极速体育,足球即时比分直播

2018年7月10日-11日，2018中国大数据应用大会在成都召开，大会以"大数据赋能数字中国"为主题。在大会中，数之联科技集团CTO方育柯在接受采访时表示，大数据在工业领域的很多环节都可以发挥出很大作用，比如产品设计研发、产品生产过程，产品整个供应链、物流，还有产品销售、售后等都可以发挥作用。而数据将贯穿在整个产品的生产过程中，这也是大数据发挥价值的所在。

以下为采访实录：

主持人：大家好，这里是2018中国大数据应用大会的现场，我们今天采访的嘉宾是数之联科技集团CTO方育柯先生，方总欢迎您的到来。

方育柯：你好。

主持人：在大数据应用大会，数之联也承办了其中一场活动，您能不能介绍一下数之联这家公司整体的业务情况。

方育柯：数之联专注于大数据的存储分析，和应用的几个环节，现在整体研发人员有100多人，80%属于研发人员，约50%以上是由博士和硕士构成，博士在15%-20%。研发里面我们又分了大数据产品的研发团队，包括AI和BI的研发团队。同时还包含了像政府的（智能化）治理，还有一些是军工里面的大数据应用，还有在工业里面应用，工业也是我们主要的一个战略核心，所以今后在工业侧也会重点发力。

主持人：我们知道数之联之前确定了一个以工业为重要发展的领域，这是出于一个什么样的考虑？

方育柯：数之联进入工业领域大概在2014年，从2014年开始做了两个项目，一个是五粮液，这是一家传统的酿酒制造企业；还有一个富士康，富士康当时做SMT的组装，我们发现在工业领域中应用场景非常广泛，因为在工业中需求问题是非常明确的，其实只要帮助用户计算好投入产出比，比如要去建立一个平台需要花费多大成本，要解决什么问题，用户能够得到什么样的收益，这其实能够非常清晰的量化出来，这样用户才比较容易接受你的方案，数之联在这方面的实力和积累还是很强的，所以我们重点也是要在工业这一侧发力。

主持人：围绕工业领域，数之联有没有相应的具体战略和举措？

方育柯：大数据在工业中的很多环节都可以发挥作用，比如在产品的设计研发、产品的生产过程，产品的整个供应链、物流，还有包括产品的售后、销售等都可以发挥作用。产品研发设计，还有后面的供应链、销售，其实这些都可以通过传统的互联网方式来解决，相对而言在产品的生产过程（也就是生产车间方面）其他企业都还没有太多涉足。数之联希望重点在产品的生产过程，也就是在产品的生产车间方面去做优化。

第一，在产品的生产优化方面，数之联尝试解决几个核心的业务场景，比如产品的生产过程优化，在面对复杂的离散加工制造的生态环境中，因为涉及到上万的参数去控制整个产品的生产过程，这个生产参数与产品的缺陷，其相关性和工业的相关性是怎样的关系，数之联希望通过这个解决方案帮助找到这些问题。

第二，解决生产设备中的状态，故障信息。当生产设备还没有出现故障，也就是当其处于健康或者亚健康状态的时候，我们就能够帮用户提前识别预测出存在的隐患，提前做预测性维护，这样就能降低维护和运营成本。

第三，在制造业的质检方面，现在通常还是通过人工目检的方式去检查当前产品有没有次品或者瑕疵等等问题，而数之联使用机器视觉的方式去解决这个问题，就是通过机器学习以及深度学习方式，能够帮用户自动化检测产品有没有缺陷，以及这些缺陷分类是属于什么情况，数之联主要通过这三个方面来解决生产车间中的核心问题。

主持人：回归到数据层面，数据在制造业的数字化转型当中扮演什么样的角色？

方育柯：无数据不智能，智能制造必然是通过数据去驱动的，因为没有数据何谈智能，定一些规则不叫智能化，智能化肯定是来源于海量的数据，从海量数据里抽取有效的模式去解决它生产里面的问题。这个数据就贯穿在整个产品的生产过程里面，比如说我们能够采集到的数据，像设备状态信息，像一些半导体生产厂商的设备每天能够产出上百万到千万条的信息，我们只需要从这些千万级的信息里面去找到这个设备的参数和产品之间的关联性，这样可以帮助解决生产中的问题，这就是大数据发挥出的价值，甚至是大数据和人工智能发挥的价值。

主持人：其实说到转型它永远是充满了挑战，您觉得在数据驱动数字化转型的过程中，主要挑战在哪里？

方育柯：工业的场景是复杂的。比如说生产巧克力和生产手机，或者是酿酒，生产汽车，整个工艺都是不一样的，其中的场景非常复杂。如果要进行工业大数据或智能制造，不是先去做IoT建设或者数据中心的建设，亦或是安装大量的设备，其实这个在前期没有特别大的必要，也会付出非常大的成本。

而比较好的方式是找到场景，通过场景去驱动，比如说要去识别当前这个制造型企业现存的痛点问题，是人工成本过高，还是产品的次品率比较高，或者说设备容易出现故障，进而导致设备整体的加工力比较低，首先要找到这个问题的场景之后，再看当前数据的完美程度，技术的复杂程度，技术的成本，能够解决问题的程度是多少，这样就能够比较清晰地计算出做这件事情的投资回报率。是在半年就能够收回投资回报，还是一年，时间越长肯定风险越大，所以我们更倾向于选择投资回报周期比较短的项目。因此先找到场景，然后再去做后面的事情，这是比较可行的一条路。

主持人：数之联帮助企业数字化转型，有没有一些比较成功的案例可以给我们分享一下？

方育柯：举一个传统工业的例子。我们帮助酿酒企业实现酿酒过程的数字化，再把这些数据进行分析，去提升他们的一级酒产出率。因为一级酒和二级酒价格是不一样的，一级酒可以卖到八九百到一千一瓶，二级酒就只能卖到几十块钱一瓶，所以核心的问题是要提升其一级酒产出率。于是我们通过数字化的方式找到最优的酿酒参数，以提升一级酒的产出率。

还有另外一个案例，我们帮助一家国内最大的也是全球现在出片量最高的手机面板生产厂商，在它的一个工厂里面分析上万个生产参数、设备参数，和上百个缺陷，找到它们之间的相关性，比如有一种缺陷叫顽固性不良，也就是这个缺陷出现几个月甚至建厂之后就一直存在且反复出现的问题。这种问题我们帮助它去解决，使三个特定的顽固性不良的缺陷率降低了1.05%，这对用户而言效果是非常明显的，我们跟这家企业的CIO汇报时也得到了对方非常大的认可。基于这样的成功经验，我们的方案从一个工厂推广到另外多个工厂。

主持人：作为CTO您能不能分享一下未来数之联在工业领域的技术创新方向是什么？具体有没有一些规划？

方育柯：正因为确实像刚才提到工业这个方向纷繁复杂，我们希望走得更远，其实一定要找到适合自己的工业方向，比如数据完美性比较好，数字化意识比较强，我们希望今后在半导体、存储、芯片制造这些领域，能够再进一步发力，当然这也是国家今后要投入的重点方向。要解决芯片，大规模集成电路生产制造的问题，要能够跟世界顶尖的厂商缩短差距，我们也希望能够贡献自己的力量。

主持人：好，今天非常感谢方总接受我们的采访，相信您的观点可以给工业的数据和智能制造领域有一些不一样的思考，我们也期待方总接下来的精彩分享，谢谢。