当前位置：今日智造 > 智造快讯 > 热门直播 > 电子

工业互联网数据创造智慧【鹏越·工控安全(165)】

2017/5/2 17:08:32 人评论次浏览来源：鹏越网络空间安全研究院分类：电子

随着互联网创新思维的崛起，以及新一代信息技术与工业领域的深度融合，“数据”已成为工业企业的核心生产要素。

当下，以互联网为代表的新一代信息技术正前所未有地改变着工业的产业组织形态和生产方式。随着互联网与工业领域的全面融合，衍生出了一种新型的工业形态——工业互联网。工业互联网通过智能机器将人机连接，结合软件和大数据分析重构工业体系，从而激发生产力，让世界更美好、安全和清洁。

信息技术：工业发展助推器

工业互联网下的制造业，是将从前的自动化连接起来，借助网络数据传输、智能传感等技术，构建出一个实体的生产群落。同时，在虚拟的网络空间，利用大数据分析为实体生产机器提供虚拟的大脑，从而实现“自我改进修正”的智能制造。从信息技术应用于工业领域起，两者之间的融合程度从广度与深度上都得到了极大提升，可分为四个阶段。

数字化。该阶段是建立信息系统与物理系统的映射关系，在物理的生产要素中附加数字信息，即对生产要素数字化。通过数字对生产系统进行辨识和描述，可将连续性、模拟化的物理对象转换为离散型、数字化的模型。如采用RFID编码技术可以标识、跟踪、追溯任何人、设备、资源、产品等生产要素，而采用数据建模可以描述物理对象的结构与功能。由此，物理世界的对象被贴上了数字标签，为实现在数据世界中分析和改造物理系统奠定了基础。

自动化。该阶段实现了通过数据控制物理系统的行为。随着计算机和自动控制技术的出现及发展，人类逐步从繁重的体力劳动和恶劣的工作环境中解放出来。以数字控制程序来操作机器设备，不仅替代了人力劳动，而且能在一定程度上管理、协同和优化生产系统，极大地提高生产效率。自动化领域的典型代表是数控机床，作为装有程序控制系统的自动化机器，数控机床能够按照数字程序规定的符号指令实现连续动作。相较以人工操作为主的传统机床，数据机床具有更高的柔性、加工精度和加工质量。

信息化。该阶段从数据中提取知识，将无序“数字”转变为有价值的“知识”。自动化实现了以数据控制代替人力进行机器操作，但数据的使用处于表层的直观表达和简单运算。在信息化阶段，数据的使用不再是简单的统计与归纳，而是运用挖掘技术从体量庞大、多源异构的数据中沉淀出有价值的信息，并形成知识。在工业领域，数据不再仅用于机器操作，而是使机器具备一定的智能，通过复杂的数据处理与分析，帮助机器实现初步的决策功能。

智慧化。该阶段借助互联网和物联网的低成本感知、高速泛在互联，使生产系统的各个要素紧密连接，可以实时获取围绕产品全生命周期各个环节的各类工业数据。并且，企业的生产方式从传统的依赖“人的智能”转变为以数据为核心的“机器智能”。数据的深度学习技术快速发展，使机器具备高级分析和智能决策行为。以数据为引擎，能创造企业新增价值链，增强企业核心竞争力，是企业应对当前激烈市场环境的最有效途径。

核心生产要素：数据

在互联网思维未出现之前，“业务流程”无疑是企业价值链的承载体。企业的各种升级改造都必然以业务流程的重新梳理和优化配置为核心内容。因此在互联网发展初期，企业信息技术的应用目标是通过信息化手段，优化集成业务流程，以其为载体协同各个生产要素，从而实现企业生产活动能顺畅运行。但随着科技不断发展，企业意识到业务流程的高效运行可以提高现有生产资源的利用效率，但并不代表能够实现企业价值链的增效。因而企业新的价值创造必须来自一种具有巨大价值挖掘空间的新型生产资源。

当下，“数据”这一生产要素随着信息技术的出现而快速发展，已被熟知并加以利用。但在互联网与大数据等新一代信息技术出现之前，由于采集手段和分析技术的限制，工业数据的来源有限，企业对数据价值的使用也较为肤浅。随着物联网技术的应用与普及，工业数据呈大爆炸式增长，表现出类型丰富、来源复杂、体量庞大和结构异构的特点，企业也开始关注这一巨大社会资源的潜在价值。随着大数据技术在销售行业的成功应用，工业大数据也开始逐步蓬勃发展，使“数据”作为企业最有价值和最被关注的生产要素，从其他生产要素中脱颖而出，成为增强企业核心竞争力的第一大驱动引擎。工业大数据的核心在于依靠数据分析与处理，寻找到企业价值链和经济增长点，从而实现传统企业的升级改造，促进企业提质增效。针对工业大数据的发展，德国工业4.0提出了信息系统与物理系统融合的CPS理念，即通过互联网手段，实现生产系统中人、机器等各个生产资源的“互联互通”，在代表信息系统的数字世界和代表生产系统的物理世界间建立起一个映射。从而以“数据”为媒介描述物理世界的复杂行为，在数字世界中分析与优化生产系统，对生产物理要素进行优化重构。从这个意义上来说，工业互联网的本质即“数据创造智慧”。

最佳手段：工业大数据技术

互联网是以数据为承载体的虚拟世界，而工业系统是以人、机器、设备为组成要素的物理世界。在工业互联网领域，与传统的数据分析技术相比，工业大数据技术在数据处理类型、处理方式和处理性能方面呈现出六个显著特征。

一是工业大数据技术善于处理“非结构化”数据。随着互联网技术在工业领域的广泛渗透，工业数据源从企业内部网大范围拓展至整个产业链的制造网络，企业不仅可以精准、高效地采集自身的业务信息和生产信息，也可以轻松地获得来自各级供应商和合作伙伴的生产信息、销售商市场信息、互联网用户需求等海量数据。这些信息包含文本、视频、图像和语音等多元化结构数据类型，其中半结构化和非结构化数据占主要比重。这些信息相比结构化的生产经营记录范围更广，隐含的价值更大。依赖良好结构化数据的数据库处理技术难以适应大数据时代的“非结构化”特征，而工业大数据最大的潜力之一就是能有效地处理非结构化数据，深度洞察非结构化数据中的巨大价值，帮助企业提高核心竞争力。

二是工业大数据技术以语义网为利器，实现多源异构数据的全方位整合。工业大数据来源复杂，包括了来自企业内外部环境的经营管理数据、产品数据、生产数据、物流数据和运维数据等多种数据类型，数据分散存储特征明显。在此环境下，形成了众多的“信息孤岛”，难以进行统一的价值挖掘和知识发现，利用简单的数据检索模式不能满足工业大数据的分析需求。为解决数据多源异构性所带来的分析瓶颈，构建大数据语义网是一种必不可少的手段。语义网是进行语义判断的智能网络，可以实现人与电脑间的无障碍沟通。以语义网的本体技术为工具，建立语义一致、相互关联的统一数据模型，能帮助实现产品全生命周期跨企业、跨部门进行追溯，并使数据在统一描述框架下进行高效、安全、实时的整合和共享。

三是工业大数据的庞大体量需要“云架构”的存储和计算模式。当前，工业大数据急速增长，体量庞大，数据量从TB级别跃升到PB级别。目前，Facebook一分钟内就能产出350GB的数据量。预计到2020年，全球数据使用量将达到35.2ZB。如此巨大规模的数据量已经远远超出以数据库为基础的集中存储和集中计算模式的处理能力范畴。而以分布式存储和分布式处理为核心的云计算，则能为工业大数据分析提供超强的解决方案。 四是工业大数据技术的“流式计算”能满足时效性需求。工业大数据的指数级增长使数据的产生和传播呈现出鲜明的流式特征。更为重要的是，数据的有效价值具有时效性，要求大部分数据在较短时间内快速处理。工业大数据技术提供了批量处理和流式处理两种计算模式。前者对静态数据进行存储和分析，适用于对数据精准度和全面性有较高要求的应用场景，是一种线下分析。后者处理的是动态实时数据，不需要对数据预先处理，可以实现在线分析。“流式计算”的实时处理能力保证了数据价值的时效性，但数据分析精准性弱于批量计算。

五是工业大数据包含隐藏价值，需要“深度学习”。相比传统数据挖掘与分析技术，企业对工业大数据技术的学习能力提出了更高的要求，希望工业大数据能够实现“自主学习”，即在无外界干扰的情况下，能从海量、多类别、快速变化的数据中发现价值。目前，深度学习与大数据的结合研究已引起业界极大关注，发展前景可观。

六是工业大数据技术能从“数据”中进行知识发掘。知识是人类认识世界并进行创新活动的核心引擎。在大数据思维未出现之前，工业领域中的知识发掘主要以专家经验提炼和精准的模型分析为手段，这种模式难以解决企业在多变的全球化市场环境和复杂生产过程中所面临的问题、压力和挑战，无法对增强企业核心竞争力、重构企业价值链提供有效帮助。工业大数据脱离了对模型的依赖并摒弃了精准化分析，而是从巨量、混乱无序的数据中挖掘深层次的价值信息，使企业具备更强的洞察力和决策能力。并且，大数据对数据本身进行知识挖掘，因此更能保证知识的有效价值及其时效性。目前，模型驱动和大数据驱动的双驱动型知识发现体系可以互相补充，成为工业大数据知识工程中新的应用模式。