第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
上页 1 2