清華大學軟體學院黨委書記、副院長王建民：工業大數據理論與實踐

5月5日，「2017中國工業大數據大會·錢塘峰會」在杭州國際博覽中心舉辦。本屆峰會以「數據驅動創新 融合引領變革」為主題，圍繞工業大數據展開分享與交流。清華大學軟體學院黨委書記、副院長王建民，以「工業大數據理論與實踐「為題探討了自己的看法。

以下為嘉賓演講實錄：

在兩三年前，當時講到工業大數據的話，很多人會有挑戰。工業里有大數據嗎？工業的大數據在哪兒？今天通過大家的努力研討，大家對工業大數據非常支持認可並且在應用。我就簡單彙報一下自己對工業大數據的認識。

正如譚建榮院士講的那樣，中國工業的數字化、自動化、信息化不是昨天才開始的，是很長時間，從863到計劃開始，當時有HIMSS計算機集成製造系統，那時候工業就在應用計算機，就在產生數據，就在應用數據。今天為什麼對工業大數據這麼感興趣，對工業互聯網這麼感興趣，對工業智能這麼感興趣，說明一方面工業很重要，另一方面工業遇到了問題。這個問題就是這條曲線所揭示問題，（PPT圖示）Gartner回顧了，橫軸是國家的製造總值，縱軸是製造業，今天講工業大數據的時候，還是在製造業上，所以工業是不可避免的下降，這時候大家就講升級和轉型。升級和轉型的動力和來源問題，在這樣的情況下，全球都在尋找未來製造的出路在哪裡，未來工業的出路在哪裡。

這張圖已經用了十五年，大家看看製造的生命周期大致劃分為三個階段：設計製造階段、服務保障階段、回收再利用階段。也有人劃分為四個階段，徐院士就是劃分為四個階段，今年譚院士講的設計製造就是在第一階段。今天沒有數據，是過程，今天非常高興又和陳總會面，他是在一位流程領域深入研究的專家，我非常敬佩。

數據在流程中，在這裡和大家分享一個觀點，大家擁抱數據的時候，千萬不要忘了流程，因為工業製造中的生產組織和價值創造是蘊含在流程中的，沒有流程，僅僅有數據，是不創造價值，所以流程和數據要並重。在徐總帶領下的工業互聯網聯盟，探討了工業領域的模式，在個性化定製、智能化生產、網路化協同、服務化延伸、資源化回收，製造的本質要做到從搖籃到搖籃，製造的生產不是沒有限量，要和大家分享這樣的觀點。

今天有很多企業製造業的專家，信息化在中國，「兩化」融合在中國有很長一段歷史，現在我國已經變成了新的科技技術，863計劃、信息化一直是我們的主題，「兩化」融合一直是我們的主題，現在信息化和大數據的關係，簡單來說信息化是數據的依次傳遞，是在收集應用中的，貫穿到各個流程，驅動各個流程業務的有效傳遞的問題，我們說四個兒也好，五個兒也好，是信息化要做的事情。今天信息化應用是數據化的二次應用，很擔心大家把信息化、大數據混為一談，現在很多人做的工作不是大數據的事，是信息化的事，信息化的事也還沒有做好。

我們說大數據要講究增量，要講究新，不能把新瓶裝老酒。一個非常重要的變化就是以產品交付為起點看今天的生產了，不是從設計製造作為原點，而是把產品交付作為起點，這些就不展開了，大家看GE的報告就清楚了。

正本清源一下，我是做學問的，較較真，工業大數據包括什麼？第一就是信息化數據，這是信息化的1.0時代，現在還在走，企業信息化軟體、工業軟體的核心四大件，PLM、ERP、CRM、SCM是轉不動。90年3W發明之後，美國工業在上世紀90年代中期大量用跑互聯網，從internet到Internet，很多工業都延伸到了全球。近年來就是機器數據、物聯網數據，這是增量，現在說信息化數據、互聯網數據再加上物聯網數據，來的路上和余總討論，最近IIC把工業互聯網改成了工業物聯網，現在工業互聯網和工業物聯網不區分了，大家都看到了這種變化。

工業大數據國際上解讀比我們窄得多，大家可以去查一下維基百科，維基百科對工業大數據的定義就是在工業物聯網上。回顧和認真思考一下工業大數據帶來的挑戰，剛才各位專家都提了，這裡從我們的視角來看一下，第一件事情就是以多種類非結構化的數據、過程與BOM圖數據、裝備監測時序數據為代表工業大數據，呈現出碎片化、高通量、低質量、實時性、因果性的分析求許多。這裡面可以看到什麼碎片化，怎麼解決；什麼是高通量，持續數據的分析是工業大數據技術的核心，或者說是時空數據分析是，TSFile是清華大學軟體學院開發的一個開源生態，再加上一些自主研製就不展開了。為什麼讓給賀總呢？因為他是我們早期的合作夥伴，三一的平台建設是清華大學幫助他開發，當時他是自己內部應用。在應用過程中發現大量的工況數據，在Oracel平台上需要的，現在他已經開放出來。

數據的質量是相對的，不是絕對的。有的記一下次數，丟一兩個數據沒有問題，如果要分析當時機器的原因就要採集到50HZ。工業大數據分析和工業BI的區別，現在很多把商務智能的應用也就等同於工業大數據，這也不妥。儘管塗子沛先生在工業大數據里首先講的是BI，但工業大數據遠遠超過了BI，更多的是描述性分析、預測式分析、處方式分析不能混淆，後方的調度和前方的操作不能脫節，某種意義上這也是CPS的核心。

「雲」+「端」的分析一定是工業大數據的特點，IDC在2015年講到「隨著邊緣計算和端計算的普及，45%的IOT數據將會在邊緣就完成了」，但是怎麼完成需要和雲協同，所以今天講機器學習，數據驅動的智能核心是要把訓練的模型降下來，用到端上應用，把訓練放到雲樂觀上做得越來越好，這是架構理念的問題。

工業大數據分析的因果性方面，前段時間大家把因果性和時序性進行了論述，講得非常好。在物理模型和數據對應的問題，前段時間，清華大學把機器學習之父進行了演講，他說推理思維和數據思維的一種結合，數據結合是歸納，推理思維是講演繹的，今天的人工智慧從推理方面講沒有智能，而在數據驅動方面沒有智能。他作為奧巴馬總統的首席科學家，他說今天的大數據分析推理敢信嗎？可信嗎？如何驗證大數據分析的結果？他說最終大數據分析的可行性問題是工業領域或者說往產業應用里不可逾越的門檻。今天徐宗本院士也提到了這一點。

譚院士講了前端的創新，我講一點服務性製造後端的延伸。這件事情也不是新鮮事，大家看美國的波音公司的售後服務做得非常好，到「十一五」的時候，我們發現很多HIMSS工作都是企業內的，能不能走到企業外？那時候我們就關注了MOL的東西。大家講製造和服務怎麼融合，今天想製造有它的特點，服務有它的特點。今天再看服務和製造真的融合了嗎？製造是有形的，腦就的，服務是無形的，不可觸及，不可耐久，當時看今天的很多服務有形了，很多製造變成很彈性了。怎麼把服務和製造結合起來，今天和大家分享一個MRO的東西。

是Maintenance，Repair，Overhaul，哈佛大學一個把互聯網分為四個監測、控制、優化、自主。對GE的平台，我認為大家不要過分解讀GE，它是一個新一代的MRO平台，是從聯網開始的，我們對它過度解讀，那是對它還不了解。這是它的Cloud的人很清楚，怎麼搭出來的，那是它的新創造，不多。舉一個例子，就是北京工業大學中心和K2，所以我就簡單講一下工業大數據和服務性製造的關係。去年11月份《巴黎協定》正式生效了，中國和美國承擔著到2030年減排40%的任務，清潔能源成為我們的發展方向。國家能源局的初步統計，2016年全國棄風限電導致損失達到了600億。我們有這麼多供應鏈，很多電不能上網，有經濟下行的原因，還有電的質量問題。金風科技是國家的龍頭企業，它的對手就是GE和Vestas，是我們製造不行嗎？我們的產品和它相差無幾，但我們的風能的風場預測和人家有差距。我們就和金風科技，和跨界數據氣象結合，這裡也和大家彙報一下，雖然去年G20峰會沒有參加，但是清華的氣象大數據預報平台的成果在這裡得到了運用。因為三年前，我們和國家氣象局開發了氣象數據處理系統，我們就利用這樣的優勢和金風一起解決風力的優化問題。

後面就不展開講了，包括用工業大數據預測的變強層的斷裂，包括用工業大數據檢測葉片結冰，我們徵得了金風的同意，會把數據放在余總發布的工業大數據競賽的平台上，希望大家利用這個場景做出更多更好的案例。回到前面，工業大數據還是要回到工業做好升級和轉型。

最後和大家分享，大數據在從消費互聯網向產業互聯網滲透，清華大學也正在開發面向高端製造領域的大數據管理系統，一個是航天航空裝備創新研發與應用示範，還有互聯網工業製造的工業示範。時間關係就彙報到這裡！