数据“盲视”与工业大数据（2）

三、突破数据“盲视”，建立工业大数据生态

由于盲视现象的存在，致使我们对世界的认识并非真实和全面。但随着科学理论体系和先进数字化技术发展，使得我们可以从更多角度去看待这个世界，从而认知到这个世界的另一面。比如，我们通过延时摄影技术，获得了植物生长，四季变换的美轮美奂，通过高速摄影技术，获得瞬间发生的神奇。

同样，由于互联网、大数据等应用，我们也可获得更多的数据存储，并通过数据建模，获得对组织管理的重新认识，进而识别和解决隐性问题，实现产品质量和效率的提升。

近日，宝钢首席研究员郭朝晖博士，发表了题为《工业大数据的收集不能乱来》一文，笔者深感共鸣，先将数据收集上来再说的做法和说法，是对工业大数据的认知“盲视”，对于如何建立，笔者认为可以从以下几个角度寻求突破：

1. 以目标为导向，建立数据价值模型。

企业以持续盈利为目标，如何将企业目标转化为财务目标、作业目标，是家里数据价值模型的关键。数据本身要企业本身可挖掘、可决策，才可能为大数据应用提供需求的接口。在实现工厂数字化的同时，应向企业推送形成大数据决策报告，以识别内外的核心问题，形成内部决策，外部服务资源需求的接口。

传统软件以业务需求为导向IT思维，必须转移到以数据为导向的DT思维来，没有转变就好比每天做着同样的事，却期望不同的结果，自然是很难成立的。

2. 正视“盲视”，解决瓶颈问题。

对于离散型制造业，由于系统自由度很大，管理的复杂程度也是非常复杂。这类企业的生产管理的难度是不言而喻的，其首要任务是建立起数字化生产系统，通过智能排产、生产实时管控，配置至少SaaS级的MES系统，以约束其自由度。这时，将会暴露更多以前未能发现的问题，通过数据驱动，解决影响产品质量、和效率的隐性问题。

3. 物联网大数据要与数据模型关联

越是智能的作业系统，装备的物理数据意义越是重大，传统的单机数据已经不足以支撑分析需求。

从故障诊断与隔离的机制上来讲，复杂系统首先是要建立防错机制，需要多维的传感器数据，通过编程技术，识别其故障类型，已达到纠错和预防的目的。而越来越智能的系统，已经不能将系统的组成单独看待，分析时，必须要有更加多的数据类型，故障模型也会更多，鉴于此，大数据的应用将会提供更多的判断和比较样本，从而提高及预测的准确性。

万不可本末倒置，如此将会造成数据是有了，但作用甚微。

4. 工业互联网与生态级解决方案

企业解决问题，通常受制于固有思维，基于尝试并非能取得良好的效果。工业互联网将企业数据决策报告与工业服务资源进行有效的对接，将有利于通过全社会资源来解决个性问题，实现生态级的解决方案。只有企业“盲视”得到突破，才能真正持续有效的推动企业价值转型。

（续完）

（原创：杨明波）

（选编自：公众微信号 工业4.0俱乐部工业服务研究中心）