当前位置：今日智造 > 智造快讯 > 热门直播 > 其他

大数据与工业大数据（三）：工业 “大数据”？

2017/5/24 0:14:44 人评论次浏览来源：爱屋及悟分类：其他

由于大数据在商业领域里得了成功的应用，于是一些工业界的人士自然而然地想：能否把大数据应用到工业中？于是，诞生了所谓工业 “大数据”的概念。

一般，大型工厂里都会安装大量的传感器，通过DCS（分布式控制系统）来采集现场数据，实现对生产运营的实时监控。因而，如果将这些数据加以充分的利用，就可能在不增加硬件成本的前提下，实现工厂的运营优化，从而达到增产降耗的目的，岂不是美事一桩？

这种想法，一眼看上去，似乎很有道理。但是，能直接套用商业领域里的大数据的概念，而将之简单地称之为：工业“大数据”吗？却是不尽然。这里，让我来细说一二。

下面，我们通过大数据的几个特点，来看看它们是否同样适用于工业领域里的大数据特征。

Variety：种类多样性

先说大数据的Variety （种类多样性）。

这点上，工业数据并不满足。

商业领域的大数据具有多媒体的特点。即，其数据类型多种多样，包含声音，图像，视频，文本等各种形式，具备二维性、甚至三维性。

而工业领域里，通过现场的传感器采集到的数据，基本上都是时间序列的一维模拟信号（连续信号）或数字信号（二进制 0/1）。即便工业发展到现在，也没有增加新的数据类型。

因而，在这点上，工业数据显然不符合大数据多样性的特征。

Value：信息价值密度

再看看另一个我认为是至关重要的大数据特征：Value（信息价值密度）。

大数据的信息价值密度低。正因为有这个特征，大数据的分析处理可以用“沙里淘金”来形容，即通常只能从海量数据里挖掘出极少的有价值的信息。

对照工业领域，可以说工业传感器采集的每一个数据都是非常重要的。一个数据的信息价值如果低，工业领域会认为这里是不值得通过安装传感器来采集相关数据。因为：工业的环境与商业环境不同，高温、高压、高粉尘等等这样的恶劣环境是很普遍的。在这些恶劣的环境下，安装并使用的传感器，其价格通常非常昂贵，因而只会在非常重要、必要的地方才会安装传感器用于采集很重要、必要的数据。

在这点上，工业数据显然也不符合大数据的低价值密度的特征。

Volume：数据的体量

最后来说说大数据的特征：Volume （数据的体量）。

大数据的体量是非常巨大的。

工业上的数据量真得大吗？如果把一个大型工厂里所有传感器在若干年中采集到的数据都累计起来，貌似是非常大量的。可是，如果与商业领域的数据量比较，就显得不那么大了。

前面提过，商业上多是二维、三维等多媒体数据，而工业上基本是一维数据。也就是说：一个社交媒体网站一天收集的数据就有要超过一个工厂一年采集的数据量。由此看来，工业数据其实并不那么的“大”。

工业“大数据”不是大数据在工业领域的简单应用

其实，工业“大数据”和商业大数据不可相提并论的原因，大家从传统工业的特点上就能看出一二。

上一篇（大数据与工业大数据（二）：大数据为什么最近才兴起？）文中提到：大数据最近的兴起，一定程度上源于互联网及网络社交媒体的爆发式发展，因而使得大量数据的获取变得可能和容易。

对照工业领域，像电厂、油田、机器生产加工等等都属于传统工业。很多工厂从建成到现在已经运营了几年、十几年、甚至几十年。在这些厂刚建立时，大家都还没有大数据的概念，采集数据的目的主要是为了保证厂里的相关设施、设备能安全平稳地运行，并没有对数据进一步分析、处理，用于提高生产经营效率的想法。即便到现在，工业领域所获取的数据，其类型、数量和过去相比，并没有实质上的变化，因此谈不上什么工业”大数据”的概念。

所以，工业“大数据”的说法，更多意义上，是一种推广性质的提法，并不能对应于商业大数据，更不能认为工业”大数据”只是大数据在工业领域的一个简单应用。

我这样说并不是要否定数据分析在工业领域的重要性。其实我目前的主要工作就是对工业领域里的大量数据进行数据分析、处理，在不增加硬件投入的前提下，帮助传统工业增产降耗、加快实现数据化的进程。

以上的这些分析更多是为了让大家不要被大数据的概念所误导，不要认为工业”大数据“只是大数据在工业领域的一个简单应用。相反，工业上的“大数据”分析一直以来都有其自身的特点，而且随着科技的不断发展，工业上的数据分析又有了其新的思路和方法。

工业“大数据”自身的特点和方法是什么呢？它和现在最热闹的人工智能(AI)有什么关联呢？且听我下回分解。