工业大数据是中国制造的伪命题

《工业大数据是中国制造的伪命题》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工业大数据是中国制造的伪命题2016-11-09 国信灵通工业大数据在中国是伪命题工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互

2、联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。很多时候，工业大数据根本难以利用：1）价值密度：王建民教授曾指出，相对于产品图纸、工艺设计等传统“小”数据，工业“大”数据的价值密度低。工业大数据分析无法脱离这些基础信息的支撑，不举小数据之“纲”，难行大数据之“目”。2）大数据永远是物理世界的“小”样本：以SMT(SurfaceMountTechnology)生产线为例，最终产品质量由工艺参数、材料特性、生产设备等上千个参数共同影响，生产检测大数据仅

3、仅覆盖了很小的参数组合空间（curseofdimension）。并且不是所有关键因素都有测量，测量值也不一定能反映分布式参数系统的全部（比如回流焊的温度监测值并不等于电路板的表面温度）。工业数据分析更需要利用先验知识缩小搜索空间，同时保持一种“大胆探索、小心求证”的态度。3）对分析有直接意义的样本比例通常很小：工业通常是运行在设计的常态模式下，对不期望的干扰因素会进行很多压制，造成绝大部分数据对应非常相似的环境与过程。特别对于故障分析、残次品因素分析等大数据分析，样本不均衡程度非常高(biaseddata)。虽然物理系统相对社会系统更容易做一些控制

4、性实验，但由于很多工业领域控制实验（比如风机叶片断裂、油气管道泄漏等）成本或风险太高，实际上也很难提供足够的异常情形样本。中国真的有工业大数据吗?贵阳大数据中心，以政府主导型的数据为基础，基本是城市数据、政务数据、物流数据等;阿里云是以消费者数据为基础，十多年淘宝历程，沉淀了大量的用户行为数据。但是，对于那些不分昼夜轰鸣的设备，工业数据仍然是暗无天日的黑油、黑煤炭。对中国制造业而言，些许的光亮或闪烁，远没有到大规模发光发热的时代。更为重要的事情，还需要工业领域去优先解决。随着智能制造的发轫，看上去这个模式，马上就要交给了工业大数据。而此刻，我们必须

5、意识到，数据对于新工业革命的意义，尤其是对于中国制造2025的意义，是一种全新的密码锁模式——中国工业化还并不太熟悉的一种模式。数据、信息和知识的关系，有时候容易混淆。大致而言，数据最开始都是未经组织的，大量存在却价值极低;底层的数据需要通过信息化和工业化，才能转化为知识体系。从数据到信息，本身就是一种过滤机制——这需要一种提炼，然后可执行、可传递的信息形成知识。知识分为隐性和显性，隐性知识往往存在于人本身之中，传递性很差。图2数据、信息和知识的模型可惜的是，传统知识管理的DIK模型(Data-Information-Knowledge)关系，是一

6、个单线程关系。它只解决了知识的提炼，没有解决回馈问题。就工业大数据而言，最重要的就是对它进行密集型的分析——工业知识断不能缺位。GE在谈及工业互联网的时候，给与了“专业知识”以高度的重视。工业大数据不是传统的数据统计分析，而是基于专业知识的引导，才能挖掘出数据真正的价值。显然，知识体系必须重新作用于数据本身，才能形成工业大数据的价值。在工业领域，“无知识，不数据”。没有工业经验的线性化指引，数据就不会高速转化，工业大数据的价值，就不会产生。对于数据而言，信息化作了第一次提升，使得数据归类、文本化和沉淀;但必须通过工业化才能进行第二次提升，才能将数据

7、提升到知识的高度，形成真正的Know-how、经验、最佳实践、直觉;在此基础上，挖掘形成大数据的新产业价值。图3工业大数据与知识的关系如果数据是石油，设备是藏宝地图，那么知识是唯一的钻探工具。中国工业技术体系没有形成线性化，尚无法形成驱动力。那些数据深藏在设备里，深锁在系统中，它们只在规定的范围局部流动，一如地表下的熔岩。它们有着澎湃的能量，却无法驾驭。就此而言。中国就没有工业大数据。甚至连显性化的工业数据都没有。我们工业化短短的行程，使得我们习惯于硬件思维和设备思维，还没来得及形成珍惜工业数据的意识。对那些有着厚重的工业技术体系和知识转化的GE、

8、西门子而言，当他们在说工业大数据的时候，他们有着一个我们很多企业没有的隐含条件。这是我们需要有的清醒意识：不要将无数的现场