何友院士：用全新大數據思維模式開辟工業化建設

高茜

隨著互聯網、信息系統及電了設備的發展，人類社會各行各業每滅都在生成海量的數據。例如，社交媒體Twitter每天要產生12TB的數據，制造業中波音737的引擎每30分鐘飛行會產生10TB的數據。大數據的時代已經到來，正在改變著人們的工作和生活。

2017年12月8日，中共中央總書記習近平在主持中共中央政治局“實施國家大數據戰略”第二次集體學習時強調：“大數據發展日新月異，我們應該審時度勢、精心謀劃、超前布局，力爭主動，深入了解大數據發展現狀和趨勢及其對經濟社會發展的影響，分析我國大數據發展取得的成績和存在的問題，推動實施國家大數據戰略，加快完善數字基礎設施，推進數據資源整合和開放共亨，保障數據安全，加快建設數字中國，更好服務我國經濟發展和人民生活的改善。”總書記的話語，站在時代的高度，為我圍各級政府和利，技丁作者指明了努力方向。

大數據正快速向工業大數據拓展

2012年，在麥肯錫發布的《工業大數據的崛起》報告中給出了一個有趣的事實，在虛擬經濟占主導地位的美圍，工業蘊含的數據總量超過其他部門。工業數據的多樣性和復雜性正以創紀錄的速度迅速增長。工業部門已經進入大數據時代。曰前，中國工業正面臨轉型升級，迫切需要將大數據融合到經營管理與生產運營活動中，促進工業向服務化、智能化轉型升級。

2017年12月8日，工業大數據產業應用聯盟成立大會在北京舉行。聯盟由聯想集團和中國電子技術標準化研究院攜手眾多行業骨干企業共同發起。

工業大數據是基于工業數據，運用先進大數據技術，貫穿于工業的設計、工藝、生產、管理、服務等各個環節，使工業系統具備描述、診斷、預測、決策、控制等智能化功能的模式和結果。其中工業數據是指在工業領域信息化應用中產生的數據。

工業大數據來源于開發制造、使用維護和回收利用等產品全生命周期各個環節的機器設備數據、工業信息化數據和產業鏈跨界數據，包括市場、設計、制造、服務、再制造等，每個環節都會有大量數據，全生命周期匯合起米的數據更大。除內部數據外，“市場需求”“市場變化”等外部數據也是工業大數據的重要來源。

工業大數據具有數據類型繁多、多源異構數據并存、數據處理實時性高、數據關聯性異常復雜等特性。如何將數據統計分析的能力轉變為大數據分析、預測和決策能力，促進傳統工業升級改造，是目前需要解決的核心關鍵問題。

何友院士介紹說：“大數據將在工業各個方面創造價值，例如產品創新、工業物聯網、工業供應鏈的分析優化等，具體體現在從大定單、大批量產銷模式向小定單、多規格的產銷模式轉變，在特定工藝水平和設備精度上能夠進一步改進和提升產品質量，能夠適應市場競爭、縮短產品研制和生產周期。”

大數據正從零售、金融、電信、物流、醫療、交通等領域加速向工業拓展。百度的工業大數據監測平臺已應用到汽車、日化等行業；三一重工利用大數據分析技術為智能工程機械物聯網提供決策支持。

“在工業大數據所推動的變革中，即使效率只提升1%，效益也是空前巨大的。如在全球節約1%的商用航空燃料意味著節約300億美元的成本。工業大數據是人工智能未來發展的一個基石，工業大數據的平臺，應該最終能夠驅動工業升級和產業整合。”何友院士說。

成功實踐一一數據驅動的智慧工廠

位于煙臺市的山東玲瓏輪胎股份有限公司，一場大數據變革正在發生。

山東省科技廳將中國工程院院士、海軍航空大學信息融合研究所所長何友團隊提山的“輪胎產業大數據關鍵技術研究及應用示范”項目列入山東省科技重大專項支持項目，并于2015年12月正式啟動，聯合中報的就有山東玲瓏輪胎股份有限公司。

2017年一季度，玲瓏輪胎股份有限公司的輪胎產銷與2016年同期相比，實現較大增長。而據玲瓏輪胎上市公司的公開報表，公司2016年前三季度銷售毛利率為29.44%，遠高于一般同行業公司。

“銷售預測準確率較此前提高了5-10個百分點，能夠直接幫助企業降低庫存、實現資金高效運轉。”玲瓏輪胎信息化處負責“輪胎產業大數據分析關鍵技術研究及應用示范”項目對接的工作人員隋曉飛說。

何友院士介紹說，這一項目的背景是輪胎制造數據與外部市場銷售等相關數據的快速增長。項目主要研究是輪胎產業大數據應用模式，產品設計、生產環節、質量檢驗/測試/售后、銷售客戶等數據，收集融合原材料價格、行業發展、市場變化、經濟走勢等數據，形成輪胎企業大數據資源中心，搭建輪胎產業大數據分析決策系統。

輪胎產業大數據分析決策系統分為五個模塊，主要是大數據資源中心、宏觀銷售預測系統、微觀銷售預測系統、質量分析系統和計劃排程系統。

大數據資源中心包括銷售、計劃、質量數據以及外部網站獲得的各大相關行業的數據。例如，五個大數據資源中心了模塊就可實現輪胎產業大數據資源的區分地域、數據來源和各相關行業多維度的管理和展示。

在宏觀銷售預測系統中，宏觀銷售預測模塊主要是基于輪胎行業大數據資源中心的數據，進行深度綜合分析，對輪胎制造業企業的宏觀銷售情況進行預測分析。其中運用四個宏觀預測了模塊可分別實現輪胎制造業主要原材料價格的波動預測、輪胎制造業相關的海量新聞的自動收集，整理和重點推送及國內外市場的銷量宏觀預測。

微觀銷售預測模塊整合了企業內部數據和外部相關行業數據，通過建立模型分析預測具體型號輪胎的未來銷量走勢，為企業安排生產和調整產品結構提供支持。

產品生產過程需要質量分析系統發揮作用。質量分析系統模塊標準化數據平臺提供的生產令過程貫通數據，可實現對產品全過程的追溯，從原材料、配方、工藝、環境等多維度對產品生產令過程進行數據關聯分析，發現質量對關鍵供需及制造過程的影響，提升產品質量和故障診斷的效率。

“輪胎產業大數據分析關鍵技術研究及應用示范”項曰的計劃排程模塊可根據市場訂單量、銷售預測量、備用庫存量和現有庫存量，自動制定下月實際生產量，充分合理的分配生產資源，通過充分挖掘工藝參數、成組生產、設備狀態、調度規則等與訂單交貨期建立復雜的關聯關系。

“整個的項目現在基本完成。預計今年上半年要進行驗收，后續還要進行相應的推廣應用。”何友院士說道。

看似傳統的輪胎廠正在進化成數據驅動的智慧工廠。

面向工業大數據的思考

何友院士認為，在工業大數據和企業已有數據之間，丁業大數據應該遵循二八法則，其中包含數據價值密度方面，20%的SQL小數據具有80%的價值密度。它們之問相互依存、不可分割。

在工業大數據和業務流程的關系上，傳統企業信息化項目一般是從梳理業務流程起步的，流程是主動的，數據是被動的，而丁_業大數據環境下，要求企業快速滿足個性化用戶需求，僵化的長流程難以適應實時決策的要求。

工業大數據平臺架構與存儲技術、多源異構工業大數據統一描述與集成分析技術、大數據驅動的工業系統分析與決策支持技術、可視化技術，和容災備份技術等構成了工業大數據的關鍵技術。

與此同時，數據來源多、數據類型不統一、數據質量要求高，數據存儲要具備可靠性，工業大數據分析模型難度大，決策分析的影響因素多，如何構建工業大數據智能分析工具以及大數據驅動下的工業物聯網與智能制造模型等，成為工業大數據現有的科學難題。

“工業大數據面臨的兩個挑戰，一個是大數據技術的應用仍有困難；另一個是大數據給信息安全帶來新的挑戰，加大了隱私泄露風險、對現有存儲和安全措施產生威脅，并且容易被運用到攻擊手段中。”何友院士提出他的思考。

在大數據技術的應用上，首先數據搜集，要對來自網絡包括物聯網和機構信息系統的數據附上時空標簽，去偽存真，盡可能收集異源甚至是異構的數據，還可以與歷史數據對照，多角度檢驗數據的全面性和可信性。

其次是數據存儲，要達到低成本、低能耗、高可靠性目標，要用到冗余配置、分布式和云計算技術，存儲時對數據進行分類，并加入便于檢索的標簽。

然后在數據處理上，利用上下文關聯進行語義分析。最后是可視化呈現，目前計算機智能化有了很大的進步和發展，但是談不到深層次數據挖掘，現有數據挖掘算法在行業中難以應用，智能化之路進步很大，但距離完全實現智能化，還很遙遠。

“工業大數據是新一輪產業革命的核心，是實現工業4.0、工業互聯網和《中國制造2025》的重要抓手，將推動企業從制造走向智造。我們需要用全新的大數據思維模式開辟工業化建設、實現跨越式發展的新途徑。”何友院士說道。

科普小貼士

結構化查詢語言（英文簡稱：SQL）是一種特殊日的的編程語言，是一種數據庫查詢和程序設計語言，用于存取數據，以及查詢、更新和管理關系數據庫系統，同時也是數據庫腳本文件的擴展名。

它的影響已經超出數據庫領域，得到其他領域的重視和采用，如：人工智能領域的數據檢索，第四代軟件開發工具中嵌入SQL的語言等。