A-B罗克韦尔1771-CFM通用终端模块 塑胶机械

A-B罗克韦尔1771-CFM通用终端模块 塑胶机械

IDC于近日发布了《IDC PeerScape：面向工业场景的大数据管理分析平台佳实践案例》报告，总结了行业用户在应用过程中面临的四大挑战和实践路径，并评选佳实践案例，为行业用户提供了相关的指导建议，供市场参考。

工业大数据平台的核心价值是建立数据要素全周期流通和价值挖掘体系，以实现覆盖能力、生产效率、数据治理、企业管理、业务生态的全面升级。工业涉及制造、能源、工厂等复杂场景下的视频、图像、文本、语音、日志、文档等结构化数据、半结构化数据和非结构化数据。数据库类型多样，数据质量参差不齐，当前大部分情况下缺少统一的数据标准与管理流程，企业自身水平也难以建设全面的工业大数据管理能力。因此需要外部厂商成熟的一站式大数据管理平台来打通底层数据壁垒，只有确保数据安全自由流通，才能促进上层业务管理升级和经营效率提升。同时，专家经验也发挥着越来越重要的作用，知识即服务（Knowledge as a Service）成为趋势，将业务经验打包成标准化产品服务，以更好地规模化地解决企业的多样化需求。

当前工业大数据应用以单点离散统计分析形式为主，且作业过程难以追溯、数据交互存在壁垒，导致难以发挥规模化集群效应。大部分的工业企业在数字化转型升级中仍处于从0到1的阶段，企业自身掌握了大量的行业knowhow，但缺少与大数据和人工智能技术融合来解决实际问题的经验，比如多设备管理、数据软件打通、趋势预测、知识图谱、设备预测性维护、质量检测等，这就需要厂商在企业服务过程中丰富大数据技术架构，例如存储引擎、分析工具以及行业模型，为厂商打造可解耦灵活适配的功能体系，并贯穿产品线核心环节，完成工业数据的采、存、管、用全流程管理。IDC预测，到2027年，10%的中国500强企业将部署数据和行动反馈循环系统，从而在数据和内容获取和分析投资方面获得更高的回报。

市场面临的主要挑战

数据烟囱和孤岛是导致企业无法扩大规模化生产以及管理低效的主要原因，工业生产涉及ERP、MES、WMS等相关应用系统，数据来源复杂、种类多样、质量参差不齐、数据量较大，客户也逐渐意识到对数据中台、数据统一管理的需求，来搭建化数据指标体系；

传统生产和设备控制完全依靠专家经验，而人员的迭代与更加化的管理需求迫使企业需要开发模型来实现更加智能的管理，减少人员成本以及能源损耗或提高产品良率，而且工业企业需要一个统一的平台来开发、管理、编排、更新、部署相关业务；

工业场景涉及多种硬件与软件设备维护，任一设备故障都可能导致长时间的维护以及资源浪费，并带来较大的经济损失，而运维这些设备所需人工成本较高，人员管理也更加复杂，且人员技术水平参差不齐，可能无法及时发现并解决故障，这也无法发挥多设备数据源的相互分析作用；

对于大型工业厂商，其具有丰富的行业经验以及一定市场壁垒，面临数字化转型需求以及新兴技术型企业竞争压力时，受限于庞大的组织体系以及技术能力，更需要外部厂商提供一体化的改造能力，这包括云服务、智能计算、数据治理、设备管理、模型开发、预测运维等多样化需求。

IDC观察到，工业大数据平台建设中，数据质量、模型产品化、分级分批验证落地是项目成功实践的关键。

A-B罗克韦尔1771-CFM通用终端模块 塑胶机械