田春華　楊銳　崔鵬飛

本文從工業(yè)大數(shù)據(jù)發(fā)展趨勢、大數(shù)據(jù)范疇、特點分析以及關鍵平臺技術(shù)、分析技術(shù)的討論，嘗試為工業(yè)大數(shù)據(jù)的建設與實踐提供一些參考。

工業(yè)作為國民經(jīng)濟的核心要素一直為各國政府重視，特別是隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、5G等技術(shù)的發(fā)展，世界各國都加快了工業(yè)數(shù)字化轉(zhuǎn)型的步伐。從德國“工業(yè)4.0”戰(zhàn)略，到美國“制造業(yè)復興”計劃，工業(yè)大數(shù)據(jù)作為制造業(yè)數(shù)字化轉(zhuǎn)型與智能化升級的關鍵技術(shù)，受到學界和產(chǎn)業(yè)界的普遍關注。工業(yè)門類眾多，產(chǎn)品形態(tài)和生產(chǎn)工藝差別很大，行業(yè)生態(tài)和企業(yè)規(guī)模不同，面臨的具體問題也不盡相同。

但從宏觀看來，提質(zhì)、增效、降本、安全等是永恒的主題，結(jié)合不同的行業(yè)特征，形成了若干工業(yè)大數(shù)據(jù)的典型場景和模式，這將在文中詳細討論?；谶@些典型模式的數(shù)據(jù)需求分析，文中將剖析工業(yè)大數(shù)據(jù)特點及技術(shù)挑戰(zhàn)。針對這些挑戰(zhàn)，還將探討工業(yè)大數(shù)據(jù)的關鍵技術(shù)。

1.工業(yè)大數(shù)據(jù)的發(fā)展現(xiàn)狀與趨勢

市場規(guī)模：與大數(shù)據(jù)市場一起穩(wěn)步成長

隨著智能制造與工業(yè)互聯(lián)網(wǎng)概念的深入，工業(yè)產(chǎn)業(yè)進入了新一輪的全球性革命，互聯(lián)網(wǎng)、大數(shù)據(jù)與工業(yè)的融合發(fā)展成為了新型工業(yè)體系的核心，工業(yè)大數(shù)據(jù)的應用將帶來工業(yè)生產(chǎn)與管理環(huán)節(jié)的極大的升級和優(yōu)化，其價值正在逐步體現(xiàn)和被認可。貴陽大數(shù)據(jù)交易所統(tǒng)計資料顯示，2018年我國工業(yè)大數(shù)據(jù)市場規(guī)模約為292億元，較上年同比增長41.3%，增速較快。整體來看，工業(yè)大數(shù)據(jù)全球市場呈不斷增長趨勢。我國工業(yè)大數(shù)據(jù)在相關政策方針的推動下也有著可觀的增長速度。

行業(yè)應用：工業(yè)行業(yè)頭部企業(yè)引領大數(shù)據(jù)應用

不同行業(yè)因為其產(chǎn)品形態(tài)、生產(chǎn)工藝差異，在大數(shù)據(jù)應用范圍也有較大差異。日本RIETI研究中心（The Research Institute of Economy， Trade and Industry）在2015年底調(diào)查了539家制造企業(yè)的大數(shù)據(jù)使用情況。按照產(chǎn)品形態(tài)，他們將制造業(yè)分為裝備制造（B2B end product）、部件生產(chǎn)（B2B end component）、原料生產(chǎn)（B2B Material）、個人消費品制造（B2C）等4種類型，頭部企業(yè)仍是大數(shù)據(jù)使用的主力軍。因為裝備制造、材料生產(chǎn)的復雜關聯(lián)，這2類頭部企業(yè)在公司層面的大數(shù)據(jù)應用比例高于其他類別。

個人消費品企業(yè)的大數(shù)據(jù)主要集中在銷售、管理與計劃、營銷等部門級大數(shù)據(jù)應用上。PwC在2016年對26個國家2000多家制造業(yè)的調(diào)查業(yè)表明了類似的的態(tài)勢，“兩化“基礎好的企業(yè)才有推進大數(shù)據(jù)的基礎，頭部企業(yè)更加關注生態(tài)和企業(yè)整體層面的大數(shù)據(jù)，支撐新業(yè)務模式建設，中部企業(yè)更加關注關鍵環(huán)節(jié)的提升，個人消費品制造業(yè)更側(cè)重于個性化定制、個性化營銷、供應鏈等方面的大數(shù)據(jù)。

應用類型：淺層次的應用仍占主導

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟在2019年對對國內(nèi)外366個工業(yè)互聯(lián)網(wǎng)平臺應用案例進行了統(tǒng)計分析，在很大程度上反映了工業(yè)大數(shù)據(jù)應用的狀況。當前平臺應用主要集中于設備管理服務、生產(chǎn)過程管控與企業(yè)運營管理三大類場景，占比分別達到38%、28%和18%。資源配置優(yōu)化與產(chǎn)品研發(fā)設計獲得初步應用，但總體仍有待培育，占比分別為13%和2%。國外制造企業(yè)數(shù)字化水平相對較高，平臺應用更加側(cè)重于設備管理服務，占比接近50%。如設備健康管理應用占比 39%，產(chǎn)品后服務占比10%。同時，在現(xiàn)有生產(chǎn)管理系統(tǒng)基礎上，依托工業(yè)互聯(lián)網(wǎng)平臺進行更加有效的生產(chǎn)過程管控也是國外平臺應用的重點，占比24%。但總的來說，深層次的分析應用仍然欠缺。

數(shù)據(jù)資產(chǎn)：IOT和外部數(shù)據(jù)是增量數(shù)據(jù)的主力

日本RIETI研究中心對6類常見數(shù)據(jù)的存量時長、使用頻度進行的調(diào)研，如下表所示，存量時長通?？梢詽M足大數(shù)據(jù)應用的需求，但目前使用頻度還都比較低（還是決策輔助支持的角色）。大數(shù)據(jù)應用的重點是將不同領域的數(shù)據(jù)按照大數(shù)據(jù)應用主題有機融合。

隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)發(fā)展，如何利用IOT的高頻監(jiān)測數(shù)據(jù)去提升預測或異常檢測精度是很多PHM（設備健康與故障診斷）應用的新動能，在質(zhì)量優(yōu)化中，結(jié)合機臺實時過程數(shù)據(jù)也是新課題。隨著大數(shù)據(jù)的深入，高頻應用也將不斷涌現(xiàn)。

2.工業(yè)大數(shù)據(jù)的典型應用場景

何為工業(yè)大數(shù)據(jù)？工業(yè)大數(shù)據(jù)與現(xiàn)有業(yè)務應用系統(tǒng)的關系是什么？有哪些不同類型的數(shù)據(jù)應用模式？本部分內(nèi)容將嘗試從業(yè)務領域、應用系統(tǒng)、數(shù)據(jù)應用手段、統(tǒng)計學習算法等四個視角進行探討。

業(yè)務領域的視角

對于制造未來的發(fā)展模式，業(yè)界有不少好的提法，包括精益（Lean）制造、柔性（Flexible）制造、綠色（Sustainable）制造、云制造（Cloud）制造、敏捷（Agile）制造、自組織（Holonic）制造、數(shù)字（Digital）制造、智能（Intelligent）制造、智慧（Smart）制造等，以應對不同和核心需求（成本競爭壓力、創(chuàng)新速度、個性化需求、可持續(xù)性發(fā)展等）。工業(yè)大數(shù)據(jù)是支撐制造模式的重要使能技術(shù)。

在工業(yè)數(shù)據(jù)的應用模式上，業(yè)界從不同角度提出了很多類似的思想。

德國“工業(yè)4.0”強調(diào)通過橫向全供應鏈集成、縱向全集成自動化（智能工廠）和設計工程全數(shù)字化集成這3條技術(shù)路線，構(gòu)建基于物理信息系統(tǒng)（Cyber-physical System，簡稱CPS）的全新生產(chǎn)環(huán)境，實現(xiàn)以數(shù)字制造為核心的第四次工業(yè)革命。

美國NIST的提法是從產(chǎn)品生命周期（設計、工藝規(guī)劃、生產(chǎn)工程、制造、使用和服務、廢棄和回收等6個階段）、生產(chǎn)系統(tǒng)（設計、修建、調(diào)試、運營和維護、退役和回收等5個方面）和商務（采購、制造、交付、售后等供應鏈活動）這3項制造生命周期維度去構(gòu)建智慧制造（Smart Manufacturing System）。

學術(shù)界也提出過類似的觀點，Porter James與Heppe lmann探討了互聯(lián)的產(chǎn)品，結(jié)合大數(shù)據(jù)分析，如何打造服務型制造模式，甚至柔化了制造業(yè)和服務業(yè)的固有邊界?！豆I(yè)大數(shù)據(jù)白皮書（2019版）將工業(yè)大數(shù)據(jù)典型的應用場景主要概括 為智能化設計、智能化生產(chǎn)、網(wǎng)絡化協(xié)同制造、智能化服務和個性化定制等五種模式。日本RIETI研究中心和PwC也從業(yè)務部門和業(yè)務模式的角度提出了類型的框架。

數(shù)據(jù)應用手段的視角

數(shù)據(jù)分析和應用是實現(xiàn)大數(shù)據(jù)價值的主要技術(shù)手段。根據(jù)技術(shù)手段，可把問題規(guī)約到如下表所示的4種類型問題，不同問題的應用前提和需要解決的挑戰(zhàn)也略有不同。

統(tǒng)計類和專家知識自動化的需求，主要是對工業(yè)大數(shù)據(jù)平臺的要求（多類型數(shù)據(jù)的有機融合、以設備/工藝為中心的全維度數(shù)據(jù)查詢引擎、非侵入式的數(shù)據(jù)分析并行化等）。業(yè)務人員給出業(yè)務邏輯，通常不完備、不確定，需要利用大數(shù)據(jù)進行精細化，比如，“存在2Hz的主振動分量”的業(yè)務邏輯已經(jīng)非常明確，但在變成可自動化執(zhí)行的引擎前，要細化“2Hz”的范圍區(qū)間、“主分量“（占總能量的15%之上？還是比第二高分量高5倍？）的定義。

大數(shù)據(jù)情形下的運籌優(yōu)化和經(jīng)典調(diào)度在技術(shù)挑戰(zhàn)上沒有本質(zhì)區(qū)別，關鍵是如何定義一個合適的范圍，很多業(yè)務因素缺乏數(shù)據(jù)支撐、很多業(yè)務邏輯用數(shù)學規(guī)劃語言描述太復雜（可以用規(guī)則）、約束松弛邏輯復雜，實際中常采用“規(guī)則+數(shù)據(jù)規(guī)劃”的方式去求解。

統(tǒng)計學習算法的視角

基于對業(yè)界的粗淺理解和一些實踐，我們擬將工業(yè)大數(shù)據(jù)的應用歸納為如上圖所示的3類典型分析場景：

第一類，智能裝備/產(chǎn)品，通過產(chǎn)品的互聯(lián)和分析，提高后服務質(zhì)量，指導研發(fā)創(chuàng)新，支撐定向營銷等;第二類，智慧工廠/車間，打通不同生產(chǎn)單元與業(yè)務環(huán)節(jié)，結(jié)合不同時空顆粒度，從效率、質(zhì)量和安全的角度，保證制造過程的可視、可溯、可決;第三類，產(chǎn)業(yè)互聯(lián)，借由數(shù)據(jù)的融合與深度分析，提高協(xié)作效率，支撐新商業(yè)模式。

不同行業(yè)的側(cè)重點有所不同，高端裝備制造業(yè)多強調(diào)“服務性制造”和“智能裝備”，化工行業(yè)則強調(diào)“安穩(wěn)長滿優(yōu)“，電子行業(yè)以產(chǎn)品質(zhì)量為核心，石油石化則注重資產(chǎn)管理和生產(chǎn)效率提升。

應用系統(tǒng)的視角

大數(shù)據(jù)應用系統(tǒng)作為一個新興技術(shù)，如何與現(xiàn)有的企業(yè)信息化和自動化（以下簡稱“兩化”）應用體系融合是需要回答的問題。

不同行業(yè)的兩化基礎不同，同一行業(yè)的不同企業(yè)發(fā)展階段也不盡相同。為討論方便，這里借用ISA-95企業(yè)信息架構(gòu)參考模型。ISA-95將制造業(yè)信息系統(tǒng)劃分為物理過程（Level 0）、傳感層（Level 1）、監(jiān)控層（Level 2，如DCS/SCADA）、生產(chǎn)管理層（Level 3，如MES）、經(jīng)營管理層（Level 4，如ERP/SCM）等5層。工業(yè)大數(shù)據(jù)在既有的基礎上，從更全要素、更長時空顆粒度、更廣業(yè)務環(huán)節(jié)上，實現(xiàn)貫穿多個Level的新型應用。但從最后實現(xiàn)的功能上來看，工業(yè)大數(shù)據(jù)應用大多落在Level 4（企業(yè)全局甚至產(chǎn)業(yè)鏈）;在設備運維中也有不少Level 2的應用（如故障預警等）;在兩化基礎差的行業(yè)，也有一些大數(shù)據(jù)應用實現(xiàn)了Level 3的功能。

3.工業(yè)大數(shù)據(jù)的特點與挑戰(zhàn)

對于工業(yè)大數(shù)據(jù)的特點，這里簡要總結(jié)為4點：

1）工業(yè)大數(shù)據(jù)具有多樣性、多模態(tài)、高通量和強關聯(lián)等特性。

從數(shù)據(jù)的來源看，工業(yè)大數(shù)據(jù)主要包括三類：第一類是企業(yè)運營管理相關的業(yè)務數(shù)據(jù)。這類數(shù)據(jù)來自企業(yè)信息化范疇。第二類是設計與制造過程數(shù)據(jù)。主要是指工業(yè)生產(chǎn)過程中，裝備、物料及產(chǎn)品加工過程的工況狀態(tài)參數(shù)、環(huán)境參數(shù)等生產(chǎn)情況數(shù)據(jù)。第三類是企業(yè)外部數(shù)據(jù)，包括工業(yè)企業(yè)產(chǎn)品售出之后的使用、運營情況的數(shù)據(jù)，還包括大量客戶、供應商、互聯(lián)網(wǎng)等數(shù)據(jù)。工業(yè)大數(shù)據(jù)的這些特性對多源異構(gòu)數(shù)據(jù)存儲技術(shù)提出了很高的要求，不僅需要高效的存儲優(yōu)化，還需要能夠通過元數(shù)據(jù)、索引、查詢推理，支持高效便捷的數(shù)據(jù)讀取，實現(xiàn)多源異構(gòu)數(shù)據(jù)的一體化管理。

2）工業(yè)數(shù)據(jù)資源不豐富

宏觀層面上，工業(yè)領域的數(shù)據(jù)類型和數(shù)據(jù)量是非常豐富的。但對于微觀的大數(shù)據(jù)應用和分析，有價值的數(shù)據(jù)往往非常稀缺。

數(shù)據(jù)樣本通常嚴重有偏（biased）：很多工業(yè)系統(tǒng)是被設計為高可靠、嚴格受控的系統(tǒng)，絕大多數(shù)時間穩(wěn)定運行，異常工況相對稀缺（對數(shù)據(jù)分析來說是“高價值”），已經(jīng)標記的有效樣本就更是難能可貴。還有一些工業(yè)場景要求捕獲故障/異常瞬間的細微狀況，才能還原和分析故障發(fā)生原因，這對數(shù)據(jù)監(jiān)控和后臺數(shù)據(jù)存儲提出了很高的要求。

維度不完整和序列的間斷（censored）：因為各種原因，往往很難實現(xiàn)全維度的數(shù)據(jù)集的有效關聯(lián)，另外在時間或空間序列上也常常存在缺失，從當前數(shù)據(jù)并不能完整勾畫出真實的物理過程，基于此的CPS模型的應用范疇是需要謹慎度量的。這兩點也造成了 “數(shù)到用時方恨少”的尷尬。根據(jù)中國信息通信研究院和工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟2018年底對國內(nèi)74家工業(yè)企業(yè)的調(diào)研，我國工業(yè)企業(yè)的數(shù)據(jù)資源存量普遍不大，66%的企業(yè)數(shù)據(jù)總量都在20TB以下，還不到一個省級電信運營商日增數(shù)據(jù)量的1/10。針對這種狀況，工業(yè)大數(shù)據(jù)建設應該量體剪衣，但不應是“看菜下碟”的“被動響應，而是從業(yè)務去發(fā)掘需求，從技術(shù)的角度思考如何獲取更多數(shù)據(jù)資源（新傳感技術(shù)、軟測量、內(nèi)部信息整合、數(shù)據(jù)聯(lián)盟等），從數(shù)據(jù)的角度思考如何用新模式或新技術(shù)去提升業(yè)務。

3）工業(yè)數(shù)據(jù)有很強的上下文信息（Context）

工業(yè)是一個強機理、高知識密度的技術(shù)領域，很多監(jiān)測數(shù)據(jù)僅僅是精心設計下系統(tǒng)運行的部分表征。工業(yè)領域通常有大量的機理模型、專家經(jīng)驗的深厚積累，可以為數(shù)據(jù)分析縮小參數(shù)空間、提供有用的特征變量（如齒輪箱振動的倒譜參數(shù)），工業(yè)數(shù)據(jù)分析通常隱性或顯性利用大量的行業(yè)知識（問題定義、數(shù)據(jù)篩選、特征加工、模型調(diào)優(yōu)等），工業(yè)大數(shù)據(jù)分析通常需要統(tǒng)計學習（或機器學習）算法與機理領域模型算法的融合，以期創(chuàng)造更大的價值。

4）工業(yè)大數(shù)據(jù)的人才體系是明確二分的

工業(yè)大數(shù)據(jù)的價值變現(xiàn)通常需要統(tǒng)計學習和機理模型的交叉融合，然這兩個領域模型通常屬于不同的技術(shù)門類。并且工業(yè)企業(yè)通常以工程技術(shù)人員為主。這種技能的明確分割嚴重制約了工業(yè)大數(shù)據(jù)生態(tài)的發(fā)展。

除了以上共性的挑戰(zhàn)外，對于單個制造業(yè)企業(yè)，在推進工業(yè)大數(shù)據(jù)時候，還面臨管理模式轉(zhuǎn)變、人才短缺、短期成效與長效機制等各個方面的挑戰(zhàn)，這些挑戰(zhàn)需要大數(shù)據(jù)規(guī)劃與實施中有一個系統(tǒng)有效的方法論指導。

4.工業(yè)大數(shù)據(jù)的關鍵技術(shù)

工業(yè)大數(shù)據(jù)平臺

為有效支撐海量異構(gòu)工業(yè)數(shù)據(jù)存儲與查詢，有機融入現(xiàn)有的知識、經(jīng)驗與分析資產(chǎn)，消除技能對工業(yè)大數(shù)據(jù)應用發(fā)展造成的障礙，需構(gòu)建一套支撐工業(yè)大數(shù)據(jù)分析的工業(yè)大數(shù)據(jù)平臺技術(shù)，包括數(shù)據(jù)存儲與查詢、分析建模與執(zhí)行，以及數(shù)據(jù)和資產(chǎn)安全的保證手段。

多源異構(gòu)數(shù)據(jù)的存儲與查詢

通過面向工業(yè)數(shù)據(jù)存儲優(yōu)化的工業(yè)大數(shù)據(jù)湖技術(shù)，實現(xiàn)多源異構(gòu)數(shù)據(jù)的一體化、低成本、分布式存儲;通過面向工業(yè)大數(shù)據(jù)分析負載優(yōu)化的存儲讀寫技術(shù)，實現(xiàn)分析工具對數(shù)據(jù)的高效存取;通過一體化元數(shù)據(jù)技術(shù)，實現(xiàn)對數(shù)據(jù)的工業(yè)語義化組織與高效檢索。支持時序數(shù)據(jù)存儲、關系數(shù)據(jù)存儲、對象存儲、文件存儲和OLAP。

工業(yè)大數(shù)據(jù)的強機理與強關聯(lián)，決定了需要建立起描述業(yè)務上下文的行業(yè)模型，才能有效支撐后面的分析與應用，例如，設備全生命周期檔案（設備智能運維場景）、物料流轉(zhuǎn)與工藝狀態(tài)檔案（質(zhì)量分析場景）、需求動力學關系圖（需求預測場景）等。這就需要在多源異構(gòu)數(shù)據(jù)存儲引擎的基礎能力上，提供行業(yè)數(shù)據(jù)模型建模和查詢能力。以設備的全生命周期檔案為例，它記錄設備的過往今生以及不同維度的信息，包括設備結(jié)構(gòu)（BOM）、維修履歷、故障記錄、異常預警記錄、工況、檔案、基本信息等維度。

行業(yè)數(shù)據(jù)模型的建模，不僅僅是多個數(shù)據(jù)源Data Schema層面的關聯(lián)，還包括業(yè)務語義層面的處理，包括編碼間的映射關系（例如，設備編碼規(guī)則改變前后的對映）、同義詞（例如，風速在不同時期數(shù)據(jù)標準中的字段名可能不同）、字段名稱相同但業(yè)務語義不同（以油氣生產(chǎn)中的“產(chǎn)量”為例，井下產(chǎn)量、井口產(chǎn)量、集輸產(chǎn)量等不同口徑的“產(chǎn)量”，因為測量方式、測量環(huán)境、測量標準不同存在很大差別）。大數(shù)據(jù)平臺在提供行業(yè)建模工具時候一定要注意業(yè)務語義層面的需求。

以行業(yè)數(shù)據(jù)模型為基礎，大數(shù)據(jù)平臺提供基于圖搜索技術(shù)的語義查詢模型，以友好的方式支撐設備管理分析。以風機為例，當葉片斷裂事故發(fā)生后，整機制造商運維主管想查看確認是否為葉片批次問題（即和當前風機使用同一葉片廠商的風機最近機艙加速度是否正常？），有了圖語義模型的支持，應用開發(fā)者不需要寫復雜的表間關聯(lián)語句，這樣將大大降低應用開發(fā)的工作量。

工業(yè)知識圖譜

在設備運維中，除了設備檔案數(shù)據(jù)，通常還存在大量的故障案例、設備維修過程記錄等非結(jié)構(gòu)數(shù)據(jù)。這些記錄中蘊含著大量的故障征兆、排查方法等實操經(jīng)驗，對后續(xù)的運維有很大指導和借鑒作用。通用的文本分析，由于缺乏行業(yè)專有名詞（專業(yè)術(shù)語、廠商、產(chǎn)品型號、量綱等）、語境上下文（包括典型工況描述、故障現(xiàn)象等），分析效果欠佳。這就需要構(gòu)建特定領域的行業(yè)知識圖譜（即工業(yè)知識圖譜），并將工業(yè)知識圖譜與結(jié)構(gòu)化數(shù)據(jù)圖語義模型融合，實現(xiàn)更加靈活的查詢。

工業(yè)大數(shù)據(jù)治理與管控

用數(shù)據(jù)，更要“養(yǎng)”數(shù)據(jù)。數(shù)據(jù)質(zhì)量是大數(shù)據(jù)價值的生命線，數(shù)據(jù)治理是已被金融、電信、互聯(lián)網(wǎng)等行業(yè)證明的數(shù)據(jù)質(zhì)量保障的主要手段。調(diào)查顯示，我國工業(yè)企業(yè)只有不到1/3的企業(yè)開展了數(shù)據(jù)治理，51%的企業(yè)仍在使用文檔或更原始的方式進行數(shù)據(jù)管理。工業(yè)企業(yè)應該把數(shù)據(jù)治理放在與大數(shù)據(jù)平臺建設同等重要的位置。

工業(yè)大數(shù)據(jù)蘊涵著工業(yè)生產(chǎn)的詳細情況及運行規(guī)律，也承載了大量市場、客戶、供應鏈等信息，是工業(yè)企業(yè)的核心機密和工業(yè)互聯(lián)網(wǎng)的核心要素。在數(shù)據(jù)存儲層和分析工具運行時建立的統(tǒng)一安全管理技術(shù)，實現(xiàn)對數(shù)據(jù)細粒度全生命周期安全管控;在分析資產(chǎn)知識產(chǎn)權(quán)保護部分，通過文件級別的高級加密標準進行加密。

工業(yè)大數(shù)據(jù)規(guī)劃與實施方法

大數(shù)據(jù)分析規(guī)劃宜采用“業(yè)務導向+技術(shù)驅(qū)動+數(shù)據(jù)支撐”的方式，基于技術(shù)可行性的客觀評價，考慮全生命周期和后續(xù)迭代，統(tǒng)籌規(guī)劃建設，包含6個步驟。

應從關鍵業(yè)務目標分解出發(fā)，關聯(lián)到具體的業(yè)務領域（研發(fā)、建設、運行、運維、安全環(huán)保、銷售、采購等），從重要度和緊迫度的角度，對可能的業(yè)務分析問題進行評估。同時也思考新的大數(shù)據(jù)應用如何融入到當前的業(yè)務管理或生產(chǎn)管理閉環(huán)中去。信息欠缺的情形可以分為“有但未利用、有但不及時、有但不精準、可采但未采、想采但缺乏手段、采集成本太高“等6種類型，識別其屬于哪種類型，思考對應的業(yè)務或技術(shù)手段以及可實現(xiàn)性，比如，加裝傳感（如視頻識別）、增加外部數(shù)據(jù)源（如外部市場動態(tài)爬取）、通過大數(shù)據(jù)平臺的業(yè)務整合模型提高信息的完備性、通過軟測量通過流計算提高信息的實時性、通過軟測量實現(xiàn)關鍵信息的估算、通過數(shù)據(jù)聯(lián)盟（data federation）解決數(shù)據(jù)量不足的問題。最后，綜合業(yè)務價值和數(shù)據(jù)完備度，進行多個項目的優(yōu)先排序。

一般來說，大數(shù)據(jù)模型的作用與機理復雜度密切相關。這里從產(chǎn)品相似度、機理復雜度兩個維度，將分析算法應用分為6類范式。從工業(yè)產(chǎn)品的相似度來看，可分為大量相似產(chǎn)品（如風力發(fā)電機）和少量定制化產(chǎn)品（如就地建設的化工反應塔）。相似產(chǎn)品在數(shù)據(jù)分析時可以充分利用產(chǎn)品間的交叉驗證，而少量定制化產(chǎn)品應深度挖掘時間維度。從產(chǎn)品機理的復雜性來看，有無需機理模型的black-box產(chǎn)品（如電子消費品，通常不會深入元器件內(nèi)部去分析）、簡單明確機理產(chǎn)品（如風力發(fā)電機）、復雜機理產(chǎn)品（如鼓風機、化工廠）。復雜機理產(chǎn)品在工業(yè)大數(shù)據(jù)分析時，應更加重視機理模型和專家經(jīng)驗的融入。

相對其他行業(yè)，工業(yè)是一個強機理的復雜系統(tǒng)。工業(yè)大數(shù)據(jù)應從物理世界的“概念“視圖和”數(shù)字“視圖兩個角度，去審視數(shù)據(jù)資產(chǎn)和模型/應用定位，以消除一些不可落地的“偽命題”（不要浪費資源）、沒有基礎的“非分之想”（不如退而求其次）、刻意拔高“虛假高科技”（其實有更簡單的解決方式），另外，也可以幫助分析師把握住核心問題與要素，根據(jù)二八原則，放棄細枝末節(jié)，降低對數(shù)據(jù)的要求和建設成本，加速價值變現(xiàn)之路。

5.總結(jié)

工業(yè)大數(shù)據(jù)是推進工業(yè)數(shù)字化轉(zhuǎn)型的重要技術(shù)手段，需要“業(yè)務、技術(shù)、數(shù)據(jù)“的融合。這就要求從業(yè)務的角度去審視當前的改進方向，從IT、OT、管理技術(shù)角度去思考新的運作模式、新的數(shù)據(jù)平臺/應用/分析需求，客觀評估技術(shù)可實現(xiàn)性，從數(shù)據(jù)的角度審視如何通過信息的融合、流動、深度加工等手段，全面、及時、有效構(gòu)建反映物理世界的邏輯視圖，支撐決策與業(yè)務。本文從工業(yè)大數(shù)據(jù)發(fā)展趨勢、大數(shù)據(jù)范疇、特點的分析，以及關鍵平臺技術(shù)、分析技術(shù)的討論，嘗試為工業(yè)大數(shù)據(jù)的建設與實踐提供一些參考。