工業大數據價值挖掘路徑

導語：作為貫穿整個產品全生命週期和企業全價值鏈始終的核心因素，工業大數據日益成為全球製造業挖掘價值、推動變革的主要抓手。在我國重塑製造業國際競爭力的當下，如何進一步挖掘

的價值必將成為一大焦點。

當智能製造時代揭開序幕，一個炫麗的科幻場景將成為現實：工人發出口頭指令，機器人按照指令將原材料放入生產線，材料信息被實時讀取、傳輸給生產設備，通過與訂單任務的一番自動比對，機器實施自組織生產，再經歷幾輪智能檢測，自行篩選出合格品、放入運往市場的成品集裝箱。在這種人、資源、機器和產品無所不“連”（連接）和無所不“知”（感知）的製造場景下，一種前所未有的生產要素——工業大數據，在人與人、人與物、物與物的信息交互中源源不斷地產生出來，貫穿於整個產品全生命週期和企業全價值鏈始終，將成為推動工業生產方式變革、重塑製造業價值的核心技術力量，其未來價值不可估量。

工業大數據價值窪地初顯

工業大數據能夠突破傳統工業體系中隱性因素無法被量化的瓶頸，充分闡釋生產的主客體和生產全過程、全時段的客觀狀態，並通過智能化分析和預測預警，提高決策能力，降低決策成本。

在傳統生產中，無論製造模式如何改進，隱性的損耗和未知的變化始終存在，無法確保生產效益最大化。即便生產從機械組裝演進到高度自動化階段，這些不可控隱性因素依然“此伏彼起”。比如，為減少勞動力因過多承擔生產工序造成產品合格率降低的問題，福特公司引入了組裝線，實現流程化作業和規模化生產，但帶來了庫存和產品過剩；為減免資源浪費，豐田集團通過全流程的精益化升級實現零庫存生產，但如果市場需求波動，原材料不能及時跟進，將嚴重影響生產節奏；為促進產品的適時開發和快速製造，美國麻省理工學院與帕森斯公司合作發明了全球第一臺數控銑床，開啟了敏捷化生產的先河，勞動力的數控技能和機器的週期性維護又可能成為新的發展瓶頸。到了智能製造階段，每個影響生產決策的因素都將經過工業大數據的處理，以直觀明瞭的量化信息形式加以呈現，方便決策者對製造能力進行整體評估，特別是準確掌控未知的隱性因素，如零部件的偶發失效、不同加工材料造成的運轉性能磨損的不同、靜止機器突然大功率啟動時發生的摩擦損耗等等。一旦決策者引入預測性大數據智能運算系統，便能精準預判機器設備性能發生損耗和失效的時間、位置和類型，採取恰當的事先控制行為以避免產能和效率降低。可以說，圍繞生產線監測與預警、設備故障診斷與維護、產品質量監測預測等方面開展工業大數據的集成應用，將使得適時維修、最優化運行和穩定維持產品質量等經濟有效的生產管理成為可能，從而最小化製造過程的價值損失。

工業大數據能夠促進形成企業和消費者之間的信息主動反饋機制，為完善以客戶需求為導向的產品全生命週期信息集成和跟蹤服務、建立以服務為核心的整體解決方案提供可行路徑，將大大提升產品服務價值。製造企業可以利用傳感器記錄和傳輸產品的實時數據，開展對研發設計、生產製造、庫存控制、市場營銷、售後服務等產品全生命週期管理。其中，庫存、營銷和售後環節的數據集中反映了用戶對產品的個性化需求，並反向指導產品的設計和製造環節，實現產品生產與市場需求的有效對接。同時，產品全週期數據的實時反饋為在線實時監測、遠程故障診斷、工控系統安全監控等增值服務提供了依據，服務在產品價值中比重不斷提升。比如，我國家電領域已經推出的基於雲端的智能家居系統，實現了智能家居產品與企業遠程雲服務中心的鏈接對話。企業通過提供遠程實時檢測和即時維護刷新了消費者的服務體驗，在很大程度上增強了產品核心競爭力。

工業大數據不僅貫穿於生產全過程，而且在企業與供應商經營資源和財務資源的交互中得到不斷積累，為企業對自身供應鏈資源的信用評估提供了強有力的客觀依據。

在持續合作經營中，企業和供應商交易過程中的協商成本和契約成本將因為數字信用關係的建立而大幅降低。一旦信貸機構介入這一信用關係並發展成更為穩定的三角信用體系之後，信用價值的乘數效應將得到進一步放大。不久前，海爾與中信銀行展開了供應鏈網絡金融平臺戰略合作，搭建了基於海爾經營數據和財務數據的海爾合作伙伴信用評價模型，引領了工業大數據信用商業模式的創新實踐。這一平臺不僅為中信銀行降低了發放貸款的風險控制成本，還為海爾供應商夥伴節省了融資成本，並進一步促成海爾供應鏈環節的優化和生產效益的提升。

隨著美國工業互聯網和德國工業4.0等製造智能化轉型戰略的相繼實施，工業大數據日益成為全球製造業挖掘價值、推動變革的主要抓手。SAP全球研發網絡總裁柯曼認為，中國人口紅利消失的同時，基於大數據的工業互聯網應用將成為中國在新一輪科技革命中取勝的關鍵。工信部在《信息化和工業化深度融合專項行動計劃（2013-2018年）》中從三個層面對我國工業大數據的集成應用進行了重點部署，依次是支持骨幹企業自主應用大數據技術、為中小企業提供第三方大數據雲服務以及搭建行業大數據決策平臺。在我國大力推進兩化深度融合、重塑製造業國際競爭力的當下，如何進一步挖掘工業大數據的價值必將成為下一步行動關注的焦點。

工業大數據價值發掘的中國路徑

我國堅實的製造業基礎、日益擴張的機器設備應用市場和高端裝備的廣泛實踐將創造出全球最龐大、最複雜、最活躍的工業大數據，這在客觀上成為我國深度挖掘數據價值的後發優勢。

在生產和市場中實現量的積累

作為製造業大國，我國已經形成門類齊全、規模龐大的現代工業體系，覆蓋39個大類、191箇中類和525個小類等全部工業門類，創造出海量的機器設備市場需求。隨著製造模式向敏捷化、柔性化和智能化的不斷演進，我國工業機器人等智能裝備市場規模持續擴張。截至目前，我國已投入生產前線的機器人約為全球總量的8%，年總裝機量增長速度高達17%，遠超9%的全球平均增長率。隨著國產機器人自主創新能力的提升，以及市場對國產機器人品牌影響力的逐步認可，國產工業機器人服務領域將從汽車、航空、電子製造等中高端行業向金屬加工、衛浴五金、食品飲料等傳統優勢行業加速滲透。智能生產應用落地，如九江石化開始建設智能工廠，三一重工建設“工程機械產品加工數字化車間系統的研製與應用示範”項目。軌道交通、隧道挖掘以及海洋工程等裝備製造在智能裝備的自主設計及技術創新上成果顯著。高鐵應用在國內全面鋪開，並將成為歐亞大陸橋、絲綢之路經濟帶的主要交通工具。可以想見，門類豐富的工業生產、製造領域的智能化應用以及高端技術的領先發展將引發我國工業大數據規模的加速加倍增長，為數據價值的挖掘提供充足的樣本空間和試驗機會。我國這一數據資產優勢要遠遠超出德國、美國、日本等製造強國。

改進數據質量和數據管理短板

儘管我國在數據規模上佔有明顯優勢，但在數據質量和數據管理上卻居於下風。就數據質量而言，“中國製造”長期被鎖定在產業鏈末端的零部件組裝環節，在創造核心價值的高端環節沒有控制權，基於簡單製造流程生成的大數據質量必然受到影響。同時，人口紅利時代，我國製造業普遍適應了勞動密集型生產模式，其特點是，工業價值的創造極大地依賴於勞動力的投入規模，而非機器設備生產流程的優化，更不重視全產業鏈管理和企業部門資源的協同合作。基於這種模式建立的製造流程各環節相互孤立，無法確保各階段數據的交互、共享和集成。就數據管理而言，工業大數據的價值特性決定了其必將成為未來工業企業的戰略性生產要素之一，必將資產化，成為工業企業成長壯大的中堅力量。但是到目前為止，大多數製造業企業的大數據應用仍主要以內部數據為主，多數停留在擴大數據來源、增加數量的初級階段，還未形成有效的應用模式，更未就大數據成為資產達成共識，大數據管理上缺乏資產思維和按資產屬性進行管理的手段，大數據價值無法得到有效發揮。

通過分析創造獲得質的突破

如同從貝殼中取出珍珠必須經歷採集和摘取一樣，大數據價值只有通過收集和挖掘才能獲取，其中收集是大數據體量的積累，而挖掘和分析則是從量變到質變的突破。小數據時代，數據是結構性的，企業往往採用明確分類、有序排列的手段發現規律，以此查漏補缺，通過事後控制改進企業運作模式，從而實現數據價值。這既無法彌補已經發生的損失，也無法應變未來的非常規發展。相比之下，工業大數據不僅在體量上規模龐大，而且涵蓋聲音、圖像、符號等非結構性數據，產生於價值鏈全過程，來源廣泛，雜亂無序，實時產生，動態變化，相互關聯，信息冗餘，給價值的實現帶來了極大的挑戰。數據分析技術則是大數據應用價值得以提煉的關鍵所在。先進的分析技術，能夠對數據個體間的聯動性和頻繁模式進行透析，開展前瞻性預測預警，支持企業決策層做出研判。目前，大數據分析技術還未形成技術壟斷，開源的特性使得大數據技術集成研發和產品創新的初始成本幾近為零，為企業團隊加大在此方面的研究、創新制造價值帶來了更多的機會。以可視化和機器深度學習為核心的技術發展態勢也為創新大數據技術指明瞭方向。

當前，我國日益增長的大數據深度分析需求和大數據分析技術發展的矛盾逐漸尖銳。企業期望大數據處理不僅能夠多維度、全方位展現運行狀態，還能在TB級的複雜搜索中完成實時交互應答，不僅能夠通過邏輯推理進行未來預測預警，還具備深度學習能力實現功能的自修復、自完善。但我國自主可控的核心大數據技術接近空白，國內外通用型的大數據技術無法滿足實際操作中對技術的個性化、多樣化、深層次應用需求，不能為大數據應用提供充分的技術保障，這對大數據技術國產化研發和二次研發提出了挑戰。

積極創新拓展增值空間

工業大數據在成功推動規模化生產向定製化生產演進的同時，也在探索建立更深層次的主動創造需求模式以實現產品增值。無論是規模製造還是個性定製，均是圍繞市場需求開展生產，創新的目的是為了最大化滿足用戶現實需求。這個層面的創新有兩種形式，一是不斷優化提升原有產品功能，實現連續性創新，比如手機從直板到翻蓋、從小屏到大屏；二是通過研發新技術完全改變原有產品整體架構，實現迭代式創新，比如手機從按鍵控制變成觸屏控制。主動創造需求不再直接面對用戶的當前需求，而是利用創新思維和大數據技術模擬實際應用場景，深耕用戶行為習慣，主動創造新產品新功能，激發用戶潛在消費意願。蘋果推出的iPod、iPad系列產品是當前工業產品創造需求的成功樣本，但它極大地依賴蘋果團隊的創新思維，一旦對市場的把控不足，就會被消費者拋棄，譬如iPod Hi-Fi音響和iPod襪套等“陽春白雪”系產品就以失敗告終。對我國製造業來說，工業大數據從量的積累到價值的突破，最終還應當迴歸於創造有未來價值的產品，才是贏得市場、重塑核心競爭力的關鍵。

在創新應用層面，工業大數據標準和人才的缺失將制約創新能力的提升和創新價值的變現。由於沒有建立合理實用的標準體系，引發了大量的工業大數據集成應用難題，比如，大體量非結構化數據在跨系統、跨平臺轉換利用時無法迅速整合，企業內部大數據無權限開放使用導致商業秘密和核心技術的流失，大數據技術水平和應用規模無法得到合理評估。大數據人才的短缺將是我國未來工業大數據全面展開應用的最大挑戰。Gartner預測指出，截至2015年，全球與大數據相關的工作崗位將增加440萬個，近1/4的組織將設立首席數據官，但僅有1/3新崗位能僱傭到專業人員。目前，國內僅有中國人民大學、復旦大學、北京航空航天大學等數十家高等院校開設了數據相關的研究生課程，數據人才的培養力度極為薄弱，數據人才瓶頸將成為掣肘我國工業大數據發展的核心因素之一。

推進工業大數據應用創新發展

在我國兩化融合向更高層次和更廣層面深度推進的戰略期，如何突破短板，加速推進工業大數據應用的創新發展呢？

工業大數據的應用主體——工業企業應當大力變革傳統制造流程。工業企業是工業大數據的創造者，也是工業大數據應用的直接受益者，製造流程的先進與否，將直接關係到大數據質量和應用效益最大化。工業企業應當積極“走出去”和“引進來”，學習和引入一些先進的製造理念和流程設計，調整改善原有製造流程，構建適應工業大數據集成應用的生產體系。政府可以鼓勵支持一些有條件的企業開展先進生產體系示範建設工程，引導勞動密集型製造向智能製造轉型，開展工業大數據的集成應用創新實踐，打造可複製推廣樣板。

在工業領域加快建設具有行業特性的大數據標準體系。

工業大數據標準體系將是工業領域大數據應用的重要基礎。目前，國內外的大數據標準化工作都處在起步階段，儘早組織力量開展行業性工業大數據標準研究，立足自主知識產權，制定開放、技術、應用、安全、評價等系列標準，並逐步國際化，將有助於我國工業大數據應用發展。允許一些行業和地方對某些標準規範先行先試，在智能製造重大示範項目中率先探索工業大數據標準應用模式。

完善工業大數據集成應用的平臺機制。搭建工業大數據技術研究和應用創新平臺，集聚政府、工業界、科技界的智力資源和應用創新資源，加大數據表示、數據分析、數據存儲、數據質量、數據安全、大數據集互操作性等大數據技術方面的自主創新研究，促進新興大數據技術應用的市場化佈局，推廣大數據技術的典型應用。探索建立工業大數據資產平臺，賦予大數據資產屬性，率先展開工業大數據資產化標準、資產所有權和使用權、資產價值評估、資產共享和交易機制等前沿問題研究，探索建立工業大數據資產交易市場、以市場模式保障大數據資產流轉的可行性。

重視培養數據工程師。

目前，工業企業，特別是中小型製造企業大多將大數據相關任務外包給第三方信息服務機構，這些機構多為科技公司，對工業全產業鏈特點的把握存在跨界鴻溝，缺乏將先進大數據技術與工業生產融會貫通的服務經驗。工業企業在企業內開展大數據技術培訓，積極與高校建立戰略合作關係，打造數據工程師培養基地，培養適應企業自身發展需求的數據工程師，才能實現工業大數據的最大化應用。應當將數據工程師培養的重心放在理論學習和實操應用的並行推進，重點儲備既懂大數據技術又通工業流程的實用型數據工程師。這已成為保障和提升我國工業大數據價值創新能力的當務之急。