工业大数据的实现路径（2）

图4.

伴随着计算机技术迅猛发展及企业信息化建设的重视与加快，制造业不但积累了大量的历史数据，而且在无时不刻地产生着大量数据，企业正面临如何用好大数据的抉择和考验。

而在新一代革命中，除了上面的正向数据流，还有大量的反向数据拉动。

二、数据逆向驱动业务

1、支持问题的可视化分析，将隐藏在数据背后的价值可视化呈现，发现最优解决路径；

2、为产品研发、设计、工艺及制造过程的更改提供依据，缩短影响周期；

3、支持市场决策及生产计划制定，通过产品的使用数据把握该产品的市场供需关系；

4、支持服务主动化转型，准确预测产品设备已用多少年，可能什么时候出现什么问题，什么时间更换零配件，以及产品升级等；

5、......

当前整个工业领域，都在大力推行两化融合。两化融合核心是什么？最重要的就是数据管理；而数据的组织模式，就成为两化融合的组织模式。

这里面涉及到两个概念，第一是流程模型数据化，包括产品模型数据化。模型数据化是当前当务之急，这跟过去的信息化有所区别；第二，大数据最后需要还原出来的是，整个工业技术体系 的模型。这一点才是两化融合真正的能力。

三、工业大数据可以划分为四个特性。

第一就是全属性。全属性就是说产品数据的完整性。它携带了全部的尺寸、工艺、制造、售后使用的信息。这一点实现起来是有很大难度的，丹在未来产业革命体系中，这一点是工业大数据最为根本的核心。

图5. 工业大数据的特征-四全

第二，全寿命和全过程。最近几年PLM（产品生命周期的管理）的普及，已经让行业非常熟悉这个概念。数据的设计和使用，必须要考虑跨越不同的设计、制造阶段。

第三，全方位，是全连接的手段。在整个价值链体系中去考虑问题。

最后是全融合。整个产业体系下的生态系统融合。

（未完待续）

（摘编自 微信 工业大数据专题组 / 编辑 严进军）