崑崙數據陳晨：工業大數據真正要做的是智能分析和智能決策

「真正的大數據不是有了數據，把這些數據接入之後存起來就可以了，真正要做的事情是智能分析和智能決策，通過在兩化融合的基礎上構建的智能分析優化系統「工業大腦」，進行相應的智能決策。」

近年來，工業大數據逐漸從概念走向落地階段，數據基礎較好的一些細分工業領域，已經在利用新興的大數據等技術創造價值。崑崙數據科技公司首席運營官陳晨闡述了大數據如何推動中國工業轉型升級、產業變革，以及工業大數據的特點難點，行業中面臨的挑戰和實施路徑。

圖：12月26日，清數大數據產業聯盟與清華校友總會AI大數據專委會（籌）共同主辦的清數思享會系列活動首次在天津武清舉辦。陳晨在會上做了相關分享。

大數據文摘對本次分享的精彩內容進行了整理，在不改變原意的前提下有刪改：

工業革命的關鍵技術要素是工業大數據。各個產業大國都面臨著從傳統製造業向製造服務業轉型的壓力。美國的應對方法是工業互聯網革命，德國提出實施工業4.0戰略，我們國家提出「中國製造2025」戰略規劃。美國的工業互聯網側重於用互聯網激活傳統工業帶動產業變革，關鍵是通過大數據的分析能力實現智能決策。德國4.0的本質是基於「信息物理系統」實現「智能工廠」標準化，」中國製造2025」戰略將工業互聯網和智能製造兩者進行有機的結合。

面對新一輪的工業革命，要以信息化和工業化的深度融合為基礎進行智能化升級。真正的大數據不是有了數據，把這些數據接入之後存起來就可以了，真正要做的事情是智能分析和智能決策，通過在兩化融合的基礎上構建的智能分析優化系統「工業大腦」進行相應的智能決策。這些智能分析與決策離不開原有的信息化系統和自動化系統的支撐，更離不開產生這些數據的實體設備與裝備。工業大數據的來源其中一部分是生產經營領域的數據，另外很大一部分則是生產設備和生產出來的高端產品與裝備在運營過程中產生的機器數據。基於這些數據集成實體運行所在環境數據，在信息管理系統和自動化系統基礎之上，構建具備智能分析優化能的大數據系統 ，達成提質、增效、降耗和控險的目的。

工業大數據可以分為三類，一部分是工業物聯網數據，比如生產設備、智能產品、複雜裝備24小時不斷產生的數據。一部分企業信息化數據，同時還有很重要的一部分數據是外部跨產業鏈的數據，包括設備在運行過程中所處的環境數據，比如氣象數據、地理數據、相應的環境數據，這三種數據合計才能稱之為工業大數據。

工業大數據的挖掘就是把工業物聯網數據與跨產業鏈數據以及企業信息化數據相結合，把分散在企業各個角落裡的數據進行整合，挖掘這些數據融合所能產生的價值。

工業大數據的特點：多模態、高通量以及強關聯

多模態。

在工業系統里數據種類、數據格式以及數據結構非常多，結構關係複雜。一個汽輪機裡面會有上萬個零部件，一個複雜裝備的製造企業，它的數據種類多達三百餘種，所以在工業領域裡會存在數據多模態特徵。

高通量。

即無論是生產設備還是智能裝備有可能是24小時不間斷產生數據的，我們以分、秒的頻率採集數據，在很多應用場合甚至是毫秒級的數據。這些數據的數據量非常大，海量的設備與測點，數據採集頻度高、數據吞吐總量大、數據的實時性要求高，呈現出工業大數據的「高通量」特徵。

強關聯。

真正做一個產品設計的時候，它涉及到學科與專業是非常多的，比如設計複雜裝備的時候，不僅僅是涉及到結構分析，流體力學、聲學、動力學、電磁輻射等等各個學科的數據都要進行關聯。數據之間的「強關聯」反映的就是工業的系統性及其複雜的動態關係。

基於工業大數據的特點，工業大數據的數據分析與消費互聯網領域裡的數據分析是有相當大的差別的。消費互聯網大數據的分析對象更多的是以互聯網為支撐的交互，工業大數據實際上是以物理實體和物理實體所處的環境為分析對象，物理實體就是我們的生產設備以及生產出來的智能裝備及複雜裝備。在商業數據裡面關注數據的相關性關係，但是在工業領域裡面一定要強調數據因果性，以及模型的可靠性，一定要提升分析結果的準確率才能把分析結果反饋到真正的工業控制過程中。

工業大數據面臨的挑戰

企業應用工業大數據面臨的技術挑戰。企業普遍面臨數據基礎薄弱的境況，企業收集的數據不夠，甚至沒有數據。企業真的要在數據轉型有戰略上的調整，它才會有較大的投入，如果它沒有這種戰略規劃的時候，很難負擔得起專業數據人才的成本。市場上也缺乏工業大數據所需的複合型人才。另外每個工業領域裡都有獨特的知識領域和機理形成的行業門檻，沒有一個普適性的解決方案可以在工業領域裡通用。行業解決方案，只會對某一個行業才能發揮相應的價值。

企業應用工業大數據面臨的管理挑戰。很多合作夥伴或者客戶初期並不知道數據和業務問題之間怎麼關聯，怎麼和業務結合都不清楚，不知道數據到底能不能解決業務問題。有的企業有應用工業大數據的願景，但是業務與工業大數據的實施路徑都沒有統一。

大數據不僅僅是物聯網數據採集與存儲，包括數據的管理、分析與反饋，需要在數據生命周期內構建一個閉環系統，構建這個閉環需要一個過程，不可能一蹴而就。同時，大數據的應用會涉及到企業內部管理流程和經營理念的變革,工業大數據是把工業領域內三類數據進行融合應用，真正發揮大數據的價值的場景不僅是智能製造，同時也包括產業互聯網裡業務模式創新，所以相應的經營理念和管理機制都要發生變革。這是企業在管理方面面臨的最大的挑戰。所以有時候大家會看到，工業企業的大數據應用甚至都不僅是一個企業的CIO所能牽引的，這需要整個企業在戰略層面去推動，要有明確的數據驅動的業務戰略規劃。

工業大數據的業務落地

通常來講，在與企業規劃工業大數據業務落地可以從兩個維度與企業一同進行思考。一方面是從業務驅動角度來看，要思考企業的整體業務目標是什麼，為了實現這個業務目標要做什麼樣的轉型以及哪方面的能力提升，具體的業務提升和轉型方向是什麼；為了實現業務目標，理想的業務流程是什麼，如何讓這個流程跟數據流進行相應的結合和映射。這是一個由上而下的思考過程，是企業的高層管理者、戰略管理者進行思考並牽引，通過中間管理層完善與豐富，最後落地實施的過程。很多時候大數據應用確實可以解決業務問題，但也可能解決不了所有的業務問題。大數據應用真正幫助企業的不僅僅是在於具體業務問題的解決層面，它是要讓企業構建對數據駕馭的能力，當企業具備了這種能力後，才能夠真正讓企業在內部的生產管理、對外的經營模式上產生變化，真正形成持續的創新與應用的能力。

如何利用數據進行驅動。第一是去看現在手裡有什麼樣的數據，這些數據從哪兒來，如果沒有這些數據要怎麼收集，以及這些數據的特點到底是什麼，是時序數據、時空數據、智能產品產生的數據、生產設備產生的數據，數據量到底有多大；第二是對這些數據有了了解以後，這些數據怎麼保存、管理、使用，另一個比較重要的則是數據質量怎麼保證。第三是用什麼樣的系統、什麼樣的工具保證數據存儲、數據管理、數據處理？同時這些數據到底如何進行集成、關聯，不僅僅要把設備產生的數據拿來進行分析管理，還要在分析過程中關聯周邊的環境數據、地理數據等跨界數據。

工業大數據價值實現的場景

工業大數據應用場景主要可以歸納為兩個場景，一個是圍繞製造全生命周期的業務創新即先進位造，通過大數據驅動的創新產品設計、智能製造、智能服務，實現「提質、增效、降耗、控險」，達到提升企業在行業內競爭力的目的；另一個是產業互聯網新業務創新（製造+互聯網）：以智能聯網的工業產品為載體承載服務產品周邊生態系統的產業互聯網業務，達到開創新興市場和業務模式的目的。

工業大數據應用案例

工業大數據在工程機械領域應用案例。

工程機械設備大都在野外作業，作業環境惡劣，作業工況複雜。基於工程機械大數據解決方案實時監測設備狀況，實現對設備的預防性維修及服務，在設備發送故障前，主動預警並觸發維保方案， 基於設備運行狀況大數據分析，為企業帶來新的決策創新-助力企業準確判斷市場熱度、實現產品精準營銷、產品改進和企業風險管控。

工業大數據在風電領域應用也體現出巨大的價值。基於工業大數據分析平台，從故障預警、運營優化等方面著手挖掘大數據價值，取得明顯成效。風機的設計/模擬數據、運維檔案、風機狀態監測數據、測風塔觀測數據、氣象數據、地理信息等風電數據資源池統一整合到工業大數據分析平台，通過裝備智能化、供應鏈協同、跨生態整合三條路徑，逐步實踐風電裝備製造的數字化升級。在既有業務提質增效的基礎上，進一步驅動產業互聯新業務。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！