工业大数据架构分析（2）

工业大数据架构分析（二）

（2019年2月14日）

1. 工业大数据规划建设的关键问题

现阶段工业大数据的建设仍处于发展极不均衡的状态，部分先进大型工业企业已经利用大数据技术形成成熟的解决方案，整合各环节数据资源，为生产和服务提供精准的数据支撑，但仍有部分工业企业尚未实现信息化或信息化程度不高，需要从最底层的设备开始更新与改造，以适应新的数字化生产流程，规范各环节数据资料，从而结合大数据技术进一步地优化生产过程和服务质量。在发展工业大数据的各阶段下主要出现了以下三个问题。

1)设备老旧导致数据采集困难。在许多制造行业中，仍然使用传统的生产设备，并且因为各类原因对生产线设备进行更新换代较为困难，造成一些关键的生产数据无法采集，不能全面监控生产线的生产情况。这种情况下，需要在设备上加装外置传感器，并对传感器采集到的生产数据进行实时地汇集监控，来全面感知生产情况。

2)数据跨平台跨部门整合耗时。在工业领域进行业务分析时，由于工业系统庞大且复杂，往往需要整合多个数据源的信息，这些数据种类繁多、数据量大、数据质量参差不齐，有时甚至需要跨部门沟通，走繁琐的审批流程，在经过了一系列关卡收集并整理好数据后，由于耗费时间太长，一些具有时效性的数据就会产生价值流失。需要建设持续的、自动化的、全量的数据采集机制，来保证数据的价值被有效地利用。

3)初期缺乏规划导致应用竖井。在开展大数据应用的初期，由于大部分是业务驱动，各项目单独建设大数据系统，缺乏统一规划，容易造成应用竖井，数据重复采集、基础信息不一致，从而不可避免地出现资源浪费、数据关联性差，无法高效地利用数据价值；所以需要企业有全面的大数据系统建设规划，对数据进行统一采集和管理，为后续各种场景的分析应用提供良好的数据环境。

在工业级大数据系统的建设初期，需要对系统的技术架构进行合理规划，根据实际应用场景下的需求选择技术组件实现应用的搭建，考虑的问题主要总结为以下五点：①如何采集来自多种数据源的异构数据；②如何按照不同的数据留存需求进行高效存储；③如何按照业务需求选择数据计算引擎和处理工具；④如何保障系统的安全和稳定运行；⑤工业大数据技术架构分析。

（未完待续）

（摘编自 微信公众号 信息通信技术 联通智汇）