【中國傳動網 市場分析】 大數據神話

大數據帶來了無窮的想象力和無所不能為的信心，隨著消費、政府、物流等大數據行業(yè)的快速發(fā)展，工業(yè)領域內，數字設計、數字工廠、數字制造等概念也一哄而上，仿佛工業(yè)大數據已經成為拯救實體經濟的“大力丸”，中國有著規(guī)模龐大的各型工業(yè)設備、豐富的設備使用場景，中國的工業(yè)大數據隨處都是。

貴陽大數據中心，以政府主導型的數據為基礎，基本是城市數據、政務數據、物流數據等；阿里云是以消費者數據為基礎，十多年淘寶發(fā)展歷程，沉淀了大量的用戶行為數據。

但是，對于那些不分晝夜轟鳴的設備，工業(yè)數據仍然是暗無天日的黑油、黑煤炭。對中國制造業(yè)而言，些許的光亮或閃爍，遠沒有到大規(guī)模發(fā)光發(fā)熱的時代。更為重要的事情，還需要工業(yè)領域去優(yōu)先解決。

先有雞還是先有蛋

對于第一次工業(yè)革命的發(fā)源地，煤炭在英國發(fā)揮了巨大的作用。1700年，英國煤產量是世界其他地區(qū)的5倍；1800年，是歐洲其他地區(qū)的5倍。然而，謎團猶在，英國擁有煤炭，好像是該國逃離農耕陷阱的根本要素。但與此同時，德法日和清朝，都有大面積煤田，卻未得到大規(guī)模的開采。煤炭與工業(yè)革命的關系值得明辨。實際上，這不是一個煤炭創(chuàng)造了工業(yè)革命的問題，而是工業(yè)革命創(chuàng)造了煤炭需求的問題。換言之，英國煤炭工業(yè)的飛速發(fā)展，只是財富和技術已經到達高水平的一個征兆。

煤炭對于英國第一次工業(yè)革命的戰(zhàn)略意義，此刻正如工業(yè)大數據之于中國制造2025。由于蒸汽機的驅動，煤炭猶如脫韁之野馬，成為工業(yè)革命源源不斷的動力。正如一把復雜鑰匙吻合一把鎖，這種類似的模式，第一次將人力一勞永逸地解脫出農耕時代。工業(yè)根基肇始。一段時間后，這個開鎖程序被世界模仿，并且換成石化燃料和內燃機。這一模式，影響了隨后二百多年的工業(yè)史。

隨著智能制造的發(fā)軔，看上去這個模式，馬上就要交給了工業(yè)大數據。而此刻，我們必須意識到，數據對于新工業(yè)革命的意義，尤其是對于中國制造2025的意義，是一種全新的密碼鎖模式——中國工業(yè)化還并不太熟悉的一種模式。數據、信息和知識的關系，有時候容易混淆。大致而言，數據最開始都是未經組織的，大量存在卻價值極低；底層的數據需要通過信息化和工業(yè)化，才能轉化為知識體系。從數據到信息，本身就是一種過濾機制——這需要一種提煉，然后可執(zhí)行、可傳遞的信息形成知識。知識分為隱性和顯性，隱性知識往往存在于人本身之中，傳遞性很差。

工業(yè)領域的信息化是工業(yè)大數據的保護神

工業(yè)領域數萬億個設備和感應裝置進行互聯(lián)互通創(chuàng)造巨大的數據，經過分析整合后產生的“商業(yè)洞察”，正成為物聯(lián)網這一巨大新市場的核心價值。與此同時，隨著工業(yè)物聯(lián)網和數字化轉型的進程，軟件產品與其他業(yè)務的組合已成為未來發(fā)展的趨勢。但是，我們工業(yè)化短短的行程，使得我們習慣于硬件思維和設備思維，還沒來得及形成珍惜工業(yè)數據的意識。對那些有著厚重的工業(yè)技術體系和知識轉化的GE、西門子而言，當他們在說工業(yè)大數據的時候，他們有著一個我們很多企業(yè)沒有的隱含條件。不要將無數的現場數據等同于工業(yè)大數據。

就中國制造業(yè)而言，知識才是最大的攔路虎。工廠中各種數據，如果沒有領域知識和業(yè)務建模的前提，不過滿工廠堆砌起來的一座座數據垃圾山。對于企業(yè)而言，必須靜下心來想一想：數據何在？知識何在？這是一種全新的范式，我們并不熟悉它：工業(yè)大數據模式，需要先看懂密碼鎖規(guī)格，再去找鑰匙。

這就需要構建諸如工業(yè)相關的系統(tǒng)架構與平臺，既包括了向信息化軟件平臺提供大數據基礎的互聯(lián)互通能力，又能實現數據采集監(jiān)控與運營控制，實現邊緣控制；其可擴展性應用、分析及服務能夠為用戶提供運營管理、資產管理、信息管理、供應鏈管理等方面的優(yōu)化與升級，從而幫助企業(yè)提升在全生命周期內的連接、分析、運作、優(yōu)化，助力工業(yè)數字化轉型。

數據密集型的核心是數據科學家的密集型

就工業(yè)大數據而言，最重要的就是對它進行密集型的分析——工業(yè)知識斷不能缺位。GE在談及工業(yè)互聯(lián)網的時候，給與了“專業(yè)知識”以高度的重視。工業(yè)大數據不是傳統(tǒng)的數據統(tǒng)計分析，而是基于專業(yè)知識的引導，才能挖掘出數據真正的價值。數據科學家將會成為新的人力密集型產業(yè)的生力軍，不要奢望做幾個模型自動處理數據就行了，大量的工作還是離不開數據科學家的工作。顯然，知識體系必須重新作用于數據本身，才能形成工業(yè)大數據的價值。在工業(yè)領域，“無知識，不數據”。沒有工業(yè)經驗的線性化指引，數據就不會高速轉化，工業(yè)大數據的價值，就不會產生。

對于數據而言，信息化作了第一次提升，使得數據歸類、文本化和沉淀；但必須通過工業(yè)化才能進行第二次提升，才能將數據提升到知識的高度，形成真正的Know-how、經驗、最佳實踐、直覺；在此基礎上，挖掘形成大數據的新產業(yè)價值。

中國的工廠必須用知識來解放數據。中國制造者們，此刻必須開始意識到，我們最熟視無睹的“數據浪費”，已經成為一種新的觸目驚心的揮霍。這是一種可怕的工業(yè)無知。它如一只令人生厭的烏鴉，站在設備的控制板上，嘲笑著我們在設備上所做的大把大把的投資。

工業(yè)大數據的價值挖掘是慢工細活

在中國，企業(yè)通過數字化手段對研發(fā)、生產、運營和服務的全生命周期進行有效管理，優(yōu)化運營、提升利潤，有著比全球工業(yè)領域更為迫切的需求。有數據顯示，未來15年中國工業(yè)互聯(lián)網市場規(guī)模將超過11.3萬億元。其中91%的企業(yè)計劃采用工業(yè)云，37%的上“云”企業(yè)希望加大預算，繼續(xù)用工業(yè)互聯(lián)網改造傳統(tǒng)制造業(yè)。到2020年，中國工業(yè)互聯(lián)網占整體物聯(lián)網市場規(guī)模將達22.5%。

這些積極的信號顯示商業(yè)環(huán)境的變化讓數字化轉型成為工業(yè)領域提高競爭力勢在必行的途徑。但從整個市場的角度看，基于數字化的轉型在中國工業(yè)領域并沒有達到質變的階段。

就設備的效率而言，我們需要設備自動化；

就資源的浪費而言，我們需要精益生產觀；

就數據的效率而言，我們需要知識自動化；

就數據的浪費而言，我們需要精益數據觀。

從工業(yè)大數據的角度，中國制造業(yè)尚處于數據的黑金時代。所有企業(yè)都將逐漸意識到數據的重要性。但如何能夠完成數據的解放，將數據釋放出來，仍然需要穿過“無視知識”的認知障礙，仍然需要借助大量的專業(yè)化知識。這是中國兩化深度融合過程中，工業(yè)化必須單獨回答的命題。數據導向型制造這一概念已經誕生了很長一段時間。在20世紀80年代，金屬加工領域的研究人員就曾設法制造自適應性的刀具監(jiān)控系統(tǒng)，以測量切削條件、將數據與所設定的工藝標準進行比較并在隨后調整加工參數，從而實現工藝的穩(wěn)定性并最大限度減少意外加工事故的發(fā)生。

這些系統(tǒng)采用傳感器和探針來測量切削力、功率、扭矩、溫度、表面粗糙度及聲發(fā)射等工藝因素。不幸的是，當時的傳感器技術非常落后，無法提供必要的速度和精度以確保完全有效；計算機的處理速度慢，而且需要更大的存儲器來實時處理大量的數據。此外，先進的數據采集和管理技術在當時也極其昂貴。這些缺陷導致幾乎不可能在加工期間調整參數。這樣就造成了一種魚和熊掌不可兼得或非此即彼的情況。如果收集的數據超過所設定的最大限值，加工工藝會直接停止。最大限值是在并未充分了解和洞察切削工藝的情況下設定的。除了缺少足夠先進的數據處理技術外，還未掌握一個關鍵的概念，那就是在加工工藝的眾多物理現象中，大多數現象—溫度、力、負載—都并非靜態(tài)條件，而是不斷變化的動態(tài)條件。

例如某種加工中的切削力的平均值可能達到1000Nm。但在大約一半的時間中，這些力要高于1000Nm，并在其余的時間內低于這一水平。如果將系統(tǒng)的停機閾值設置為1000Nm，當力看起來過高時，系統(tǒng)將停止加工。（請注意，這些圖形顯示的是在8微秒內執(zhí)行的測量，以展示力的變化速度有多快。）在20世紀80年代是不可能進行如此快速的數據處理的。

現如今，在將近40年之后，傳感器和計算機技術在精度、速度和價格方面都有了很大的改觀。制造工藝研發(fā)本身歷經四十個年頭，已經積累了豐富的經驗并能夠非常深入地了解關鍵的加工要素。盡管編程和維護等計劃活動都發(fā)生在加工時間以外，但其他因素，例如操作員犯錯、刀具破損、工件損壞以及系統(tǒng)問題，都會無謂地導致加工時間變長、成本增加。在損失的時間中，切削刀具只占很小的比例，工件材料和工藝異常情況也是如此。工作人員和系統(tǒng)耗費的時間所占據的比例要高出許多。

工業(yè)4.0非常重視數字化數據采集、互聯(lián)網和云存儲，但這些元素只是解決方案的一部分。最后，必須分析所收集的數據并制作物理模型或示意圖，以說明存在問題的工藝。在網絡物理系統(tǒng)中，會將所收集的數據與示意圖進行比較，系統(tǒng)會生成反饋以執(zhí)行工藝修改，從而產生所需的結果。工藝控制由工作人員以及能夠在很短的時間內實時分析數據并將其與模型進行比較的計算機共同完成。要制作這樣一個模型，需要充分了解加工。不幸的是，加工代表著一種很難準確描述的現實情況。例如，模型必須能夠識別工件材料的動態(tài)屬性，因為工件硬度的變化會產生不同的切削力。不過，要測量每個工件的硬度是不可能的。在某些情況下，工件的硬度可能比材料的標稱硬度高10%，導致切削力也要高10%。