【儀表網 儀表上游】當前，主要國家掀起了新一輪以“信息技術與制造業(yè)融合”為共同特征的工業(yè)革命，加速發(fā)展新一代信息技術，并推動其與工業(yè)系統(tǒng)的深入融合，以期搶占新一輪產業(yè)競爭的制高點。無論是歐美老牌國家制造業(yè)的重振，還是中國制造業(yè)的轉型提升，工業(yè)大數據都將發(fā)揮不可替代的作用。
 

　　工業(yè)大數據是指在工業(yè)領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發(fā)、設計、工藝、制造、采購、供應、庫存、發(fā)貨和交付、售后、服務、運維、報廢或回收再制造等整個產品全生命周期各個環(huán)節(jié)所產生的各類數據及相關技術和應用的總稱，工業(yè)大數據以產品數據為核心，極大延展了傳統(tǒng)工業(yè)數據范圍，同時還包括工業(yè)大數據相關技術和應用。
 

　　工業(yè)大數據具備雙重數據，即價值屬性和產權屬性。一方面，通過工業(yè)大數據分析等關鍵技術能夠實現(xiàn)設計、工藝、生產、管理、服務等各個環(huán)節(jié)智能化水平的提升，滿足用戶定制化需求，提高生產效率并降低生產成本，為企業(yè)創(chuàng)造可量化的價值；另一方面，這些數據具有明確的權屬關系和資產價值，企業(yè)能夠決定數據的具體使用方式和邊界，數據產權屬性明顯。工業(yè)大數據的價值屬性實質上是基于工業(yè)大數據采集、存儲、分析等關鍵技術，對工業(yè)生產、運維、服務過程中數據實現(xiàn)價值的提升或變現(xiàn)；工業(yè)大數據的產權屬性則偏重于通過管理機制和管理方法幫助工業(yè)企業(yè)明晰數據資產目錄與數據資源分布，確定所有權邊界，為其價值的深入挖掘提供支撐。
 

　　工業(yè)大數據背景
 

　　在工業(yè)生產中，數據是不時生成的。生產機床的速度、能耗、溫度和濕度、熱發(fā)電機組的燃燒和燃燒、汽車的設備數據以及后勤隊伍的位置和速度都是生產過程中的數據。
 

　　自從工業(yè)成為一個獨立于社會生產的范疇以來，工業(yè)生產的數據收集和使用范圍逐漸擴大。由于泰勒是用秒表來計算工人用鏟子把煤送到鍋爐上的時間，所以它是對生產管理數據的收集和使用，福特汽車的水化生產，汽車生產過程中工業(yè)數據的收集和工廠的使用。豐田的精益生產模式將數據的收集和使用擴展到工廠和上下游供應鏈；核電生產過程的完全自動化將生產過程數據的自動化水平提高到更高的水平。
 

　　任何數據的收集和使用都是昂貴的，工業(yè)數據也不例外。然而，隨著信息技術、電子與數學技術、傳感器、物聯(lián)網等技術的發(fā)展，一批智能化、高精度、長時間導航、高性價比、微型傳感器應運而生。在移動數據通信的支持下，以物聯(lián)網為代表的新一代網絡技術可以隨時隨地采集和傳輸數據。以云計算為代表的新型數據處理基礎設施大大降低了工業(yè)數據處理的技術門檻和成本支出。以工業(yè)領域的SCADA系統(tǒng)為例，每個電網和化工企業(yè)在傳統(tǒng)模式下都需要建立一套成本超過1000萬元的SCADA系統(tǒng)。如果采用云架構模型，成本將降低70%以上。
 

　　社會需求的變化是大的推動力。在商品剩余經濟時代，以個性化為代表的消費文化使工業(yè)企業(yè)的產出地滿足個體需求。從服裝定制，車輛匹配，到T恤印花和個性化教育。
 

　　有兩種方法可以滿足個性化需求。以服裝定制為例，通過教師的尺、手、眼和經驗，確定服裝的裁剪和布局。這種模式稱為仿真模式，難以保證個性化定制的效率和質量、耗時和成本。另一種方法是數字模式，即通過開發(fā)一套數據采集手段。前臺客戶代表測量并收集用戶的數字數據，然后將數據發(fā)送回總部。結合原材料數據，將需求分解為生產過程動作。后，生產出符合定制要求的服裝。
 

　　當然，工廠也會聘請碩士。他們的主要工作不是面對個別客戶的客制化需求，而是研究更好的生產流程，控制數據和流程分解。在這種模式下，效率和質量得到保證，效率隨著生產線的擴大而線性提高，一批專家組繼續(xù)研究和提高工藝能力。定制生產成本將大大降低。從發(fā)展趨勢的角度看，后一種數字模式的個性化生產將是未來的選擇。
 

　　國家政策是重要影響因素。德國工業(yè)已經完成了工業(yè)自動化的過程，在自動化的基礎上，以工業(yè)數據為基礎，引入云計算和人工智能技術來提高工業(yè)的智能化水平，以滿足社會對大規(guī)模定制生產的需求。美國擁有強大的云計算、互聯(lián)網和數據處理能力。在此基礎上，提出了一種通過大數據將單個設備、一條生產線和一家工廠的數據連接起來的工業(yè)互聯(lián)網策略。挖掘工業(yè)服務業(yè)在診斷、預測、售后服務等方面的價值。
 

　　與德國和美國相比，中國處于工業(yè)自動化和云計算領域的開發(fā)階段，因此建議中國制造2025計劃將通過工業(yè)化和信息集成的方式集成工業(yè)化和信息集成。制定一系列關鍵項目和推進計劃。
 

　　工業(yè)大數據產業(yè)現(xiàn)狀
 

　　工業(yè)是國民經濟的基礎和支柱，也是一國經濟實力和競爭力的重要標志。
 

　　近年來，工業(yè)大數據作為我國“智能制造”和“工業(yè)互聯(lián)網”的關鍵技術支撐以及兩化融合的重要基礎備受關注。黨中央、國務院出臺了一系列“大數據”“兩化融合”“互聯(lián)網與制造業(yè)融合”等綜合性政策與指示，其中對工業(yè)大數據發(fā)展提出了明確的要求，全面指導我國工業(yè)大數據技術發(fā)展、產業(yè)應用及其標準化進程。
 

　　從供給側看，工業(yè)大數據供給側能力持續(xù)提升，涌現(xiàn)出一批專精特新企業(yè)，成為推動我國工業(yè)大數據發(fā)展的中堅力量。一是由傳統(tǒng)工業(yè)制造企業(yè)數字化、軟件化、平臺化發(fā)展，出現(xiàn)了一批具有較強數據匯聚能力的衍生型企業(yè)，如航天云網、樹根互聯(lián)等；二是軟件企業(yè)向工業(yè)領域滲透，出現(xiàn)的技術型企業(yè)，如昆侖智匯、東方國信等企業(yè)在工業(yè)數據建模、分析處理等領域不斷突破核心技術；三是互聯(lián)網企業(yè)積極進入工業(yè)領域，如阿里推出“ET工業(yè)大腦”等產品和服務，騰訊推出工業(yè)互聯(lián)網“木屋云”平臺。
 

　　從需求側看，隨著智能制造、工業(yè)互聯(lián)網等國家戰(zhàn)略的逐一推進，個性化定制、網絡化延伸以及智能化設計、生產、服務等新模式不斷出現(xiàn)，對于工業(yè)大數據技術、產品、平臺的需求不斷增大，為工業(yè)大數據提供了充足的應用場景。
 

　　然而，在我國工業(yè)大數據產業(yè)發(fā)展不斷優(yōu)化提升的同時，仍需要清楚認識到我國工業(yè)大數據的仍存在物聯(lián)數據無法獲取、格式不統(tǒng)一，數據產權不清晰、數據壁壘難以打破，全產業(yè)鏈數據應用不足等問題。主要原因在于，，在我國國產工業(yè)軟件、物聯(lián)設備核心技術供給不足，而國外設備讀寫不開放，數據無法讀取或者格式多樣，無法直接利用；第二，面對體量大、分布廣、結構復雜、類型多樣化的工業(yè)數據，目前工業(yè)行業(yè)整體數據資源管理水平不足，難以管理企業(yè)內部和外部各類數據，更無法充分分析和利用。第三，缺乏可用、好用、可信的工業(yè)大數據平臺，難以充分利用工業(yè)全產業(yè)鏈上下游的數據，以實現(xiàn)人、機、物等各類工業(yè)要素、工業(yè)業(yè)務流程以及產業(yè)鏈上下游企業(yè)間更大范圍的實施鏈接與智能交互，推動工業(yè)生產的資源優(yōu)化、協(xié)同制造和服務延伸。
 

　　近日，工信部發(fā)布《工業(yè)大數據發(fā)展指導意見(征求意見稿)》，為推進工業(yè)大數據發(fā)展，逐步激活工業(yè)數據資源要素潛力，不斷提升數據治理和安全保障能力。工業(yè)大數據分析是利用統(tǒng)計學分析技術、機器學習技術、信號處理技術等技術手段，結合業(yè)務知識對工業(yè)過程中產生的數據進行處理、計算、分析并提取其中有價值的信息、規(guī)律的過程。據中商產業(yè)研究院發(fā)布的《2019年中國工業(yè)大數據市場前景研究報告》顯示，2016年我國工業(yè)大數據市場規(guī)模突破150億元，保持增長，預計2019年市場規(guī)模將近500億元。到2022年，中國工業(yè)大數據市場規(guī)模或超822億元；2022年超1900億元。
 

　　工業(yè)大數據的實際指導
 

　　工業(yè)大數據是企業(yè)生產經營的重大變革。對于尚未完成工業(yè)化和信息化的工業(yè)企業(yè)來說，數據時代又來了，挑戰(zhàn)也很大。
 

　　產業(yè)大數據建設首先是思維的轉變，改變了以往以要素競爭為主的產業(yè)生產方式，進入了以數據和創(chuàng)新競爭為主的新的生產時代。其次，正如清華大學王建民教授所說，“大工業(yè)數據沒有交鑰匙工程”，需要領導、管理、員工和相關人員共同參與并履行各自的職責，才能取得成功。
 

　　后，工業(yè)數據建設抓住了兩塊木板作為突破口。一個是長的板，即找出產品(行業(yè))競爭力的地方，繼續(xù)深入挖掘潛在的數據價值，并圍繞這一領域的工業(yè)數據建立產品和服務能力；二是短的板，哪里是影響工業(yè)企業(yè)發(fā)展、成本、市場、供應鏈或能源消耗的痛點？在數據時代，尋找大數據機會的解決方案。