工业大数据三大挑战五大商业趋势

随 着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、工业传感器、工业自动控制系统、工业物联网等技术在工业企业中 得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也 日益丰富。

在设备运行的过程中，自然磨损本身会使产品的品质发生一定的变化。通过信 息技术、物联网技术的发展，通过传感器技术，实时感知数据，知道产品出了什么故障，哪里需要配件，使得生产过程中的这些因素能够被精确控制，从而真正实现 生产的智能化。一定程度上，工厂/车间的传感器所产生的大数据直接决定了“工业4.0”所要求的智能化设备的智能水平。

从生产能耗角度来看，设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情况，由此能够在生产过程中不断实时优化能源的消耗。同时，对所有流程的大数据进行分析，也将会整体上大幅降低生产能耗。

工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高，工业大数据有三大挑战。

全面认识“工业大数据”概念

工业大数据这个概念目前很受关注，特别是对于资本市场来讲，其想象空间比较大，但由于相关技术范式还不明确，因此大部分看法都是基于一些不完全的技术理解所做出的判断。

从字面上理解，工业大数据很容易被认为是大数据在工业领域的应用，也容易把工业领域的一些信息系统使用的传统数据库上升到工业大数据的数据不够大的场景，当然，还有一些商业企业更会把收集的一些毫无价值的实时数据存储起来称为工业大数据。

迄今为止，工业4.0研究院发现的工业大数据应用场景，虽然可能从生产现场采集了大量的数据，但实际上作为分析之用的数据并不多，一般都要对数据进行清洗和预处理，以便进行更具有知识的数据分析。

为什么不能采用诸如金融或互联网领域的大数据分析方法？这是很多互联网企业涉足到工业大数据最为困惑的问题。

实际上，互联网企业大都不清楚工业领域的“非标”特征，大量的装备设备是非标准化的，工艺流程也是非标准化的，因此在构建工业大数据架构和模型的时候，更应该考虑行业知识的应用，这样分析的结果会更加实用。