面對大數據與“工業(yè)4.0” 我們該做些什么,？
大數據時代開始于2001年，我是比較認可這一觀點的,。因為大數據這個詞語被創(chuàng)造出來是在20世紀90年代,，在2000年的時候第一次在學術論文上有人將它提出，在2003年的時候在FrancisX.Diebolt在《宏觀經濟測量和預測的大數據動態(tài)因子模型》一書中正式將大數據這個詞語進行詮釋和應用,。自然,，在13年前的那個時代，全世界的熱點是在于互聯網,，在于互聯網門戶或者社交,。
在2005年的時候，當前最火爆的Hadoop項目就已經被創(chuàng)建,，之所以在10多年后大數據和Hadoop項目才受到熱捧和關注主要是因為當時的數據還不夠大,。在現如今的世界，隨著互聯網,、移動互聯網,、IOT、智能設備的發(fā)展,，你舉目四望會發(fā)現整個世界每秒都在生產海量的數據,，我們所有的世界空間、所有的行為路徑都在被數據給描述,，我們都在生產數據又依賴于數據,。在非量子的認知體系內，我們的確處于一個無邊無際的大數據時代,，這是一個數據為王,、數據即能源的時代,。
工業(yè)4.0
對于工業(yè)4.0這個概念，我認為兩個最權威的定義就可以解釋的明白,。工業(yè)4.0這個概念是德國最先提出的,，德國對于工業(yè)4.0的解釋是這樣的：所謂的工業(yè)四代(Industry4.0)是指利用物聯信息系統(tǒng)(Cyber—PhysicalSystem簡稱CPS)將生產中的供應，制造,，銷售信息數據化,、智慧化，最后達到快速,，有效，個人化的產品供應,。中國正處在兩化融合升級的過程,，因為中國政府迅速與德國政府就工業(yè)4.0達成合作。在中德關于工業(yè)4.0的《中德合作行動綱要》中,，有關工業(yè)4.0合作的內容共有4條,，第一條就明確提出工業(yè)生產的數字化就是工業(yè)4.0。現在,，我覺得我們可以很好的理解工業(yè)4.0的意義,，工業(yè)4.0就是工業(yè)數字化，而更人們興奮的是在工業(yè)數字化背后的工業(yè)大數據,。工業(yè)數字化或者說工業(yè)智能化的潛力是顯而易見且令人震撼的,，有幸在一個項目中參觀了蒙牛6期工廠，整個智能化,、自動化的生產線的確給我了很大的震撼,，而且作為一個外行的我就能明白這個是一個多么有價值有意義的事情。在參觀中,，我發(fā)現整個蒙牛工廠6期最核心的部分是其設在廠房中央的智能數據控制中心,，這個智能數據控制中心的作用就是根據所有設備的運行數據的分析結果控制整個廠房的所有設備進行生產。根據上周末在廣州與一個朋友聊天的內容,，我了解到像蒙牛工廠6期的這種智能化設備的控制背后其實就是大數據的深度機器學習控制算法,。那么，將德國對于工業(yè)4.0定義中的供應,、制造,、銷售三個環(huán)節(jié)與大數據結合就是工業(yè)4.0的供應大數據、制造大數據,、銷售大數據,，接下來我們就是要圍繞這三個大數據來聊聊大數據時代與工業(yè)4.0。
工業(yè)4.0大數據
1,、供應大數據
說供應大數據可能不太很好的準確理解其所指的是什么,，但是如果說供應鏈大數據你肯定一下就知道其所指的是什么了,。說到供應(鏈)大數據，我相信很多人都能想到一點如何去做供應鏈大數據,，因為在這個互聯網和物流發(fā)達的年代,，全球采購已經不是什么新鮮事了。在正式切入供應大數據前,，我還想先講一個供應鏈的事,。在去年，大家可能看到過這樣一個新聞,，就是一個浙江蔬菜銷售商春節(jié)前從山東采購了一批大蔥,，這批大蔥還沒有運到浙江前銷售價格已經漲到其采購價格的10倍以上。這位蔬菜銷售商之所以在這次生意上能夠躺賺,，是因為他通過一些途徑了解到了大蔥的主產地山東去年大蔥有了大面積減產的信息,。那么，對于工業(yè)生產而言同樣也是這樣的,，只有能夠準確的預測到原材料采購價格的變化趨勢,，才能夠通過最優(yōu)的采購策略來大大的降低生產成本。在當前的全球經濟的時代,，影響工業(yè)生產某樣原材料采購價格的因素有如下幾種：全球的生產規(guī)模,、全球的生產率、期貨市場,、國際環(huán)境,、物流運輸環(huán)境、匯率,、地緣政治環(huán)境,、主要生產地的政治環(huán)境等等，而這些因素絕大部分都不是直接可以拿到的數據,，需要根據每個因素的關聯數據進行分析才能得出,。那么，在全球的環(huán)境下,，要進行這些數據的收集,、分析、預測只能使用大數據系統(tǒng)來進行,。從技術的角度來看這個供應鏈大數據系統(tǒng),，需要由互聯網爬蟲系統(tǒng)、流數據處理系統(tǒng),、數據可視化系統(tǒng)四個主要的核心系統(tǒng)來構成,。互聯網爬蟲系統(tǒng)現在有非常多開源項目可以采用,，比較建議的有Nutch,、GrubNextGeneration等;流數據處理系統(tǒng)除了目前關注度比較高的Spark還可以考慮Storm和Samza;數據可視化系統(tǒng)可以考慮選擇Cube,、FusionChartsSuitXT等，在基礎支撐系統(tǒng)層面可以采用Hadoop的架構體系,，也可以采用一些其他的調度系統(tǒng)如Mesos等,。
相關新聞：
0條評論
網友評論
