在工业领域,煤矿与非煤矿山属于相对特殊的行业,不是我们传统意义上的工厂模式,而是一种资源开采模式。矿山行业因为其生产的特殊性,因此在工业大数据的应用上,也呈现出了与制造型工业完全不同的特点。
与制造型工业相比较,矿山行业最大的区别在于产品质量无法通过生产工艺的改进而提高(煤炭深加工等不是我们今天探讨的范畴),海尔冰箱可以升级各种功能,格力空调可以提出各种不同的设计理念,还可以推出高端品牌等等。而煤矿的产品就是煤炭,而且对于具体的煤矿来说,煤的各种参数也是一定的,不会因为采掘的技术不同而改变煤炭的质量。非煤矿山也是类似的情况,因此,煤矿的利润主要来自于降低生产成本,而非提高产品质量或者推出附加的服务。
基于煤矿和非煤矿山的特殊性,工业大数据的一些常见的模式就不太适用了,例如,我们经常提到在工业4.0时代,服务型制造会成为制造业的主流模式。最典型的,我们最常见的比如苹果公司,在iPhone制造销售后,它会依托庞大的手机用户群,不断开发各种增值服务。创造远高于制造的利润。全球制造业的发展也确实呈现出制造业服务化的趋势,制造业的价值分布从制造环节向服务环节转移,通过对销售出去的产品进行数据采集,基于数据分析创新生产组织形式、运营管理方式和商业,延伸增值服务链条,服务产生的利润占比会越来越高。
这种服务型的大数据应用对于煤矿和非煤矿山来说,是很难的,我们很难想象给煤炭或者铁矿石加上传感器进行数据采集。所以大数据在煤矿和非煤矿山的应用还是以生产和管理为主。对于矿山来说,最典型的还是两类,一类是通过大数据应用提高企业的安全水平,一类是通过大数据应用提升企业的生产效率,从而降低成本,提升利润。