壳牌首次发布碳中和目标及行动路线报告
06-18
对于企业来说，数字化转型不在于你做了什么，重要的是你比竞争对手多做了什么。
制造业转型升级之战，显然不仅仅是“胜”与“输”，更是关“生”与“死”。
六年前，面对“工业互联网”这个闯入传统制造业的全新概念，制造商还在思考“做什么或不做什么”的问题。
如今，当面对全行业已经普及的“工业互联网”概念，面对降低成本、提质增效的压力时，更多的厂商都在思考“怎么做”。
制造业对工业互联网的态度发生了变化，似乎出现了“大转弯”。
与对手赛跑，与时间赛跑，与偏见赛跑。
在雷锋网主办的全球AIoT产业智能制造峰会上，智能制造领域的核心企业专家、管理者齐聚一堂，从技术和技术层面对当前AIoT关键技术和智能制造产业进行了深入剖析。
工业水平。
。
会上，阿里云智副总裁和数据智能总经理曾震宇先生分别发表了题为“《工业大脑驱动工业智能化升级》”的精彩演讲。
曾震宇提到，工业制造是当前国际背景下各国竞争的重要领域。
中国是工业大国，人口红利正在逐渐见底。
挖掘工业制造红利并提上日程已刻不容缓。
作为一家互联网公司，阿里深刻理解数据赋能数百个行业的重要性。
阿里云情报、副总裁、数据情报、总经理、曾震宇。
因此，阿里提出了“工业大脑”的概念，旨在以数据为中心，收集、分析和计算工业企业的各种数据。
利用智能算法释放工业数据价值，提升工业制造水平。
为此，阿里不会单独行动，而是会与行业龙头企业、行业专家合作，形成决策闭环。
阿里提供的工具是“工业数据中台”，拥有领先的算法和算力，将工业场景中的数据重塑为企业资产，降低工业成本，提高工业效率。
此外，曾震宇还公布了阿里工业大脑打造数据中心的方法论、逻辑框架和具体6个步骤，非常实用，并详细拆解了水泥制造、钢铁热轧、垃圾焚烧三个案例的步骤。
解开。
他强调，未来几年5G、AIoT等技术将更多地应用于工业场景而不是消费场景。
工业产业的宝藏图是巨大的。
阿里将利用综合技术挖掘数据的价值，以提高我国的??整体发展。
努力实现智能制造的最高水平。
以下是曾震宇的现场讲话，经雷锋网编辑整理，不改变原意：专家朋友们大家好，我想跟大家分享的是阿里云如何通过数据驱动的方法。
工业企业完成智能化升级。
过去几年，可以看到各国对工业智能制造高度重视，把智能制造放在重要战略地位：美国提出“工业互联网”、德国提出“工业4.0”、中国提出“制造”。
在中国”……我国要想在下一波国际竞争中占据领先地位，就必须抓住智能制造领域的机遇。
过去几十年，中国从工业弱国发展成为现在的工业强国。
但中国与工业强国仍有差距，特别是与工业制造老国差距更为明显。
无论是流程制造还是离散制造，都会面临产能过剩、能源消耗过多等挑战。
随着过去几十年的发展，我们的人口红利逐渐消失，劳动力成本逐渐上升。
如果我们想要继续高速发展制造水平，仅仅通过增加设备或部分改造工艺是不完全可行的。
改造设备的成本其实非常高，显然会让外国公司从我们这里获利。
我们必须走适合我国发展的产业道路。
作为一家互联网公司，阿里巴巴深刻认识到，对于任何行业来说，数据都能产生不可估量的作用。
工业也是如此，因为工业环境中蕴藏着大量珍贵的、休眠的数据。
工业场景中，数据类型多样、数据量巨大。
如果能够充分连接和聚合数据，用数据驱动的方法帮助工业企业提高生产效率，就能找到提升智能化水平的新路径。
因此，阿里云提出了“工业大脑”的概念，旨在以数据为中心，整合产品生产全过程的数据，打造工业数据中心，支撑上层智能算法，充分挖掘数据价值。
工业大脑不仅用数据揭示过去，还衍生出多种智能应用来帮助指导生产。
工业数据有多种类型。
工业产品生产周期的各个阶段都有大量的工业信息，从最早的采购到产品设计，到生产过程、流程，再到生产后的销售和供应链等，里面都有专业的软件，包括MES、ERP、APS等，很多软件在行业内已经非常成熟，在各个领域发挥着自己的作用。
然而，所有软件都只在自己的环境中运行，软件系统之间的数据是不连通的。
这是一个很大的机会。
除了上述系统外，生产线、工厂等物理设施和设备产生的数据量也相当可观。
目前我们看到大部分数据实际上是闲置的，而这些数据所蕴含的潜力和价值其实是极其巨大的。
工业大脑=数据+算法的“智”造刚刚被崔院长揭晓（雷锋网注：崔曙光，香港中文大学（深圳）理工学院执行院长、未来智能网络学院院长研究院院长、深圳大数据研究院常务副院长、IEEE Fellow）谈到了物联网和AloT领域，可以通过数据+模型、算法+模型来提升智能化能力。
工业场景也是如此。
这些设备产生大量的数据，可以帮助我们做出相应的改进。
除了设备生产数据外，还有各种周边数据，例如环境数据、能源消耗数据、市场运行数据等。
如果我们将工业企业涉及的各种数据充分整合和聚合，就可以形成一个工业企业数据。
企业的数据中心将对企业的发展和智能化的提升发挥巨大的作用。
工业大脑之所以能产生这么大的影响，是因为我们完成了基于数据的决策闭环。
当我们把工业环境中产生的各种数据整合到数据中心后，上层有一个引擎，会帮助我们生成相应的决策，指导设备生产。
用数据产生决策，决策产生行动，行动再引导数据沉淀，形成闭环。
经过这么多年的产业发展，每个行业都积累了大量的基础知识。
我们的工业大脑和这些积累有什么关系？首先，工业大脑不应该取代工业行业已经成熟的信息化软件，如ERP、MES等。
我们要做的就是将他们的数据整合在一起。
第二，对于工业行业积累的大量基础知识和专业知识，我们是外行。
我们进入这个行业建立的模式一定是基于行业机制的。
因此，我们需要将其与各个子行业（如钢铁、水泥、化工等）专家机制的知识结合起来，形成我们的模型。
我们通过工业数据中台实现数据闭环，将数据与行业知识、行业机制相融合，从而形成相应的决策闭环，最终提升智能制造水平。
解析阿里工业大脑的三大核心能力。
为什么我们认为工业大脑可以形成这样的决策闭环，提高智能化水平？概括起来就是三种能力：数据能力、计算能力和算法能力。
数据能力。
工业生产场景中的数据来源和类型很多。
将各种生产过程和设计过程产生的结构化数据和非结构化数据汇集在一起??，不仅仅是简单复制的问题。
真正的整合和聚合需要有机地收集数据。
我们以前讲过盲人触摸大象的故事。
每个系统只有大象的一个侧面信息。
如果我需要了解整头大象，而不是让碎片信息离散地堆积起来，我需要找到这些辅助信息之一。
它们之间的有机联系创造了一头大象。
这也是我们在工业领域要做的事情——用数据拼出整个生产过程的完整环节。
怎么拼出来呢？需要对生产企业各环节的数据进行处理和建模。
这是一个复杂的过程，涉及海量的数据处理，因此统称为数据能力。
算法能力。
工业企业涉及大量的数据，特别是实时、连续的数据，基本上都是一些设备设施产生的数据。
这些数据具有很强的时效性。
我们需要多种算法来处理这类数据，包括一些人工智能对应的机器学习算法和运筹学优化算法。
计算能力。
由于工业数据量比较大，需要强大的计算能力来实时“计算”这些数据，并准实时地对设备提供相应的指导或控制。
整个工业大脑都建立在阿里云的云平台上。
我们的云平台提供相应的数据处理能力、算法能力、计算能力。
依靠这三大能力，我们驱动整个工业大脑，帮助工业企业实现降本、增效、提质、安全等目标。
阿里云工业数据中心（IData）是什么物种？ 工业大脑的工业数据中心（IData）系统地集成和聚合来自各个孤立系统的数据，然后对这些数据进行建模。
就像互联网行业、电商领域的企业需要对数据进行相应的建模一样，工业企业也可以对自己的业务数据进行建模。
我们使用分层方法进行数据建模。
各种来源的数据首先直接进入接入层。
到了明细层，会分为订单字段、原材料字段等对应各种生产加工。
该业务在研究、生产和营销的每个领域都进行了相应的建模。
所有涉及整个生产链、整个产品生命周期的数据都在这个工业数据中心上。
我们有各种相应的标签系统可供上层业务使用，也有各种智能引擎可以在其上运行，这就构成了一个工业数据中心。
数据中台搭建起来之后，不仅仅是开放和聚合一些数据。
事实上，这对于企业来说有着巨大的意义。
这相当于把一个企业原本分散在各地但没有得到真正利用的数据变成了一个整体——反映企业从源头到销售的整个生产链条的实时生产状态数据。
这些数据是新鲜的、实时处理的、高质量的，成为企业非常有效的新资产。
。
对于工业企业来说，传统资产就是进口各种设备和各种人才。
如今，数据可以成为工业企业的新资产。
我们利用工业大脑和数据中心，形成企业新的数据资源。
工业数据中台的概念与数据仓库有很大不同。
传统的数据仓库存在于各个行业中。
比如在金融行业，数据仓库已经存在了几十年，数据仓库的星型模式等等，历史非常悠久，概念也非常成熟。
数据仓库主要针对企业决策者和BI分析师。
其产品是各种BI报表，可以展示整个企业的运营状况、生产状况、销售状况。
它不仅可以给公司提供广阔的市场视野，还可以为BI分析师提供洞察分析：产品销量是否在下降？本月某产品产量下降的原因是什么？数据仓库就是用于这个目的的，主要面向企业决策者和分析师，面向人。
数据中台的本质不仅仅是数据仓库。
数据中台包括数据仓库。
数据中台是面向系统的。
它不仅可以生成报告，更重要的是可以通过数据中台形成决策闭环。
在数据中台的上层，有各种可以影响生产的智能引擎。
这个过程是一个自动过程，可能不需要人为干预，或者只需要很少的人为干预。
将原有企业的操作人员从重复性操作中解放出来，让系统能够更精准地控制和排除问题。
提高这个企业的生产能力是数据中心和数据仓库的一个重要区别。
阿里和巴巴作为数据中心也是如此。
我们有一个非常大的数据中心。
数据中心的作用不仅仅是生成一些报表，还可以给我们CEO看双11的销量，更重要的目的是我们的数据背后有很多数据。
算法会针对不同的人做出个性化推荐，也就是我们常说的千人一面。
这些都是算法完成的，不需要任何人时刻控制。
在工业领域也是如此。
我们发现数据也能发挥作用，形成决策闭环，从而提高整个企业的生产效率。
我们认为，工业场景下的数据中心和数据仓库是有非常根本的区别的。
打造工业数据中台的六步走，阿里的方法论。
根据我们过去几年在工业领域的实践发现，可以通过以下六个步骤来构建工业大脑的工业数据中台（IData）。
1.数据访问分析。
了解我们拥有什么类型的数据以及数据的质量如何。
事实上，并不是所有工业企业的数据质量都很高。
2.数据化。
允许访问数据。
3.数据建模。
建立相应的数据模型。
这些步骤与传统的数据仓库处理没有太大区别。
它们都需要分层、处理、导入等来完成这些事情。
接下来是数据中心完成的额外工作。
4&5，知识和智力。
我们构建专业知识图谱，在行业数据平台之上构建智能引擎。
这些都提供了相应的智能能力。
借助这些智能功能，我们可以推动生产。
6、用实际结果分析数据的价值，重新评估数据的成熟度。
数据中台，为工业智能“源源不断供氧”。
工业大脑的工业数据中台（IData）相当于为工业企业创造了一种新的资源。
这种资源可以帮助工业企业产生实实在在的效益。
数据中台通过构建统一协同的数据组织表达，帮助企业提升决策管理水平。
更重要的是，它为企业提供了一个创新平台。
很多过去通过功能和机制控制的方法，未来都可以通过工业大脑和工业数据中台（IData）来实现，帮助企业提升绩效。
工业数据中心（IData）实际上是工业大脑的基地，没有数据就没有智能应用。
数据就像人脑中的知识。
没有知识，就没有深入思考的起点。
因此，工业大脑中的数据中心将工业数据视为资产。
这是一个基础。
在工业数据中心（IData）之上，我们还有工业智能“芯”。
这个智能“芯”是面向各种场景的智能引擎，包括能耗分析引擎、流程优化引擎等。
引擎之上是工业智能应用。
这些智能化应用必须进入每一个实际的工业场景，比如水泥、钢铁、石化、垃圾焚烧、橡胶等。
每个行业都有自己的业务特点和自己的优化目标。
在不同的场景下，我们会有不同的智能应用。
工业大脑是一个开放式引擎。
从工业数据中心（IData）到智能“核心”再到智能应用，每一层都可以不断拓展，尤其是智能“核心”和智能应用层面。
工业大脑本质上是帮助企业提升智能化能力。
我们希望帮助工业企业实现整体智能化，因为我们相信工业企业的所有数据充分连接和聚合后，可以释放出巨大的潜力。
这个“智能”有三个层次的概念，从单点智能到局部智能再到全局智能。
全局是产业大脑未来的方向。
虽然现在还没有到那个程度，但是我们坚信这是一个可以达到的方向。
单点智能是指局部优化工作。
以化工企业为例。
化工企业将有多台循环流化床锅炉为整个生产和公司运营提供能源，以及一些蒸馏塔和冷却塔。
对各设备进行优化可以最大限度地降低其能耗并提高热能的比例。
这是单点情报。
事实上，可以对这组锅炉进行优化，实现锅炉之间的负荷平衡。
每个设备所处的位置不同，其提供的能量针对的对象也不同。
我们不追求每台单独设备的优化，而是追求一组锅炉的整体协同优化，减少能源损失。
这是局部优化。
对于整个企业来说，从前期采购，到设计，到生产，再到后续的供应链销售，整个流程形成一个大流程。
过去，优化这个大流程是很困难的。
当我们收集完整的数据后，我们可以根据市场销售情况对整个生产功能进行相应的规划，优化每个生产环节。
真正实现供、研、产、销、服务全过程的优化，这就是全局优化的情况。
3 工业大脑智能案例 接下来分享工业大脑的智能案例。
首先是水泥行业。
这是一个高耗能行业，消耗大量的电力和煤炭。
我们主要利用数据来降低水泥生产回转窑的能耗。
这台机器不知道什么样的生产条件消耗的能源、煤、电消耗最低。
这要靠师傅们凭经验来做。
我们可以根据历史生产数据和能源消耗来优化模型。
我们可以知道哪些参数可以使设备在不同的工况下具有最低的能耗，并给出相应的设备参数建议。
然后将此参数交给APC，由APC控制相应的分解炉。
经过这样的工艺后，整个回转炉的能耗大大降低，每年可以减少数百万的煤费和电费。
二是钢铁行业热轧加热炉案例。
整个钢铁生产分为几大环节：产铁、炼铁、炼钢、热轧和冷轧。
其中，热轧工艺是将钢锭重新加热，轧制成各种形状。
温度是一个非常重要的参数。
如果温度过高，钢锭会过度氧化，影响产品质量。
过去，温度是手动控制的。
工业大脑判断历史数据，找出何时、在什么工况、什么温度下使用，以确保温度恰到好处，不发生氧化。
这样可以提高整个加热炉的效率，降低能耗。
三是垃圾焚烧案例。
如今，中国很多城市都在谈论生活垃圾分类。
部分生活垃圾将进入电厂，经过处理后焚烧产生蒸汽。
蒸汽产生电力，成为我们日常使用的电力。
生活垃圾的原料非常不稳定。
垃圾焚烧作业的过程很大程度上依赖于操作人员的判断。
他们依靠多年的经验来判断推多少物料、送多少空气。
工人经验参差不齐，会导致焚烧效应。
稳定且不可控。
工业大脑帮助垃圾焚烧厂利用AI通过建模辅助控制整个焚烧过程，提高蒸汽的稳定性，减少设备损耗，这些都能带来实际的经济效益。
AI辅助也减轻了工人的操作负担。
过去，操作员需要在4小时内操作30次。
现在，他们只需要在收到提醒后比较参数值，并对系统进行最多6次干预。
。
我们认为对于行业来说，通过数据智能产生的行业价值是非常可观的。
以水泥行业为例，在平均能耗条件下，工业大脑每年可以帮助一条水泥生产线节省1万能源成本。
中国有一条水泥生产线。
如果能对每条线进行相应优化，预计全国水泥生产线每年可降低能耗50亿元，而这背后仅是每条生产线能耗优化的1%左右。
。
水泥行业只是中国非常大的工业领域的一个分支，每个行业都有很多相似的机会和提升空间。
如果把每一个机会都视为宝藏，那么整个行业的藏宝图将会非常巨大。
只有不断前行，我们才会发现我们有越来越多的机会，能为行业创造越来越多的价值。
工业产业的藏宝图非常巨大。
阿里采取的是共建理念。
工业大脑离不开合作伙伴。
阿里巴巴是互联网行业，我们更熟悉算法和数据。
在工业领域，我们自认为是小学生，外行人。
工业大脑离不开专家和他在行业耕耘多年的伙伴们。
他们对行业机制了解很多。
只有共同努力，才能真正服务各行业。
很多伙伴都发现，这其实是强强联合，双方发挥各自的优势，共同挖掘宝藏，所以大家都非常有信心。
我们的目标也是携手更多的合作伙伴，共同唤醒工业数据的价值，推动工业智能化升级。
崔院长刚刚介绍了AloT系列技术。
AIoT技术在工业场景中的应用潜力巨大，而5G在未来几年可能不会对我们消费者产生那么大的影响，但对于工业企业、生产型企业来说，影响是极其深远的，而这是一个积极的影响。
5G技术、物联网技术越多地运用在工业场景中，就意味着我们在工业场景中可以获得的数据就越新鲜、真实，可以帮助工业大脑建立更精准的模型，从而帮助企业获得更多价值。
数据资产将提高工业企业智能制造的数据化水平，最终提升我国智能制造的整体水平。
谢谢你们！雷锋网年度评选——寻找19大行业的最佳人工智能实施实践。
2017年创办的“人工智能最佳掘金案例年度榜”是业界首个人工智能商业案例评选活动。
雷锋网从商业角度出发，寻找人工智能在各行业的最佳实施实践。
第三次评选已正式启动。
关注微信公众号“雷锋网”，回复关键词“名单”即可参与报名。
详情请联系微信公众号：xqxq_xq 相关文章：大咖云集，观点碰撞！ 《全球 AIoT 产业· 智能制造峰会》圆满结束。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-18
06-18
06-17
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的