邬贺铨：大数据驱动与数字化制造

4月19日消息（林想）在日前召开的“2018大数据产业峰会”上，中国工程院院士邬贺铨表示，未来10年工业大数据的增速是其它大数据领域，包括社交媒体的两倍。虽然，消费类的大数据涨的很快，但未来工业大数据的增速更快。

中国工程院院士 邬贺铨

邬贺铨指出，制造业的大数据有四个特点：准确性。在一般的商业领域，如果预测准确率达到90%已经是很高，但在工业领域很多应用场景中，对准确率要求达到99.9%甚至更高，比如交通领域。二是碎片化。工业制造的大数据有很多传感器收集的数据，有颗粒性很小的，也有颗粒性很大的，而且是不断在产生的。三是实时性。工业数据的处理必须要当时快速的反映，过一段时间没多大价值。消费数据可以累计很长时间。四是行业性。工业大数据的挖掘要对生产过程有透彻的理解。

现今，传统制造企业，纷纷进行数字化转型，而在这个转型的过程中，对于大数据的应用和处理是则是转型的关键。

例如，苏州协鑫公司专注光伏切片，利用阿里开发的ET大脑分析0.2毫米厚度的硅片长期积累的数据，从上千个生产参数中找出有60个关键参数，通过优化生产流程，良品率提升1%，实现每年上亿利润；杭州中策公司是全球排名第三的橡胶轮胎生产商，引入阿里的ET大脑分析所有参数，提炼橡胶合格率提升3%-5%，利润增加千万。

除了上述应用外，大数据还广泛用于产品质量把控，在生物制药中提高成品率。此外大数据还可以用于生产个性化的应用，通过工业云帮助企业服务升级；通过零售云平台提升门店销售效率，节约客户采购资金。

邬贺铨提到，运营商有很多用户数据，运营商不能直接把用户数据拿出，但可以对数据进行挖掘，屏蔽掉用户的隐私和涉及国家安全隐患的事项，可以集成提升很多服务。大众汽车与中国联通合作，通过大数据挖掘分析对消费者进行画像，并对消费者需求进行预测，并形成咨询报告。类似的服务不仅可以帮助运营商增加收入，为社会和产业发展做出贡献。

邬贺铨表示，企业经营决策重要的是企业利润及利润最大化，实现生产环节成本分析和精准化，但前提是要有准确的价值分析模型。分析客户、供应商、竞争对手、产品、企业资源、技术和员工等层面，对财务准则下细化损益表到单品层面，产品生命周期下的细化损益表到单品层面，产品生命周期下的单品层面的损益表都分解的很细，很容易找出哪一个环节是财务的薄弱环节，准确地为生产决策起支撑作用。

大数据不仅驱动制造业转型升级，提升生产效率、改进产品质量、节约资源消耗、保障生产安全、优化销售服务。还与人工智能、移动互联网、云计算及物联网等技术协同发展，并将 融合到实体经济中，成为数字经济时代的新引擎。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。