全球制造业的规模极其庞大。麦肯锡全球研究院(McKinsey Global Institute)的数据显示,全球范围内,制造业的销售额总计大约10万亿美元,而中国占到了其中的28%,与此同时,中国的总产值占全球总产值的35%。尽管受到新冠疫情的冲击,但是制造业的发展前景仍然看好,尤其在进入工业4.0时代,自动化和数据交换广泛应用于物联网、云计算和信息物理系统等各种制造技术以后,智能制造的前景更加光明。
当世界上大多数国家还在与新冠疫情抗争时,中国再一次证明,只有疫情防控稳定,经济才能够实现反弹。10月19日,国家统计局发布,今年第三季度中国经济同比增长4.9%,增长强劲。
新冠疫情的爆发,企业迅速采用云制造技术来加速创新。此外,它们还通过扩展采购渠道和生产基地来尽力提升供应链的灵活性,以应对未来的业务挑战。
很明显,制造业的未来与产品有着千丝万缕的联系;而不那么明显的是,它还取决于支持生产的数据管理。
确实,制造商在工厂设备和软件方面的大量投资与生产过程中被忽视的统一数据观之间存在脱节。有些行业利用基于深度分析的海量数据运营来理解数据,获得了竞争优势。希捷科技最新发布的《数据新视界》报告认为,在通过数据运营来提升数据管理方面,制造业落后于其他行业(数据运营是将数据创建者与数据使用者联系起来的一种方法)。在这个领域,制造业需要迎头赶上。
在生产过程中,制造商需要处理大量数据。他们必须充分利用高级分析、机器学习和人工智能技术,这不仅是为了制造产品,也是为了通过数据管理来提升业绩。为此,制造商需要确保统一的数据观。
为什么会脱节?
IDC《2018年制造业洞察:IT和OT整合情况调研》发现,近80%的仪器化生产资产以某种形式进行了数字化互联。这是一个好消息。
但是,数字化资产的快速增长,为什么没有促进数据管理在制造业的广泛普及呢?企业范围内的数据管理软件、硬件、协同和流程,又为什么没有推动数据孤岛互联,从而激活制造业数据呢?
《数据新视界》报告基于IDC对全球1500名企业领导者开展的一项调查,调查结果显示,制造业的数据增长速度为37%,低于其他行业42.2%的平均增速。在将混合云和多云应用于主要业务领域方面,制造业落后于其他行业。受访行业领导者表示,数据存储管理是他们面临的最大挑战。多少有些令人吃惊的是,对于一个以实施人工智能和机器学习技术而著称的行业而言,制造业在数据管理方面的任务自动化水平竟然最低,而且数据管理功能的全面集成率也最低。
原因有四个:
制造业的这种状况不是一朝一夕形成的。
麻省理工学院斯隆商学院(MIT Sloan)相关人员表示:“最初的出发点是通过物联网将工业机器连接起来,借助机器对机器通信提升洞察力和自动化。但是,GE数字集团(GE Digital)数字化产品管理副总裁兼EmTech委员会发言人Matt Wells认为,工厂数据的复杂性和目标不明确,让制造业的初心难以落地。”
寻求全新的数据驱动型业务解决方案
有些制造企业已率先利用预测性数据分析来改善总体绩效。
德国汽车零部件制造商罗伯特·博世有限公司(Robert Bosch GmBH)便是这样一家企业。博世位于Homburg的力士乐工厂生产卡车和拖拉机的液压阀,他们利用无线通信和射频识别(RFID)标签将工人、机器和零部件联系起来,提高了生产流程的效率。该工厂的一条装配线可以生产200种不同版本的液压阀,极大地丰富了产出,同时降低了生产成本和电力消耗。
另一家通过简化数据分析来实现业务优势的企业是特斯拉中国,该公司最近开始向欧洲出口中国制造的Model 3电动车。特斯拉在上海建立的超级工厂率先采用了工业4.0技术,导入最先进的、采用大量机器人的高度自动化生产线,无论在制造工艺还是生产管理方面均具有很高水平,可谓十分先进。企业和管理者都希望通过拥抱工业4.0来提升中国超级工厂的数字化制造能力,以便制造商能够利用实时数据来连接整个价值链上的产品设计者、“智能”工厂和经销中心。随着Model 3的出口,欧洲也加入了这个供应链。
要想在数字化变革中生存下来,制造商就必须加入博世和特斯拉的行列,只有这样才能够持续获取胜利。
不断迈进
制造业改善数据管理可以采取下列五项措施:
但关键是,不要只将数据通信留给机器来处理,有关数据的任务也不要委派给首席信息官、数据科学家和IT部门来做。企业主应该鼓励整个企业分析各类数据的有用性,并根据预期的任务对数据进行后续分类。
成功的数据运营不仅仅关乎技术,它还关乎数据的通信。数据加上有效分析有助于建立统一的信息管理平台,从而充分挖掘背后的业务价值。
好文章,需要你的鼓励
谷歌宣布为Chrome iOS版推出新功能,用户可在工作和个人谷歌账户间轻松切换,无需反复登录登出。该功能支持托管账户浏览,实现严格的数据分离,工作账户的标签页、历史记录和密码等本地数据与个人浏览完全隔离。随着企业不再提供公司手机,员工常需在个人设备上访问公司资源,此更新有助企业允许员工使用自选设备。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
OpenAI宣布其最新实验性推理大语言模型在2025年国际数学奥林匹克竞赛中达到金牌水平。尽管机器在数学推理、代码生成等认知任务上表现卓越,但这并不意味着它们具备真正的智能。机器缺乏知识迁移能力、情感理解、自我意识、内在动机等关键特征。它们无法像人类那样灵活适应新环境,也不具备主观体验和意识。真正的智能需要多方面综合能力,而非仅仅在特定任务上的优异表现。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。