中国工业大数据的实践与思考

先分享一下我对工业大数据的理解。

　　简单来讲，工业大数据就是在工业领域信息化相关应用中所产生的海量数据，注意这里的“相关应用”意味着不仅包括企业内和产业链，还包括客户用户和互联网上的数据。

　　2012年，GE公司率先明确了“工业大数据”的概念。同年麦肯锡的报告中给出了一个有趣的事实：那就是在虚拟经济占主导地位的美国，其工业界蕴含的数据总量反而是最大的。

　　同时GE公司的报告还揭示了工业大数据所蕴含的巨大价值。

　　那么，为什么今天提出“工业大数据”?我感觉有几个重要背景，第一是数字化装备和产品的普及，第二装备和产品网络化连接的普及（互联网），第三是企业向服务型制造转型，第四“从摇篮到摇篮”制造的必然要求。无疑“智慧互联设备”、“工业4.0”和“工业互联网”都顺应了这样一个趋势。

　　下面汇报我自己对工业大数据的几点思考：

　　工业大数据从哪里来？工业大数据来源于产品生命周期的各个环节，包括市场、设计、制造、服务、再利用各个环节，每个环节都会有大数据，“全”生命周期汇合起来的数据更大，当然企业外、产业链外的“跨界”数据也是工业大数据“不可忽视”的重要来源。

　　其次，工业大数据和企业已有数据之间的关系？传统企业信息化的“四大件”，广义PLM系统（包括CAX）支持产品开发、ERP系统负责“人财物、产供销”、SCM系统协调供应链，CRM系统关照企业客户和用户，这些系统一般架构在关系数据库系统之上，显然这些系统中的数据是工业大数据，是其中的“20%”部分。

　　第三，工业大数据和业务流程的关系？传统企业信息化项目一般是从梳理业务流程起步的，流程“主动”、数据“被动”。而工业大数据环境下，要求企业快速满足个性化用户需求，企业僵化的“长流程”，难以适应“实时决策”的要求，需要变“流程驱动”为“数据驱动”，至少是“混合驱动”，“流程”和“数据”深度融合。上述表现，就是我们说的“流程碎片化”，数据成为连接这些“碎片”的媒介。

　　最后一个思考是，工业大数据有没有“交钥匙”工程？新世纪以来，我国工业界经历了轰轰烈烈的信息化浪潮，“不搞信息化等死，搞了信息化找死”，后半句话告述我们，“信息化”是有难度和风险的，所以“交钥匙”工程成了广大企业所期望的方式。

　　我个人的观点，工业大数据不存在“交钥匙”工程（至少现在），原因如下：

　　1) 工业大数据项目主要不是针对“现有业务”，而是针对“未来业务”、“创新业务”的，其魅力在于创新性、不确定性；

　　2) 工业大数据现在还处在“科学”阶段，人们对数据价值的“提取”方法、技术与工具尚不成熟，特别是以物理规律为发现目标的工业大数据处理更是刚刚起步；

　　3) 人们普遍认同的“领域专家”、“统计专家”和“软件专家”组成的协同团队，是当前“大数据”深度应用的有效方法。

　　最后，和大家分享一下我们在工业大数据方面的“小实践”：

　　在工业产品全生命周期的各个阶段都有大数据，比如设计阶段引入用户社区数据，制造阶段使用机床在线测量数据，在市场营销阶段使用社交网络数据等。在这里，和大家分享一下使用过程中产生的装备工况大数据。

　　首先，工况大数据平台不是单独存在的，需要嵌入企业已有信息系统，比如客户服务系统，需要将大数据系统与SQL系统进行融合协同应用，有时需要切换原来的数据管理系统，在实践中我们总结出“四阶段”切换方案。

　　根据我们的实践，工况大数据的典型应用场景如下页面所示：

　　首先看时空监管的例子。当得到工况数据以后，首先是对一般运营进行监管，不同于传统的运营监管，在大数据技术支持下，运营是成套设备互相协同的运营，例如：以搅拌站为例，通过收集位置数据、油位数据可以对搅拌车运输的过程进行优化调度，从而避免拥堵、减少等待、降低能耗。

　　再举个例子，我们知道液压系统是工程机械的核心系统之一，导致故障的原因有很多，例如：密封套腐蚀，内壁刮花，密封环损坏，阀块受损，等等。有了工况大数据就可以寻找深层次原因。

　　有了工况大数据，我们通大规模过比对开工指标，从典型取值、波动幅度、回传密度多个维度进行分析，自动搜索推荐与故障车辆关系密切的特征工况，发现这些故障车辆的每分钟换向次数在变化幅度上高度相关。

　　再通过引入互联网上的行政区划数据和历年高铁建设数据（企业外部数据），可以得出这样一个结论，这些典型故障均发生在2012年~2013年期间在建重大工程“杭深高铁”沿线，这为我们寻找更深层次的原因提供了重要线索。

　　最后，我们可以通过大规模工况数据透视宏观装备应用情况，可以根据这些信息，进行易损配件需求的预测，优化调配我们的服务资源，甚至我们可以推测各地宏观经济情况。

　　这里我想说，工业大数据刚刚起步，需要冷静思考，坚持应用驱动，最终实现我们的目标。