2015年工业与制造业大数据分论坛集锦（5）

2015年工业与制造业大数据分论坛集锦（五）

（2016年6月22日）

流程工业综合自动化国家重点实验室主任助理、副教授王良勇：面向流程工业的智能工厂和智能制造

流程工业综合自动化国家重点实验室主任助理、副教授 王良勇

他从流程工业智能制造内涵与挑战；智能优化制造与工业“大数据”；智能优化制造系统的大数据技术研究三个方面展开了分享。流程工业在国民经济中占有基础性的战略地位，同时流程工业生产高效化和绿色化是国家重大需求。中国制造2025应对互联网、大数据、云计算等信息领域新技术和不断增加的国际竞争。面向流程工业的智能制造内涵与挑战，总体要求——创新驱动、质量为先、绿色发展、结构优先、人才为本。王良勇表示应把握智能制造主线：以体现信息技术与制造技术深度融合的数字化网络化智能化制造为主线！

流程工业与离散工业有着大量的不同点，实现高效化和绿色化的关键在于生产工艺优化和生产全流程的整体优化。关于流程工业制造的现状，由于我国原料成分复杂、生产工况波动大，使生产工艺优化和生产全流程整体优化更加困难和决策过程的知识与数据不完整、滞后等条件的制约，王良勇表示目前存在信息集成度低、数据利用率低、智能化程度低等问题。

对于工业大数据，他精确地将其解释为在允许时间范围内超出学科领域理论、方法、技术及工具可能处理的数据。工业过程的全流程控制涉及“大数据”；企业运作管理与生产管理涉及“大数据”，实现全流程一体化优化控制。“大数据”应用技术为研究机理不清的复杂系统的动态行为开辟新途径，利用复杂系统的动态特性反映于不同类型的数据群，以及大数据应用技术、建模技术与仿真技术等信息技术相结合预测动态性能成为可能。

演讲结尾，他认为的研究方向应是：“云端”+“终端”工业大数据平台：面向终端与云端数据的交换融合与智能协同，构建覆盖产品全生命周期和制造全业务活动的工业大数据平台；工业大数据管理与分析技术：研发工业数据的实时采集、高吞吐量存储、数据压缩、数据索引、查询优化、数据缓存等关键技术，研究时空关联与机理模型下的数据质量检查与修复关键技术；工业大数据的应用技术：大数据（数据、图像声音、文本）驱动的复杂工业过程的动态特征描述、挖掘与机器学习及可视化技术。

（原题目：【BDTC2015】工业与制造业大数据分论坛：宝钢、三一重工的实践及智能制造技术进展）

（未完待续）

（摘编自 电脑玩物中文网 \ 编辑 严进军）