工业大数据的精准要求

2023-07-02 理论教育版权反馈

【摘要】：制造业更应该关注自己最擅长、最有优势的工业大数据。商业大数据最重要的是全集与海量，可以有一定的容错率；而工业大数据要求极致的精准，因为一旦在工业生产制造上出现了一丝一毫的数据偏差，对整个生产流程都会带来巨大的损失。这都需要工业大数据对“精准”有更高的要求。这就是工业大数据所展现出来的强关联性。

我们把它放到制造业上来看，制造业的智能化如何实现，不确定性又通过什么办法来解决呢？答案就是工业大数据。

在前面的大数据章节，我们谈到大数据思维一个很重要的方面，就是从因果关系转变为相关关系。但这更多的是涉及商业大数据范畴，因为这些理念，除了对制造企业市场营销等部分业务有所帮助外，对制造过程本身的价值实际并不大。制造业更应该关注自己最擅长、最有优势的工业大数据。

那么，工业大数据与商业大数据到底有什么区别呢？

实际上，商业大数据具有发散性，比如，商场中啤酒的销量高低也许与跑步机销量有相关性，也许与花生米的销量有相关性。而工业大数据注重因果关系，具有更强的专业性、关联性、流程性、时序性和解析性，它表现为两个最主要的特征：

一是精准。商业大数据最重要的是全集与海量，可以有一定的容错率；而工业大数据要求极致的精准，因为一旦在工业生产制造上出现了一丝一毫的数据偏差，对整个生产流程都会带来巨大的损失。

如果3D模型设计错了，生产线制造出来的产品就是废品；材料规格有差池，制造出来的产品就不能算合格品；而机床精度不够，零件质量就会大打折扣。这都需要工业大数据对“精准”有更高的要求。

二是多模态关联。工业领域的数据，结构虽然复杂而多样，但是关联性极强，能够在统一的数据模型中协同传递，层层逐级放大。

比如，在工厂里出现废品，无非就是人、机、料、法、环和测等几个方面的因素，有经验的师傅或技术人员可以很快进行定位，而不会考虑是否与雾霾有关，也不会考虑是否与窗外驶过的汽车有关。这就是工业大数据所展现出来的强关联性。

结合这两个特点，工业大数据的本质是以数据形式呈现的“信息”或“知识”，而不只是单独的数据。

放在工件加热处理的环节来理解，假定要求炉温为500℃，保持加热半小时，但中间某一时刻我们采集到的工件数据是600℃，我们就知道这个工件的温度超过了预设的数据。这时监控系统知道出现了废品，会马上报警，这已经超出数据层面而上升到信息和知识层面。生产线再采取相关措施去干预，进而又上升到了智能层面。

由此可见，工业大数据不是简单的数据，在相关系统支撑下，它可以很轻松地加载上信息属性，甚至是知识属性。

工业大数据的精准要求

相关推荐