
打通產(chǎn)業(yè)線數(shù)據(jù),“大數(shù)點(diǎn)”為制造業(yè)做數(shù)據(jù)分析來預(yù)測(cè)問題
中國的制造業(yè)離工業(yè)4.0還有很長一段路要走, 目前普遍的觀點(diǎn)是大部分中國制造企業(yè)仍然徘徊在工業(yè)2.0-3.0之間 。工業(yè)2.0 指企業(yè)擁有自動(dòng)化生產(chǎn)線,據(jù)德意志銀行報(bào)告顯示,截止至2012 年,中國自動(dòng)化市場已達(dá)到千億美元。而 工業(yè)3.0 是把自動(dòng)化生產(chǎn)過程信息化,比如企業(yè)部署了ERP、MES(制造執(zhí)行系統(tǒng))等軟件系統(tǒng),來實(shí)時(shí)掌握生產(chǎn)信息。但這些產(chǎn)業(yè)線間的 信息是孤立的,數(shù)據(jù)沒有聯(lián)通,一旦某環(huán)節(jié)出現(xiàn)問題,也不知道影響因素是什么,生產(chǎn)效率仍然上不去。
基于此, “大數(shù)點(diǎn)” 做了工業(yè)大數(shù)據(jù)引擎與物聯(lián)網(wǎng)解決方案, 其核心技術(shù)產(chǎn)品包括工業(yè)物聯(lián)網(wǎng)總線 IoT Datahub 和基于Erlang構(gòu)建的實(shí)時(shí)數(shù)據(jù)倉庫。雖然該技術(shù)系統(tǒng)具備通用性 ,但要對(duì)接到具體的行業(yè)需要定制性開發(fā),存在規(guī)?;膯栴};加之,傳統(tǒng)制造業(yè)難以趕超美國、德國,因此 “大數(shù)點(diǎn)” 選擇 先做鋰電池、新能源等更具前景的制造行業(yè) ,其它行業(yè)如機(jī)械制造、石油天然氣等,交由經(jīng)其培訓(xùn)的代理商去做。
通俗的來說, “大數(shù)點(diǎn)” 是把所有產(chǎn)業(yè)線連接到云端,在云端集成相應(yīng)應(yīng)用,如ERP、MES、供應(yīng)鏈和CRM等,以實(shí)現(xiàn)一個(gè)云端管理多條產(chǎn)線,而整個(gè)云平臺(tái)由 “大數(shù)點(diǎn)” 來維護(hù)。這樣的 好處在于企業(yè)靈活性提升,并且降低了企業(yè)IT運(yùn)維成本。 更重要的是, 把 以往產(chǎn)業(yè)鏈中孤立的數(shù)據(jù)匯集到一起,能進(jìn)行大數(shù)據(jù)分析。
數(shù)據(jù)串聯(lián)的效果是,企業(yè)對(duì)整個(gè)工業(yè)流程有明晰的認(rèn)識(shí):在哪些環(huán)節(jié)上有問題、哪些環(huán)節(jié)比較關(guān)鍵等。此外還能基于機(jī)器的數(shù)據(jù)、生產(chǎn)的質(zhì)量及速度等,預(yù)測(cè)是哪些影響了生產(chǎn)質(zhì)量,哪些設(shè)備可能會(huì)出現(xiàn)狀況,“比如說能夠提前5小時(shí)或1天告知,有機(jī)器可能會(huì)宕機(jī),企業(yè)能提前防范非計(jì)劃性停產(chǎn),避免更大的損失。” 大數(shù)點(diǎn) CEO猶杰說。
那么我們自然會(huì)想到, 傳統(tǒng)制造業(yè)的生產(chǎn)設(shè)備宕機(jī)的可能性大嗎? 或者說這種預(yù)測(cè)是否真的有幫助?猶杰告訴36氪,國內(nèi)大部分的做生產(chǎn)制造業(yè)的是中小型企業(yè),由于資金沒那么充裕,采購的設(shè)備相對(duì)來說故障率很高。
商業(yè)模式上, 大數(shù)點(diǎn) 會(huì)按照連接設(shè)備數(shù)目的多少、以及產(chǎn)生的數(shù)據(jù)量的大小收費(fèi)。另外,若通過大數(shù)點(diǎn)的數(shù)據(jù)分析,幫助企業(yè)預(yù)防了事故,會(huì)按照事故轉(zhuǎn)化的效益抽成。目前客單價(jià)在100-300萬。
與 大數(shù)點(diǎn) 做類似事情的公司還有 Thingworks , Predix of GE, ProfiNet of Ph?nix, Sinalytics of Siemens等,與其它競品相比,猶杰表示,“ 大數(shù)點(diǎn) 首創(chuàng)了在數(shù)據(jù)采集(流動(dòng)中)時(shí)實(shí)現(xiàn)對(duì)數(shù)據(jù)實(shí)時(shí)過濾/處理的插件框架,支持過濾插件的可視化組合和動(dòng)態(tài)載入,和R統(tǒng)計(jì)語言的數(shù)據(jù)建模映射到Erlang的數(shù)據(jù)處理函數(shù),能實(shí)時(shí)處理海量數(shù)據(jù)?!?/span>
可以看出, 大數(shù)點(diǎn)實(shí)際做的主要是數(shù)據(jù)分析這塊, 但傳統(tǒng)有采集能力的企業(yè)已有相應(yīng)的分析方案, 為什么需要大數(shù)點(diǎn)單獨(dú)提供數(shù)據(jù)分析呢? 猶杰告訴36氪,傳統(tǒng)的采集做分析往往效率較低或者效果不好,而且他們并不理解各種工業(yè)企業(yè)的業(yè)務(wù)邏輯,難以實(shí)現(xiàn)深層次的分析。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11