工业大数据的三个基本问题.pdfVIP

工业大数据的三个基本问题 随着云计算、 物联网 、移动计算、大数据、人工智能等新一代 信息技术的兴起和我国制造业向数字化、网络化、智能化的持续大 力推进，大数据在工业领域的应用引发了制造行业的普遍关注。 数“ 据管理 ”这个沉寂了几十年的管理领域重新被重视起来， 数据资产“ 化 ”为大数据厂商、各大企业所津津乐道。但是，大家对 工业大数据 的理解还存在很多疑问甚至分歧，作为一个普遍缺乏实践的工作领 域，还存在着诸多未知因素和风险。为此，本文提出工业大数据的 三个基本问题与大家共同讨论。 工业大数据，为什么在今天受到如此高的关注？ 首先，工业大数据受到关注是因为互联网发展，大数据首先是 在互联网行业得到应用，进而推动了大数据相关技术的发展和成 熟，在 IT 厂商、互联网企业家、政府官员等多方力量的助推下，大 数据应用逐步渗透到其他行业，如：医疗、通信、金融、制造业， 大数据在制造业的应用，被称为工业大数据。 其次，工业大数据倍受关注与制造业的数字化、网络化和智能 化的客观事实密切相关。自动化 /智能化的设备、生产单元和生产 线，还有智能化的产品，运行过程中产生了大量的数据，这些数据 蕴藏着有价值的信息。例如， GE 航空发动机每天提供给监控系统 的数据超过 1PB ，福特的插电式混合动力汽车每小时能生成数据 25GB ，一台数控机床每年的数据量也可达 700TB ，而一般企业的 PDM 、ERP 等系统十年所产生的数据量也不过几百 TB 。 第三，大数据相关的技术日益发展，拥有成本越来越低。例如 传感器技术、通讯技术的发展，获取实时数据的成本已经不再高 昂。嵌入式系统、低耗能半导体、处理器、云计算等技术的兴起使 得设备的运算能力大幅提升，具备了实时处理大数据的能力。开源 技术的生态完整性，也使得构建一个大数据平台的技术门槛越来越 低。 另外，我们看到，制造资源、制造过程和商业活动变得越来越 复杂，管理和决策的复杂度也在提升，依靠人的经验和分析已经无 法应对如此复杂的商业环境。借助数据、算法和软件代码，可以突 破人脑的限制，开展更加复杂的分析、预测，分析和预测的结果可 以优化过程、优化产品、优化决策。 最后，我们必须承认，美国管理信息系统专家诺兰在四十年前 提出的 诺兰模型“ ”今天来看，仍然被证明是正确的。从诺兰模型来 看，数据管理是企业信息化的必经之路。目前，国内大型制造企业 一般处于集成阶段的末期或数据管理阶段的早期，而绝大多数的中 小企业可能还处于诺兰模型的前三个阶段。事实上，工业大数据也 主要是大型企业在关注和投资建设。 当我们提到 “工业大数据 ”时，它的内涵包括什么？ 人们之所以会对工业大数据这个概念存在分歧，是因为每个人 看待工业大数据的视角是不一样的，从不同的视角就会看到不同的 视图，显然大家看到和讨论的内容就有可能不一样，分歧也就在所 难免了。如果沟通存在障碍，工作推进必然受到影响。因此，本文 从多个视角讨论一下什么是工业大数据。 数据视角。关于工业大数据的范围是有争议的，一种观点认为 工业大数据主要指的是设备数据，因为其符合大数据的 4V 特征。 另一种观点认为工业大数据指工业企业的所有数据，包括 “大 ”数 据，也包括 小“”数据。从现实意义上来说，笔者推荐第二种理解。 因为，无论是 小“”数据还是 大“”数据，都是企业 资产“ ”，实际应用过 程中，数据集包含了这两类数据。企业只有将所有的数据看作一个 整体，数据资产的价值才能够被充分挖掘出来。从数据视角看工业 大数据，可以发现企业数据架构的改进机会。 应用视角。与数据相关的应用