大数据时代制造企业数字化转型的新内涵

新一代信息技术与制造业的融合推动了工业数字经济的快速发展,数据已经成长为制造企业重要的战略资产,数据的价值挖掘与利用成为当前企业数字化转型升级的重要驱动力。以数据管理为核心,提出将制造企业数字化转型划分为基于人工的粗放式管理、基于信息技术的数字化管理、基于工业互联网的大数据管理,以及基于新一代人工智能的智能化管理等四个发展阶段。从驱动要素、理念转变和基本特征等多个维度,阐述了当前大数据时代制造企业数字化转型的新内涵,在此基础上从数据全生命周期视角,探讨了数字化转型的体系架构及关键技术体系,最后指出了当前制造企业推进数字化转型的发展方向。

为了构建本国制造业竞争优势,世界各国近10年都在大力发展智能制造[1-2],旨在通过物联网、云计算、大数据、人工智能、移动互联网等新一代网络信息技术与制造业的深度融合,推动制造企业的数字化转型,比如美国提出了“先进制造业伙伴计划”[3]、德国提出了“工业4.0战略计划”[4]、中国提出了《中国制造2025》[5]、日本提出了“社会5.0战略”[6]等。同时,在202 1 年 3 月发布的国家“十四五规划和2035年远景目标纲要”中,也明确指出要推进产业数字化转型,充分发挥海量数据和丰富应用场景优势,促进数字技术与实体经济深度融合,赋能传统产业转型升级,催生新产业新业态新模式。

在企业层面,美国通用电气公司(General Electric,GE)在2012年正式提出了工业互联网概念[7],旨在打造工业界的互联网操作系统即工业互联网平台,进而通过工业 APP、微服务组件等形式为制造企业提供服务。近几年,在政府、学界和产业界的大力推动下,中国工业互联网发展也步入快车道[8],涌现了许多跨行业跨领域的工业互联网平台,如海尔COSMOPlat、东方国信Cloudiip、用友精智、三一重工树根互联、航天云网 INDICS、浪潮云IN Cloud、华为FusionPlant、富士康BEACON、阿里supET、徐工信息汉云等[9],形成了基于工业互联网的个性化定制、网络化协同、智能化生产、服务化延伸等新模式。其中,工业大数据是工业互联网平台运行的核心和支撑[10]。

近年来,随着物联网技术在制造业的深入应用和快速普及,智能制造系统中人与人、人与设备、设备与设备之间的互联互通逐渐成为现实,制造企业可以快速获取海量、异构的多源多维生产数据。企业所管理数据的规模、种类和复杂度都在以前所未有的速度增长,工业领域进入了以工业互联网和万物互联为特征的大数据时代[11]。尤其是2020年以来,疫情的发生给经济社会发展带来了巨大的挑战和不确定性,极大推动了数字技术与传统行业的深度融合,数字化进程明显加速。在此背景下,制造企业亟需充分利用数字技术,通过有效的技术手段来获取、存储、管理、分析、挖掘和应用这些海量、多源、异构、高维、易变的大数据,从而提高企业在不确定环境下的经营决策能力和业务价值,并催生新产业新业态新模式。在过去,制造企业的规模主要是通过用电量来衡量;在大数据时代,制造企业能够掌握、使用和理解的数据量,数据驱动企业生产和运营管理的广度和深度将是衡量企业规模的一个重要指标。

实际上,从数据库(Database,DB)到大数据(Big Data,BD),两者有着本质上的差别。大数据的出现必将颠覆传统的数据管理方式,在数据来源、数据处理方式和数据思维等方面都会给其带来革命性的改变。在数据来源方面,不仅是企业内部的业务流程,还包括基于工业互联网的人—机—料—环全要素感知和运行过程感知、企业外部数据的获取与收集等。在数据类型上,不仅包括结构化的业务流程数据,还包括大量的半结构化数据,比如邮件、HTML、报表等;以及通过传感器、射频识别、条码、终端设备采集的传感数据、空间位置数据、文本数据、视频数据、图像数据、音频数据等非结构化数据。数据来源更为广泛,数据格式更为多样化,数据规模呈现指数级增长。

大数据不仅是指数据本身,还包括一系列用来收集、管理、挖掘、分析海量信息并解决复杂问题的技术。在数据处理方式上,以大数据为代表的数据密集型计算已成为继实验、理论和仿真之后的第四种科学研究范式[12]。从以实验为主的第一范式,到以理论研究为代表的第二范式,经历了数百年时间;随着20世纪中期计算机技术的发展,科学出现了计算分支,能够通过仿真对复杂现象进行研究,这是第三范式。大数据的出现催生了一种新的科研范式,即通过实验仪器收集或模拟仿真方法产生大量数据,然后用软件进行处理,并将所形成的信息和知识存储在计算机之中,从而将实验、理论和仿真三种科学研究范式有机地统一起来[13]。在数据思维方面,越来越多的制造企业意识到:除了人力、机器、物料等实体生产要素以外,在数字空间中存储的数据已成为制造企业可持续发展和提升市场竞争力的重要资产。制造企业需要提高对数据的重视程度,并将数据当成资产进行标准化和结构化管理,以形成完整、准确、实时的数据包,最终通过“数据流动”和“数据驱动”等方式服务企业内的各项业务[14-15],比如市场需求的预测与分析、用户需求的预测与分析、产品设计和工艺的持续改进及提升、产品质量提升[16]、对外业务扩展、业务模式创新等。

为此,本文以数据管理为核心,提出制造企业数字化转型的四个发展阶段,并对当前大数据时代的制造企业数字化转型新内涵、体系架构和关键技术进行详细阐述,从而为推进制造企业数字化转型提供理论指导。

1 制造企业数字化转型的四个发展阶段

制造业发展过程中,数据一直起到非常重要的作用。机械工业发展初期,还处于单件生产方式时,工人在设计、机械加工和装配等方面都有高度的技艺,这时工人绝大多数是技巧娴熟的工匠,通晓设计的原理,并且谙熟所采用的材料性能。在这种作坊式团队协作模式中,大家主要通过语言进行交流(即数据传递),这时候数据还主要保存在工人的大脑中。

随着工业的进一步发现,尤其是第一次世界大战之后,大批量生产的出现,最大限度地应用了分工的思想,并促使产生了一批新的专业人员。这种专业分工不但在车间里进行,而且在工程部门里也进行,比如将工人分为机器操作工人、质检工人等;工程师分为结构设计工程师、工艺工程师等。伴随着专业分工的发展,人们逐渐采用各种便于理解、准确、高效的产品设计和制造等信息的表达方法,以支持产品设计、工艺设计、加工、装配和维修等产品全生命周期各个阶段的数据定义和传递。这时候,因为产品研发中跨专业跨领域的交流需求,数据表达的准确性和标准性就显得非常重要。1947年,国际标准化组织建立了第十技术委员会(ISO/TC10),工作对象主要是机械制图、建筑制图、船舶制图、土木制图及电气制图等各类制图的标准化。1959年我国颁发了第一个机械制图国家标准。

20世纪中叶以来,随着微电子、自动化、计算机、通讯、网络、信息、人工智能等高新技术的迅猛发展,掀起了以信息革命为核心的新技术革命浪潮。从20世纪50年代的数控加工开始,先后经历了以 CAD/CAPP/CAM 等计算机辅助技术为代表的第一代数字化制造技术、以计算机集成制造(CIMS)为代表的第二代数字化制造技术,以及以网络化制造技术为代表的第三代数字化制造技术,现在正在进入以智能制造技术为代表的第四代数字化制造技术。数据管理的范围,也从最初的产品模型数据管理发展到车间现场的制造数据乃至整个产品全生命周期的数据管理。同时,随着物联网、工业互联网、云计算等新一代信息与通信技术的快速普及与应用,制造数据来源和数据量剧增,大数据时代已经到来。当前,数据已经成长为制造企业重要的战略资产,数据的价值挖掘与利用已成为数字化转型升级的重要驱动力。

如图1所示,从以上数据管理的历程出发,数据管理主要经历了数据纸质化、数据电子化、数据海量化和数据知识化等四个阶段。基于此,可以将企业数字化转型划分为四个发展阶段,分别是:基于人工的粗放式管理、基于信息技术的数字化管理、基于工业互联网的大数据管理、基于新一代人工智能的智能化管理。

1.1  基于人工的粗放式管理

在计算机出现之前的手工作坊时代、机械化时代和电气化时代,制造企业实现价值创造的主要方式是提升产能,即通过自动化、标准化、高效率的机器和流水线实现大规模生产。因此,其管理的侧重点是通过机器动力提升、机器设备购置、零部件互换性和劳动力分工等手段来提高产品的生产效率和质量的一致性。

在该阶段,数据纸质化是其主要特征,制造企业的数据主要以纸质形式进行存储和管理,在企业的经营管理与决策过程中,存在着大量的信息不对称问题。利益相关方无法及时获取业务的状态、进度和存在的问题等信息,管理人员也无法全面掌握业务的实际执行情况,很多时候需要当面交流或者电话远程沟通才能实现,容易导致业务流程不受控、业务推进速度慢、业务完成质量低等问题。此外,数据的查询、搜索、统计和分析非常困难,工作量也十分巨大,经常需要消耗大量的人力、物力、财力去进行数据的整理和校核,费时费力。

由于所能掌握的信息十分有限,企业管理人员在进行重大决策时,经常需要依靠直觉和经验,对于重要程度和优先级不高的业务经常无暇顾及。因此,制造企业只能被迫采用粗放式的管理模式,需要人工获取、传递、管理和处理数据。

1.2  基于信息技术的数字化管理

企业数字化管理是指利用计算机、通信、网络等技术,通过统计技术量化管理对象与管理行为,实现研发、计划、组织、生产、协调、销售、服务、创新等职能的管理活动和方法。随着计算机、网络、传感等信息技术的发展,制造企业开始通过应用PDM、CAPP、ERP、MES 等信息化系统来整合、优化和管理企业研发、生产和经营过程中的各项业务,并通过建立专家系统、知识库等手段来实现部分的业务决策自动化。此时,制造企业通过信息化手段来解决信息的不对称问题,从而提高企业研发、生产和经营过程中各项业务的透明化程度,进而通过对业务流程的精细化管理来达到保证产品质量、提高生产效率和降低生产成本的目的,从而实现价值创造和增值。

在该阶段,数据的存储手段由纸质文档逐步转为基于计算机的电子化存储,解决了“有数据”的问题;数据的传递手段由纸质和口头传递向基于网络的快速可靠传输转变,解决了数据“能流动”的问题;数据的管理粒度由非结构化向结构化转变,解决了数据“能处理”的问题。此时,数据的传递、存储、管理、处理和应用大部分由计算机在数字空间中完成。因此,管理方式由基于人工的粗放式管理,转向基于信息技术的数字化和精细化管理,这个转变的过程有时也被称为企业信息化。

但是,在该阶段,数据的感知手段仍然不够丰富,导致数据的采集方式多以人机交互式为主,实时性不能完全保证,数据种类也不够丰富;一些数据采集设备的能力不足,导致数据精度有时候达不到实际工业需求。数据传输多以工业以太网、现场总线、局域网等为主,无线数据传输能力弱,单位时间传输的数据量受限。由于数据量比较有限,数据存储主要以关系型数据库为主。数据分析多以数值统计为主,且多针对单环节、单领域、单业务部门的结构化数据和部分半结构化数据,非结构化数据利用率低,对企业业务决策的支撑作用有限。

这个阶段的主要特征是业务数据化,即以业务流程的数字化精细化管理为重心,以提升业务效率和数据统计能力为主要目标,通过结构化的数据采集、网络化的数据传输、电子化的数据存储、标准化的业务流程管理等信息化手段实现“数据流动”,确保流程可控、数据可溯、信息可视等。但是在推进过程中也出现了一些问题,比如信息系统之间或者是各业务部门之间的信息孤岛、数据源不一致导致的数据管理混乱、数据利用率低等。因此,制造企业在完成信息化建设之后,面向产品全生命周期的数据集成管理、面向企业多部门多业务多领域协同的数据共享、企业数据价值的深度挖掘等,成为了制造企业进一步提升业务决策能力和实现价值创造的瓶颈环节。

1.3  基于工业互联网的大数据管理

面对新一轮工业革命,以物联网、大数据、云计算、人工智能等为代表的新一代信息技术正快速发展并与制造业深度融合,企业所管理数据的规模、种类和复杂度也都在以前所未有的速度增长,这为制造企业管理效能的进一步提升提供了新动能。一方面,制造企业亟需利用收集的海量大数据来挖掘和洞察客户需求和市场走向,并通过业务价值提升、业务转型等手段来保持竞争力;另一方面,又需要在满足客户的个性化定制需求和规模生产之间取得平衡。此时,制造企业价值创造的源头将不再只是“以产品为中心”的产能提升和质量保证,而是要转向“以客户为中心”的产品研发创新、生产管理创新和服务模式创新。制造企业将从注重业务流程的数字化精细化管理转向基于工业互联网的大数据管理,并在大数据的驱动下实现业务转型,即不仅仅是通过业务的“数据流动”来提高业务执行效率和透明度,更是要通过人—机—物—环间的工业全要素“数据流动”和“数据驱动”激发企业的业务价值提升和转型升级,通过“大数据智能”赋能业务各环节尤其是决策环节,从而精准高效、快速及时地响应市场、客户、产品研发生产和企业经营管理过程中出现的各种确定性和不确定性需求,并减少业务决策过程中因人为主观因素而产生的不确定性和波动性,进而大幅提高业务决策的效率、质量和一致性。

在该阶段,数据业务化是其基本特征之一。数据业务化是指通过对业务系统中沉淀的数据的二次加工,找出数据中的规律,让数据更懂业务,并用数据驱动各个业务的发展,将数据渗透到各个业务的运营当中,让数据反哺业务,最终释放数据价值,完成数据价值的运营闭环。由于多传感技术的快速发展,数据的采集手段更加丰富,数据的种类更加多样,数据产生的速度更快,数据的规模呈现指数级增长态势;由于5G、6G等移动互联网技术的发展,数据的传输速度和容量不断加大,使人—机—物—环的互联互通和信息流互动成为可能。同时,由于云计算、高性能计算、大数据、自然语言处理等技术的发展,能够分析和处理的数据范围和种类不断延伸,不仅仅是单环节、单领域、单业务部门的数据统计,更是面向多环节、多领域、多业务部门数据的全局分析与洞见;数据分析的类型也不再只是结构化和非结构化的数据,并能对视频、音频、图像、文本、传感等非结构化数据进行融合与分析[17]。在这个阶段,与人力、设备、物料等企业“有形”资产相对应,数据将是企业的“无形”资产。数据背后所隐藏价值的挖掘深度是制造企业提升核心竞争力的关键环节之一,也是企业能否真正实现数字化转型的重要组成部分。此外,由于数据价值的充分挖掘,制造企业知识的发现和获取能力得到了大幅提升,知识库得以不断积累和更新,为迈向下一阶段的智能化管理提供支撑。

1.4 基于新一代人工智能的智能化管理

随着制造企业信息化数字化转型的推进,制造企业数据背后隐藏的价值不断被挖掘,知识得以不断地积累和更新,如何充分发挥知识的价值将是未来制造企业价值创造的来源[18]。在工业5.0以人为本和知识互联的智慧化时代[19],随着人机混合增强智能、群体智能、跨媒体智能等新一代人工智能技术[20]和知识工程技术的发展,制造企业管理将由大数据管理阶段迈向“知识驱动”的智能化管理阶段。

在该阶段,单点和碎片化的知识条目将通过“智联”变成知识图谱[21],从而推进基于数据智能的业务单点决策自动化向基于知识图谱的业务全流程决策自动化转变,将更大范围、更高效率、更加精准地优化企业生产、管理和服务资源配置。此时,业务的柔性、效率和决策质量都将在知识的推动下达到一个全新的高度,并将催生出以智慧工业为目标的新应用、新服务和新模式,比如社会化大规模定制[22]、云制造系统3.0[23]、基于知识流的业务流程再造等。

与上一阶段相比,该阶段的主要特征是知识业务化,具体包括:①工业“人—机—物—环”全要素智联:工业人—机—物—环在信息层面的互联互通向人—机—物—环在知识层面的互联互通转变;②知识融合驱动:除了数据之外,知识也将成为企业的核心资产并沉淀为工业软件、工业 APP 或工业知识服务。知识驱动将成为知识经济时代制造企业的基本特征。

我国制造业门类齐全、产业体系完备，不同行业、不同企业的数字化需求和转型路径存在较大差异。《行动方案》针对制造业企业多样性特点，提出要分行业分领域精准推进，以便最大程度地释放数字红利，使不同类型企业获得适合自身条件和发展阶段的数字化“赋能”。具体到应用场景，复杂制造业要打通数字鸿沟，构建设计、生产、服务的端到端数字闭环；流程制造业要运用数字技术重塑业务流程，提升资源配置效率；消费品制造业要利用数字化手段实现产品个性化定制，更好满足日益增长的多元化消费需求。

针对不同制造业企业的多元化业务场景，万里数据库可提供针对性的数据库产品与解决方案，帮助制造业企业完成数字化转型改造。在产品研发上，万里数据库坚持“极致稳定 极致性能 极致易用”理念，打造了一种产品、两种部署方式的安全数据库GreatDB，可根据制造业客户业务场景的数据量、性能水平、安全性等要求采用集中式或分布式产品部署，并提供数据迁移和全生命周期运维管理工具，全流程服务制造业企业数字化转型。