１

工业产生转型升级作用(yòng)的路径

大数据系统软件國(guó)家工程实验室将工业产生转型升级的作用(yòng)的路径，总结為(wèi)加减乘除四个象限。

所谓加和减就是智能(néng)制造。智能(néng)制造更关注于企业内部的事情，狭义的智能(néng)制造关注制造，即生产环节，广义的智能(néng)制造则包含企业的全寿生命周期，从研发设计到生产制造再到运维服務(wù)。智能(néng)制造不外乎在在现有(yǒu)流程上加了一些东西、减了一些东西，它基本可(kě)以被总结為(wèi)八个字：提质、增效、降本、控险。今天，智能(néng)制造做的事情就是加法和减法。

但在这个时代光做加减法是不够的，比如私募股权机构投资一个企业，企业每年做一点加法，投资人可(kě)能(néng)不会满意，而是希望企业实现指数级的增長(cháng)。如何实现？工业互联网可(kě)能(néng)就是实现乘法和除法的路径。乘法就是平台效应。比如淘宝，容纳无数的商(shāng)店(diàn)在它的平台上开店(diàn)挣钱，就是一个案例。但是在工业领域，是否可(kě)以构建一个工业互联网平台？以服装行业為(wèi)案例。传统的第 一代的服装企业，比如雅戈尔，有(yǒu)自己的设计、工厂、店(diàn)面，即完整的产业链条。第二代服装企业，比如海澜之家，舍弃工厂选择全代工生产，转為(wèi)做营销，以门店(diàn)為(wèi)资产。互联网时代的服装企业，比如韩都衣舍，既没有(yǒu)工厂也没有(yǒu)店(diàn)面，成本几乎為(wèi)零，所有(yǒu)的店(diàn)面依赖淘宝，只负责快速设计、把控供应链，“总盘子”虽然不一定有(yǒu)传统企业那么大，但是利润率高。因此除法就是企业聚焦自己的核心竞争力。轻资产高利润运营，这是未来中國(guó)中小(xiǎo)企业**创业之道。打造工业互联网的平台生态，不是说只有(yǒu)这个平台才能(néng)挣钱，但平台上的每个人都有(yǒu)可(kě)能(néng)挣钱。

２

三个层次：工业大数据行业的分(fēn)类

　实验室接触了也做了很(hěn)多(duō)与工业大数据的应用(yòng)，并将其分(fēn)為(wèi)了三个层次。

第 一个层次是单元级。即针对工业设备，不仅限于设备的遠(yuǎn)程运维，还包括对设备故障的提前预警、故障分(fēn)析，以及设备的优化运行、资产管理(lǐ)等等。首先我们需要将设备的运行状态进行**的数字化测量，这种测量手段其实是将工业大数据的连续空间离散化。这个连续空间很(hěn)复杂，而能(néng)测量的物(wù)理(lǐ)量、精度、传感器数量都是有(yǒu)限的，所以全空间采样无法实现。但随着数字化水平提高、信息化进程推进、智能(néng)化应用(yòng)迭代，未来的测量过程也会升级。

第二个层次是工厂层次。这个层次不是关注单體(tǐ)设备，而关注整个工厂的运营效率、产品质量和安全、环保问题。工业讲求的是包括人、物(wù)料、工艺、设备、环境在内的因素，在复杂的动态系统中能(néng)够协同作用(yòng)。假设把全中國(guó)都看作一个大工厂，怎么在产业链条上提升自己的效率？我们今天做工业大数据，做“智能(néng)＋”，就是这个用(yòng)途。首先要回答(dá)数据在哪里，其实数据在任何一个地方。以前工业上管数据管的相对粗糙，传统在信息化领域做的相对较好的是管理(lǐ)信息化，而现在很(hěn)多(duō)工业数据只是用(yòng)来做监控以及做故障发生时做数据的回放。这些数据拿(ná)来怎么做两化融合（信息化和自动化的数据融合）没有(yǒu)做。

第三层次是怎么拿(ná)到其他(tā)人的数据？比如说挖掘机要自动化施工，需要了解ＧＩＳ数据、环境数据，但这些都不是传统制造业企业拥有(yǒu)的数据。这说明今天工业大数据的内涵，比传统的数据内涵要大得多(duō)。自动化以及跨界整體(tǐ)的数据，构成工业大数据的體(tǐ)系。

３

工业大数据的分(fēn)类和挑战

实际上，工业数据有(yǒu)三个特点。第 一个特点是多(duō)模态。过去很(hěn)简单粗暴地将数据分(fēn)成结构化数据、半结构化数据、非结构化数据，但工业企业不是这样。今天看到的很(hěn)多(duō)好像格式不一样的、非结构化的工程数据，真正把它打开的时候是不一样的。非结构化数据的使用(yòng)效率取决于结构化的程度，只有(yǒu)结构化才可(kě)以被**利用(yòng)；第二个特点是高通量，很(hěn)多(duō)设备是不停机的，所有(yǒu)的数据是７＊２４小(xiǎo)时连续产生的，量非常大；第三个特点是强关联，在工业的不同行业，数据关联遵循不同的规律而非简单的聚合。

所以工业大数据本身的特点带来了非常多(duō)的挑战。除了数据获取的挑战，随之而来的就是数据分(fēn)析、应用(yòng)的挑战。这里边因果关系，即数据驱动的方法只能(néng)告诉我们关联性，而无法不能(néng)告诉我们因果性。比如淘宝推荐商(shāng)品，只知道推荐相关商(shāng)品，却不关心这个事情的因果——為(wèi)什么用(yòng)户是这样的人。但这在工业上是行不通的，尤其是控制方面，因此模型需要長(cháng)时间的分(fēn)析和验证。

工业领域存在白盒模型和灰盒模型，白盒模型即工业机理(lǐ)，企业会根据工业机理(lǐ)设计工序、产品结构和工艺，这是第 一步。当它们被设计完之后，运行中又(yòu)会出现大量的不确定性，这些不确定性的消除靠的就是**、工匠的经验，让整个流程生产变得更加稳定和**，这是灰盒态。不再对机理(lǐ)和知识本身进行分(fēn)析和理(lǐ)解的数据模型，是一种黑盒模型。工业大数据和工业智能(néng)的本质就是，将这些经验和知识量化學(xué)习出来，挖掘心中有(yǒu)口中无的隐性知识，或者尝试通过数据方法把统计关系找到，再交还给工匠分(fēn)析。工业就是工业，它存在的时间比信息化时间長(cháng)，积淀比信息化多(duō)，而大数据和人工智能(néng)技术只是给工业上带来小(xiǎo)的变化，尝试帮它去消除不确定性。

４

大数据、人工智能(néng)在工业中的应用(yòng)

首先是智能(néng)制造。比如某个机床的良品率下降，那么机床可(kě)以猜到刀(dāo)具可(kě)能(néng)磨损了，主动提出要换刀(dāo)，或者炉温过热，就自主将温度往下调两度。如果设备可(kě)以自主告知、自主变化，而不是按照事先设定的逻辑来操作，这才是智能(néng)化。真正的数字化車(chē)间应该是什么样的？分(fēn)了三个层次：第 一层是大数据集成。以攀钢為(wèi)例，它做钢轨问题是产品质量，很(hěn)多(duō)钢轨表面不平整，必须要修正。如果发现表面不平整会怎么办？调整工会猜测原因、调试、再生产，经过很(hěn)多(duō)迭代之后调稳。而大数据能(néng)够建立数据集成體(tǐ)系，让决策者看到每个钢轨发生了什么、控制参数是什么、检测参数是什么。这样一个以物(wù)料為(wèi)中心、以工序流程為(wèi)轴的数据集成體(tǐ)系，能(néng)够為(wèi)调整工提供更多(duō)更好的决策信息；第二层是大数据统计分(fēn)析。能(néng)不能(néng)将好的批次的数据和差的批次的数据进行叠加对比，看控制参数的差异？大数据可(kě)以猜测造成问题的原因，至少可(kě)以排序，让调整工按照排序来做检查和调整；第三层是机理(lǐ)模型。通过大量的数据和反馈，工业企业可(kě)以构建一个相对准确、正向的仿真模型，并在数字孪生體(tǐ)、数字空间进行调试，在工厂里进行测试，这就是数字孪生带来的智能(néng)化體(tǐ)系。

那么工业互联网的逻辑对于智能(néng)制造来说改变了什么？从业務(wù)的角度来讲，工业互联网更多(duō)关注产业互联网的边界，而不关注企业内部的生产环节，它可(kě)以被总结成三个融合跨界：一是业務(wù)融合跨界，通过对产业链上下游业務(wù)边界的拓展，企业可(kě)以尝试整合上游的上游，也可(kě)以服務(wù)于下游的下游，我们是一个产业链协同视角下的大工厂；二是数据链条融合跨界，业務(wù)的拓展带来了数据边界的拓展，今天的数据不局限于企业原有(yǒu)的数据。比如说要服務(wù)于建造商(shāng)，需要环境数据、操作数据、气象数据；根本的是技术改变，相比ＩＴ技术的发展，工业软件和ＩＴ产业不在一条发展曲線(xiàn)，但现在通过云计算技术可(kě)以轻量级地让用(yòng)户做这样的开发，对于激励、知识的沉淀，可(kě)以在很(hěn)多(duō)领域产生了技术溢出机会。工业互联网平台的出现，让工业企业能(néng)将花(huā)大量时间研发的仿真模型有(yǒu)可(kě)能(néng)沉淀成小(xiǎo)而精的新(xīn)形态工业软件。