工业大数据与数据驱动的智慧（3）

工业大数据与数据驱动的智慧（三）

(2018年9月30日)

工业大数据实施策略研究

工业大数据到底该如何发展？其实国际上有一个领域叫过程挖掘，也就是增加对过程数据的利用，使其更加智能化，对此我谈谈自己的理解。我觉得IoT+ABC是工业大数据中数据管理的一个场景。数据库和大数据的区别就在于，数据库是先有模式后有数据，而大数据采集的数据是在设备中产生的，是先有数据，后有模式，可以称之为IOT。

接下来讲讲数据集，数据集是一种重要的资产管理，因此我们需要构建数据集的BOM。我们所讲的机器学习、人工智能、深度网络，都是从数据集里学习出来的模型。这个模型就是从一个数据集X，在知道Y的情况下，求F函数的过程。这就是采集、管理、处理、分析。其中最核心的问题就是应用，分为四个层次：采集部分、管理部分、数据集部分，应用部分，这些部分是逐渐深入和智能化的。PTC的领导曾写过一篇文章，讲到未来制造业里的工业智能分四个层次：监视、控制、优化、自主。

下面谈一点感受，原来我们做信息化的时候，用的是C语言，而现在做数据分析用的是R语言、Python语言，用的是分布在互联网上的很多的软件包。正因为有大量的、开源的软件生态，才支撑了ABC、IOT的蓬勃发展以及智能制造的蓬勃发展。

图5 数据、模型与算法

后面简单跟大家汇报一下数据算法和模型算法。上面图形中，最左侧的三列就是数据，而红红绿绿的，蓝红相间的就是模型。模型主要是起到分类的作用，就是画边界。比如上面的SVM算法，决策树算法，随机森林算法，AWS的算法，不同的算法做出来的模型是不一样的，而最终这些模型都要以应用为依据。所以，AI和大数据的基本区别就在于大数据能把这个模型做出来，而AI是把这个模型再嵌到设备里去。

工业大数据创造价值的过程才刚刚开始，工业大数据的价值不仅在于对现有业务的优化，更在于支撑企业、行业乃至全社会的创新、转型和发展。伴随着工业互联网不断普及，工业大数据应用价值将逐步释放、智能制造也将得到长足发展。当前，工业大数据仍处在高速发展的历史阶段，其概念内涵、技术方法、价值创造模式还在不断创新演化之中，需要我们各位共同地努力和大胆地创新实践。

（续完）

（摘编自 公众微信号 宁波普锐明）