大数据时代的工业进阶

潘谌奎

工业领域的发展始终与技术革新息息相关，最新的技术趋势是，工业互联网建设日深，对机器数据、机器轨迹数据，如设备控制器、传感器、制造控制系统等被广泛关注与应用。工业大数据带给产业界全新的多样性思考与更多的拓展性举措，然而从海量工业数据中切实挖掘出有效信息并分析转化为指导决策及行动，还有颇多问题待解。

掘金价值场景

我们已经生活在一个充斥着海量数据的世界里，抛开大数据改变生活的惊叹和新科技之下丰富多彩的便利生活不言，“大数据=大动力=大利润”显然更让产业界津津乐道，零售业经过数据挖掘发现消费者的购物规律，城市管理者监测、分析和整合各种数据以做出智能化的响应，上个世纪80年代末，世界500强企业就有30%以上为自己设立了CIO（首席信息官）职位，这个数字很快在数据洪流席卷世界后变成百分之百。

“大数据本身并不厉害，厉害的是依托它所做的精准分析，那种判断力与洞察力。”这是世人对大数据最直观的认知。而因为涉及很多方面的数据，工业大数据从内涵角度实则难以给出最明确的定义，或者说它只是众多大数据中的一个类型，产生于工业领域的智能化生产过程中。作为新兴事物之一，工业大数据在应用推广方面还需做出很多努力与探索，人们需要对来自于繁多生产环节中分散的数据进行格式转化，采集、存储和分析，其应用价值在工业企业上下游及行业内外的领域中也有所体现。

作为工业大国，中国有着非常庞大的应用体系，这就大大增加了对大数据和互联网的应用需求。昆仑智汇数据科技（北京）有限公司创始人陆薇认为工业生产依赖大量资产设备是必然正视的事实，“物联网的兴起，使得我们可以采集到设备的工作状态信息、周围环境信息以及人和设备的交互信息，并通过这些信息对工业生产经营状况有深入的洞察，从而实现优化提升，达到提质、增效、降耗、控险的目的。这项工作可以提升工业企业的竞争力，对于中国这样的工业大国具有非常重要的意义……对于整个工业从自动化、信息化走向智能化的融合发展，工业大数据技术将起到关键的作用。”她指出有序、健康发展工业大数据应当具备四个关键要素，“第一，场景;第二，领域知识;第三，数据;第四，技术。”“无论什么样的技术，首先得有用武之地。应用场景保证了技术价值的同时，也提供了具体需求。在具体应用场景下，一定要具备相关领域的行业知识，才能够深入地理解问题、解决问题。此外，与问题关联的上下文数据生成之后，结合相关领域知识，对数据进行梳理，并通过相应技术来解决数据问题。这一切的前提是，如何选择一个有价值的场景，并能够通过数据技术手段来支持这个场景。而场景的选择，也代表了我们对行业的认知。”

使能智能制造

工业大数据的关键技术有哪些还存争议，可以肯定的是单单把开源相关技术拼凑一下的产物不等同于工业大数据平台，草草将机器深度学习技术结合起来也不意味着就完成了工业大数据的分析……和其他大数据相比，工业大数据在真实性、实时性、可靠性和完整性上都有着更高要求，在收集、分析、挖掘等方面都有很大的难度，唯一相同的是，工业大数据拥有着广阔的应用场景与市场前景。

麦肯锡咨询公司在其发布的《如何利用大数据改进制造业》报告中列举了10条大数据颠覆制造过程的路径，“优化生产进度，提高制造绩效，精确供应商管理，追踪产品质量、改进工作流程，以销定产、制定生产计划，量化产能、追踪设备运转效率，提供生产设备预防性维护建议……”专注大数据业务的兮易强企董事长陈广乾指出工业大数据落地的關键点在于业务逻辑，“互联网大数据时常是一种关联的挖掘，是发散的分析，而工业大数据具有很强的目的性;此外，工业大数据极其复杂，不仅仅是因为需要与企业复杂的业务结合，还要和企业的工艺、生产、产品、产线相结合，里边的专业性极强。”在他眼里工业大数据是否能在企业中落地需牢记3个核心点，“出发点：企业追求的是带来多少效益;关键点：先深入了解业务，建立业务模型再建数据模型;持续点：算法模型的成功并非一蹴而就，在建立起来后还需要不断训练并与业务模型匹配。”

工业大数据如何带来价值，如何解决问题，已成为相关企业关注的重点。谈及如何以工业大数据支撑企业智能决策，北京大学工业工程系主任侍乐媛表示，“工业的智能化、信息化，并非购买机器人、连接互联网、联通传感器就可以了。利用现有存量，在管理上做创新，提高效益，制造企业需要有经纬纵横的采集能力。”在具体的运用过程中，侍乐媛建议，“利用原有硬件存量，通过生产资源的优化配置，有效的信息化管理工具，可以弥合工业大数据断层，打通企业生产全生命周期的数据流，提升企业的生产能力。通过仿真模拟，识别生产过程的瓶颈资源与相应问题、生产过程关键环节，能够大幅提高目前大部分中小企业的生产效率，降低运营成本。”