发展工业大数据 促进工业互联网深化应用

工业大数据与工业互联网的关系

工业互联网“网络是基础，平台是核心，是保障，数据是关键”。首先，工业互联网是工业大数据的重要来源。工业互联网连接的各种设备、工业产品、产业链、企业等，都是工业大数据的供给主体。其次，从工业大数据中提炼的各种隐含知识及经验，对于工业互联网提升决策质量、发现因果关系、优化分析效率及准确性等具有决定性作用。从作用关系的角度来看，工业互联网是新型基础设施，工业大数据是新的生产资源，工业互联网的要素通过数据实现关联和相互作用，工业大数据通过工业互联网实现流转、计算和价值生成。从生产活动的角度来看，工业大数据已经成为工业生产的资源要素，工业互联网是工业大数据的主要承载，二者既是承载与对象的关系，又是静态与动态的辩证统一。因此，发展工业大数据，对于工业互联网的深化运用、实质落地和价值体现，发挥着决定性作用。

工业大数据的内涵与特点

工业生产经历了一个从数据到大数据的过程。类数据是传统的工业数据，主要是来自工业信息化的数据，通常由IT域产生、使用和管理，比如ERP与CRM等系统。信息系统对数据主要依托关系型数据库进行存储。另外还有一部分数据，主要是研发相关的数据，通常由PDM或者PRM来进行管理。这类数据由于技术成熟，并且由标准的信息化系统作为载体，因此可以很好地访问和使用。第二类数据是来自机器设备的数据，也是自动化的数据。这类由传感器产生的数据，以前存储在实时数据库里。然而，按照当时的体系划分，实时数据库并不属于IT系统的一部分，而是属于OT系统。因为机器数据具有高频、高通量的特性，动辄数百万点甚至千万点每秒的产生规模，使得IT领域的关系数据库无法满足其吞吐量、存储和响应速度等方面的性能要求。第三类数据是来自产业链上下游的跨界数据。

面对这样的情况，工业界只有对实际采样到的秒级、毫秒级机器数据进行降频处理，将其转变成当时技术手段能够处理的“小”数据，再输入对应的数据库或数据仓库产品中进行分析。因此，工业“大数据”的概念，是当前相对于传统工业数据的内涵而延伸和发展出来的，是现在状态相对于历史状态的相对差异的描述和反映。当前，随着各种技术手段和工具的全面发展，工业大数据得以从幕后走到台前，从样本回归整体，在工业互联网的语境中发挥对现实生产的直接价值和作用。

工业大数据相对于以往的大数据范式与形态具有鲜明的工业特点

工业大数据具有多模态的特点。工业大数据形态多样，特别是非结构化数据。这是由工业生产社会化的属性所决定的，生产环节复杂、产业链跨度长、上下游发展程度不均衡、各参与主体任务属性特征差异巨大等因素，导致了数据的多样组织、表达、定义和呈现共同构成多模态特性。

第二，工业大数据具有高通量的特点。工业大数据量大，而且实效性要求高，这是区别于以前工业大数据的重要特征。以风力发电为例，按照50赫兹的采用速度计算，普通风机产生的测点数据可以达到每台500个测点左右的规模，并且连续24小时产生，要求系统具有极强的吞吐性能和响应性能。

第三，工业大数据具有强关联的特点。这个特点尤其重要，工业现场的数据在语义层有复杂的显性和隐性强关联，不同物理变量之间的关系，既有工业机理方面，也有统计分析方面，不能孤立、局部、片面地看待，否则满足不了工业对于严格性、可靠性和性方面的要求。

工业大数据的典型应用方向

总体上讲，工业大数据的应用分为三个层次：类，用于设备级管理。工业作为社会化大规模生产活动，设备是其主要的生产资料之一，重要性非常突出。工业大数据对设备健康管理的意义，不仅在于设备现在的状态怎么样，还包括设备发生故障之后可能出现的连锁反应与后果，终还需要回归到引发设备健康问题的相关性甚至因果性关系。这是工业知识的范畴，也是工业界长期以来饱受困扰却受限于技术手段和工具发展水平，而没有很好解决的问题。第二类，用于产线和工厂级的智能制造。在这一类应用中，研究的对象由独立的设备变成产线和工厂，抽象层次更高、看待工业颗粒度的级别更加宏观。第三类，用于工业互联的产业链优化场景。通过工业互联网，制造业本身的内涵和边界发生了巨大变化，其中服务性延伸是重要方向。

首先，工业大数据分析是挖掘因果关联知识的有效途径。工业生产过程必须保证可量化、能推导和可验证，其本质在于挖掘生产本质的各种因果关系。然而由于认识能力与水平的制约，目前人类在探求工业活动的过程中，只能停留在对关联关系的理解和处理层面。基于工业大数据的分析，为从传统积累的大量历史数据中准确定位、判断、确认因果关系带来新的希望，也是未来可能实现机理突破的重要方向。

来源：http://bigdata.idcquan.com/dsjyy/187884.shtml