“工业大数据或成为下一个经济增长点。”广东省智能机器人研究院（以下简称“广智院”）院长张国军在29日举行的智博会配套活动“东莞市智能制造暨工业大数据高峰论坛”上说。

站在市场一线的智能制造企业深谙此理。记者连日来走访智博会参展企业，了解到随着工业4.0的推进，以“机器换人”为主的自动化改造已经不能满足企业的需求，企业希望从自动化改造向智能化生产变革，而工业大数据越来越明显地成为实现智能制造的核心推动力，这将为工业大数据的发展带来一片蓝海。

工业大数据应用爆发点或在东莞

专营机械设备的拓科智能在短短几年内营收翻番，这跟广智院的智慧支持密切相关。广智院副院长倪明堂告诉记者：“拓科智能在来到东莞以前，只是从事单一的机械设备生产，与上下游企业之间存在沟通壁垒，这限制了企业发展。”

“经过广智院的‘把脉’，我们为其导入工业大数据，为其定制出方案，联合供应链上下游企业，为其打通技术和市场的壁垒，延长其产品线，帮助其开拓市场。拓科智能从单一的机械生产制造到如今可生产自动化生产线。”倪明堂说。

这仅是缩影。以工业作为现代社会的基础，从上游的设备供应到下游的生产制造，没有一个环节不存在激烈竞争，而大数据可视化作为智能制造的核心推动力，将打开一扇全新的资源大门。

“工业大数据经济将迎来爆发期，工业大数据应用很可能就在东莞爆发。”张国军预估，在庞大的市场驱动下，东莞企业、政府、科研机构三方力量均积极走上智能制造之路，这让东莞的工业大数据应用一下子就变得炙手可热。

张国军说，虽然制造领域的工业大数据应用是一个新兴领域，但是在强大的需求下，东莞在工业大数据的应用前景十分广阔。以刚刚发布的基于工业大数据的“广智云”为例，在发布会当天就非常多的制造型企业询问相关问题。“广智云”在东莞接受程度、关注度高，离不开东莞工业大数据广阔的市场需求。

莞企应提高数据获取意识

“数据驱动是智能制造的基础。”中国工程院院士李培根在论坛上表示，现在很多东莞的制造企业在做的并不是真正意义上的智能制造，甚至很多企业还停留在工业2.0的阶段。

李培根认为，东莞企业要实现智能制造，首先要实现工业生产的数据化和网络化，“大数据能够对智能制造工业产生强大的驱动力，奥巴马政府甚至将数据定义为‘未来的石油’”。

李培根说，在智能制造4.0时代，企业的一切过程都需要数据驱动。他引用数据双胞胎理论说，一切物理的东西都有一个数字的反映，所有的物、资源都有数字双胞胎。同时，大数据还拉近了消费者与设计师的距离。目前小米正是从微博等互联网渠道收集数据，用于提升设计水平。

李培根还提到，大数据的精准预测能够实现生产过程的质量控制。在大数据工业中，加工工艺过程也是产品质量深度学习的过程，企业可以从产品运营中的大数据分析发现一些未知的关联产品性能的因素，从而提升产品质量。

东莞拥有大量中小微企业，如何运用现有的工业数据提升能源管理水平，成为中小微企业关注的焦点。

“东莞的中小微企业非常多，这些企业没有人才、技术、资金，他们迫切需要一个云计算为他们提供帮助。”张国军认为，工业大数据会成为东莞打造智能制造全生态链的通道。通过“广智云”，政府可以了解企业智能制造的整体情况，企业可以获取工业大数据进行升级改造，科研机构可以了解企业生产需求，将触角深入市场。

李培根认为，绿色制造不仅指没有污染，更要降低生产消耗。东莞中小企业的主要问题是收集的数据不够细，所以还不能通过数据分析了解生产过程中哪些因素影响生产消耗，从而使企业有意识地控制这些影响能耗的因素。他建议中小微企业要提高数据获取意识，从而使工业大数据真正发挥作用。

工业大数据广泛应用有难度

“货物已经抵达工厂，请注意验收！”当货车进入车间，智能系统就发出响报，并通知下个流程负责上架的工作人员……这套智能系统是由广东盘古信息科技股份有限公司为比亚迪研发定制的“物流仓库管理智能系统。”

“随着智能化时代的推进，‘人找物’的模式已经逐渐转变成‘物找人’了，人不仅可以轻轻松松完成一些生产工作，而且可以追溯生产的轨迹。而这套智能系统的应用得益于工业大数据。”盘古科技相关负责人介绍，通过大数据的收集，总结出规律、经验，再组成云端数据包，给企业提供服务。这套系统，可以帮助企业缓解1400万元的在制品库存，为生产型企业提高20%的效率。

广智院副院长李晓涛说，如今制造企业不单纯满足于机器换人的自动化改造，他们对智能化生产提出了更高的要求，迫切地需求产品良品率的提升、生产的透明化、能耗的降低、分工的合理化、生产的可追溯、工艺的提升……现在企业在智能制造的管理上处于“黑匣子”状态，企业急需在管理水平上进行大幅度提升，而工业大数据就是一个很好的管理手段。

李晓涛认为，数据在消费领域的应用比较普遍，但是在生产制造领域的广泛应用存在难度。制造的细分领域，牵涉到方方面面，这导致工业大数据的获取有难度。工厂使用工业大数据好比装上“大脑”，系统能智能识别、分析、做出预判方案、指导执行指令、生产等，在这过程中，一线流水员工慢慢退出车间，真正的“无人工厂”也随之实现。