大數(shù)據(jù)與工業(yè)物聯(lián)網(wǎng)分析應(yīng)用的四個(gè)重點(diǎn)

大數(shù)據(jù)與工業(yè)物聯(lián)網(wǎng)分析應(yīng)用的四個(gè)重點(diǎn)來(lái)源：物聯(lián)中國(guó)從質(zhì)量系統(tǒng)到制造執(zhí)行系統(tǒng)(MES),從單個(gè)控制器到基本嵌入控制設(shè)備(PLC)到復(fù)雜嵌入式設(shè)備，很多的制造性企業(yè)早已獲得了大量的數(shù)據(jù)以及數(shù)據(jù)采集的相關(guān)經(jīng)驗(yàn)。隨著成熟度日益上升，加之使用案例的延展，制造性企業(yè)在享受過(guò)去的成果的同時(shí)，也在慢慢掌握并且啟用新的數(shù)據(jù)源，包括逐步開(kāi)始著眼從資產(chǎn)/設(shè)備中增加數(shù)據(jù)。李杰教授在8月3日的全球首席信息官論壇的發(fā)言中談到，沒(méi)有背景的數(shù)據(jù)是沒(méi)有價(jià)值的、不可用的，同樣也是無(wú)法分析的。這也是工業(yè)物聯(lián)網(wǎng)的融合全面多元數(shù)據(jù)的核心意義所在。這讓我不禁想起宋代詩(shī)人楊萬(wàn)里的那首傳世佳作：《曉出凈慈寺送林子方》的傳世佳作。畢竟西湖六月中，風(fēng)光不與四時(shí)同。接天蓮葉無(wú)窮碧，映日荷花別樣紅。蓮花雖較為常見(jiàn)，但尤以西湖的蓮花名聲遠(yuǎn)揚(yáng)。西湖六月風(fēng)光有其特色，楊萬(wàn)里在詩(shī)句中并沒(méi)有流露出對(duì)酷暑的不耐煩，而充分肯定了朋友林子方的高潔品格。如果沒(méi)有那碧波萬(wàn)頃的西湖與荷葉的背景信息，現(xiàn)代的我們似乎很難體味詩(shī)人此刻的心態(tài)與心事。從今天的大數(shù)據(jù)分析角度來(lái)看，這與環(huán)境數(shù)據(jù)有異曲同工之妙。讓我借此來(lái)簡(jiǎn)略分析一下架構(gòu)工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)流構(gòu)架與大數(shù)據(jù)。我們不要太早地去設(shè)定框架當(dāng)企業(yè)在考慮采用工業(yè)物聯(lián)網(wǎng)（IIoT）鏈接與工業(yè)大數(shù)據(jù)分析的時(shí)候，最好的方法是找到一個(gè)適合企業(yè)的案例或應(yīng)用作為入口。這已經(jīng)是一種較為普遍的慣性思維模式。但這似乎并不是我們想像中的那么簡(jiǎn)單，因?yàn)槲覀兒苋菀装l(fā)現(xiàn)，要找到非常通用的、適合眾多企業(yè)的單一使用案例并不存在。相反地，這些應(yīng)用場(chǎng)景卻分布在制造業(yè)企業(yè)部門的各個(gè)傳統(tǒng)驅(qū)動(dòng)要素里面，包括能源、可靠性、質(zhì)量、生產(chǎn)、設(shè)計(jì)等等。換句話來(lái)講，就是工業(yè)物聯(lián)網(wǎng)與大數(shù)據(jù)的結(jié)合沒(méi)有固定的模式，沒(méi)有固定的架構(gòu)，可是，我們今天卻給出了太多的框架。過(guò)緊或過(guò)松的工程與制造公差所引發(fā)的故障導(dǎo)致客戶無(wú)法享用產(chǎn)品或者是成品的貨到即損質(zhì)量問(wèn)題等，都屬于成功的工業(yè)物聯(lián)網(wǎng)的應(yīng)用案例。在結(jié)合多方實(shí)地調(diào)研以及與企業(yè)的項(xiàng)目合作之后，我們發(fā)現(xiàn)，遠(yuǎn)程監(jiān)控在這兩年依然居于工業(yè)物聯(lián)網(wǎng)與大數(shù)據(jù)結(jié)合案例的首位。能源效率的管理緊隨其后，而資產(chǎn)可靠性與設(shè)備智能所帶來(lái)的質(zhì)量提升則位居第三。業(yè)務(wù)轉(zhuǎn)型措施被多數(shù)企業(yè)看作長(zhǎng)期使用案例，更有可能成為明年及以后的目標(biāo)。正是這些早期的成功案例，使得新的應(yīng)用創(chuàng)新以及應(yīng)用的方向轉(zhuǎn)變成為可能。例如，從出售資產(chǎn)變?yōu)槌鍪勰芰Φ裙蚕斫?jīng)濟(jì)的模式。美國(guó)NSF智能維護(hù)系統(tǒng)中心主任李杰教授在《工業(yè)大數(shù)據(jù)》一書中指出，實(shí)現(xiàn)制造業(yè)的價(jià)值化，實(shí)現(xiàn)用戶需求、產(chǎn)品設(shè)計(jì)、制造和營(yíng)銷的配合，根據(jù)生產(chǎn)狀況實(shí)現(xiàn)系統(tǒng)自我調(diào)整，降低生產(chǎn)過(guò)程中的浪費(fèi)以及制造工業(yè)環(huán)保與安全是大數(shù)據(jù)工業(yè)制造的五大核心支撐。重視顯性因素和不顯性因素的必要融合五大支柱的焦點(diǎn)就是顯性因素和不顯性因素的融合。我們?cè)?jīng)關(guān)心的是產(chǎn)品的制造、產(chǎn)品的制造工藝、產(chǎn)品本身的質(zhì)量等顯性因素?？紤]的因素都是可以觸摸的、可直觀判斷的。在工業(yè)大數(shù)據(jù)里，要解決的問(wèn)題卻是那些不顯性因素。設(shè)備處在一個(gè)在亞健康狀態(tài)，我們不僅看不到，更不明白問(wèn)題的根源在那里。由于問(wèn)題大部分與顯而易見(jiàn)的關(guān)系有關(guān)，其中包括隱形的訊息、零配件供應(yīng)商、復(fù)雜的制造流程、多變的環(huán)境狀況和客戶使用方案等。對(duì)于未來(lái)的智能制造而言，想要達(dá)到零宕機(jī)、零排放或是零維修等目的，我們必須突破的一個(gè)關(guān)鍵點(diǎn)，就是關(guān)注相關(guān)隱形的因素，做好量化與數(shù)據(jù)交叉關(guān)聯(lián)分析。今時(shí)今日，多數(shù)公司依然通過(guò)信息系統(tǒng)層次結(jié)構(gòu)的控制來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)流的管理，我們已經(jīng)看到不少企業(yè)開(kāi)始嘗試從下至上、向頂層的企業(yè)應(yīng)用系統(tǒng)和分析管控平臺(tái)輸送IIoT的數(shù)據(jù)的方式。而另外一種嘗試就是從外源數(shù)據(jù)層，數(shù)據(jù)也同時(shí)通過(guò)企業(yè)各種門戶流向的工業(yè)物聯(lián)網(wǎng)的云端。現(xiàn)在的問(wèn)題就是，外源的數(shù)據(jù)能否在直接與現(xiàn)有自動(dòng)化設(shè)備相連的門戶的“物”的一側(cè)實(shí)現(xiàn)，或通過(guò)傳感器和連接器的第二系統(tǒng)實(shí)現(xiàn)對(duì)接。傳感器門戶云的這種方案有利有弊。好的一面是，基于傳感器的解決方案，尤其是專注于提供這些傳感器產(chǎn)生的數(shù)據(jù)所形成的價(jià)值，比現(xiàn)有的自動(dòng)化解決方案的部署更快更方便，也會(huì)經(jīng)常提供積極的短期投資回報(bào)率。而不足之處便是，所產(chǎn)生的數(shù)據(jù)大多是控制系統(tǒng)內(nèi)已經(jīng)收集到的數(shù)據(jù)，畢竟，缺乏控制系統(tǒng)環(huán)境的測(cè)量數(shù)據(jù)點(diǎn)與環(huán)境數(shù)據(jù)的采集是較為突出的問(wèn)題。無(wú)法產(chǎn)生價(jià)值，沒(méi)有人會(huì)在意數(shù)據(jù)的所有權(quán)伴隨著對(duì)數(shù)據(jù)所產(chǎn)生的價(jià)值驅(qū)動(dòng)被大眾廣為接受后，數(shù)據(jù)所有權(quán)及數(shù)據(jù)共享的問(wèn)題變得越來(lái)越突出。那么究竟是資產(chǎn)設(shè)備的制造者，還是用戶的機(jī)器擁有數(shù)據(jù)，目前市場(chǎng)沒(méi)有定論。如果我們沿用信息管理的最佳實(shí)踐，認(rèn)同客戶擁有這些數(shù)據(jù)，而設(shè)備制造者的角色是配合用戶，以做好數(shù)據(jù)保管者的工作為主。的確，有一些設(shè)備供應(yīng)商比較堅(jiān)持自己擁有數(shù)據(jù)，而且并不愿意與客戶分享原始數(shù)據(jù)，但多數(shù)供應(yīng)商至少傾向?yàn)榭蛻籼峁┰紨?shù)據(jù)訪問(wèn)的有效途徑，來(lái)共同參與全制造鏈的改進(jìn)與提升。數(shù)據(jù)的所有權(quán)與資產(chǎn)/設(shè)備是否為企業(yè)帶來(lái)競(jìng)爭(zhēng)優(yōu)勢(shì)有密切的關(guān)系。當(dāng)機(jī)器的使用還不具備競(jìng)爭(zhēng)優(yōu)勢(shì)，或是沒(méi)有真正為企業(yè)帶來(lái)新的競(jìng)爭(zhēng)優(yōu)勢(shì)的時(shí)候，數(shù)據(jù)所有與分享一般都不會(huì)得到太多的重視。一直到當(dāng)機(jī)器的使用確實(shí)產(chǎn)生了競(jìng)爭(zhēng)優(yōu)勢(shì)時(shí)，資產(chǎn)使用者會(huì)更多地保護(hù)數(shù)據(jù)。伴隨著大數(shù)據(jù)理念井噴式的發(fā)展，用戶對(duì)于大數(shù)據(jù)理解的成熟度也迅速提升。能夠很明確的一點(diǎn)是，當(dāng)客戶沒(méi)有擁有數(shù)據(jù)時(shí)，他們是不會(huì)為原始數(shù)據(jù)買單的。相反，對(duì)于供應(yīng)商而言，只有通過(guò)共享數(shù)據(jù)并且提供給客戶有價(jià)值的服務(wù)，才能從工業(yè)物聯(lián)網(wǎng)的設(shè)備數(shù)據(jù)中獲得回報(bào)。考慮到各種各樣的工業(yè)物聯(lián)網(wǎng)應(yīng)用案例與場(chǎng)景，其中也包括新數(shù)據(jù)源，改變系統(tǒng)架構(gòu)的數(shù)據(jù)以及多結(jié)構(gòu)化數(shù)據(jù)等因素，我們今天的制造企業(yè)并不完全擁有適當(dāng)?shù)姆治瞿芰εc相關(guān)的人才。不少制造業(yè)企業(yè)的確有很多數(shù)據(jù)分析的經(jīng)驗(yàn)，但主要是集中在結(jié)構(gòu)性數(shù)據(jù)集的基礎(chǔ)上進(jìn)行描述性分析，而不是利用大數(shù)據(jù)，融合實(shí)時(shí)與各種非結(jié)構(gòu)化數(shù)據(jù)共同進(jìn)行預(yù)測(cè)性和規(guī)范性分析。那么，這也意味著產(chǎn)業(yè)鏈需要全面緊密的合作，企業(yè)不僅既需要投資合適的技術(shù)，更重要的是更為重要的是，也也需要投資過(guò)程和培訓(xùn)。正如西格瑪和精益已被融進(jìn)持續(xù)改進(jìn)措施之中，數(shù)字建模，機(jī)器自學(xué)習(xí)等大數(shù)據(jù)工具也需要進(jìn)行深化改造，進(jìn)入到制造業(yè)的每一個(gè)環(huán)節(jié)，每一個(gè)細(xì)小的功能，讓制造業(yè)專家來(lái)充分使用這些大數(shù)據(jù)工具，而不僅僅專屬于數(shù)據(jù)科學(xué)家的專屬。需要加速實(shí)施智能連接資產(chǎn)實(shí)現(xiàn)智能運(yùn)營(yíng)在工業(yè)大數(shù)據(jù)的推動(dòng)下，趨勢(shì)分析，統(tǒng)計(jì)分布分析，統(tǒng)計(jì)過(guò)程控制與優(yōu)化，包括回歸分析等開(kāi)始運(yùn)用到大量資產(chǎn)連接后所提供的數(shù)據(jù)。工業(yè)物聯(lián)網(wǎng)平臺(tái)技術(shù)的出現(xiàn)不僅僅是提升了分析的廣度，更出現(xiàn)了加速淡化了傳統(tǒng)分層模型的趨勢(shì)與可能性。自90年代初誕生的制造企業(yè)生產(chǎn)過(guò)程執(zhí)行管理系統(tǒng)(MES)，作為制造業(yè)協(xié)同管理的平臺(tái)為現(xiàn)今制造的管理打下了堅(jiān)實(shí)的基礎(chǔ)。制造執(zhí)行系統(tǒng)協(xié)會(huì)(MESA)在給MES定義中特別指出，MES必須提供實(shí)時(shí)收集生產(chǎn)過(guò)程中數(shù)據(jù)的功能，并作出相應(yīng)的分析和處理。而如今的工業(yè)物聯(lián)網(wǎng)在這定義的基礎(chǔ)上，逐步使之成為智能連接運(yùn)營(yíng)的協(xié)調(diào)、優(yōu)化平臺(tái)，而不僅僅是執(zhí)行與合規(guī)的集成和分析中間介層。工業(yè)物聯(lián)網(wǎng)平臺(tái)引起無(wú)數(shù)供應(yīng)商的關(guān)注是因?yàn)楣I(yè)物聯(lián)網(wǎng)平臺(tái)的構(gòu)成自身就是一個(gè)多元化的整合以及不同元素之間相互探索的平臺(tái)。到2020年，根據(jù)埃森則的報(bào)告，到2020年，全球傳感器的數(shù)量將達(dá)到2120億，設(shè)備所產(chǎn)生的數(shù)據(jù)流量接近16EB。而資產(chǎn)/設(shè)備是這一切的一切。全面啟用智能連接資產(chǎn)/設(shè)備將能夠使任何地