隨著這幾年工業(yè)互聯網的不斷深入發(fā)展，大數據在工業(yè)領域的應用取得了可喜的巨大進步。然而，我們也應該看到，成功案例仍然只是星星之火。由點及面形成燎原之勢，任重道遠，還需要跨越“缺數”、“低質”、“淺層”、“孤島”等障礙。

在2019年兩會上，***總理作政府工作報告表示，要打造工業(yè)互聯網平臺，拓展“智能+”，為制造業(yè)轉型升級賦能。而早在2017年12月，習近平***在中央政治局第二次集體學習時就強調，要深入實施工業(yè)互聯網創(chuàng)新發(fā)展戰(zhàn)略，系統推進工業(yè)互聯網基礎設施和數據資源管理體系建設，發(fā)揮數據的基礎資源作用和創(chuàng)新引擎作用，加快形成以創(chuàng)新為主要引領和支撐的數字經濟。

可以說，宏觀上，大力發(fā)展工業(yè)互聯網，把數據技術和工業(yè)轉型升級結合，已經成為決策層的共識。微觀上，大數據技術的應用已經開始給企業(yè)帶來實實在在的收益。工業(yè)互聯網產業(yè)聯盟2019年2月發(fā)布的《工業(yè)互聯網平臺白皮書》（下稱“白皮書”）顯示，工業(yè)研發(fā)設計、工藝優(yōu)化、設備維護、質量控制、節(jié)能減排等方面的作用越來越凸顯。

根據白皮書，中國石化對4600個批次的石腦油原料進行分析建模，優(yōu)化工藝操作參數，使汽油收率提高0.22%，辛烷值提高0.90%。中化能源對泵機群、壓縮機、蒸汽輪機等裝備進行健康管理，實現了設備故障的診斷、預測性報警及分析，設備維護成本每年減少15%。航天電器建立多種因素與質量關鍵KPI的關聯關系模型，對設備、工藝、檢測等數據進行關因分析，不良品率降低56%。山鋼集團對跨工序能效數據進行動態(tài)尋優(yōu)，年化能源降本8000多萬元，能耗成本降低11.4%。酒鋼集團通過大數據分析實現能耗的智能化管理，單座高爐每年降低成本2400萬元，減少碳排放20000噸，冶煉效率提升10%。

隨著這幾年工業(yè)互聯網的不斷深入發(fā)展，大數據在工業(yè)領域的應用取得了可喜的巨大進步。然而，我們也應該看到，成功案例仍然只是星星之火。由點及面形成燎原之勢，任重道遠，還需要跨越“缺數”、“低質”、“淺層”、“孤島”等障礙。

一是“缺數”。理論上，工業(yè)領域的數據應該是非常豐富的。麥肯錫2009年的報告顯示，美國的離散制造業(yè)是所有行業(yè)中數據儲量最大的。而我國情況如何呢？根據中國信息通信研究院和工業(yè)互聯網產業(yè)聯盟2018年底對國內74家工業(yè)企業(yè)的調研，我國工業(yè)企業(yè)的數據資源存量普遍不大，66%的企業(yè)數據總量都在20TB以下，還不到一個省級電信運營商日增數據量的十分之一。這背后的原因主要是我國工業(yè)互聯網發(fā)展還處于起步階段，企業(yè)數字化網絡化程度普遍較低，數據資源的積累尚需時日。而目前工業(yè)系統協議七國八制現象非常突出，很多軟件系統的接口不開放，也增加了數據采集的技術難度。

二是“低質”。警惕“垃圾進，垃圾出”！數據質量問題是長期困擾數據分析工作的難題。工業(yè)領域對數據分析的可靠性要求更高，因而對數據質量的要求也就更高。美國2016年《聯邦大數據研發(fā)戰(zhàn)略計劃》還專門把確保數據質量、提升數據分析可信性作為七大戰(zhàn)略之一。從信息化程度較高的金融、電信、互聯網等行業(yè)的經驗看，如果不開展專門的數據治理，就難以確保數據質量。調查表明，我國工業(yè)企業(yè)只有不到1/3的企業(yè)開展了數據治理，51%的企業(yè)仍在使用文檔或更原始的方式進行數據管理。在數據治理方面，大部分工業(yè)企業(yè)還需加快補課。

三是“孤島”。數據孤島是幾乎所有企業(yè)都面臨的困境。從單一企業(yè)內部來看，存在著不同時期由不同供應商建設的客戶管理、生產管理、銷售采購、訂單倉儲、財務人力等眾多IT系統，煙囪林立，而要深度推進智能制造，更要打通IT和OT，推進難度非常大，而且越大的企業(yè)包袱越重。從全行業(yè)看，發(fā)展工業(yè)互聯網，實現從單一企業(yè)內部的局部優(yōu)化，跨越到整個產業(yè)鏈的全局優(yōu)化，必然要實現產銷與供應鏈上不同企業(yè)之間的數據流通，進一步面臨著安全合規(guī)、商業(yè)模式和技術標準的更大挑戰(zhàn)。調查顯示，超過半數的企業(yè)表示需要使用外部數據或對外提供數據，僅有2.7%企業(yè)覺得不會涉及數據合作。德國工業(yè)4.0計劃已經把數據流通作為重點議題，國內促進工業(yè)數據流通方面工作還需加快。

四是“淺層”。大數據在工業(yè)領域的作用，縱向可以從三個層次來看：最基礎的，是可以根據數據來描述工業(yè)產線、營銷和企業(yè)經營活動的歷史與現狀；進一步的，可以基于數據預測設備、車間和整個企業(yè)的未來狀況；最高層次，是根據數據分析結果，繞過人工干預，自動的直接指導企業(yè)運作，形成智能化的數據閉環(huán)。橫向則可以跨越設計、生產、銷售、服務等全鏈條。但推進情況如何呢？最近，工業(yè)互聯網聯盟對國內外 366個工業(yè)互聯網平臺應用案例進行了分析，40%的平臺應用集中在產品或設備數據的檢測、診斷與預測性分析領域，而在涉及數據范圍更廣、分析復雜度更高的經營管理優(yōu)化和資源匹配協同等場景中，多數平臺現有數據分析能力還無法滿足應用要求，需要進一步推動數據分析技術創(chuàng)新以及實現長期的工業(yè)知識積累。工業(yè)數據分析的深度還需加快爬坡升級。

工業(yè)互聯網的長期目標，是構建“數字雙胞胎”，使得物理世界的萬物得以在數字世界重現，通過數字世界里的計算、分析、預測、優(yōu)化，來指導物理世界的最優(yōu)化運行。這就要求在物理和數字這對雙胞胎之間架設暢通的“大動脈”。數據就是這大動脈里流淌的血液。只有工業(yè)數據越來越豐富、全面，質量越來越高，“數字雙胞胎”才能長得像。在這基礎上，對工業(yè)數據的分析利用，還需要結合對物理機理模型的透徹理解，甚至老師傅幾十年積累的經驗，不斷迭代、走向深入。做好了這些，數據對制造業(yè)轉型的基礎資源作用和創(chuàng)新引擎作用就能真正發(fā)揮出來。