论文部分内容阅读
随着互联网、信息系统及电了设备的发展，人类社会各行各业每灭都在生成海量的数据。例如，社交媒体Twitter每天要产生12TB的数据，制造业中波音737的引擎每30分钟飞行会产生10TB的数据。大数据的时代已经到来，正在改变着人们的工作和生活。
2017年12月8日，中共中央总书记习近平在主持中共中央政治局“实施国家大数据战略”第二次集体学习时强调：“大数据发展日新月异，我们应该审时度势、精心谋划、超前布局，力争主动，深入了解大数据发展现状和趋势及其对经济社会发展的影响，分析我国大数据发展取得的成绩和存在的问题，推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共亨，保障数据安全，加快建设数字中国，更好服务我国经济发展和人民生活的改善。”总书记的话语，站在时代的高度，为我围各级政府和利，技丁作者指明了努力方向。
大数据正快速向工业大数据拓展
2012年，在麦肯锡发布的《工业大数据的崛起》报告中给出了一个有趣的事实，在虚拟经济占主导地位的美围，工业蕴含的数据总量超过其他部门。工业数据的多样性和复杂性正以创纪录的速度迅速增长。工业部门已经进入大数据时代。曰前，中国工业正面临转型升级，迫切需要将大数据融合到经营管理与生产运营活动中，促进工业向服务化、智能化转型升级。
2017年12月8日，工业大数据产业应用联盟成立大会在北京举行。联盟由联想集团和中国电子技术标准化研究院携手众多行业骨干企业共同发起。
工业大数据是基于工业数据，运用先进大数据技术，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。其中工业数据是指在工业领域信息化应用中产生的数据。
工业大数据来源于开发制造、使用维护和回收利用等产品全生命周期各个环节的机器设备数据、工业信息化数据和产业链跨界数据，包括市场、设计、制造、服务、再制造等，每个环节都会有大量数据，全生命周期汇合起米的数据更大。除内部数据外，“市场需求”“市场变化”等外部数据也是工业大数据的重要来源。
工业大数据具有数据类型繁多、多源异构数据并存、数据处理实时性高、数据关联性异常复杂等特性。如何将数据统计分析的能力转变为大数据分析、预测和决策能力，促进传统工业升级改造，是目前需要解决的核心关键问题。
何友院士介绍说：“大数据将在工业各个方面创造价值，例如产品创新、工业物联网、工业供应链的分析优化等，具体体现在从大定单、大批量产销模式向小定单、多规格的产销模式转变，在特定工艺水平和设备精度上能够进一步改进和提升产品质量，能够适应市场竞争、缩短产品研制和生产周期。”
大数据正从零售、金融、电信、物流、医疗、交通等领域加速向工业拓展。百度的工业大数据监测平台已应用到汽车、日化等行业；三一重工利用大数据分析技术为智能工程机械物联网提供决策支持。
“在工业大数据所推动的变革中，即使效率只提升1%，效益也是空前巨大的。如在全球节约1%的商用航空燃料意味着节约300亿美元的成本。工业大数据是人工智能未来发展的一个基石，工业大数据的平台，应该最终能够驱动工业升级和产业整合。”何友院士说。
成功实践一一数据驱动的智慧工厂
位于烟台市的山东玲珑轮胎股份有限公司，一场大数据变革正在发生。
山东省科技厅将中国工程院院士、海军航空大学信息融合研究所所长何友团队提山的“轮胎产业大数据关键技术研究及应用示范”项目列入山东省科技重大专项支持项目，并于2015年12月正式启动，联合中报的就有山东玲珑轮胎股份有限公司。
2017年一季度，玲珑轮胎股份有限公司的轮胎产销与2016年同期相比，实现较大增长。而据玲珑轮胎上市公司的公开报表，公司2016年前三季度销售毛利率为29.44%，远高于一般同行业公司。
“销售预测准确率较此前提高了5-10个百分点，能够直接帮助企业降低库存、实现资金高效运转。”玲珑轮胎信息化处负责“轮胎产业大数据分析关键技术研究及应用示范”项目对接的工作人员隋晓飞说。
何友院士介绍说，这一项目的背景是轮胎制造数据与外部市场销售等相关数据的快速增长。项目主要研究是轮胎产业大数据应用模式，产品设计、生产环节、质量检验/测试/售后、销售客户等数据，收集融合原材料价格、行业发展、市场变化、经济走势等数据，形成轮胎企业大数据资源中心，搭建轮胎产业大数据分析决策系统。
轮胎产业大数据分析决策系统分为五个模块，主要是大数据资源中心、宏观销售预测系统、微观销售预测系统、质量分析系统和计划排程系统。
大数据资源中心包括销售、计划、质量数据以及外部网站获得的各大相关行业的数據。例如，五个大数据资源中心了模块就可实现轮胎产业大数据资源的区分地域、数据来源和各相关行业多维度的管理和展示。
在宏观销售预测系统中，宏观销售预测模块主要是基于轮胎行业大数据资源中心的数据，进行深度综合分析，对轮胎制造业企业的宏观销售情况进行预测分析。其中运用四个宏观预测了模块可分别实现轮胎制造业主要原材料价格的波动预测、轮胎制造业相关的海量新闻的自动收集，整理和重点推送及国内外市场的销量宏观预测。
微观销售预测模块整合了企业内部数据和外部相关行业数据，通过建立模型分析预测具体型号轮胎的未来销量走势，为企业安排生产和调整产品结构提供支持。
产品生产过程需要质量分析系统发挥作用。质量分析系统模块标准化数据平台提供的生产令过程贯通数据，可实现对产品全过程的追溯，从原材料、配方、工艺、环境等多维度对产品生产令过程进行数据关联分析，发现质量对关键供需及制造过程的影响，提升产品质量和故障诊断的效率。
“轮胎产业大数据分析关键技术研究及应用示范”项曰的计划排程模块可根据市场订单量、销售预测量、备用库存量和现有库存量，自动制定下月实际生产量，充分合理的分配生产资源，通过充分挖掘工艺参数、成组生产、设备状态、调度规则等与订单交货期建立复杂的关联关系。 “整个的项目现在基本完成。预计今年上半年要进行验收，后续还要进行相应的推广应用。”何友院士说道。
看似传统的轮胎厂正在进化成数据驱动的智慧工厂。
面向工业大数据的思考
何友院士认为，在工业大数据和企业已有数据之间，丁业大数据应该遵循二八法则，其中包含数据价值密度方面，20%的SQL小数据具有80%的价值密度。它们之问相互依存、不可分割。
在工业大数据和业务流程的关系上，传统企业信息化项目一般是从梳理业务流程起步的，流程是主动的，数据是被动的，而丁_业大数据环境下，要求企业快速满足个性化用户需求，僵化的长流程难以适应实时决策的要求。
工业大数据平台架构与存储技术、多源异构工业大数据统一描述与集成分析技术、大数据驱动的工业系统分析与决策支持技术、可视化技术，和容灾备份技术等构成了工业大数据的关键技术。
与此同时，数据来源多、数据类型不统一、数据质量要求高，数据存储要具备可靠性，工业大数据分析模型难度大，决策分析的影响因素多，如何构建工业大数据智能分析工具以及大数据驱动下的工业物联网与智能制造模型等，成为工业大数据现有的科学难题。
“工业大数据面临的两个挑战，一个是大数据技术的应用仍有困难；另一个是大数据给信息安全带来新的挑战，加大了隐私泄露风险、对现有存储和安全措施产生威胁，并且容易被运用到攻击手段中。”何友院士提出他的思考。
在大数据技术的应用上，首先数据搜集，要对来自网络包括物联网和机构信息系统的数据附上时空标签，去伪存真，尽可能收集异源甚至是异构的数据，还可以与历史数据对照，多角度检验数据的全面性和可信性。
其次是数据存储，要达到低成本、低能耗、高可靠性目標，要用到冗余配置、分布式和云计算技术，存储时对数据进行分类，并加入便于检索的标签。
然后在数据处理上，利用上下文关联进行语义分析。最后是可视化呈现，目前计算机智能化有了很大的进步和发展，但是谈不到深层次数据挖掘，现有数据挖掘算法在行业中难以应用，智能化之路进步很大，但距离完全实现智能化，还很遥远。
“工业大数据是新一轮产业革命的核心，是实现工业4.0、工业互联网和《中国制造2025》的重要抓手，将推动企业从制造走向智造。我们需要用全新的大数据思维模式开辟工业化建设、实现跨越式发展的新途径。”何友院士说道。
科普小贴士
结构化查询语言（英文简称：SQL）是一种特殊日的的编程语言，是一种数据库查询和程序设计语言，用于存取数据，以及查询、更新和管理关系数据库系统，同时也是数据库脚本文件的扩展名。
它的影响已经超出数据库领域，得到其他领域的重视和采用，如：人工智能领域的数据检索，第四代软件开发工具中嵌入SQL的语言等。
2017年12月8日，中共中央总书记习近平在主持中共中央政治局“实施国家大数据战略”第二次集体学习时强调：“大数据发展日新月异，我们应该审时度势、精心谋划、超前布局，力争主动，深入了解大数据发展现状和趋势及其对经济社会发展的影响，分析我国大数据发展取得的成绩和存在的问题，推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共亨，保障数据安全，加快建设数字中国，更好服务我国经济发展和人民生活的改善。”总书记的话语，站在时代的高度，为我围各级政府和利，技丁作者指明了努力方向。
大数据正快速向工业大数据拓展
2012年，在麦肯锡发布的《工业大数据的崛起》报告中给出了一个有趣的事实，在虚拟经济占主导地位的美围，工业蕴含的数据总量超过其他部门。工业数据的多样性和复杂性正以创纪录的速度迅速增长。工业部门已经进入大数据时代。曰前，中国工业正面临转型升级，迫切需要将大数据融合到经营管理与生产运营活动中，促进工业向服务化、智能化转型升级。
2017年12月8日，工业大数据产业应用联盟成立大会在北京举行。联盟由联想集团和中国电子技术标准化研究院携手众多行业骨干企业共同发起。
工业大数据是基于工业数据，运用先进大数据技术，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。其中工业数据是指在工业领域信息化应用中产生的数据。
工业大数据来源于开发制造、使用维护和回收利用等产品全生命周期各个环节的机器设备数据、工业信息化数据和产业链跨界数据，包括市场、设计、制造、服务、再制造等，每个环节都会有大量数据，全生命周期汇合起米的数据更大。除内部数据外，“市场需求”“市场变化”等外部数据也是工业大数据的重要来源。
工业大数据具有数据类型繁多、多源异构数据并存、数据处理实时性高、数据关联性异常复杂等特性。如何将数据统计分析的能力转变为大数据分析、预测和决策能力，促进传统工业升级改造，是目前需要解决的核心关键问题。
何友院士介绍说：“大数据将在工业各个方面创造价值，例如产品创新、工业物联网、工业供应链的分析优化等，具体体现在从大定单、大批量产销模式向小定单、多规格的产销模式转变，在特定工艺水平和设备精度上能够进一步改进和提升产品质量，能够适应市场竞争、缩短产品研制和生产周期。”
大数据正从零售、金融、电信、物流、医疗、交通等领域加速向工业拓展。百度的工业大数据监测平台已应用到汽车、日化等行业；三一重工利用大数据分析技术为智能工程机械物联网提供决策支持。
“在工业大数据所推动的变革中，即使效率只提升1%，效益也是空前巨大的。如在全球节约1%的商用航空燃料意味着节约300亿美元的成本。工业大数据是人工智能未来发展的一个基石，工业大数据的平台，应该最终能够驱动工业升级和产业整合。”何友院士说。
成功实践一一数据驱动的智慧工厂
位于烟台市的山东玲珑轮胎股份有限公司，一场大数据变革正在发生。
山东省科技厅将中国工程院院士、海军航空大学信息融合研究所所长何友团队提山的“轮胎产业大数据关键技术研究及应用示范”项目列入山东省科技重大专项支持项目，并于2015年12月正式启动，联合中报的就有山东玲珑轮胎股份有限公司。
2017年一季度，玲珑轮胎股份有限公司的轮胎产销与2016年同期相比，实现较大增长。而据玲珑轮胎上市公司的公开报表，公司2016年前三季度销售毛利率为29.44%，远高于一般同行业公司。
“销售预测准确率较此前提高了5-10个百分点，能够直接帮助企业降低库存、实现资金高效运转。”玲珑轮胎信息化处负责“轮胎产业大数据分析关键技术研究及应用示范”项目对接的工作人员隋晓飞说。
何友院士介绍说，这一项目的背景是轮胎制造数据与外部市场销售等相关数据的快速增长。项目主要研究是轮胎产业大数据应用模式，产品设计、生产环节、质量检验/测试/售后、销售客户等数据，收集融合原材料价格、行业发展、市场变化、经济走势等数据，形成轮胎企业大数据资源中心，搭建轮胎产业大数据分析决策系统。
轮胎产业大数据分析决策系统分为五个模块，主要是大数据资源中心、宏观销售预测系统、微观销售预测系统、质量分析系统和计划排程系统。
大数据资源中心包括销售、计划、质量数据以及外部网站获得的各大相关行业的数據。例如，五个大数据资源中心了模块就可实现轮胎产业大数据资源的区分地域、数据来源和各相关行业多维度的管理和展示。
在宏观销售预测系统中，宏观销售预测模块主要是基于轮胎行业大数据资源中心的数据，进行深度综合分析，对轮胎制造业企业的宏观销售情况进行预测分析。其中运用四个宏观预测了模块可分别实现轮胎制造业主要原材料价格的波动预测、轮胎制造业相关的海量新闻的自动收集，整理和重点推送及国内外市场的销量宏观预测。
微观销售预测模块整合了企业内部数据和外部相关行业数据，通过建立模型分析预测具体型号轮胎的未来销量走势，为企业安排生产和调整产品结构提供支持。
产品生产过程需要质量分析系统发挥作用。质量分析系统模块标准化数据平台提供的生产令过程贯通数据，可实现对产品全过程的追溯，从原材料、配方、工艺、环境等多维度对产品生产令过程进行数据关联分析，发现质量对关键供需及制造过程的影响，提升产品质量和故障诊断的效率。
“轮胎产业大数据分析关键技术研究及应用示范”项曰的计划排程模块可根据市场订单量、销售预测量、备用库存量和现有库存量，自动制定下月实际生产量，充分合理的分配生产资源，通过充分挖掘工艺参数、成组生产、设备状态、调度规则等与订单交货期建立复杂的关联关系。 “整个的项目现在基本完成。预计今年上半年要进行验收，后续还要进行相应的推广应用。”何友院士说道。
看似传统的轮胎厂正在进化成数据驱动的智慧工厂。
面向工业大数据的思考
何友院士认为，在工业大数据和企业已有数据之间，丁业大数据应该遵循二八法则，其中包含数据价值密度方面，20%的SQL小数据具有80%的价值密度。它们之问相互依存、不可分割。
在工业大数据和业务流程的关系上，传统企业信息化项目一般是从梳理业务流程起步的，流程是主动的，数据是被动的，而丁_业大数据环境下，要求企业快速满足个性化用户需求，僵化的长流程难以适应实时决策的要求。
工业大数据平台架构与存储技术、多源异构工业大数据统一描述与集成分析技术、大数据驱动的工业系统分析与决策支持技术、可视化技术，和容灾备份技术等构成了工业大数据的关键技术。
与此同时，数据来源多、数据类型不统一、数据质量要求高，数据存储要具备可靠性，工业大数据分析模型难度大，决策分析的影响因素多，如何构建工业大数据智能分析工具以及大数据驱动下的工业物联网与智能制造模型等，成为工业大数据现有的科学难题。
“工业大数据面临的两个挑战，一个是大数据技术的应用仍有困难；另一个是大数据给信息安全带来新的挑战，加大了隐私泄露风险、对现有存储和安全措施产生威胁，并且容易被运用到攻击手段中。”何友院士提出他的思考。
在大数据技术的应用上，首先数据搜集，要对来自网络包括物联网和机构信息系统的数据附上时空标签，去伪存真，尽可能收集异源甚至是异构的数据，还可以与历史数据对照，多角度检验数据的全面性和可信性。
其次是数据存储，要达到低成本、低能耗、高可靠性目標，要用到冗余配置、分布式和云计算技术，存储时对数据进行分类，并加入便于检索的标签。
然后在数据处理上，利用上下文关联进行语义分析。最后是可视化呈现，目前计算机智能化有了很大的进步和发展，但是谈不到深层次数据挖掘，现有数据挖掘算法在行业中难以应用，智能化之路进步很大，但距离完全实现智能化，还很遥远。
“工业大数据是新一轮产业革命的核心，是实现工业4.0、工业互联网和《中国制造2025》的重要抓手，将推动企业从制造走向智造。我们需要用全新的大数据思维模式开辟工业化建设、实现跨越式发展的新途径。”何友院士说道。
科普小贴士
结构化查询语言（英文简称：SQL）是一种特殊日的的编程语言，是一种数据库查询和程序设计语言，用于存取数据，以及查询、更新和管理关系数据库系统，同时也是数据库脚本文件的扩展名。
它的影响已经超出数据库领域，得到其他领域的重视和采用，如：人工智能领域的数据检索，第四代软件开发工具中嵌入SQL的语言等。