工業(yè)大數(shù)據(jù)在工業(yè)數(shù)字化轉(zhuǎn)型中的應(yīng)用探索

導(dǎo)讀

無論在消費(fèi)領(lǐng)域還是工業(yè)領(lǐng)域，數(shù)據(jù)的重要性日益凸顯。在工業(yè)場景中，由于現(xiàn)場通信協(xié)議較多且不兼容、現(xiàn)場環(huán)境惡劣復(fù)雜等，導(dǎo)致數(shù)據(jù)獲取難度較大，建立數(shù)據(jù)采集平臺是獲取數(shù)據(jù)的重要保障。工業(yè)大數(shù)據(jù)關(guān)聯(lián)的環(huán)節(jié)較長、業(yè)務(wù)復(fù)雜，用好相應(yīng)的數(shù)據(jù)，可以為企業(yè)數(shù)字化轉(zhuǎn)型賦予更多的能力。

01

引言

截至目前，我國數(shù)據(jù)交易所已達(dá)到 39 家，北上廣深相應(yīng)數(shù)據(jù)中心的入場會(huì)加速數(shù)據(jù)交易量，數(shù)據(jù)的重要性受到越來越多的關(guān)注，“數(shù)據(jù)引擎”所起的作用日益凸顯。在工業(yè)領(lǐng)域，大數(shù)據(jù)的價(jià)值也愈發(fā)被重視。不同于電商或消費(fèi)端的大數(shù)據(jù)，工業(yè)數(shù)據(jù)一是獲取難度大，二是數(shù)據(jù)關(guān)聯(lián)度長且復(fù)雜，建模難度大，價(jià)值挖掘也較難。

02

數(shù)據(jù)獲取

獲取數(shù)據(jù)是進(jìn)行數(shù)據(jù)應(yīng)用的基石。在工業(yè)場景中，各廠家主推自己的產(chǎn)品進(jìn)行競爭，現(xiàn)場通信協(xié)議眾多且互不兼容，導(dǎo)致穩(wěn)定的數(shù)據(jù)采集難度較大，尤其某些進(jìn)口 / 壟斷設(shè)備數(shù)據(jù)接口不開放，獲取數(shù)據(jù)需要額外投資，且風(fēng)險(xiǎn)較大?，F(xiàn)場常見的工業(yè)通信協(xié)議有 PROFINET、PROFIBUS-DP、MODBUS-TCP、MODBUS-RTU、CC-LINK、RS-232/422/485 和 TCP/IP 等，因此建立一個(gè)兼容、高效和穩(wěn)定的數(shù)據(jù)采集平臺，既是重點(diǎn)又是難點(diǎn)。數(shù)據(jù)采集平臺是打通物理世界（設(shè)備）與虛擬 / 數(shù)字世界的“海關(guān)”通道，高效、穩(wěn)定的工業(yè)網(wǎng)絡(luò)是數(shù)據(jù)采集平臺順暢運(yùn)行的重要保障。

2.1 DAQ（數(shù)據(jù)采集）方式

目前現(xiàn)場常用的有兩種主流采集與展示方式：

1）通過 SCADA 軟件進(jìn)行采集與展示。該方式的優(yōu)點(diǎn)是自帶部分驅(qū)動(dòng)支持進(jìn)行數(shù)據(jù)采集，可直接組態(tài)畫面進(jìn)行數(shù)據(jù)展示與應(yīng)用，支持一定的后臺開發(fā)自定義功能。缺點(diǎn)是 B/S 或 C/S 架構(gòu)遠(yuǎn)程訪問數(shù)、所帶客戶端限制較大，自帶的數(shù)據(jù)庫功能不全，腳本語言為 VB/VBS/C，且后臺腳本不宜支持過多，為 Windows 部署方式，擴(kuò)展、靈活部署能力較差；某些汽車主機(jī)廠為了保證 SCADA 運(yùn)行的穩(wěn)定性，嚴(yán)禁后臺添加運(yùn)行腳本。

2）部署 OPC、RDTB 等 DAQ 平 臺， 目 前 主 流 為OPC UA 商業(yè)軟件，自研開發(fā)展示界面等。該方式的優(yōu)點(diǎn)是具備很好的跨平臺支持能力，支持 RESTful、MQTT等接口，可結(jié)合 RabbitMQ/RocketMQ 等消息隊(duì)列，實(shí)現(xiàn)以 Spring 框架為主流的 IT 與自動(dòng)化層的高并發(fā)處理，功能強(qiáng)大、安全性高，如可將現(xiàn)場控制器數(shù)據(jù)直接寫入關(guān)系型數(shù)據(jù)庫，有專門的安全策略，防止入侵，支持的通信驅(qū)動(dòng)種類多，有成熟穩(wěn)定的商業(yè)軟件。缺點(diǎn)是每一個(gè)驅(qū)動(dòng)和功能模塊均需單獨(dú)收費(fèi)，數(shù)據(jù)采集范圍、功能多寡與價(jià)格成正比，配置有一定的門檻，需要掌握 IT 中間件等基礎(chǔ)。

2.2 OPC UA

OPC 是工業(yè)通信的基礎(chǔ)組成部分，加入 OPC 基金會(huì)的工業(yè)品牌的產(chǎn)品都會(huì)支持 OPC 協(xié)議。OPC 有 DA 與UA 之分，UA 已成為主流，主要是 UA 比 DA 具備更好的跨平臺能力、更多的功能、更好的安全性等優(yōu)點(diǎn)。

以 Kepware OPC UA 為例說明建立數(shù)據(jù)采集的平臺的關(guān)鍵步驟：

1）在安裝時(shí)先選擇對應(yīng)采集對象（如 Siemens S7-1500 系列 PLC）的驅(qū)動(dòng)，對于型號較老的 DCS，也可以通過開通部署 OPC 進(jìn)行數(shù)據(jù)采集。

2）按照 Channel、Device 及 Tag 的順序建立變量點(diǎn)位，為保證數(shù)據(jù)交互保持在 ms 內(nèi)，建議每臺 device下的變量不超過 100 個(gè)。當(dāng)同一臺 device 下 的 tag 較多 時(shí)， 可 以 在 同 一 個(gè) channel 下建立多個(gè) device， 如device_1 ～ device_N。

3）與 IT 系統(tǒng)進(jìn)行數(shù)據(jù)交互可在 IoT Gateway 中進(jìn)行相應(yīng)的配置。

筆者通過同一個(gè) OPC UA 在 100ms 內(nèi)采集 120 000點(diǎn)數(shù)據(jù)，與 IT 系統(tǒng)（主要為緊耦合 MES/MOM）在 ms內(nèi)穩(wěn)定交互超 2 000 點(diǎn)數(shù)據(jù)。

2.3 實(shí)時(shí)數(shù)據(jù)應(yīng)用

實(shí)時(shí)數(shù)據(jù)主要是用來監(jiān)視現(xiàn)場狀態(tài)、遠(yuǎn)程控制現(xiàn)場設(shè)備等。SCADA 在此應(yīng)用中起步較早，也較為成熟，但由于上述缺點(diǎn)，在工業(yè)現(xiàn)場中的應(yīng)用熱度漸退。該部分常見的應(yīng)用有現(xiàn)場設(shè)備 / 工藝參數(shù)等的遠(yuǎn)程設(shè)置與監(jiān)視、設(shè)備狀態(tài)監(jiān)視（尤其是關(guān)鍵設(shè)備、危險(xiǎn)源點(diǎn)需要安排專人值守）和生產(chǎn)現(xiàn)場執(zhí)行情況等，數(shù)據(jù)展現(xiàn)形式有 LED、LCD 和微信推送等。展示內(nèi)容根據(jù)現(xiàn)場的實(shí)際需求而定，一般而言，現(xiàn)場放置的 LED、LCD 要能向現(xiàn)場人員傳遞清晰、直觀的生產(chǎn)信息，信息不宜過多。對于 PC 端，操作界面的菜單不宜超過三級。

03

工業(yè)大數(shù)據(jù)

大數(shù)據(jù)需要豐富的數(shù)據(jù)積累，工業(yè)大數(shù)據(jù)需要打通的環(huán)節(jié)很多，如“人機(jī)料法環(huán)”“人財(cái)物產(chǎn)銷”、研發(fā)和質(zhì)量等。工業(yè)大數(shù)據(jù)關(guān)聯(lián)的環(huán)節(jié)長、業(yè)務(wù)場景較復(fù)雜，打通完善數(shù)據(jù)流，數(shù)據(jù)的價(jià)值才能逐步通過應(yīng)用體現(xiàn)。

工業(yè)積累的各種關(guān)系型數(shù)據(jù)、非關(guān)系型數(shù)據(jù)眾多，應(yīng)用大數(shù)據(jù)的第一步是對數(shù)據(jù)進(jìn)行清洗、梳理，找出有代表性、有效的數(shù)據(jù)，此部分難度與工作量較大。如 2014年波士頓發(fā)生恐怖襲擊后，警方抽調(diào)大量人力從廣場附近調(diào)取逾 10TB 視頻數(shù)據(jù)才找到一張嫌疑犯正面照片。以下詳細(xì)敘述工業(yè)大數(shù)據(jù)比較典型的應(yīng)用。

3.1 質(zhì)量分析

穩(wěn)定的質(zhì)量關(guān)系企業(yè)的成本、效益、產(chǎn)能、名譽(yù)和供應(yīng)鏈等方面，是企業(yè)的安全線與生命線。結(jié)合歷史質(zhì)量記錄，可對生產(chǎn)現(xiàn)場的質(zhì)量問題進(jìn)行預(yù)測，由質(zhì)量人員提前介入對前一道工藝或供應(yīng)鏈進(jìn)行預(yù)防。如在汽車主機(jī)廠中，F(xiàn)TT（整車一次下線合格率）直接決定了生產(chǎn)節(jié)拍、生產(chǎn)成本，在某國產(chǎn)汽車主機(jī)廠中，分析同一車型過去 3 ～ 5 年的歷史數(shù)據(jù)，對 FTT 趨勢圖、質(zhì)量問題排行等進(jìn)行預(yù)測，通過現(xiàn)場看板對質(zhì)量問題有清晰直觀的展示，對排名前 3 的問題可實(shí)施目的性強(qiáng)的改進(jìn)措施，將 FTT 由 92.8% 穩(wěn)步提升至 95.6% 以上。

3.2 精益生產(chǎn)

精益生產(chǎn)的思想隨著市場需求由“不制造缺陷，不傳遞缺陷”變?yōu)椤耙员M可能短的時(shí)間縮短產(chǎn)品交付周期”。精益生產(chǎn)在生產(chǎn)過程中通過技術(shù)落地的形式是 ANDON系統(tǒng)，ANDON 典型的應(yīng)用是在汽車主機(jī)廠總裝車間。現(xiàn)場人員發(fā)現(xiàn)問題無法解決時(shí)，通過按鈕、拉環(huán)等觸發(fā)幫助請求，系統(tǒng)通知相應(yīng)人員到達(dá)指定位置進(jìn)行處理，在規(guī)定的時(shí)間內(nèi)未處理完成，該次請求將自動(dòng)逐級上報(bào)，直至到達(dá)總經(jīng)理。通過分析 ANDON 數(shù)據(jù)，對停線原因進(jìn)行分析（如質(zhì)量原因停線、設(shè)備原因停線和缺料停線等），對生產(chǎn)進(jìn)行改進(jìn)，減少非必要停線時(shí)間，達(dá)到降低成本、提升產(chǎn)能的目的。如在某大型國產(chǎn)汽車主機(jī)廠，通過 ANDON 系統(tǒng)實(shí)時(shí)解決質(zhì)量、缺料等問題，分析歷年 ANDON 數(shù)據(jù)對設(shè)備維護(hù)周期、物料配送周期等給出建議任務(wù)并跟蹤執(zhí)行情況，減少非故障停線率 80% 以上，順利保障了生產(chǎn)連續(xù)進(jìn)行。

3.3 汽車面漆預(yù)測

對歷年生產(chǎn)、銷售數(shù)據(jù)進(jìn)行詳盡統(tǒng)計(jì)、分析，對不同面漆顏色車輛的產(chǎn)銷、庫存情況有清晰直觀的掌握?？筛鶕?jù)此數(shù)據(jù)決定下一生產(chǎn)周期內(nèi)面漆的采購量、采購周期、庫存量、庫存周期、調(diào)漆間任務(wù)計(jì)劃、噴漆裝置易損件采購量與采購周期等。在以產(chǎn)定銷時(shí)，可對暢銷產(chǎn)品的排產(chǎn)有一定的指導(dǎo)作用。如某汽車集團(tuán)生產(chǎn)計(jì)劃部門根據(jù)近 5 年產(chǎn)銷數(shù)據(jù)制定面漆需求計(jì)劃，采購部門結(jié)合庫存情況制定訂單，可有效減少面漆庫存 34% 以上，也避免了部分特殊顏色面漆因長期庫存導(dǎo)致報(bào)廢的情況。

3.4 生產(chǎn)預(yù)測

根據(jù)歷史銷售、市場反饋（含有獎(jiǎng)?wù){(diào)查）等數(shù)據(jù)，對產(chǎn)品做一定的預(yù)測，可提前安排生產(chǎn)計(jì)劃、采購計(jì)劃、設(shè)備檢維修計(jì)劃、人員安排計(jì)劃和物流計(jì)劃等。根據(jù)數(shù)據(jù)可建立生產(chǎn)預(yù)測模型，在以銷定產(chǎn)時(shí)，能夠快速響應(yīng)銷售訂單，降低產(chǎn)品交付周期；在以產(chǎn)定銷時(shí)，能夠生產(chǎn)出符合市場需求的產(chǎn)品，降低庫存周期。有效數(shù)據(jù)量越大、數(shù)據(jù)涵蓋的維度越全，生產(chǎn)預(yù)測模型就會(huì)越準(zhǔn)確，生產(chǎn)各環(huán)節(jié)適應(yīng)變化的能力就越強(qiáng)，可大幅降低生產(chǎn)成本。如某汽車集團(tuán)的數(shù)據(jù)、生產(chǎn)、售后、產(chǎn)品研發(fā)和測試等部門根據(jù) 5 ～ 10 年的銷售、售后數(shù)據(jù)，制定半年的生產(chǎn)計(jì)劃，通過后續(xù)的產(chǎn)銷數(shù)據(jù)驗(yàn)證了該生產(chǎn)計(jì)劃可有效降低整車庫存周期至 2 個(gè)月以內(nèi)，提升各生產(chǎn)環(huán)節(jié)效率超過 11%。

3.5 配件采購

對產(chǎn)品生產(chǎn)過程全生命周期進(jìn)行管控，對不合格需返工成品所消耗的零部件 / 原材料進(jìn)行精確的統(tǒng)計(jì)，根據(jù)生產(chǎn)量可對生產(chǎn)設(shè)備需要更換的易損件進(jìn)行統(tǒng)計(jì)，在低于安全庫存時(shí)可對需要采購的零部件 / 原材料、易損件等進(jìn)行預(yù)測并自動(dòng)生成采購 BOM 和采購計(jì)劃至采購系統(tǒng)，由采購人員確認(rèn)后可向相應(yīng)的供應(yīng)商下達(dá)采購訂單?？捎谩皵?shù)據(jù)”對采購計(jì)劃提供科學(xué)可靠的指導(dǎo)，可降低供應(yīng)鏈風(fēng)險(xiǎn)、避免高庫存占用資金，進(jìn)而降低企業(yè)運(yùn)營成本。如零部件采購部門通過對數(shù)據(jù)的掌握，嘗試運(yùn)用采購預(yù)測可提升采購效率超過 46%、降低零部件庫存超 51%，有效地提升采購效率、降低高庫存導(dǎo)致的資金占用。

3.6 企業(yè)轉(zhuǎn)型

工業(yè)企業(yè)會(huì)有自己的主打產(chǎn)品，通過積累產(chǎn)品在應(yīng)用時(shí)的數(shù)據(jù)，能指導(dǎo)與幫助企業(yè)轉(zhuǎn)型。典型案例是 GE 由發(fā)動(dòng)機(jī)供應(yīng)商轉(zhuǎn)型為服務(wù)商，GE 在航空發(fā)動(dòng)機(jī)、輪船發(fā)動(dòng)機(jī)等內(nèi)燃機(jī)市場占據(jù)了很大的份額，GE 利用傳感器、衛(wèi)星通信等技術(shù)采集與傳輸發(fā)動(dòng)機(jī)數(shù)據(jù)，已逐步由發(fā)動(dòng)機(jī)設(shè)備供應(yīng)商轉(zhuǎn)型為發(fā)動(dòng)機(jī)服務(wù)供應(yīng)商，即由賣產(chǎn)品轉(zhuǎn)型為賣服務(wù)。

在民用航空飛機(jī)上，發(fā)動(dòng)機(jī)、燃油系統(tǒng)、液壓系統(tǒng)和電力系統(tǒng)等數(shù)以百計(jì)的變量組成了飛機(jī)在航狀態(tài)，這些數(shù)據(jù)幾 μs 就被測量和發(fā)送一次。以波音 737 為例，發(fā)動(dòng)機(jī)在飛行中每 3min 就能產(chǎn)生 1TB 數(shù)據(jù)。位于美國亞特蘭大的 GE 能源監(jiān)測和診斷（M&D）中心，收集全球 50多個(gè)國家上千臺 GE 發(fā)動(dòng)機(jī)的數(shù)據(jù)，分析來自系統(tǒng)內(nèi)的恒定大數(shù)據(jù)流，為 GE 公司對發(fā)動(dòng)機(jī)故障診斷和預(yù)警提供支撐。GE 對發(fā)動(dòng)機(jī)轉(zhuǎn)為以租代售，客戶可以不用一次性付巨款購買發(fā)動(dòng)機(jī)，GE 也能依據(jù)數(shù)據(jù)對產(chǎn)品提供更好的維護(hù)與改進(jìn)。

3.7 加速產(chǎn)品創(chuàng)新

跟蹤產(chǎn)品在測試、驗(yàn)證階段的問題，作為研發(fā)改進(jìn)的方向。跟進(jìn)并掌握產(chǎn)品在實(shí)際使用中的數(shù)據(jù)，尤其是故障、異常信息，找到根源，并結(jié)合市場需求變化，通過數(shù)據(jù)分析產(chǎn)品缺陷或改進(jìn)點(diǎn)、市場趨勢分析與精準(zhǔn)預(yù)測，對后續(xù)產(chǎn)品改進(jìn)、新產(chǎn)品創(chuàng)新提供重要的方向。甚至競爭對手如果掌握了競品在應(yīng)用中的數(shù)據(jù)，就可以進(jìn)行有目的性的競品開發(fā)。如某電機(jī)廠在電機(jī)出廠時(shí)預(yù)裝傳感器，免費(fèi)向用戶提供設(shè)備狀態(tài)檢測、遠(yuǎn)程故障診斷和預(yù)防性維護(hù)等增值服務(wù)，通過不間斷收集產(chǎn)品在不同場景實(shí)際使用中的客觀數(shù)據(jù)，能夠?qū)Ξa(chǎn)品優(yōu)化迭代提供精確的方向指導(dǎo)。

3.8 促進(jìn) AI 發(fā)展

AI 的發(fā)展也是“三起三落”，隨著大規(guī)模集成電路的發(fā)展、AI 算法的深入研究，AI 應(yīng)用也逐漸爆發(fā)。要想 AI 在應(yīng)用過程中達(dá)到理想的效果，需要大量的數(shù)據(jù)供其進(jìn)行模型訓(xùn)練。在工業(yè)應(yīng)用中，提供給 AI 訓(xùn)練的數(shù)據(jù)可以是圖片、視頻等。提供給 AI 進(jìn)行模型訓(xùn)練數(shù)據(jù)時(shí)容易有一個(gè)誤區(qū)，即人為模擬制造數(shù)據(jù)，此時(shí)得到的模型在實(shí)際應(yīng)用時(shí)檢測精度會(huì)不理想，因此，若要模型的檢測精度較高，提供給 AI 訓(xùn)練的數(shù)據(jù)須源自實(shí)際。如在工業(yè)質(zhì)檢領(lǐng)域，需要提供大量的樣本進(jìn)行模型訓(xùn)練，以提升模型在應(yīng)用時(shí)的檢測精度。在化纖外檢實(shí)際項(xiàng)目中，對某一固定缺陷進(jìn)行應(yīng)用時(shí)可知，當(dāng)實(shí)際生產(chǎn)中產(chǎn)生缺陷樣本在 1 000 左右時(shí)，檢測精度為 86.7%，訓(xùn)練樣本在2 000 左右時(shí)，檢測精度為 93.2%，訓(xùn)練樣本在 4 000 時(shí)，檢測精度為 99.2%，AI 檢測模型會(huì)越用越好，主要原因就是數(shù)據(jù)量的增加會(huì)提升模型的檢測精度。得益于開源的圖像集、深度學(xué)習(xí)框架等，部分行業(yè) AI 檢測等的通用模型可供企業(yè)使用。

3.9 促進(jìn)經(jīng)驗(yàn)傳承

工業(yè)中最難的是將隱性經(jīng)驗(yàn)轉(zhuǎn)變?yōu)轱@性知識，很多“老師傅 / 老專家”經(jīng)驗(yàn)豐富，但很難將經(jīng)驗(yàn)轉(zhuǎn)換為現(xiàn)場技術(shù)人員可以聽懂、掌握的技能，如化工行業(yè)中某處中間產(chǎn)品指標(biāo)有波動(dòng)時(shí)，“老師傅 / 老專家”可以根據(jù)不同的波動(dòng)值范圍判定出是哪個(gè)工藝參數(shù)、哪個(gè)反應(yīng)釜中哪個(gè)設(shè)備或哪處催化劑等有問題并迅速進(jìn)行正確調(diào)整?？梢越柚?AI 關(guān)聯(lián)更多環(huán)節(jié)，將行業(yè)現(xiàn)場的隱性、難表達(dá)的經(jīng)驗(yàn)轉(zhuǎn)換為顯性易懂的知識。如在化纖 EAM 系統(tǒng)的設(shè)備維修模塊中詳細(xì)記錄每次的故障現(xiàn)象、維修過程和故障原因分析等完整數(shù)據(jù)，不斷完善該知識經(jīng)驗(yàn)庫，通過 AI建立故障維修模型，當(dāng)監(jiān)測到下次有類似故障發(fā)生時(shí)，可立即向相關(guān)維修人員提供維修建議，大幅減少故障維修處理時(shí)間。化纖長絲 AI 質(zhì)檢成套設(shè)備如圖所示。

3.10 促進(jìn)工業(yè)軟件的發(fā)展

工業(yè)軟件需要對軟件在應(yīng)用時(shí)的需求、操作和應(yīng)用等各種數(shù)據(jù)等進(jìn)行大量總結(jié)、提煉，對后臺需要的功能組件進(jìn)行針對性地改進(jìn)設(shè)計(jì)，操作人員在使用時(shí)才會(huì)得心應(yīng)手。工業(yè)軟件在我國有著巨大的應(yīng)用場景和應(yīng)用需求，但工業(yè)軟件也是我國軟件行業(yè)的薄弱環(huán)節(jié)，相信工業(yè)大數(shù)據(jù)會(huì)對我國工業(yè)軟件的發(fā)展與突破起到很大的促進(jìn)作用。通過積累建筑電氣設(shè)計(jì)方面的數(shù)據(jù)，不斷完善基礎(chǔ)插件、功能庫，實(shí)現(xiàn)了通過國產(chǎn) CAD 軟件電氣設(shè)計(jì)；國產(chǎn) ERP 軟件也是通過某一行業(yè)的數(shù)據(jù)不斷進(jìn)行完善，進(jìn)而由點(diǎn)擴(kuò)面地推廣應(yīng)用，實(shí)現(xiàn)數(shù)據(jù)—產(chǎn)品的良性迭代。大量的應(yīng)用場景產(chǎn)生的大量有價(jià)值的數(shù)據(jù)一定會(huì)促進(jìn)國產(chǎn)工業(yè)軟件的發(fā)展與突破。

04

結(jié)束語

隨著企業(yè)數(shù)字化的進(jìn)程，數(shù)據(jù)的作用與價(jià)值顯得愈加重要，如果說數(shù)字化是企業(yè)的“增長引擎”，數(shù)據(jù)就是該“引擎”的“潤滑劑與燃料”。數(shù)據(jù)貫穿研發(fā)、制造、物流、銷售和財(cái)務(wù)等“人機(jī)料法環(huán)”“人財(cái)物產(chǎn)銷”的環(huán)節(jié)，工業(yè)大數(shù)據(jù)的應(yīng)用會(huì)越來越廣泛，其價(jià)值也會(huì)得到廣泛驗(yàn)證。工業(yè)大數(shù)據(jù)是“工廠數(shù)字經(jīng)濟(jì)”“數(shù)字化工廠”的核心內(nèi)容之一，其應(yīng)用價(jià)值值得深入探索，數(shù)據(jù) +AI會(huì)成為企業(yè)數(shù)字化轉(zhuǎn)型與增長的重要?jiǎng)恿εc手段。