01工業(yè)產生轉型升級作用的路徑

大數據系統(tǒng)軟件國家工程實驗室將工業(yè)產生轉型升級的作用的路徑，總結為加減乘除四個象限。

所謂加和減就是智能制造。

智能制造更關注于企業(yè)內部的事情，狹義的智能制造關注制造，即生產環(huán)節(jié)，廣義的智能制造則包含企業(yè)的全壽生命周期，從研發(fā)設計到生產制造再到運維服務。智能制造不外乎在在現(xiàn)有流程上加了一些東西、減了一些東西，它基本可以被總結為八個字：提質、增效、降本、控險。今天，智能制造做的事情就是加法和減法。

但在這個時代光做加減法是不夠的，比如私募股權機構投資一個企業(yè)，企業(yè)每年做一點加法，投資人可能不會滿意，而是希望企業(yè)實現(xiàn)指數級的增長。

如何實現(xiàn)？

工業(yè)互聯(lián)網可能就是實現(xiàn)乘法和除法的路徑。乘法就是平臺效應。比如淘寶，容納無數的商店在它的平臺上開店掙錢，就是一個案例。但是在工業(yè)領域，是否可以構建一個工業(yè)互聯(lián)網平臺？以服裝行業(yè)為案例。傳統(tǒng)的第一代的服裝企業(yè)，比如雅戈爾，有自己的設計、工廠、店面，即完整的產業(yè)鏈條。第二代服裝企業(yè)，比如海瀾之家，舍棄工廠選擇全代工生產，轉為做營銷，以門店為資產?；ヂ?lián)網時代的服裝企業(yè)，比如韓都衣舍，既沒有工廠也沒有店面，成本幾乎為零，所有的店面依賴淘寶，只負責快速設計、把控供應鏈，最后的“總盤子”雖然不一定有傳統(tǒng)企業(yè)那么大，但是利潤率高。因此除法就是企業(yè)聚焦自己的核心競爭力。輕資產高利潤運營，這是未來中國中小企業(yè)創(chuàng)新創(chuàng)業(yè)之道。打造工業(yè)互聯(lián)網的平臺生態(tài)，不是說只有這個平臺才能掙錢，但平臺上的每個人都有可能掙錢。

02三個層次：工業(yè)大數據行業(yè)的分類

第一個層次是單元級。

即針對工業(yè)設備，不僅限于設備的遠程運維，還包括對設備故障的提前預警、故障分析，以及設備的優(yōu)化運行、資產管理等等。首先我們需要將設備的運行狀態(tài)進行精確的數字化測量，這種測量手段其實是將工業(yè)大數據的連續(xù)空間離散化。這個連續(xù)空間很復雜，而能測量的物理量、精度、傳感器數量都是有限的，所以全空間采樣無法實現(xiàn)。但隨著數字化水平提高、信息化進程推進、智能化應用迭代，未來的測量過程也會升級。

第二個層次是工廠層次。

這個層次不是關注單體設備，而關注整個工廠的運營效率、產品質量和安全、環(huán)保問題。工業(yè)講求的是包括人、物料、工藝、設備、環(huán)境在內的因素，在復雜的動態(tài)系統(tǒng)中能夠協(xié)同作用。

假設把全中國都看作一個大工廠，怎么在產業(yè)鏈條上提升自己的效率？

我們今天做工業(yè)大數據，做“智能+”，就是這個用途。首先要回答數據在哪里，其實數據在任何一個地方。以前工業(yè)上管數據管的相對粗糙，傳統(tǒng)在信息化領域做的相對較好的是管理信息化，而現(xiàn)在很多工業(yè)數據只是用來做監(jiān)控以及做故障發(fā)生時做數據的回放。這些數據拿來怎么做兩化融合（信息化和自動化的數據融合）沒有做。

第三層次是怎么拿到其他人的數據？

比如說挖掘機要自動化施工，需要了解GIS數據、環(huán)境數據，但這些都不是傳統(tǒng)制造業(yè)企業(yè)擁有的數據。這說明今天工業(yè)大數據的內涵，比傳統(tǒng)的數據內涵要大得多。自動化以及跨界整體的數據，構成工業(yè)大數據的體系。

03工業(yè)大數據的分類和挑戰(zhàn)

實際上，工業(yè)數據有三個特點。

第一個特點是多模態(tài)。過去很簡單粗暴地將數據分成結構化數據、半結構化數據、非結構化數據，但工業(yè)企業(yè)不是這樣。今天看到的很多好像格式不一樣的、非結構化的工程數據，真正把它打開的時候是不一樣的。非結構化數據的使用效率取決于結構化的程度，只有結構化才可以被高效利用；

第二個特點是高通量，很多設備是不停機的，所有的數據是7*24小時連續(xù)產生的，量非常大；

第三個特點是強關聯(lián)，在工業(yè)的不同行業(yè)，數據關聯(lián)遵循不同的規(guī)律而非簡單的聚合。

所以工業(yè)大數據本身的特點帶來了非常多的挑戰(zhàn)。除了數據獲取的挑戰(zhàn)，隨之而來的就是數據分析、應用的挑戰(zhàn)。這里邊最大的限制是因果關系，即數據驅動的方法只能告訴我們關聯(lián)性，而無法不能告訴我們因果性。比如淘寶推薦商品，只知道推薦相關商品，卻不關心這個事情的因果——為什么用戶是這樣的人。但這在工業(yè)上是行不通的，尤其是控制方面，因此模型需要長時間的分析和驗證。

工業(yè)領域存在白盒模型和灰盒模型，白盒模型即工業(yè)機理，企業(yè)會根據工業(yè)機理設計工序、產品結構和工藝，這是第一步。

當它們被設計完之后，運行中又會出現(xiàn)大量的不確定性，這些不確定性的消除靠的就是專家、工匠的經驗，讓整個流程生產變得更加穩(wěn)定和高效，這是灰盒態(tài)。不再對機理和知識本身進行分析和理解的數據模型，是一種黑盒模型。

工業(yè)大數據和工業(yè)智能的本質就是，將這些經驗和知識量化學習出來，挖掘心中有口中無的隱性知識，或者嘗試通過數據方法把統(tǒng)計關系找到，再交還給工匠分析。工業(yè)就是工業(yè)，它存在的時間比信息化時間長，積淀比信息化多，而大數據和人工智能技術只是給工業(yè)上帶來小的變化，嘗試幫它去消除不確定性。

04大數據、人工智能在工業(yè)中的應用

首先是智能制造。

比如某個機床的良品率下降，那么機床可以猜到刀具可能磨損了，主動提出要換刀，或者爐溫過熱，就自主將溫度往下調兩度。如果設備可以自主告知、自主變化，而不是按照事先設定的邏輯來操作，這才是智能化。

真正的數字化車間應該是什么樣的？

分了三個層次：

第一層是大數據集成。

以攀鋼為例，它做鋼軌最大的問題是產品質量，很多鋼軌表面不平整，必須要修正。如果發(fā)現(xiàn)表面不平整會怎么辦？調整工會猜測原因、調試、再生產，經過很多迭代之后調穩(wěn)。而大數據能夠建立數據集成體系，讓決策者看到每個鋼軌發(fā)生了什么、控制參數是什么、檢測參數是什么。這樣一個以物料為中心、以工序流程為軸的數據集成體系，能夠為調整工提供更多更好的決策信息；

第二層是大數據統(tǒng)計分析。

能不能將好的批次的數據和差的批次的數據進行疊加對比，看控制參數的差異？大數據可以猜測造成問題的原因，至少可以排序，讓調整工按照排序來做檢查和調整；

第三層是機理模型。

通過大量的數據和反饋，工業(yè)企業(yè)可以構建一個相對準確、正向的仿真模型，并在數字孿生體、數字空間進行調試，最后在工廠里進行測試，這就是數字孿生帶來的智能化體系。

那么工業(yè)互聯(lián)網的邏輯對于智能制造來說改變了什么？

從業(yè)務的角度來講，工業(yè)互聯(lián)網更多關注產業(yè)互聯(lián)網的邊界，而不關注企業(yè)內部的生產環(huán)節(jié)，它可以被總結成三個融合跨界：

一是業(yè)務融合跨界，通過對產業(yè)鏈上下游業(yè)務邊界的拓展，企業(yè)可以嘗試整合上游的上游，也可以服務于下游的下游，我們是一個產業(yè)鏈協(xié)同視角下的大工廠；

二是數據鏈條融合跨界，業(yè)務的拓展帶來了數據邊界的拓展，今天的數據不局限于企業(yè)原有的數據。比如說要服務于建造商，需要環(huán)境數據、操作數據、氣象數據；

三最根本的是技術改變，相比IT技術的發(fā)展，工業(yè)軟件和IT產業(yè)不在一條發(fā)展曲線，但現(xiàn)在通過云計算技術可以輕量級地讓用戶做這樣的開發(fā)，對于激勵、知識的沉淀，可以在很多領域產生了技術溢出機會。工業(yè)互聯(lián)網平臺的出現(xiàn)，讓工業(yè)企業(yè)能將花大量時間研發(fā)的仿真模型有可能沉淀成小而精的新形態(tài)工業(yè)軟件。