破局重塑—生产力释放智能制造全新生产力

目 录 引言.................................................................................................................................................................................1 1.数据互通难度大，数据价值释放难，需从战略层面全局推进数字化转型....................................................22.以主数据管理为起点，做好数据资产盘点，保障数据质量，确保价值发挥................................................43.数据与技术创新应用是企业数字化转型的基石，贯穿生产制造各个环节....................................................5 二、数字化生产制造必将向数据驱动和智能分析转变.............................................................................................6 1.数智融合赋能制造业价值链................................................................................................................................62.融合IT+OT数据，构建工业数据湖，进行创新应用.......................................................................................83.应用DIKW模型，进行生产制造数据价值挖掘............................................................................................. 10 1.打造统一数据湖，消除数据壁垒，释放数据威力......................................................................................... 112.统一工业数据湖可帮助打通生产制造场景..................................................................................................... 12 四、基于融合数据的实时反馈和分析，提升决策、生产力和质量管理.............................................................. 13 1.加快业务决策..................................................................................................................................................... 132.提高生产力......................................................................................................................................................... 133.主动质量管理..................................................................................................................................................... 13 2.亚马逊云科技工业视觉解决方案..................................................................................................................... 16 亚马逊云科技工业视觉解决方案框架............................................................................................................. 17工业视觉典型应用场景示例............................................................................................................................. 18 亚马逊云科技时序数据分析解决方案框架..................................................................................................... 19时序数据分析典型应用场景............................................................................................................................. 20 5.亚马逊全球业务体系赋能制造业客户畅行数字旅程..................................................................................... 21 6.亚马逊云科技智能制造解决方案和服务优势................................................................................................. 24 六、亚马逊云科技智能制造解决方案在全球客户的成功应用.............................................................................. 26 1.泉峰集团：亚马逊云科技携手普华永道，助力泉峰破解数据治理与使用难题......................................... 262.施耐德电气：构建AI工业视觉检测平台，将误检率降到0.5%以内，并实现0漏检率....................... 273.智邦科技：打造云端智慧监控系统，实现能源调度最优化......................................................................... 284. Invista：借助工业数据湖，减少计划外停机，每年节省200万美元数据存储成本 ................................ 295. Mueller Water Products：提高泄露监测性能，5年为客户节省800万美元.......................................... 30 引言 在数字化浪潮蓬勃发展和新技术引领的产业变革环境下，数字化与智能化正在为企业数字化转型提供新的机遇。工信部、发改委等八部门联合发布的《“十四五”智能制造发展规划》中，设定了“两步走”的发展策略，即2025年规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化；2035年规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现现代化。 根据麦肯锡面向全球400多家制造型企业的调研表明，几乎所有行业都在大力推进数字化转型，高达94%的受访者都称，数字化转型是他们危机期间维持正常运营的关键。相反，对那些数字化转型落后或缺乏大规模应用的企业而言，过去的教训可谓是“一记警钟”。工业4.0促使信息技术、数字技术、人工智能等技术与制造业加速融合，并为制造业转型升级创造了契机，数字化技术的融合应用已然成为制造企业实现规模增长的重要抓手。 制造业生产制造环节面临的普遍诉求 数据互通难度大，数据价值释放难，需从战略层面全局推进数字化转型 2023年，制造行业从疫情扰乱中逐步恢复，“数字化转型升级”再度成为制造业当下最热的话题。数字化转型实际效果如何？话题的热度是否体现在企业的实际行动之中？根据普华永道《2022年数字化工厂转型调研报告》调研发现，在接受调研的700余家制造业企业当中，仅有10%的企业完全实施了数字化工厂解决方案或者处于后续阶段；而三分之二的企业仅仅开展了部分举措，甚至是仅处于初步探索阶段。 数字化这场旅程似乎并非一帆风顺，探索和尝试过程的波折与最初的预期相去甚远，普遍出现了雷声大雨点小，时至今日依然有半数以上当时受访企业依然处于数字化转型的初期。究其原因，障碍主要表现在以下几个方面： 数据互通难度大：工业设备由于品牌的不同，导致其通讯协议不一致。再加上制造业客户采购设备的时期不同，造成通信硬件接口形式多样、标准不统一，也增加了硬件设备互联互通难度。 数据价值释放难：主要由重数据采集、轻数据挖掘造成。多数企业重视通过传统自动化数据采集方式或者工业互联网平台收集数据；但缺乏对于工业数据的深度挖掘与分析的重视。工业大数据关联性以及数据价值密度稀疏性认识有限，导致无法寻找到数据价值盈利点。 部分企业热衷于网络改造、系统升级、设备更新，却忽视从战略全局层面推进业务数字化转型，缺乏对组织、机制、流程等的规划，导致数字化转型仅停留在技术应用上。 制造业数字化转型过程中，我们看到先进企业成功背后的基本共性： 重视运营管理在转型升级中的作用。制造业寻求数字化转型升级的目的是提升工厂运营效率、提高产业链协同能力、发现新的业务增长点。而工厂运营管理原则是实现卓越运营的基石。我们可以看到诸如施耐德电气这样的公司，均将精益管理的理念植入到数字化系统的建设当中。 发挥生态作用，进行定制化建设。数字化转型项目建设需要结合所处行业自身特点及需求， 针对性定制相应解决方案， 不同细分行业间业务流程、 重点环节和常见问题各不相同，其解决方案也会有很大差异。这一过程中要充分发挥生态合作的作用，以合作促发展、以共荣促进步。 顶层战略赋能数字化转型升级能力建设。构建适合企业自身的数字化转型战略，打造标杆及示范项目，是企业开展数字化转型的重要举措之一。转型升级的规划应该基于企业自身战略定位，围绕企业长远发展及永续经营的目标，量身定制一系列的匹配核心能力的解决方案，进而增加企业核心竞争力。 以主数据管理为起点，做好数据资产盘点，保障数据质量，确保价值发挥 数据暨资产，数据价值挖掘要的是行动不是心动。制造业数字化转型过程中，会面临着数据规模、数据复杂度的问题，数据规模体现在结构化、非结构、半结构数据量激增，计算难度几何式增加；复杂度体现在数据复杂、数据类型复杂等方面。 数据是制造企业信息系统的基础，保证其准确、一致和完整是数字化转型过程中的基本工作内容。虽然，目前国内大多数制造企业已经完成主要业务系统建设，但这些系统中的业务数据量日渐增大，数据之间的关系越来越复杂，数据质量低、重复冲突明显、无法集成共享等问题尚未完全解决，导致数据可靠性、可用性和可分析性较低。决策层无法获得准确的信息，在很大程度上制约了制造业数字化转型的步伐。我们建议分为以下几个步骤来改善： 企业根据自身发展情况不同而选择适合自己的建设目标。以