作业指导书,构建满足要求的三维数字样机和三维工装模型作为共享数据源,实现产品数据从设计到制造端的快速流转。服务供应市场甲方乙方企业均有布局。大型制造甲方企业纷纷设立数据服务子公司,主要有企业信息化部门重新组建成子公司,或母公司投资发起设立新公司两类,如上海电气设立的上海电气数字科技有限公司、中联重科建立的中科云谷、宝武钢铁设立的宝信软件等企业。这些具有制造业基因的大数据服务企业对母公司所处行业的信息化技术有着深刻的理解和积累,在服务业内制造企业数字化、网络化、智能化建设方面具有先天优势,也能更精准地实施母公司的工业大数据应用需求。软件和信息服务乙方企业加速向工业领域渗透,上海正逐步形成软件和信息服务乙方企业提供工业软件、产品的服务市场,这类企业具备较强的基础软件研发能力,基于其专业的信息技术服务能力在客户获取方面具备一定优势,如上海星环信息科技、上海观安信息技术、普元信息技术、上海爱可生信息技术等。3、出台配套政策,助力工业大数据引领发展上海抢抓大数据产业发展,连续发布大数据产业政策,鼓励大数据在各领域的深度应用,推动形成数据观念意识强、数据采集汇聚能力大、共享开放程度高、分析挖掘应用广的大数据发展格局。同时,陆续出台智能制造、工业互联网产业发展政策,鼓励大力发展工业大数据应用,推动大数据在制造业研发、生产、经营、营销等环节的深度融合,分析感知用户需求,实现产品迭代开发,打造智能工厂。2021年初,上海发布《关于全面推进上海城市数字化转型的意见》,推动“经济、生活、治理”全面数字化转型,将上海打造成为具有世界影响力的国际数字之都。意见还提出要以数据要素为核心,形成新治理力和生产力,建立数据要素市场,促进数据价值最大化发掘,进一步提升社会生产力和运行效率。这些政策的出台为大数据在工业领域的深度融合、创新应用提供了指导框架和决策依据,助力上海工业大数据快速发展。

上海工业大数据发展需要解决的问题

1、制造型企业信息化水平还需进一步提高信息化是企业全面数字化、智能化转型发展的基础,是企业充分利用工业互联网、工业大数据等前沿信息技术实现创新发展的前提条件。从全国范围来看,上海制造型企业与互联网融合发展部分指标水平并不突出,个别甚至低于全国平均水平。根据国家两化融合公共服务平台数据,截至2021年4季度,上海“生产设备数字化率”为55.6%,低于江苏省的58.4%、浙江省的57.1%;“关键工序数控化率”,上海低于江苏、浙江4-5个百分点,甚至不足全国平均水平;在工业大数据应用相关方面,“开展服务型制造企业比例”,上海为44.4%,低于江苏省的44.9%、浙江省的48.1%,“智能制造就绪率”指标上海也低于江苏省、浙江省4-5个百分点。

数智观点:城市数字化转型下,上海工业大数据发展现状及建议

图:2021年4季度全国两化融合工作进展对比

2、工业大数据应用技术能力还需进一步加强当前制造型企业在数据采集、传输、存储方面都面临数据格式、接口、标准的不一致性问题,主要原因是上海乃至全国的国产工业软件、高端物联设备核心技术供给不足,而国外设备读写不开放,数据无法读取或者格式多样,无法直接利用。此外,上海工业制造企业在基于工业机理模型的工业大数据分析应用层面也存在技术水平不高、应用不足的问题。3、工业大数据发展要素聚集性有待进一步提升研究发现,上海尚未发布支持工业大数据发展的专项政策,在工业大数据产业发展专项资金补助、产业试点示范项目推动专项举措方面也相对偏少。同时,市场上整体比较缺乏既懂工业知识又懂大数据技术的产业人才队伍,亟需培养掌握IT和OT融合应用的工业大数据综合技术人才。上海工业大数据高质量发展促城市数字化转型建议工业大数据作为工业经济数字化、网络化、智能化转型的关键环节,正发挥越来越重要的作用。加快工业大数据高质量发展,对推动上海城市数字化转型具有重要意义。1、加快夯实工业大数据突破发展的数字化基础强化工业软件在产品全生命周期管理的运用。在软件定义生产的时代,工业软件的普及应用是企业数字化转型的必要手段,工业信息系统的利用率是衡量企业数字化水平的重要依据。因此,需引导和推动企业在研发设计(CAD、CAE、CAM)、经营管理(ERP、CRM、SCM、EMS)、生产管理(MES、QMS、WMS)、工业过程控制(PLC、DCS、SCADA)等产品全生命周期管理工业软件、工业信息技术产品的应用,推动打造一批具有国际先进水平的上海本地工业软件厂商,抢占工业大数据引领发展高地。加强5G物联网、AI等新兴技术的融合应用。推动5G、NB-IoT等技术在工业场景中的应用,推进IPv6规模部署,改造升级工业企业内外网络,加强机器视觉、深度学习等人工智能技术向工业场景渗透融合,加快“AI+制造”新技术新模式不断涌现,通过新兴技术融合应用,不断提升企业网络链接、数据互联互通水平,提高企业工业数据分析应用能力。2、加强工业大数据应用服务供给能力提升工业数据采集、清洗、传输、存储前端基础技术。需支持企业以传感器、RFID、智能终端等采集生产制造数据,鼓励企业研发面向高吞吐量数据存储、压缩、索引、查询优化和数据缓存等能力的关键技术,制定数据采集、传输、存储前沿技术领域国内、国际标准。推动上海市建立国家工业互联网大数据分中心、制造强国产业基础大数据核心平台,加强制造业工业数据的汇聚共享,实现工业大数据对制造产业、企业的反向深度赋能。突破基于工业知识的工业机理模型核心后端技术。推动建立一批上海制造企业算法库、知识库、模型库、参数库等工业大数据分析工具库,打造一批高质量工业数据集。推广“数据驱动+机理驱动”的企业数字化、智能化双轮驱动模式。推动建立一批企业型、行业型工业大数据安全平台,推动打造一批工业数据资产评估评价机制,促进数据资产价值释放。3、推动工业大数据产业发展要素全面汇聚遴选一批工业大数据试点示范企业,发挥大型企业在工业大数据应用上的带头引领作用,引导中小企业逐步实现工业大数据单点突破到全面融合应用。完善人才评价和激励机制,引导培育既具备大数据技术、思维和能力,又熟悉工业发展模式流程的工业大数据优秀人才,储备一批融合型人才和跨界人才。持续扩大上海市工业大数据“供需双方”的市场规模,培育一批跨企业、跨行业的工业大数据综合解决方案供应商和公共服务平台,推动建立上海工业大数据集聚发展的国家新型工业化产业示范基地。依托上海数据交易所功能定位,积极推进工业数据确权定价,充分释放工业数据价值潜能。作者简介:邓志辉,上海人工智能研究院资深咨询顾问。聚焦新一代信息技术与实体经济深度融合领域研究。曾主导或参与省市级、区级数字化转型产业规划、产业研究十余项。

免责声明:凡注明来源本网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,注明出处。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。