王晨 ，宋亮，李少昆

（1. 清華大學(xué)大數(shù)據(jù)系統(tǒng)軟件國(guó)家工程實(shí)驗(yàn)室，北京100084；2. 四川省工業(yè)大數(shù)據(jù)創(chuàng)新中心，成都 610041；3. 四川省經(jīng)濟(jì)與信息化委員會(huì)，成都 610041）

一、國(guó)內(nèi)外產(chǎn)業(yè)發(fā)展現(xiàn)狀

過去幾十年，互聯(lián)網(wǎng)的影響主要在消費(fèi)領(lǐng)域，屬于“消費(fèi)互聯(lián)網(wǎng)”。我國(guó)在消費(fèi)領(lǐng)域的“互聯(lián)網(wǎng)+”已取得長(zhǎng)足進(jìn)展，電子商務(wù)等技術(shù)和應(yīng)用已進(jìn)入世界前列，百度網(wǎng)訊科技有限公司、阿里巴巴網(wǎng)絡(luò)技術(shù)有限公司和騰訊計(jì)算機(jī)系統(tǒng)有限公司已經(jīng)成為世界前十的大型互聯(lián)網(wǎng)公司。一段時(shí)間以來，由于消費(fèi)互聯(lián)網(wǎng)在中國(guó)產(chǎn)生了極大的影響力，使得人們并沒有重視互聯(lián)網(wǎng)對(duì)產(chǎn)業(yè)領(lǐng)域的影響。在德國(guó)工業(yè)4.0戰(zhàn)略公布后，國(guó)人開始密切關(guān)注工業(yè)領(lǐng)域與信息領(lǐng)域高度融合的急迫性和價(jià)值。現(xiàn)在，互聯(lián)網(wǎng)正在向產(chǎn)業(yè)領(lǐng)域發(fā)展，被稱為“產(chǎn)業(yè)互聯(lián)網(wǎng)”或“工業(yè)互聯(lián)網(wǎng)”。

工業(yè)互聯(lián)網(wǎng)是構(gòu)建現(xiàn)代工業(yè)生態(tài)系統(tǒng)、實(shí)現(xiàn)先進(jìn)智能化發(fā)展的必由之路，是智能制造的關(guān)鍵基礎(chǔ)，是充分發(fā)揮工業(yè)裝備、工藝和材料潛能，提高生產(chǎn)效率，優(yōu)化資源配置，創(chuàng)造差異化產(chǎn)品和實(shí)現(xiàn)服務(wù)增值的關(guān)鍵[1]。工業(yè)互聯(lián)網(wǎng)平臺(tái)是全要素連接的樞紐，是工業(yè)資源配置的核心，呈現(xiàn)出跨領(lǐng)域、跨地區(qū)、全周期的新特性。

美國(guó)工業(yè)知識(shí)經(jīng)驗(yàn)軟件化、平臺(tái)化能力處于全球領(lǐng)先地位，通過強(qiáng)化基于平臺(tái)的網(wǎng)絡(luò)、數(shù)據(jù)、軟件、系統(tǒng)集成應(yīng)用，推動(dòng)制造與服務(wù)的松耦合，催生網(wǎng)絡(luò)化、平臺(tái)化、虛擬化等制造業(yè)新形態(tài)，孕育了以GE Predix為代表的工業(yè)互聯(lián)網(wǎng)平臺(tái)。德國(guó)工業(yè)積淀深厚，以制造業(yè)主導(dǎo)互聯(lián)網(wǎng)為主流發(fā)展路徑，主張利用互聯(lián)網(wǎng)推進(jìn)技術(shù)、工藝、流程、設(shè)備的效能優(yōu)化，促進(jìn)價(jià)值鏈體系重構(gòu)和持續(xù)提升，西門子MindSpere工業(yè)互聯(lián)網(wǎng)平臺(tái)是其中的典型代表。我國(guó)工業(yè)互聯(lián)網(wǎng)發(fā)展路徑則孕育了眾多商業(yè)模式的創(chuàng)新，具有多元化的特色。國(guó)內(nèi)工業(yè)互聯(lián)網(wǎng)平臺(tái)形成了以航天云網(wǎng)為代表的協(xié)同制造平臺(tái)、以樹根互聯(lián)為代表的產(chǎn)品全生命周期管理服務(wù)平臺(tái)和以海爾為代表的用戶定制化平臺(tái)等多類典型平臺(tái)。

二、工業(yè)互聯(lián)網(wǎng)平臺(tái)面臨的生態(tài)挑戰(zhàn)

工業(yè)互聯(lián)網(wǎng)生態(tài)包括：解決誰來用的問題，即業(yè)務(wù)生態(tài)；誰來提供應(yīng)用服務(wù)的問題，即開發(fā)者生態(tài)；各環(huán)節(jié)如何打通實(shí)現(xiàn)跨界整合的問題，即數(shù)據(jù)生態(tài)。

工業(yè)互聯(lián)網(wǎng)的生態(tài)構(gòu)建是圍繞工業(yè)企業(yè)的行業(yè)領(lǐng)域所涉及的業(yè)務(wù)展開的，用戶對(duì)于平臺(tái)的黏性取決于平臺(tái)對(duì)于其業(yè)務(wù)所提供的價(jià)值。工業(yè)互聯(lián)網(wǎng)平臺(tái)的用戶可以分為三類：企業(yè)內(nèi)部用戶、產(chǎn)業(yè)鏈上的企業(yè)與終端用戶、同行業(yè)的其他企業(yè)。對(duì)于企業(yè)內(nèi)部用戶而言，平臺(tái)的價(jià)值更多在于實(shí)現(xiàn)業(yè)務(wù)本身的提質(zhì)增效，主要通過平臺(tái)上的一系列數(shù)據(jù)或模型驅(qū)動(dòng)的分析優(yōu)化類軟件應(yīng)用來實(shí)現(xiàn)，例如，研發(fā)效率提升、能耗降低、周轉(zhuǎn)周期縮短等。對(duì)于產(chǎn)業(yè)鏈上的企業(yè)與終端用戶，平臺(tái)的價(jià)值通過協(xié)同類和服務(wù)類的應(yīng)用來體現(xiàn)，通過研發(fā)協(xié)同、供應(yīng)鏈協(xié)同優(yōu)化、制造能力外包、物料集中采購(gòu)等應(yīng)用來提升上游供應(yīng)商的效率并有效降低采購(gòu)與生產(chǎn)成本，而對(duì)于下游的用戶，價(jià)值更多體現(xiàn)在基于產(chǎn)品本身的運(yùn)營(yíng)維護(hù)服務(wù)以及圍繞產(chǎn)品的增值類上，如金融服務(wù)、內(nèi)容服務(wù)等應(yīng)用。對(duì)于同行業(yè)的其他企業(yè)，尤其是缺乏信息技術(shù)能力和大規(guī)模建設(shè)資金的中小企業(yè)，工業(yè)互聯(lián)網(wǎng)平臺(tái)則更多需要扮演一種工業(yè)軟件、制造資源、行業(yè)知識(shí)等能力輸出的管道。由此可以看出，對(duì)于用戶生態(tài)的構(gòu)建，其挑戰(zhàn)更多在于工業(yè)軟件即服務(wù)（SaaS）的能力。

工業(yè)互聯(lián)網(wǎng)平臺(tái)的另一方則來自于平臺(tái)上內(nèi)容的提供方，既可以是企業(yè)內(nèi)部的業(yè)務(wù)部門或軟件服務(wù)提供商，也可以是第三方獨(dú)立的開發(fā)者。對(duì)于開發(fā)者生態(tài)的構(gòu)建，其重點(diǎn)一方面在于平臺(tái)本身功能的完整性、開發(fā)的易用性、系統(tǒng)的穩(wěn)定性；另一方面與平臺(tái)的用戶生態(tài)形成了一種正反饋效應(yīng)，平臺(tái)聚集了越來越多的用戶和不斷涌現(xiàn)的業(yè)務(wù)需求，這也為開發(fā)者提供了更多的市場(chǎng)機(jī)會(huì)。從能夠開發(fā)工業(yè)類應(yīng)用和模型的人才技能角度來看，工業(yè)knowhow是核心，但工業(yè)領(lǐng)域人才對(duì)于信息化技術(shù)的掌握通常是一個(gè)巨大的挑戰(zhàn)，因此對(duì)于現(xiàn)有的稀缺開發(fā)者資源的爭(zhēng)奪更成為了建立工業(yè)互聯(lián)網(wǎng)平臺(tái)生態(tài)的重中之重。

數(shù)據(jù)生態(tài)的建設(shè)是工業(yè)互聯(lián)網(wǎng)平臺(tái)變“活”的關(guān)鍵，數(shù)據(jù)驅(qū)動(dòng)就是要把數(shù)據(jù)理解為一種自然資源，既然是資源就要想辦法來開采、利用。所以需要梳理清楚平臺(tái)的建設(shè)者已經(jīng)擁有什么數(shù)據(jù)，未來會(huì)擁有什么數(shù)據(jù)，以及未來要擁有什么數(shù)據(jù)。數(shù)據(jù)生態(tài)建設(shè)的第一個(gè)層次是數(shù)據(jù)源的整理，這些數(shù)據(jù)有些是從企業(yè)現(xiàn)有的IT系統(tǒng)中來，有些是從企業(yè)的機(jī)器中來，有些是從供應(yīng)鏈上下游來，有些是從互聯(lián)網(wǎng)來。數(shù)據(jù)生態(tài)建設(shè)的第二個(gè)層次是數(shù)據(jù)源的打通，工業(yè)企業(yè)大數(shù)據(jù)具有多數(shù)據(jù)源特點(diǎn)，就決定了數(shù)據(jù)會(huì)從多個(gè)系統(tǒng)采集，需要考慮如何與其他系統(tǒng)同步數(shù)據(jù)，如何與其他系統(tǒng)交換數(shù)據(jù)，如何基于行業(yè)領(lǐng)域模型和其他系統(tǒng)產(chǎn)生關(guān)聯(lián)、集成，包括和業(yè)務(wù)系統(tǒng)產(chǎn)生關(guān)聯(lián)、集成。數(shù)據(jù)生態(tài)建設(shè)的第三個(gè)層次是數(shù)據(jù)集的整理，數(shù)據(jù)如何從源頭抽取，以何種方式存儲(chǔ)、分類管理，面向應(yīng)用特點(diǎn)形成多個(gè)可用的數(shù)據(jù)集以及相應(yīng)的數(shù)據(jù)資源目錄和規(guī)范化接口。再往上一層是數(shù)據(jù)的治理，工業(yè)數(shù)據(jù)可能由于設(shè)備、環(huán)境、傳輸?shù)雀鞣N環(huán)節(jié)的原因?qū)е聰?shù)據(jù)缺失、重復(fù)、錯(cuò)誤等各類問題，需要通過應(yīng)用數(shù)據(jù)畫像工具了解數(shù)據(jù)的質(zhì)量，進(jìn)而在數(shù)據(jù)清洗工具的輔助下修正存在質(zhì)量問題的數(shù)據(jù)。

圖1 工業(yè)互聯(lián)網(wǎng)平臺(tái)架構(gòu)

三、工業(yè)互聯(lián)網(wǎng)平臺(tái)面臨的技術(shù)挑戰(zhàn)

工業(yè)互聯(lián)網(wǎng)平臺(tái)的基礎(chǔ)設(shè)施即服務(wù)（IaaS）層技術(shù)發(fā)展成熟度高，更新迭代周期短，短短十幾年的時(shí)間，已經(jīng)成長(zhǎng)出亞馬遜AWS、微軟Azure、阿里云、騰訊云和華為云等。當(dāng)前多數(shù)工業(yè)平臺(tái)即服務(wù)（PaaS）在工業(yè)know-how和專業(yè)技術(shù)方面積淀不足，通用PaaS并未針對(duì)制造與消費(fèi)領(lǐng)域之間專業(yè)性的巨大差異進(jìn)行針對(duì)性的研發(fā)[2]。因而，在現(xiàn)有的通用云計(jì)算平臺(tái)上直接構(gòu)建工業(yè)SaaS，會(huì)導(dǎo)致開發(fā)成本高企、易用性差等問題，更容易導(dǎo)致企業(yè)對(duì)發(fā)展工業(yè)互聯(lián)網(wǎng)戰(zhàn)略方向和實(shí)施路徑的誤判。工業(yè)PaaS研發(fā)與建設(shè)的重點(diǎn)應(yīng)放在面向工業(yè)領(lǐng)域的專業(yè)性方向。如圖1所示的工業(yè)互聯(lián)網(wǎng)平臺(tái)架構(gòu)[3]中工業(yè)PaaS層的兩大核心部件是工業(yè)大數(shù)據(jù)系統(tǒng)與工業(yè)數(shù)據(jù)建模和分析，這兩方面的技術(shù)因符合工業(yè)數(shù)據(jù)的數(shù)據(jù)特性和應(yīng)用特點(diǎn)，在整體工業(yè)互聯(lián)網(wǎng)平臺(tái)的技術(shù)體系中有著比較大的挑戰(zhàn)[4,5]。

（一）工業(yè)大數(shù)據(jù)系統(tǒng)關(guān)鍵技術(shù)挑戰(zhàn)

1. 多態(tài)性數(shù)據(jù)的采集技術(shù)

工業(yè)軟硬件系統(tǒng)是整體性、封閉性極強(qiáng)的復(fù)雜系統(tǒng)，數(shù)據(jù)格式、接口協(xié)議等標(biāo)準(zhǔn)體制的差異帶來巨大的技術(shù)壁壘，甚至同一工廠生產(chǎn)的同一型號(hào)的同一設(shè)備也常常因?yàn)樵?、用材的不同造成其基礎(chǔ)信息或生成信息的內(nèi)容發(fā)生變化。因此，無論對(duì)于工業(yè)系統(tǒng)的數(shù)據(jù)采集與解析，還是數(shù)據(jù)存儲(chǔ)系統(tǒng)對(duì)匯聚的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化分解，都潛在著巨大的應(yīng)用挑戰(zhàn)。由于不同經(jīng)濟(jì)實(shí)體的本位主義或協(xié)議本身的封閉設(shè)計(jì)，有時(shí)甚至無法實(shí)現(xiàn)設(shè)備數(shù)據(jù)的采集；即便能夠獲取數(shù)據(jù)，在一個(gè)工業(yè)大數(shù)據(jù)實(shí)際項(xiàng)目實(shí)施過程中，往往也需要?jiǎng)虞m數(shù)月的時(shí)間與大量人力資源的投入，才能開展對(duì)數(shù)據(jù)格式與字段的整理[5]。更大的挑戰(zhàn)來自于多樣化、高可變的復(fù)雜非結(jié)構(gòu)化數(shù)據(jù)的大量出現(xiàn)。由于工業(yè)系統(tǒng)在封閉性、敏感性和安全性等方面有高標(biāo)準(zhǔn)需求，其中的數(shù)據(jù)通常只有特定的軟件才能兼容或處理，從而導(dǎo)致整體結(jié)構(gòu)化信息工作面臨更多困難。因此，這類挑戰(zhàn)的解決需要借助系統(tǒng)化思路，通過與工業(yè)標(biāo)準(zhǔn)化、數(shù)據(jù)模型智能識(shí)別或匹配等大數(shù)據(jù)管理技術(shù)的綜合運(yùn)用，才能得到解決。

2. 高通量數(shù)據(jù)的接入技術(shù)

海量機(jī)器數(shù)據(jù)，特別是時(shí)間序列數(shù)據(jù)被大量接入工業(yè)大數(shù)據(jù)系統(tǒng)。一般而言，大型制造類企業(yè)同時(shí)連結(jié)、在線接入的設(shè)備數(shù)量可達(dá)數(shù)十萬臺(tái)，數(shù)據(jù)的吞吐速率也輕松達(dá)到驚人的百萬數(shù)據(jù)點(diǎn)/s ～千萬數(shù)據(jù)點(diǎn)/s。面對(duì)這樣的應(yīng)用需求，大數(shù)據(jù)平臺(tái)必須具備與實(shí)時(shí)數(shù)據(jù)庫(kù)類似的數(shù)據(jù)接入能力。然而由于大數(shù)據(jù)平臺(tái)需要對(duì)數(shù)據(jù)進(jìn)行長(zhǎng)期、高可靠的存儲(chǔ)，所以，高效的數(shù)據(jù)壓縮編碼方法以及低成本的分布式擴(kuò)展能力，也是工業(yè)大數(shù)據(jù)系統(tǒng)面臨的重大挑戰(zhàn)。另外，為了滿足多條件復(fù)雜查詢及高性能響應(yīng)的要求，在數(shù)據(jù)接入過程中還必須設(shè)計(jì)完善的數(shù)據(jù)組織體系和索引結(jié)構(gòu)，能夠?qū)嵤┯行У剌o助預(yù)處理和計(jì)算，針對(duì)高通量數(shù)據(jù)接入，實(shí)現(xiàn)讀寫系統(tǒng)的效率優(yōu)化[5]。

3. 低價(jià)值數(shù)據(jù)的分析技術(shù)

大數(shù)據(jù)技術(shù)需要解決的關(guān)鍵問題之一就是從體量龐大的低價(jià)值數(shù)據(jù)中提煉高價(jià)值的信息，用數(shù)量的大規(guī)模彌補(bǔ)信息的低密度。由于工業(yè)軟硬件系統(tǒng)對(duì)應(yīng)嚴(yán)格的機(jī)理模型，每個(gè)變量的定義均具備明確的物理含義。低質(zhì)量數(shù)據(jù)會(huì)導(dǎo)致變量間函數(shù)關(guān)系發(fā)生變化，從而對(duì)工業(yè)大數(shù)據(jù)的分析帶來災(zāi)難性的影響。事實(shí)上，制造業(yè)企業(yè)由于歷史、技術(shù)和人為等因素，其信息系統(tǒng)的數(shù)據(jù)質(zhì)量一直存在大量問題。例如，企業(yè)資源計(jì)劃（ERP）系統(tǒng)中物料就存在“一物多碼”等問題；物聯(lián)網(wǎng)數(shù)據(jù)質(zhì)量也不容樂觀，無效、重名的工況數(shù)據(jù)，時(shí)標(biāo)錯(cuò)誤或不齊，時(shí)序紊亂等數(shù)據(jù)質(zhì)量問題在實(shí)際應(yīng)用中的比例可能高達(dá)30%以上。這些問題對(duì)數(shù)據(jù)分析的成果和評(píng)判造成巨大干擾，因此在數(shù)據(jù)分析之前必須對(duì)一手?jǐn)?shù)據(jù)進(jìn)行有效治理。

工業(yè)應(yīng)用中有各種原因（時(shí)間/空間條件制約、物理環(huán)境工況惡劣等）導(dǎo)致大量關(guān)鍵信息沒有被計(jì)量或沒有被充分、精確計(jì)量，這就要求分析算法能夠在“非完美”“非精確”的數(shù)據(jù)基礎(chǔ)上工作。對(duì)于這個(gè)問題的解決思路，可以大力發(fā)揮基于工業(yè)大數(shù)據(jù)分析的“軟測(cè)量技術(shù)”，即通過大數(shù)據(jù)分析，建立指標(biāo)間的關(guān)聯(lián)關(guān)系模型，通過易測(cè)、能測(cè)的計(jì)量參數(shù)來測(cè)算難以獲取的過程量值，完善、補(bǔ)充生產(chǎn)過程的整體數(shù)據(jù)基礎(chǔ)[5]。

4. 復(fù)雜異構(gòu)數(shù)據(jù)的管理技術(shù)

工業(yè)生產(chǎn)時(shí)產(chǎn)生大量多源異構(gòu)數(shù)據(jù)，常見的有結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)、設(shè)備檢測(cè)產(chǎn)生的時(shí)序數(shù)據(jù)、各類非結(jié)構(gòu)化的工程數(shù)據(jù)等。每一種類型的數(shù)據(jù)都需要高效的存儲(chǔ)解決方案和異構(gòu)的針對(duì)性存儲(chǔ)模型。然而，現(xiàn)有的大數(shù)據(jù)技術(shù)還無法滿足全部要求。以非結(jié)構(gòu)化工程數(shù)據(jù)為例，各種海量計(jì)算機(jī)輔助設(shè)計(jì)（CAD）文件，測(cè)試仿真文件，圖片、文檔等小文件，需要按產(chǎn)品的生命周期、項(xiàng)目名稱、層次化組織的物料表單（BOM）等不同維度進(jìn)行高效、靈活、快速的組織與排列，同時(shí)需要具備對(duì)數(shù)據(jù)進(jìn)行批量管理、建模和質(zhì)控的能力，這些需求對(duì)于目前的分布式文件系統(tǒng)和對(duì)象存儲(chǔ)系統(tǒng)均存在技術(shù)障礙。另外，從方便使用、降低開發(fā)與學(xué)習(xí)難度等角度出發(fā)，異構(gòu)數(shù)據(jù)的內(nèi)部處理差異又應(yīng)當(dāng)完全透明，確保暴露給用戶的數(shù)據(jù)模型和查詢接口盡可能統(tǒng)一。例如，在物聯(lián)網(wǎng)（IoT）數(shù)據(jù)分析中，需要處理大量傳感器部署信息等靜態(tài)數(shù)據(jù)，而這一類操作往往需要將時(shí)間序列數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)進(jìn)行跨庫(kù)映射，以建立連接關(guān)系，因此需要圍繞多模態(tài)工業(yè)大數(shù)據(jù)提供一體化的查詢協(xié)同優(yōu)化[5]。

（二）工業(yè)數(shù)據(jù)建模和分析關(guān)鍵技術(shù)挑戰(zhàn)

1. 強(qiáng)關(guān)聯(lián)數(shù)據(jù)的集成技術(shù)

工業(yè)大數(shù)據(jù)分析更加依賴數(shù)據(jù)基礎(chǔ)的“完整性”，而非僅僅是數(shù)據(jù)規(guī)模。由于“信息煙囪”在工業(yè)生產(chǎn)中大量存在，導(dǎo)致工業(yè)大數(shù)據(jù)的數(shù)據(jù)源呈現(xiàn)“空間離散”和“時(shí)間異步”兩個(gè)特點(diǎn)。工業(yè)大數(shù)據(jù)應(yīng)用需要實(shí)現(xiàn)數(shù)據(jù)在物理信息、產(chǎn)業(yè)鏈、跨領(lǐng)域跨行業(yè)三個(gè)層次的融合[5]。

物理信息融合：設(shè)計(jì)研發(fā)階段主要管理數(shù)字產(chǎn)品，而在制造服務(wù)階段主要管理物理產(chǎn)品，因此全生命周期管理需要融合數(shù)字產(chǎn)品與物理產(chǎn)品，從而構(gòu)建工業(yè)信息與物理產(chǎn)品融合的系統(tǒng)。

產(chǎn)業(yè)鏈融合：在互聯(lián)網(wǎng)大數(shù)據(jù)的背景下，以生產(chǎn)資源重組優(yōu)化為目標(biāo)的云制造生產(chǎn)模式得到迅猛發(fā)展，智能產(chǎn)業(yè)鏈必須打通傳統(tǒng)企業(yè)業(yè)務(wù)范疇與邊界，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)協(xié)同融合。

跨領(lǐng)域跨行業(yè)融合：在“互聯(lián)網(wǎng)+”的產(chǎn)業(yè)環(huán)境中，需要實(shí)現(xiàn)上下游、周邊生態(tài)等廣域的信息集成。例如，美國(guó)一家農(nóng)用機(jī)器公司將氣象動(dòng)態(tài)、水資源分布、種子情況等農(nóng)資數(shù)據(jù)與自身農(nóng)機(jī)產(chǎn)品數(shù)據(jù)進(jìn)行綜合利用，從而為農(nóng)場(chǎng)生產(chǎn)提供更加優(yōu)質(zhì)、高效、精準(zhǔn)的服務(wù)。這種融合方式更加復(fù)雜精密，因此需要將制造過程、BOM結(jié)構(gòu)、運(yùn)行環(huán)境等多種類型的工業(yè)語(yǔ)意信息統(tǒng)籌起來綜合分析，是對(duì)工業(yè)大數(shù)據(jù)更高層次的融合集成。

2. 強(qiáng)專業(yè)機(jī)理的分析技術(shù)

機(jī)理是現(xiàn)代工業(yè)的基本邏輯與運(yùn)作原理，工業(yè)生產(chǎn)過程也是“強(qiáng)機(jī)理”的嚴(yán)格可控過程，即通過大量相關(guān)領(lǐng)域的專業(yè)理論模型，形式化描述現(xiàn)實(shí)世界中的物理、化學(xué)和生物等動(dòng)態(tài)變化過程。另外，還存在大量閉環(huán)調(diào)節(jié)或控制機(jī)制，作為參數(shù)配置，使得工業(yè)生產(chǎn)過程中可能無限逼近甚至超過設(shè)計(jì)目標(biāo)。傳統(tǒng)的數(shù)據(jù)分析基本遵循“你打你的，我打我的”的孤立原則，很少結(jié)合機(jī)理模型（甚至完全采取數(shù)據(jù)驅(qū)動(dòng)），也很少考慮閉環(huán)控制/調(diào)節(jié)機(jī)制的作用。強(qiáng)機(jī)理模型對(duì)于數(shù)據(jù)分析技術(shù)的挑戰(zhàn)主要表現(xiàn)在以下三個(gè)方面。第一，實(shí)現(xiàn)機(jī)理模型與數(shù)據(jù)模型的有機(jī)結(jié)合。具體來講，如何將機(jī)理模型體現(xiàn)在數(shù)據(jù)模型中（例如，機(jī)理模型為分析模型提供關(guān)鍵特征、分析模型為機(jī)理模型提供后處理支撐或多模型融合預(yù)測(cè)），又或怎樣把數(shù)據(jù)模型作為機(jī)理模型輸入（即提供parameter calibration）。第二，計(jì)算模式融合，機(jī)理模型一般對(duì)應(yīng)計(jì)算密集型操作（CPU多核協(xié)同或計(jì)算集群并行化）或內(nèi)存密集型操作（GPU并行化），而數(shù)據(jù)分析通常是吞吐密集型操作（采用map-reduce、parameter server等機(jī)制）。兩種計(jì)算模式針對(duì)主要矛盾不同，需要分析算法甚至分析軟件有針對(duì)性地應(yīng)對(duì)。第三，與領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)的融合方法，彌補(bǔ)當(dāng)前一線工作人員的知識(shí)缺陷，實(shí)現(xiàn)過程邏輯的可視化。例如，對(duì)于物理變化過程，需要重點(diǎn)針對(duì)知識(shí)的“自動(dòng)化”，而非知識(shí)的重新“發(fā)現(xiàn)”。將不同領(lǐng)域的知識(shí)進(jìn)行系統(tǒng)化處理，基于大數(shù)據(jù)分析技術(shù)開展信息檢索與更新的操作優(yōu)化；對(duì)于相對(duì)明確、能夠形式化的領(lǐng)域知識(shí)，依托大數(shù)據(jù)建模工具提供的時(shí)空模式描述與解析識(shí)別技術(shù)，進(jìn)行建模，通過海量歷史數(shù)據(jù)開展驗(yàn)證與提質(zhì)，不斷提煉專家知識(shí)形成人工智能[5]。

四、結(jié)語(yǔ)

工業(yè)互聯(lián)網(wǎng)平臺(tái)是制造業(yè)與云計(jì)算、大數(shù)據(jù)、人工智能等新一代信息技術(shù)高度融合的產(chǎn)物，也是先進(jìn)制造業(yè)與互聯(lián)網(wǎng)結(jié)合的新事物，需要廣大科研人員和產(chǎn)業(yè)工作者在實(shí)踐中一邊摸索一邊突破。作為制造業(yè)大國(guó)，我國(guó)擁有全球最多的工業(yè)設(shè)備，時(shí)刻產(chǎn)生著海量的工業(yè)數(shù)據(jù)，擁有豐富的互聯(lián)網(wǎng)生態(tài)以及大量的工業(yè)與信息化人才。我們應(yīng)該充分利用這一條件，創(chuàng)新管理思想，重構(gòu)產(chǎn)業(yè)生態(tài)，提升中國(guó)制造在全球產(chǎn)業(yè)鏈分工中的地位。依托工業(yè)互聯(lián)網(wǎng)平臺(tái)，推進(jìn)工業(yè)互聯(lián)網(wǎng)的深度應(yīng)用與制造業(yè)轉(zhuǎn)型升級(jí)，力爭(zhēng)在新工業(yè)革命時(shí)代實(shí)現(xiàn)“換道超車”。

[1] 中華人民共和國(guó)國(guó)務(wù)院. 關(guān)于深化“互聯(lián)網(wǎng)+先進(jìn)制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的指導(dǎo)意見 [R]. 北京: 中華人民共和國(guó)國(guó)務(wù)院,2017.The State Council of the PRC. Interpretation of guiding opinions on deepening “Internet + advanced manufacturing” to develop industrial internet [R]. Beijing: The State Council of the PRC, 2017.

[2] 國(guó)家工業(yè)信息安全研究發(fā)展中心. 國(guó)內(nèi)外工業(yè)互聯(lián)網(wǎng)平臺(tái)對(duì)比分析研究 [R]. 北京: 國(guó)家工業(yè)信息安全研究發(fā)展中心, 2017.National Industrial Information Security Research and Development Center. Comparative analysis of industrial Internet platform at home and abroad [R]. Beijing: National Industrial Information Security Research and Development Center, 2017.

[3] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟. 工業(yè)互聯(lián)網(wǎng)體系架構(gòu)白皮書 [R]. 北京:工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟, 2017.Industrial Internet Alliance. Industrial Internet architecture white paper [R]. Beijing: Industrial Internet Alliance, 2017.

[4] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟工業(yè)大數(shù)據(jù)特設(shè)組．工業(yè)大數(shù)據(jù)技術(shù)與應(yīng)用實(shí)踐 [M]. 北京: 電子工業(yè)出版社, 2017．Industrial Big Data Special Unit of Industrial Internet Alliance. Industrial big data technology and application practice [M]. Beijing:Publishing House of Electronics Industry, 2017.

[5] 王晨, 郭朝暉, 王建民. 工業(yè)大數(shù)據(jù)及其技術(shù)挑戰(zhàn) [J]. 電信網(wǎng)技術(shù), 2017 (8): 1–4.Wang C, Guo Z H, Wang J M. Industrial big data and its technical challenges [J]. Telecommunications Network Technology, 2017(8): 1–4.