工业大数据架构分析（1）

工业大数据架构分析（一）

（2019年2月11日）

摘要 由于移动互联网、大数据、物联网的快速发展，数据红利逐渐开始助推以传统工业企业为代表的重资产行业进行产业结构升级。当前，工业大数据尚处于发展初期，工业大数据架构仍没有形成统一、稳定的理论体系。如何将新型大数据技术与工业场景进行结合成为工业大数据发展的首要问题。文章从工业大数据概述、相关技术处理体系及流程以及实施应用路径等多方面介绍了工业大数据架构的意义、现状及趋势，为后续工业大数据的应用及发展提供理论基础和指导。

关键词 工业；大数据；架构

引言

工业大数据是指在工业领域中，围绕整个工业生产全生命周期所产生的各类数据以及相关技术和应用的总称。其中工业数据包括产品研发过程中的设计资料；产品生产过程中的监控与管理数据；产品销售与服务过程的经营和维护数据等。从业务领域来看，可以分为企业信息化数据、工业物联网数据和外部跨界数据。

工业领域的数据应用具备典型的大数据5V特征：数据量大；种类来源多样化；数据价值密度较低；数据增长速度快；数据具有真实性。工业大数据的价值逐渐被发现和重视，越来越多的工业企业开始利用数据来提升产品生产效率以及服务质量等，但工业数据的分析应用尚处于起步阶段，存在数据来源分散、数据结构多样、数据质量参差不齐等情况，难以高效挖掘数据的价值。

工业大数据系统的部署应用，其核心目标是全方位采集工业产品各个环节的数据，并将这些数据汇聚起来进行深度分析，利用数据分析结果重新指导工业产品全生命周期各个环节的控制与管理决策。通过效果监测的反馈闭环，实现工业产品全生命周期决策控制持续不断的优化。如果将工业互联网的网络比做神经系统，那工业大数据的汇聚与分析即为工业互联网的大脑，是工业互联网的智能中枢。

建设工业级的大数据系统，往往需要解决多个层面的问题，业务层面需要对各个环节的数据进行梳理和分析，形成完善的数据体系，来描述完整的工业生产流程；技术层面则需要建立统一的系统来汇集和处理工业全流程的数据，其中需要根据具体的业务场景选择合适的技术架构，考虑到工业级系统庞大的规模和复杂的属性，更是需要在建设的初期就做好完善的架构规划。

（未完待续）

（摘编自 微信公众号 信息通信技术 联通智汇）