搜狐首页 科技 贴身校花2

手机搜狐

SOHU.COM

昆仑数据CEO陆薇:万物互联的时代,机器数据帮助制造业将服务部门从成本中心变成利润中心

“我觉得在技术研究领域,男人和女人的能力没有实质性的差别。”

这是在采访完和陆薇闲聊时聊到的观点。国内企业级IT市场中,女性CEO不多,技术出身的女性CEO更是凤毛麟角。最早,就职于IBM的陆薇从事的是物联网领域的工作,受困于传感器高成本、网络带宽条件差等基础设施条件的限制,那时候物联网市场尚处于初级阶段。

但就是在那个时候,陆薇已经相信,未来一定是万物互联的时代,世界上会有很多机器设备在源源不断地产生数据,如何有效地挖掘这些数据的价值来让我们所在的物理世界变得更美好,这是一件非常有意义的事情。因此,她离职创立了大数据公司“昆仑数据”,成为了企业的CEO。

工业大数据应用面临的挑战

近几年,无论是德国的“工业4.0”、美国的“工业互联网”,还是中国的“智能制造2025”,相关词汇被炒得十分火热。陆薇说并不是各国在赶时髦,而是产业确实发展到了要跃迁到一个新台阶的时刻。如今,全球的传统工业正加速与信息化技术的融合,工业生产正逐渐从自动化、信息化的工业3.0时代向数字化、互联网、智能化的工业4.0时代迈进。

伴随着世界工业的发展进程,工业大数据一词逐渐兴起开来。字面上理解,广义的工业大数据指的是工业领域应用中所产生的数据,涉及企业内部生产经营活动及其与产业链上下游企业的交互活动。此外,工业大数据也涵盖企业外部和生产经营相关的各种天气、地理信息等自然环境、和原材料期货价格等社会经济相关信息。其中,最独特的一类是各种工业机器设备源源不断产生的工况数据。

由于中国工业门类众多,不同门类、不同企业的自动化、信息化水平参差不齐,很多企业尚不具备数据基础,这样给国内工业大数据的发展带来了一定的挑战。

除此之外,工业大数据在处理上也有一定的难度。一方面,相较于传统互联网大数据,由于涉及到非常多数量的机器设备,所产生、采集的数据不仅量大且大多为非结构化数据;并且比起互联网大数据倾向于属性之间的相关性,工业大数据往往更注重特征背后的物理意义及特征之间关联性的机理逻辑。

另一方面,不同于互联网大数据看重“量大”,工业大数据则注重的是“类全”,覆盖工业过程中各个环节的数据,从而保障能够足以反映对象的真实状态。再加上工业大数据往往需要将容错率降到最低值,这样在工业环境中才不会因为预测的失误造成严重的后果……工业大数据应用所面临着更为复杂的境况。

对于工业企业来说,亟需一整套专业、智能化的大数据解决方案,来为其获得实时的洞察力,以最快的速度实现数字化转型,提升竞争优势。

精选