乘数法则:全生命周期自主可控和智能化升级并举

工业领域数据汇聚、流通、应用需求较大,通过强化数据协同复用效应持续提升行业运行效率,创新研发模式,推动智能制造,促进产业链供应链的协同发展。

乘数法则:全生命周期自主可控和智能化升级并举
出处:2024 北京“数据要素 ×” 典型案例集

为加快推动《“数据要素 ×”三年行动计划(2024-2026 年)》(以下简称《行动计划》) 落地,充分发挥典型案例示范引领作用,北京市政务服务和数据管理局组织北京软件和信息服务业协会,开展北京地区“数据要素 ×”典型案例征集工作,遴选出首批 14 个行业领域共计 100 个技术先进、模式创新、应用成效显著的“数据要素×”应用案例,并对每个案例应用背景、应用特色、应用价值进行评价和分析,形成了《2024 北京“数据要素 ×” 典型案例集》。

《数字大赛道的赢家策略 用小数据带动乘数增长》一篇中,为助力“数据要素×”大赛,我们借助生成式 AI 来解析首批典型案例,一探数据究竟如何带动乘数增长,在推动产业变革和社会进步中展现出关键作用。接下去我们从案例集中精选行业案例,深入体会《小治带你看报告:数据要素赋能数字中国发展》数治金字塔 1.0 模型的精髓,牢牢把握数字大赛道的赢家策略,即紧抓数据5A“全生命周期”、“全域”、“全链路”、“全量”、“全运营”乘数法则,去更好地发挥数据要素效应。

工业领域数据汇聚、流通、应用需求较大,通过强化数据协同复用效应持续提升行业运行效率,创新研发模式,推动智能制造,促进产业链供应链的协同发展,积极培育国家级智能制造标杆企业、智能工厂和数字化车间等,形成“北京智造”新经验。

一、电子信息产业链自主可控监管平台

贯彻落实国家加快创新型国家建设中,集团企业特别是链主类企业,需要动态建设比较优势,及时发现“卡脖子”环节,并围绕产业链的补链、延链、强链,明确“技术瓶颈”和潜在发展合作对象,从而有效防范产业链风险、持续提升产业链自主可控水平,进而加快完善投资布局、促进产业高质量和可持续发展。

  • 一是产业链和技术链融合难,传统的产业链分析侧重于业务属性分析,缺少技术、投资等多维度融合。
  • 二是对专利、技术演进等方面的自动分类追踪方面,技术实现难度大, 专业领域和信息技术的融合应用门槛高。
  • 三是技术依赖度和自主可控度的评价模型尚不完善,在数据挖掘、数据建模、数字化应用方面还缺少成熟方案。

1. 解决方案

1、方案总体以数字化管控体系建设为目标

北京牡丹电子集团有限责任公司以电子信息产业链的自主可控监管为场景切入,以“122N”为总体思路,即 1 个电子信息产业链自主可控监管平台,“数据和服务” 2 个闭环作为核心要素,助力企业实现“产业自主可控和产业生态发展” 2 个发展目标,覆盖“自主可控、产业生态、科技创新、对标一流等” N 个应用场景。

图 “122N”总体思路

2、方案面向集团企业产业发展和管控体系建设

  • 一是围绕产业链核心环节、关键技术、重点产品和典型企业,开展多维数据汇集治理、融合应用,构建数字化产业链图谱。
  • 二是构建产业链自主可控评价体系和集团企业产业生态体系评价模型并进行数字化实现,为有效监管 / 评价 / 防范产业链发展风险和生态体系建设提供支撑。
  • 三是开展以专利大数据分析建模为核心,以宏观经济、中观产业、科技情报为支撑的动态监测体系建设,支撑高价值专利、技术热点趋势和知识图谱的自动构建和自助分析。

数据协同复用方面。基于自主研发的数据工具集成开发平台,开展产业链相关经济政策、产业发展、科技创新、知识产权、投融资、工商、司法等多源异构数据的采集、治理、建模、分析和更新运营,有效支撑了专利价值分析、对标分析、技术血缘等模型建设和管控目标实现。

2. 创新亮点

理论创新方面,以产业经济学、产业链价值链供应链体系、企业管理、企业生态、企业创新等理论和方法模型研究为基础,设计了通用评价模型和整体框架。

技术创新方面,以大数据技术和数据价值实现为导向,建设数据工具集成开发平台, 在有效衔接传统数据资源平台的基础上,实现了数据分析师和产业分析师的应用连通和一体化支撑,形成了以数据资源管理为底座、数据资源开发与模型体系建设为枢纽、以多场景应用为前端,开放整合各类数据工具和中间件、高效衔接各类大数据模型的一体化技术平台。

应用创新方面,面向场景化数据应用和重点产业链环节分析决策需要,形成了“1+3+N”的应用体系,即 1 个数据底座、3 类数据模型(数据模型、监测模型、管控模型)、N 类应用场景为框架的通用型数字化应用体系。

模式创新方面,以北京电控电子信息产业为试验田,以传统咨询的数字化实现和数据要素的场景化适配的一体化实现方式,打造了综合性、一站式、数字化的解决方案, 实现了科技创新评价模型、专利大数据模型、生态体系评价模型等综合型模型实现、扩充、更新和迭代,为多产业领域数字化转型升级、数据要素价值路径实现提供了有效的借鉴和参考。

3. 应用成效

经济效益方面

  • 一是平台在贯彻落实北京市国资委号召,完善北京电控的国资大监管平台布局的同时,也为北京电控开展产业生态布局、发展培育信息和数据服务等新兴业务提供了重要场景和样板。
  • 二是平台有效助力防范电子信息产业链风险,为固链强链延链补链提供数字化支持,有效提升电子信息全产业链竞争力,预计可产生数十亿乃至百亿元的间接经济效益。

图 产业链自主可控平台

社会效益方面

  • 一是助力集团型企业构建自身产业生态发展体系,实现企业在产业生态中体系化、智能化、高效化的发展模式,助力北京构建科技生态集群,助力数字经济产业快速发展。
  • 二是有利于提升国资国企产业布局、风险防控和高质量发展的能力,围绕供应链安全和产业链延展两个方面,抓住国家大力推进进口替代、解决“卡脖子”问题的机遇, 实现产业质量、规模、效益、安全的融合发展。
  • 三是积极融合新兴技术与产业能力进而提高发展水平,推进新一代信息技术与先进制造技术深度融合,增强智能制造能力,打造智能制造标杆和“北京智造”的名片。

二、基于标识解析与区块链融合的供需协同平台应用

在工业 4.0 背景下,复杂工业产品研制在推进全系统、全产业链和全生命周期数据共享时遭遇重大挑战:

  • 数据孤岛问题

复杂产品制造中,行业系统间壁垒和地域分割导致数据流通受阻,资源配置效率低下。标准化缺失多源异构的海量供需数据,缺乏统一的数据标准与标识体系,阻碍了关键数据的有效整合与复用,限制了产业整体效能提升。

  • 确权及追溯困境

对于生产、采购、售后等关键业务流程,传统管理模式无法对相关数据实现确权及全程追溯,制约了各业务环节的透明化管理和高效决策制定。

1. 解决方案

北京航天智造科技发展有限公司在本案例打造了一个基于标识解析与区块链技术的高度集成化、智能化的工业互联网平台,实现了数据安全共享、业务流程高效运作、资源配置优化以及多方参与的诚信生态环境,为我国制造业数智化转型升级提供技术支撑和模式借鉴:

  • 打造云链码数据协同平台

通过工业互联网平台提供基础的云供需对接与协同服务;标识解析技术统一数据标准,打破系统壁垒;区块链保障数据安全与防篡改,强化数据服务的审计与信任。通过区块链运维监控和第三方征信合作,实现评价体系公正透明,提升企业综合信用评价效率。

  • 业务流程优化

运用标识解析二级节点,对企业需求、产能及其关联生产要素信息进行精细编码和唯一标识,搭建从需求信息发布到订单撮合、合同签署直至售后评价全程透明可溯的管理体系。通过智能合约对关键参与者的企业资质与履约能力进行验证与存证,构建可信数据信用体系,强化供应链信任。

  • 数据协同与复用

提供预设模板简化标识与合约应用,定制编码规则促进数据合规共享,IDE 环境加速智能合约实施,提升数据协同效率,促进数据资源高效复用,最大化数据要素价值。

2. 创新亮点

技术创新方面,实现了工业互联网平台与标识解析、区块链等技术的融合创新,创建了一体化、透明化的数据共享协同环境。

应用创新方面,打造了一个集信息发布、基于标识的供需精准对接、供应链可信管理于一体的综合型应用平台,构建了以数据为纽带的服务体系,打破了企业间信息壁垒,实现了跨企业、跨地域的资源共享与协同作业。

模式创新方面,一是构建标识解析二级节点网络,利用标识解析技术实现资源统一认证、追溯和精准对接,促进了数据要素的可信流通和价值发现;二是建立基于区块链技术的企业认证及履约评价机制,通过多方智能合约协同认证企业信息,有效增强了参与各方的信任基础,优化了产业生态系统。

3. 应用成效

经济效益方面,构建高效透明的供需数据协同系统,精准对接平台各类企业产能需求信息,有效提升供需匹配效率约 20%;有效优化企业生产计划决策速度和扩产响应灵活性; 强化供应链信任机制,显著减少由信息不对称导致的资源浪费;降低采购成本、提升了供应商库存周转率及协同生产效能。特别是在应对紧急需求时,能够迅速整合和调配资源, 有力推动全国制造业实现敏捷化生产和科学合理的资源配置。

社会效益方面,以工业互联网为核心,深度融合标识解析与区块链技术,打破信息壁垒,推动跨企业、跨地域、跨领域的资源共享与协同创新,为我国制造业数智化转型升级注入强劲动力;构建基于标识解析的供需协同体系与基于区块链的企业评价体系,增强多方对产品品质和企业能力的共识信任度,并确保了追溯过程的高可信性,有助于构建透明、可信的产业链生态;通过营造出高效的信息交互氛围,有助于优化资源配置,提升应急响应决策效率,激活云制造产能资源的有效释放,驱动制造业万亿级市场数字化转型与产业链升级进程。

三、基于大模型 +Agent 工业车辆智能化升级应用案例

针对工业车辆智能化领域数据要素汇聚、流通、应用的迫切需求,爱动超越人工智能科技(北京)有限责任公司在本案例中依托深度整合的大模型与智能 Agent 技术,精准攻克当前产业界所面临的重大数据困境,包括但不限于数据品质低、利用率受限、数据孤岛严重、行业特有模型与实战经验匮乏,以及在严守数据安全规则下所引发的数据交换壁垒问题。

本案例针对行业内建模困难与经验传承不易的现状,借助具备垂直领域深度学习能力的专业大模型,有效地吸收、充实并转化成相应的专业知识结构,并妥善处理了数据安全、数据分析、隐私保护等问题,确保在不影响数据保密性和个人隐私的前提下,打破数据隔离状态,实现安全可靠的数据资源共享与价值最大化利用。

1. 解决方案

本案例旨在通过大数据和大模型技术提升工业车辆平台的感知和决策能力。通过与国内知名叉车厂商合作,建设试点示范应用案例,探索数据要素价值释放路径,以工业车辆为突破口,充分利用设备数据提高核心竞争力。

通过标准化 API 接口,实现与第三方合作伙伴的数据共享与业务联动,建设数字化运维生态体系。结合大规模语言模型,涵盖设备设计、运行、退役阶段的各类管理和优化工作,提高服务能力,支持企业整合设计、生产、运行数据,提升预测性维护和增值服务能力。利用大数据分析技术,对车辆数据进行全面分析,建设智能运维平台,为用户提供精准的全生命周期健康度评估、作业安全分析及使用成本分析等决策支持,并通过预设故障分析模型,远程提供故障判断、提醒及维修指南,大幅提升用户体验和售后服务效率。

具体模式上,基于云计算技术搭建信息管理平台,实现模块化管理和数字化跟踪。通过物联网技术实时收集车辆与设备运行数据,利用大数据分析工具进行深度挖掘和模式识别,优化服务路径。部署基于大规模语言模型的多模态AI 客服助手,处理复杂用户反馈,开发移动端多媒体故障反馈系统,实现远程智能诊断。

2. 创新亮点

技术创新方面,集中于多模态大规模语言模型(LLM)与智能 Agent 的有机结合。通过对专业数据深度训练,二者协同发挥强大数据赋能作用,推动企业应用与业务模式发生深刻变革。定制化智能 Agent 在复杂业务场景中体现出高效决策与执行能力,有力支撑企业全面发展。

模式创新方面,体现在案例突破常规运营模式,依靠高效数据利用,大幅度提升运营效率和精细化管理水平。智能化升级实现了从被动响应到主动预见服务的转变,不仅强化品牌影响力,还挖掘了新的利润增长点,为企业的长远发展注入强劲动力。

应用创新方面,本案例倡导全面挖掘与应用数据,将智能化渗透至企业设计、研发、生产至服务所有关键环节,极大地促进了产业链协同创新与效能提升。借助数据驱动,推动企业内部知识与经验完成数字化转型。通过多样化应用AI 技术,有效赋能员工,加速知识分享与经验传承,全面提升企业的智慧运营能力和应对市场变化的敏捷性。通过智能化手段实现组织结构的扁平化与灵活性调整,更好适应当今快速变化的市场环境。同时,引入智能化工具,使决策过程更加依赖数据驱动,管理流程更加透明高效,有力提升了企业整体管理水平和市场竞争优势。

3. 应用成效

经济效益方面,通过物联网实时监控和大数据分析技术,实现设备运行状态的实时监测与预测性维护,大幅减少因突发故障导致的停机时间,提高设备使用率。同时,自动化的工作流程管理和智能派工系统能够精准匹配服务资源,缩短响应周期,提升整体工作效率。智能化运维减少了人工处理环节,降低人力成本,同时预防性维修策略有效避免了高昂的非计划停机损失。通过对数据深度挖掘和分析,企业能够提前预知需求变化,合理规划备件库存,进一步降低成本。长远来看,卓越的售后服务口碑将转化为更多的销售机会,助力企业扩大市场份额,增加收入。

社会效益方面,依托于多模态大模型的智能客服与售后服务助手的运用,不仅能够快速、准确地识别并解决客户问题,还能提供个性化的服务体验,增强客户满意度和忠诚度。此外,全链条透明化管理也有助于提升企业内部服务水平的一致性和专业性。整合的多模态知识库和持续优化的服务流程为企业创新提供了坚实的数据基础和技术支撑。通过对海量运维数据的学习与挖掘,企业可以不断迭代升级产品和服务,从而在市场竞争中保持领先地位。

本文摘编自北京市政务服务和数据管理局、北京软件和信息服务业协会发布的《2024 北京“数据要素 ×” 典型案例集》。

在此声明以上观点和内容,仅代表原作者和出处,与数治网DTZed 无关,如有出错或侵害到相关合法权益,请通过电邮与我们联系:cs@dtzed.com。

在文末扫码关注官方微信公众号“idtzed”,发送“入”直通相关数治x行业共建群、AIGC+X 成长营,@老邪 每周免费领取法规、标准、图谱等工具包。

欢迎先注册登录后即可下载检索工业制造等相关标准、白皮书及报告。更多高质量纯净资料下载,在文末扫码关注官方微信公众号“idtzed”,进入公众号菜单“治库”。