大数据与江苏制造业深度融合机制研究

左茜

摘要：大数据与江苏制造业深度融合发展对于引领制造业向中高端迈进重要重要现实意义。本文在对国内外大数据与制造业融合应用以及大数据与江苏制造业深度融合的典型案例分析基础上，分析了大数据与江苏制造业深度融合方面存在的问题，主要包括政策支持力度不够、企业对数字化的认识不到位、数字化基础较差、信息孤岛现象较为严重。为此，亟待强化政策扶持力度、加大企业对数字化的重视程度、分类推进企业“上云”以及构建合理的人才制度体系。

Abstract： The deep integration of big data and the Jiangsu manufacturing industry is of great practical significance in leading the manufacturing industry to the middle and high-end. This paper is based on the integration application of big data and manufacturing industry at home and abroad， and the typical case analysis of the deep integration of big data and jiangsu manufacturing industry. Then， the paper analyses the problems in the deep integration of big data and jiangsu manufacturing industry， including insufficient policy support， lack of understanding on digitization in enterprise， poor digital infrastructure， and the serious phenomenon of information island. Therefore， we urgently need to intensify policy support， attach more importance to digitization in enterprise， classifily prote enterprise "going to the cloud"， and build a reasonable talent system.

关键词：大数据;制造业;深度融合

Key words： big data;manufacturing industry;deep integration

中图分类号：F424;F49                                  文献标识码：A                                  文章编号：1006-4311（2019）26-0243-04

0  引言

2017年江苏制造业总产值超16万亿元，约占全国1/8、全球3%左右[1]。目前，江苏是全国制造业第一大省，制造业在全省经济社会发展中的贡献和支撑作用很大。尽管如此，江苏制造业获利能力和竞争力仍有待提高。现阶段如何振兴江苏制造业，带动全省经济发展，仍然是一个重大课题。《中国制造2025江苏行动纲要》明确将云计算、大数据和物联网作为重点领域和主攻方向。大数据与江苏制造业深度融合是构筑“强富美高”新江苏的有力抓手，对于引领制造业向中高端迈进具有重要现实意义。

1  国内外大数据与制造业融合发展现状

1.1 国外大数据与制造业融合发展现状

1.1.1 德国——“工业4.0”

德国是全球最具有竞争力的工业生产基地，其先进制造和设备供应方面位于全球领先位置。受金融危机影响，德国也在寻找新的经济增长点，于是提出“工业4.0”概念，即通过建设信息物理系统（CPS），融合虚拟网络世界与实体物理系统，将资源、信息、物体以及人员紧密联系在一起，建设智能工厂、进行智能生产，实现生产由集中向分散、产品由大规模趋同向个性化定制转变[2]。在此阶段，物联网技术和大数据在工业4.0中承担核心技术支持。就制造业而言，就是将智能设备、人和数据连接起来，并以智能的方式利用这些交换数据[3]。

1.1.2 美国——“工业互联网”

为区分于德国的“工业4.0”，美國采用“工业互联网”的概念。美国掀起工业互联网热潮，有其深刻的时代背景。一是政府战略为大数据与制造业融合提供发展机遇。美国自金融危机之后便出台了众多法案，对传统制造业进行改造升级。如，美国2012年正式启动了“先进制造业国家战略计划”，2013年公布了《国家制造业创新网络初步设计》等。二是行业联盟直接推动大数据与制造业融合。美国的工业互联网联盟目标是成为一个“通用蓝图”，联盟内的会员在设备等方面共享数据。该联盟通过制定通用标准，打破技术壁垒，利用互联网激活传统工业过程，更好地促进制造业和大数据的融合[4]。

信息供应网络是工业互联网战略的核心内容，其技术模型包括互联网技术、大数据等，依靠对制造领域的不同环节植入迥异化的传感器，不断进行实时感知和数据收集。在此基础上，借助数据陆续对工业环节进行准确化的有效控制，最终实现效率提高的目的[5]。

1.1.3 日本——互联工业

近年来，日本认为纯粹的自动化产品难以形成高的附加值，因此逐步对机器人革命的战略进行调整。2018年，日本正式提出“互联工业”的概念。互联工业最重要的特性就是互联，包括人、机器和技术之间的互联[6]。

《日本制造业白皮书》是对日本制造业整体情况的梳理，指明日本制造业未来发展方向，受到业内的普遍认同。2018年版《日本制造业白皮书》的核心观点包括三个方面：第一，日本制造业已经处于 “非连续创新”的时期，经过多美国、欧洲和日本的净资产收益率的比较发现，日本应将自动化与数字化融合才能让日本制造业获得更高的附加值。第二，日本可以利用数字化工具等手段“强化现场力”。第三，强调了“互联工业”（Connected Industries）的重要性，并认明确“互联工业”是日本制造业的未来。

1.2 国内大数据与制造业融合发展现状

1.2.1 大数据行业市场规模不断增大

工业大数据是智能制造的基础。2016，我国大数据发展指数平均为47.15，总体处于起步阶段①。但是，同年我国大数据行业市场规模约168亿元，同比2015年的116亿元增长了44.8%②。具体表现为：一是数据快速增长，数据量年均增速超过50%，预计到2020年数据总量在全球占比将达20%。二是大数据技术产业不断突破，大数据专利公开量约占全球的40%。三是数字经济发展迅速，2017年，数字经济总量达27.2万亿元，同比增长20%。[7]

1.2.2 工业云建设取得阶段性成果

工业云是智能制造的重要组成部分。一是大型制造企业云平台应用率不断提高。截至2017年1月，我国工业云平台应用率已达35.9%。二是面向中小企业工业云平台快速发展。2016年工业云平台企业用户数超过60万，较2015年增长140%。三是呈现特色化的发展模式。如，贵州、内蒙古等地推广PPP模式，北京、长沙、潍坊等地采用政府购买服务的方式，江西、广东、四川等地围绕当地特色产业或产业集聚区，推动工业云平台建设。[8]

1.2.3 工业互联网平台平稳发展

近年来，涉及制造业的工业互联网平台兴起。《互联网周刊》与eNet研究院共同发布《2018最值得关注的工业互联网平台》，用友精智工业互联网平台、航天云网INDICS等涉及制造业领域位列前五名。此外，工业互联网平台区域集中度凸显。目前，我国工业互联网平台集中分布在环渤海、长三角、珠三角三大区域。其中，北京、江苏、上海、浙江、广东、山东等省市，分别有15个、12个、9个、7个、6个、6个，约占平台总数的73%。[9]

1.3 大数据与江苏制造业融合发展现状

近年来，江苏深入贯彻中国制造2025、互联网+、大数据发展等国家战略，大数据产业发展取得一定成效。2016年，江苏大数据发展指數为66.13，排名第四，仅次于北京（78.22）、广东（74.72）和上海（69.14）③。大数据与制造业呈现融合发展趋势，制造业转型升级取得重要进展，质量效益明显提升。

1.3.1 工业互联网发展迅速

一是工业互联网基础设施加快建设。电信运营商和广电网络运营商加大光纤宽带和4G无线网络等工业互联网基础设施投资力度，以南京为例，截止2017年底，全市已实现千兆光纤宽带网络城乡全覆盖;3G和4G基站总数（含室分）达到45000个以上，WIFI AP接入点超过11万个，实现全市3G/4G/WiFi无线宽带网络的高效覆盖。二是工业互联网平台建设稳步推进。如，常州积极引导和支持本地制造业龙头骨干企业建设工业互联网“双创”平台，涌现出万帮充电设备有限公司的“星星充电综合智慧运营平台”、江苏金坛汽车工业有限公司的“大迈汽车产业链协同发展平台”等一批综合或行业平台，支持制造业转型升级，促进区域协同，打造制造业与互联网融合发展的新起点。

1.3.2 “企业上云”稳步推进

一方面，电力、装备制造等行业领域建设了一批工业云公共服务平台，通过汇聚和共享设备、模型、工具等工业要素资源，提供研发设计、数据管理等各类云服务。另一方面，重点行业骨干企业或大型企业集团积极探索建设企业级云应用平台，将企业业务向云平台迁移，加快基于大数据的业务模式和商业模式创新，发展协同创新、个性化定制等业务形态，培养“云制造”模式。如，目前无锡市已累计推动120家企业“上云”，培育2家阿里云本地服务商，推动悦达集团与阿里云合作共建的“悦企云”平台上线运营。

1.3.3 智能制造全面推进

一是大数据在制造业领域各环节得到应用，提升了信息化和工业化深度融合发展水平，助推了制造业转型升级。通过大数据监控优化流水线作业，强化故障预测与健康管理，优化产品质量，降低了能源消耗。二是企业智能化改造加快推进。按照江苏省“企业制造装备升级计划”和“企业互联网化提升计划”要求，围绕“设备互联、数据互换、过程互动、产业互融”等方面，加快企业智能化改造。如，从2015年开始，南京市分批确定了共30家企业开展智能工厂示范建设，2017年无锡市新增省示范智能车间17个，通过智能工厂试点示范建设，带动相关产业加快提档升级，进一步提高生产效率、降低运营成本和提升能用利用率。

1.3.4 电商大数据平台与制造业融合发展

一是企业电商云平台迅速成长。以南京为例，通过鼓励企业自建电商云平台、深化拓展第三方电商平台应用等工作推进，全市大中小企业电商普及率达到80%以上。二是部分装备制造、钢铁、汽车等行业龙头企业，建立综合信息服务平台、行业特色应用平台和大宗商品交易平台。如南钢建设运营了专业化钢铁B2B电商平台“金陵钢宝网”，实现钢铁产品网上销售，同时提供定制化的采购、加工、仓储、配送等延伸服务。三是第三方服务商集聚资源建设运营行业电商平台。如，焦点科技建设运营的“中国制造网”已发展成为国内领先的综合型第三方B2B电子商务平台。

2  大数据与江苏制造业深度融合的典型案例

制造业是大数据的核心应用领域，大数据在江苏制造业领域的创新应用，体现在产品创新、故障诊断和预测、工业物联网、质量管理与分析等环节。在这些环节的应用加速制造业在生产、管理以及营销模式等方面的变革，显著提升制造业发展的质量和效益。

2.1 大数据在产品创新方面的应用

客户与工业企业互动后会产生大量数据，深入挖掘这些动态数据，可以分析出客户的产品需求与对产品的期望，这间接让客户参与到产品设计等创新活动中来[10]。如，上汽大通无锡分公司在汽车行业首创C2B智能化大规模定制生产，使用大数据技术优化生产线。公司实现了多车型线生产与制造系统的极度柔性化，使“私人订制”造車模式得以实现。通过公司自主研发的终端选配器，用户可以定制需求、智能下单，自主选择个性配置。选配器后台会直接生成订单，并实现订单的可追踪和可查询。零件供应商根据公司发布的零件订单进行生成。供应商每生产一个零件都对应着一辆大通的整车，对用户而言，从零件开始即为定制化。

2.2 大数据在故障诊断和预测的应用

大数据在故障诊断和预测的应用主要体现在产品售后服务和产品改进方面。如，观为监测技术无锡股份有限公司是一家专注于工业运维领域，提供全生命周期设备健康预警和诊断分析服务的企业。公司基于设备振动数据分析，建立了独树一帜的工业大数据服务平台。在风电行业，公司以在线振动分析系统为底层依托，建立面向规模化发展的新能源集团企业的远程在线风电机组健康体检服务平台，现已远程接入2000余台风电机组设备。通过远程访问方法，将远在几千公里之外的风机振动数据传到位于能源集团总部的客户端，经对振动数据的分析，可及早发现设备的潜在隐患，遏制故障发展，避免重大事故发生，大幅减少维修成本，显著提高风场的设备管理水平，保障设备安全、稳定、长时间、满负荷优质运行，实现了设备运行状态的网络化管理，并可定期为集团公司领导层提供风机健康体检报告，让客户做到足不出户，即可决胜于千里之外。

2.3 大数据在工业物联网的应用

工业大数据是工业物联网的核心。现代工业生产线会安装众多小型传感，通过对压力、振动等数据的监测，实现高效生产。如西门子中压开关技术（无锡）有限公司联合西门子（中国）有限公司无锡创新中心，研发并实施生产决策支持系统，打造基于工业云的“透明工厂”。该系统融合数据采集智能网关、语义技术、OPC UA和PROFINET通信等物联网技术，破解异构数据整合和工业级数据传输两大难题，实现对人、机、料等各环节的全方位透明化描述和追踪。西门子中压公司实施该系统后，每年避免因物料内部运输错误或丢失造成的经济损失数十万元，企业通快机床等主要生产设备综合利用率提升10%，在2016年西门子能源管理集团内部的精益生产管理评比中获得78分的高分。目前，该系统已在无锡、昆山、蚌埠、东莞、成都等地工业企业应用推广。

2.4 大数据在质量管理与分析的应用

大数据模式下，产品加工会产生大量的与产品质量相关的数据，对这些数据进行组织分析，能够让质量监管更为有效。如，苏州协鑫光伏是中国首家突破年产万吨级以上多晶硅产能和质量的企业，是全球最大多晶硅生产企业之一，产量占全球30%以上。但是，协鑫光伏太阳能电池硅片生产过程的切片次品率过高，导致生产效率降低，生产成本升高。通过将阿里云ET工业大脑应用于大洋能电池硅片生产制造领域，监控切片生产参数曲线，推荐最优参数，提升了1%的切片良品率，从而大大减少太阳能电池硅片产品次品率，为客户每年节省上亿成本。

3  大数据与江苏制造业深度融合存在问题

当前，江苏绝大多数工业企业的大数据发展应用还处于起步阶段，对于为什么要用大数据、搜集哪些大数据、如何利用大数据仍然不明晰。工业场景的高度复杂使得工业大数据应用面临更多困难。具体而言，大数据与江苏制造业深度融合存在以下几个方面的问题。

3.1 政策支持力度不够

自国务院关于发展工业互联网的指导意见发布以来，各级各地政府均加大了对于两化融合工作的支持力度。但并非省内所有城市都出台了相应的政策，各地支持力度依然偏弱。尤其在资金和人才方面，存在较大压力，缺乏足够的扶持政策。如，大数据项目投入较大、风险大，一般企业没有能力进行投入和研发，对社会提供公共服务，相当部分企业不认同，但自身又没有实施能力。大数据与制造业深度融合是一项系统工程，需要精通信息化技术、又熟悉制造流程的复合型人才，目前在全行业、常态化的稀缺，有条件的企业往往是重金难求一人。

3.2 企业对数字化的认识不到位

总体而言，江苏省制造业企业对于开展大数据创新应用，推动提质增效的认识还比较淡薄，对数据利用的重视程度还有待提高。传统的经营理念中，数据质量一般作为信息系统实施成果的衡量标准之一，而在大数据时代，数据应上升到企业战略的高度。数据不仅仅是服务于信息系统，数据利用的好将直接服务于企业的运营和决策。当前，不少企业对数据仅停留在保存阶段，对如何高效的应用缺乏足够的认识和重视。如，常州市44%的企业无信息化部门，56%的企业无信息化专职主管领导，33%的企业无任何信息化建设规划。盐城市相当部分企业仍然处于工业化2.0阶段，缺乏互联网大数据思维，企业发展仍停留在传统思维，对大数据与制造业深入融合认识不到位，大多处于观望状态，参与度不高。

3.3 数字化基础较差

一是大数据积累有限。制造业企业，特别是广大中小企业的数字化水平不够，生产过程的大数据积累有限。如，常州市大中型企业均达到或超出全国平均水平，但小微型企业各项数据明显偏低，甚至低于全国平均水平;即使设备数字化率较高的企业，多数制造的流程还没有达到精益化要求，整体的数据采集或系统集成方案也大多来自设备制造商或软件服务商。二是企业信息化基础参差不齐。有的企业甚至尚未达到工业2.0标准，设备和管理数字化率很低。由于企业数字化网络化提升的起点差异性较大，无法用一套通用的现行标准和解决方案，也给面上推动大数据与制造业深度融合带来较大障碍。