譚建榮院士：運用大數據的目的是要實現大批量定制生產

邢黎聞

智能化、實時化、個性化、異構化是工業大數據發展趨勢的四大趨勢。

工業大數據發展趨勢有四大趨勢：一是從低價值分析發展到智能化挖掘，即智能化；二是從批量化處理發展到實時化計算，即實時化；三是大規模推送發展到個性化追蹤，即個性化；四是從結構化數據發展到異構化信息，即異構化。

會上，中國工程院院士、浙江大學教授譚建榮直言，智能化、實時化、個性化、異構化是工業大數據發展趨勢的四大趨勢。大批量定制要注意兩個問題：一是大批量定制是客戶參與的設計，設計人員不能關起門來做設計，一定要和客戶溝通；二是要快速響應客戶需求。

從大數據到工業大數據

在上世紀 90年代，美國國家自然科學基金委員會和美國學者曾提出一個預言，即生命科學技術、納米技術、信息技術和認知科學技術這四大技術互相交叉、融合、會聚將引領21世紀科技、經濟和社會的發展。在新世紀過去了16年的今天再來看這個預言，譚院士認為它基本上是對的，但也有不足。不足在兩方面：一是對生命科學技術、納米技術和認知科學技術的發展應用，以及對經濟的牽引作用估計過高，期望過大；二是對信息技術的牽引作用估計過低。

世界上第一個提出“大數據”這一詞的是美國華盛頓大學的托夫勒教授，他在三、四十年前寫就的《第三次浪潮》一書里首次提到了“奏響華彩樂章的將是大數據”。

什么是大數據？公說公有理，婆說婆有理，至今對大數據還沒有統一的定義。但譚院士認為它有四大特點：容量大、種類多、價值密度低、增長速度快。

再說到工業大數據。工業大數據主要是制造業在產品創新、制造技術創新和產業模式創新過程中以數字化、網絡化、智能化為主線，形成的大數據，它需要大數據的技術、平臺與應用支撐。“我個人研究工業大數據的大數據和其他領域的大數據不一樣。它有四個特點：一是語義性比較強；二是時效性比較強；三是異構性；四是多域性。”譚院士說。

同時，他指出，工業大數據發展趨勢用四大趨勢：一是從低價值分析發展到智能化挖掘，即智能化；二是從批量化處理發展到實時化計算，即實時化；三是大規模推送發展到個性化追蹤，即個性化；四是從結構化數據發展到異構化信息，即異構化。

無論是波音，還是空客，出現機械故障都很能容易解決，“其中一個原因就是采用了大數據監測，故障備件可以提前運送到某個機場。”另外一個典型代表是西門子安貝格數字化工廠，其75%生產過程由機器自動完成，實現生產過自動化數據采集與管理，通過對工業大數據進行智能分析，做到提前準備備件。

從工業大數據到大批量定制

未來學家托夫勒教授在他的另外一本書《權力的轉移》中提出了一種全新的生產方式的設想，以類似于標準化或大批量生產的成本和時間，提供滿足客戶特定需求的產品和服務。無獨有偶，1998年，華盛頓大學由45位著名未來學家和技術專家組成的新興技術預測委員會，也預測未來大批量定制會被列為2001到2030年的主要技術。

譚院士分析，大批量生產有大批量生產的很多優點：成本低、、高效率、質量穩定等。而定制化生產有定制化生產的優點：能滿足個性化需求、創新性強、價值高等。托夫勒提出的以大批量生產的方式進行定制化生產是把上述兩種優點都發揮了出來。“從互聯網到大數據，到大批量定制，這將是制造業運用信息化技術的一條主線。過去的BPM和ERP都很好，解決的是批量化生產。現在講的要智能制造，就要利用大數據分析，而運用大數據的目的是要實現大批量定制生產。”

由譚院士領銜的團隊是國內最早開展大批量定制研究的隊伍。第一個應用大批量定制的產品是在汽輪機上， 正是因為應用了大批量定制生產技術，杭汽的設計制造能力得到了大幅度提高。

當然，大批量定制也要注意兩個問題：“一是大批量定制是客戶參與的設計，設計人員不能關起門來做設計；二是要快速響應客戶需求。”

如何高效利用已有的定制設計，如何處理工業物聯化管理產生的海量數據，如何挖掘、滿足客戶潛在的設計需求，如何整合產業外大量分散的、異構的設計資源？這是大批量定制面臨的四個問題。“把這四個問題轉化成技術問題就是智能化數據挖掘、實時化數據計算、個性化的數據預測和異構化的數據集成。我們提出了幾項關鍵技術，成功的推進了這四個問題的解決，分別是：工業思維大數據形式化表達技術、定制知識大數據智能化挖掘技術、工業高速流式數據實時處理技術、工業數控裝備實時故障診斷技術、模糊個性化需求的大數據分析技術、定制化設計資源大數據集成技術。”譚院士說。