迈向实操阶段工业大数据落地有多难.DG

迈向实操阶段 工业大数据落地有多难？

利用大数据分析系统，我们的工程师可以第一时间发现机器出现的异常，从而将受损失的产品数量降到最低。中芯国际资深技术顾问王邕保对大数据的作用深有感触。在中芯国际这样的大型制造型企业中，每天各个部门都面临这很多基于数据的决策，从工业大数据中降低损失获取价值是最大诉求。随着中国制造2025和互联+国家战略的提出，工业大数据的应用，将成为企业提升生产力、竞争力、创新力的关键要素，也是我国工业转型必须面对的重要课题。

实时数据流形成

大数据已经开始摆脱概念炒作的雾霾，开始走向实操阶段。近日，独立调研机构Vanson Bourne对11个国家中来自零售业、金融服务、医疗卫生、银行业、电信业、保险业和政府的1000名IT管理者进行了调查。调查结果显示，大数据战略为95%的中国企业带来了收益，96%的中国大型企业已经或计划在未来一年内实施大数据项目。最值得注意的是，中国区参与调查的全部企业正在或将会利用大数据进行目标更精准的市场和销售活动。

那么，对于工业大数据而言，与其他行业应用相比，又有哪些不同之处呢？

福湾新城动工建设时SAS全球行业最佳实践高级总监Thomas Roehm在接受采访时表示，制造业应用大数据技术已有相当长的一段时间，不论是企业ERP系统还是生产车间的感应器等设备采集的数据，都能进行存储和分析。需要指出的是，与之前相比，目前工业大数据技术应用最大的变化就是数据采集的速度更快了，从而形成了实时数据流的分析，这样带来的好处是可以加速工业企业建立预测模型，例如，提高良品率分析的效率，从而能更加及时地采取预防措施提高良品率，减少浪费并减低运营成本。当然，在完善供应链、提高产品质量方面也会有促进作用

。

不过，Thomas Roehm也表示，无论是在未来的工业4.0阶段还是智能制造领域，工业大数据最大的挑战仍然是数据本身，特别是实时海量的数据如何更加快速采集、存储和分析。

让数据动起来

在工业领域，随着物联技术的深入应用，将诞生越来越多的智能工厂，产品全生命周期中各个环节会产生大量的数据类型更为复杂的数据，例如半结构化和非结构化数据。对于这些数据，不仅给数据存储带来挑战，更给数据分析带来前所未有的难题。

关于大数据的存储，市面上已经有很多的解决方案，例如Gluster、Hadoop等等， 这方面技术已经相对成熟。但是，数据存储下来并不是我们应用大数据技术的目的，如何分析和使用，让大数据动起来，为业务提供价值更为重要。 CA Technologies Erwin研发经理王铮在接受采访时表达了这样的观点。关于这方面，不同厂商提出了不同的方法。据介绍，基于多年的研究，CA Technologies认为数据模型是非结构化数据分析的基础，因而，大数据分析的关键在于如何建立准确的、并且能够自我学习、不断完善的数据模型。

随着非关系型数据库的崛起与非结构化数据量的增长，企业的数据库环境会逐步转变为异构混和环境，关系型数据库和非关系型数据库共存。这对管理带来了更大的挑战，以前只需要几个DBA就可以管理的中心型关系数据库，现在则需要更多专家、尤其是非关系型数据库专家的加入，并且投入更多管理工具来维护和监控这个复杂的环境。 王铮补充道。

达梦数据库有限公司董事长冯玉才认为平台化将是大数据技术发展的趋势。近年来，数据量的规模化增长和应用场景的越发丰富, 使传统IT架构信息系统已无法满足需要，企业级大数据管理不仅面临着有效存储、实时分析和再处理、以及各种信息安全风险等诸多挑战，而且在大数据整合、管理、分析、呈现等各个环节，还需考虑所采购的不同工具之间的兼容、适配、以及建设和维护整套系统所带来的成本压力。因此，能够提供从大数据存储、交换、管理、到分析和呈现的一体化大数据管理服务的大数据平台将成为未来市场的焦点。 冯玉才表示。

12下一页>