Let’s Talk Big Data in manufacturing: transforming the industry and operations



我们已进入了数据大爆炸时代 过去两年我们所创造的数据 超越了人类有史以来所累积的总量 为什么我们需要这些连接设备? 收集这些数据的目的和好处
何在? 另外对于工业来说,还有一个问题: 我们如何将大数据变成小数据、
智能数据,同时创造价值? 如今,连结整个物联网世界非常重要 但是这样本身并没有创造价值 让我们共同寻找答案
一起探讨 让我们欢迎参加本次座谈会的三位专家
第一位是来自斯凯孚的Victoria Van Camp 她是斯凯孚工业市场
技术与解决方案总监 第二位是Johan Stahre 查尔姆斯大学产品与生产发展系的… 生产系统专业教授 还有Kent Eriksson
来自美国参数科技公司全球服务部门的… 物联网顾问 欢迎三位 大数据并不是新名词
大多数人可能会把大数据 和数字化一同
看作比较新的概念 但是在工业上并非如此
对吗? 在上世纪50年代
某些数控机器 就已经开始进入人们的视野 我认为这个时期已经有了数字化 人们认为
数字化从2007年才开始 就是在乔布斯推出iPhone的时候 但在制造业中并非如此 从制造业的角度来看
数字化并非颠覆性的新事物 我知道斯凯孚
早在多年前就涉足这一领域 我们大概从三十年前开始 当时甚至并没有将其称为神经类网络
或其他名称 但是我们所做的就是获取来自客户的数据 当时用的是像温度计似的
手持工具 然后使用分析工具
对机器的状况进行预测 并延长维修间隔 Kent,你的职业生涯中
不断接触到互联智能型机器 首先是在麦肯锡
然后是在参数科技 这些年来你在工业领域
看到的最显著变化是什么? 现在,我们无疑拥有了更好的手段
来分析大数据 电脑的运算能力更强
我们可获得的益处也前所未有 但的确从50年代开始
就出现了智能互联产品 创造出大量我们并未加以运用的数据 以油气钻井为例 获取的数据中只有百分之一被用于决策 99%则被搁置一边
也就是我们所说的放在数据湖中 我们并没有对这些数据进行分析 但是这99%的数据中
可能有潜在的价值 就油气钻井而言, 液体通过管路
会造成许多磨损和压力 因此我们可以进行数据分析
判断何时需要维修,以避免管路破裂 Johan,你是否认为
我们正经历一次工业复兴? 你对这种转型如何定义? 我想给大家看一张
我去年在默恩达尔拍的照片 当时他们正要拆掉旧工厂
以便建造新厂 我认为这张照片解释了
蒸汽机时代 和即将到来的制造业5G时代的区别 从这个意义上说这确实
是一次工业复兴 当年的文艺复兴涉及资讯和知识的变革 现在,工业复兴也涉及资讯和知识,
只不过形式不同。 Victoria,你是否认为工业领域
出现了模式的转化? 是的,的确如此 但在工业的不同领域这种转化的速度不尽一致 比如在瑞典的各个工厂
或是美国的各个工厂 在这些地方,客户已经在采用
预测性的维护方式 对现有数据进行分析利用。 他们将从物联网和大数据中
获益良多 我们再来看看那些小型砂石厂或矿场 他们甚至还没有采用基本的状态监测 可能有个人四处走动踢踢轮胎
就算检查,也许也管用 但是你可以看到这其中的差距
那个踢轮胎的人… 当他的轮胎不断发送讯号和消息时
对他来说一点用都没有 他无法从中获益 要从中获益就要改变维护的方式 用大数据来提高维修水平 当前企业的数据分析现状如何? 能不能举出几个
在这一领域领先的企业实例? 制造喷气式航空发动机
的劳斯莱斯公司就是一个例子 购买空中客车或波音飞机时
引擎实际上是单独购买的 现在汉莎航空和法航就采用这种做法 他们买的不是商品,也不是服务 他们按小时为动力付费
按飞行时数支付引擎费用 对航空公司来说
这样很好 他们知道机票的收入
燃油的成本 还有设备的维修费用
所以计算起来很容易 对客户而言这种方式优于 对每次飞行的不确定成本进行估测的方式 物联网的作用就是这样: 提供成果导向的服务
而不是产品 使用大数据的方式很多 比如,斯凯孚工厂当前可以
怎样利用大数据? 这个影片是几个
水平很高的同事制作的 他们扫描了斯凯孚的生产设施 这里空间中的每个点
都是以其颜色标出的一个扫描点 所以这实际上是许许多多的点
可以用作实体模型 这的的确确是大数据 但是当你看到它的时候
会觉得很眼熟,对吗? 所以说人脑非常善于
对大数据进行浓缩 并将其转化为
可以利用的智能数据 对于运行阶段
我们也在研究增强现实技术 以便找到在运行时进行维护的方法 这位同事正在工作 你可以看到
提供远程维修支持的手臂图标 实际上在帮助选择正确的按钮 这样在班加罗尔也能操作,
或是在默恩达尔,都可以做到 这也是非常好的例子 操作员掌握了操作设备 所需的准确数据和信息 瑞典现在有十五万名操作员 假设每个人每年中
每星期… 都能节省一小时 可以想像这能够为
瑞典的工业节省多少开支 节省的钱用于创造性的工作
用于人们更为擅长的工作 这是很好的例子 一方面它是学术界与工业领域协作
与开发的例子 同时也是你所谈到的工业领域的实例 大数据应该用在
能够创造价值的地方 大数据应该为公司
和使用大数据的人创造价值 Victoria,你们在M2M(机器到机器)
以及预测分析方面有哪些最新成果? 最新成果之一就是
我们的Insight™(洞悉)轴承 也就是带有集成式感应器的轴承 运用计算机程序,也就是,
已有的轴承设计的数据系统, 我们开始测量所需要的许多参数, 或者使这些参数,
轴承成为整个设备的一部分。 之前,你或许会问,“到底我要测量什么?”
“到底什么是最可能出现的失效模式” 那么现在,
所有你测量到的数据将会给你答案。 你甚至会知道测量需要
在轴承的内部还是外部 因此,Insight™轴承是全新的,
将轴承与轴承分析工具 紧密相连的产品。 然后我们可以在 在云端或是
斯凯孚的服务器中 或者可以是客户的工作中
储存数据 例如,我们目前正在铁路行业
运用这种技术 我们跟瑞典铁路公司
还有其它几家铁路公司合作 在轮毂轴承上
装配传感器 然后把数据送到中央电脑 采用我们的运算法对这一数据进行解读 所以你不再需要通过检查整个火车
来检查是否一切正常 如果有必要
我们或客户会采取行动 比如让列车停运并将其送到维修点
防患于未然 这种将数据分析与人工解读相结合的手段 是非常强大的 我很高兴听到你这么说 – 我们还是希望有人在那里
– 对,当然是这样 不过,
这些对设计工程师到底会有怎样的影响? 就是那些每天都面对这些工作的产
品开发人员? 我想补充一点,我刚才说我们从这里开始
试图弄清楚要测量些什么 当然你也可以从
各个阶段 学到下次设计机器时
该做些什么,又该避免什么 智能互联产品
带来的好处之一 就是能够提升产品开发过程
中产品的品质 特斯拉就是一个很好的例子
他们当时遇到了质量问题 来自正在路上行驶的所有车辆
发送的基准信息 他们发现问题出在
特定的速度和特定类型的路面 他们可以针对特定的速度与路况 比如轮毂的振动 远程为汽车进行软件升级 他们提高了悬架的高度
减少了产品的质量问题 这全都得益于采用了智能产品
让这些汽车即使在售出后还能进行调整 如果我们讨论新的商业模式 那么对于分享数据
公司应该在多大程度持开放态度? 麦肯锡的一项研究显示
四成的价值来自互操作性 我们需要某种程度的互操作性
而不只是互联网连接 不同制造商的产品
被整合起来进行使用 比如在一个制造厂
某个机器的零件来自不同的供应商 要实现统一的绩效管理
就要求对所有这些零件进行互联 而不仅仅只是供应商 这就需要互操作性 通用电器已经开放了其
Predix平台 所以每个人都能使用 这样可以避免
工厂因出现问题而停机 他们提供数据,让产品开发人员
可以开发出更多的应用 并且创造一个销售生态系统 为通用电器和其他的使用者
带来益处,甚至包括他们的竞争者 他们说,未来
我们所有人既是朋友也是对手 即使是竞争对手,我们也得一起合作
因为我们拥有共同的客户 这一点很有意思 90年代出现了一次大规模的运动
很像是第四次工业革命 被称作电脑整合制造 人们试图连接
经过改进的数控机床 数控机床有中央数据系统 能够访问所有感应器和所有系统 却无法做到互操作性 结果变成了所谓的自动化孤岛 它们之间无法实现信息传递
二十年后这个想法才再度出现 我认为第四次工业革命
面临着同样的问题 就是标准化的问题
以及互操作性的问题 预计德国工业接下来五年中 每年要花二十亿欧元 投资于新的通讯设备 新的系统
以实现互操作性 而他们还没有就采用的标准作出决定 所以这对制造业中大数据
的开发和使用 是一项很重大的议题 对不同的公司和行业来说
这可能关乎成熟度 对,大部分公司都认为
数据非常珍贵 所以即使不知道如何利用
他们仍然会保留数据 对于斯凯孚这样的零部件制造商来说
对大量的轴承数据不加以利用 不会带来任何益处
但如果能与其它轴承的信息 电机运行状态 或是与更大型机器的运行情况相结合
这些数据就变得很有用 所以,单独、分离的数据价值有限 而作为整体数据的一部分时
数据就更有价值 有些数据需要保密
有些数据则可公开 以斯凯孚为例
我们将设计软件 向我们的用户开放 他们就可以自行设计
更先进的轴承 这对我们来说是件好事 我们以前总是不肯放手 但是我们不能事必躬亲
如果我们的客户能开始设计 那么我们之间就可以采用这种方式互动 他们需要提供一些信息
我们也是,但对我们来说,这很值得 要实现这种理想的商业模式 最大的挑战是什么? 这边
是采购部门 他们通常并不能控制
维修预算 这里,他们查看每公斤钢铁的价钱 他们也会说:"这是电子元件
买些用吧" 当他们在面临不同的零部件时
需要与各个预算部门沟通 一旦开始谈到整体预算时 就要说服公司的管理层 来改变
维修的采购和支付方式 但是我想越来越多的公司会认识到
这部分的价值远远大于 零件采购这部分的工作 我们谈谈未来的预期吧
Kent,从你开始 我们分别从短期、中期和长期来看
十年代表长期 你预计会有怎样的发展? 短期来说,我们对于
所期望的服务水平会有新的标准 物联网、售后服务与维修 其实是最容易采用新技术
和获取价值的领域 我们看到很多投资进入这一领域
而且还在继续增加 中期来看 根据麦肯锡全球研究所的数据,
这一领域的经济价值 在全球经济价值中的比重将达到11% 大部分价值
将来自工厂与运营机构 也就是医院、农场、生产基地… 即采用重复性工作流程的地方 所以最大的价值将来自这些领域 注意不是最快的,而是最大的价值
价值最快产生的将在维修领域 在即将来临的新时代
我们会采用更精简、更好的工作方式 就如Johan提及的支持远程维修的手臂一样
可以节省时间,还可以用在其它地方 在创造基于成果的价值的同时 优化生态系统
并提供服务 这样我们可以有更多时间为客户
和生态系统提供价值 而不是修复已经破碎的东西 从长期来看,十年后
离现在并不遥远 我想,我们的想像力与创造力
有多大,进步就能有多大 我想我们可能高估了 物联网与大数据的短期冲击 但是我坚信,我们低估了它们的长期潜力 Johan,在这样的转型中
人们在多大程度上能发挥关键作用呢? 一项来自牛津研究员的研究显示 47%的工作
会在十年内消失 他们研究了不同的职业
认为某些职业将会消失 媒体把这些职业的种类与从业人员数量相乘 但情况并不是这样的 从十九世纪开始
不同职业的工作任务就一直在改变 每经过一段时间,职业会发生改变
人们会从事其它的工作 我看到人们在工作中采用
自动化和大数据来创造价值 就像我们用iPad
和手机工作获得价值一样 而且我认为这将会成为生活中的一部分
经过一段时间后我们将习以为常 它将融入到我们的生活中 人们通过这种方式,创造性地开展工作 进行维修
这些对于机器人来说是非常复杂的 但是有了大数据和
感应器 我们就可以提高生产效率
创造更多价值 Victoria,我们想听听你的看法。
你认为未来十年会怎样? 如果我们至少能够
采用现代化的维修方式 也许大数据还有物联网
会帮助我们加快速度 大家会意识到
“哇,这些就在我身边 要利用它们
我就必须改变自己的做法” 我真的希望如此 另外,我想说的是
也许保护环境的… 最好方法
就是减少维护工作 每次我们进行不必要的维修 或不必要的停机 我们都是在无谓地浪费
资源和资金 要节省资源
就要让机器尽可能地… 长时间顺畅运转 这将是我们所能采取的最佳做法 谢谢,您的见解非常深刻 感谢今天的嘉宾 Johan Stahre、Victoria
Van Camp和Kent Eriksson 相信大家对于大数据
及其扮演的角色 以及它将如何改变工业和数字化制造
仍有很多疑问 不过这也正是“Let's Talk”的初衷 我们希望分享想法
激发对话 因此希望各位也能这样做
请关注#letstalkbigdata 谢谢各位的收看

4 thoughts on “Let’s Talk Big Data in manufacturing: transforming the industry and operations

  1. thanks for this video, it is very very useful & informative for my research in Cambridge University.

  2. I want to draw your attention to one very important fact: the transformation of data within Industry started with the invention and patent of "The Digital Indicator." US Patent number 4,200,986. This invention started and transformed all old school mechanical measuring devices into digital measuring devices that measured tolerances in the manufacturing process and reported it's respective data to a collective point. The Company that held the patent and manufactured the devices was Digi-Test Corporation in New Hampshire. The marketing arm for the device was the Fred V. Fowler Co, along with hundreds of other ancillary outlets around the world. Your big data mentioned above is TQM redefined.

  3. With big data attention, now the industry can utilize True Downtime Cost (TDC) http://www.downtimecentral.com/tdc.shtml to make management decisions instead of mismanagement using old method of T&M . We created TDC in 1995, but the industry could not handle the data easily enough back then.The most important issue to address out of the ones that currently have not been explored properly is maintenance of interconnected equipment control. See http://bin95.com/Industry40inUSA.htm

Leave a Reply

Your email address will not be published. Required fields are marked *