工业大数据技术应用成巨大蓝海

数据是工业互联网的核心，即通过工业数据全周期的感知、采集和集成应用，形成基于数据的系统性智能，实现机器弹性生产、运营管理优化、生产协同组织与商业模式创新，推动工业智能化发展。

面向工业互联网的大数据相关应用系统，从功能视角看，主要由数据采集与交换、数据预处理与存储、数据建模、数据分析和数据驱动下的决策与控制应用四个层次五大部分组成。

数据采集与交换层主要实现工业各环节数据的采集与交换，数据源既包含来自传感器、SCADA、MES、ERP等内部数据，也包含来自企业外部的数据，主要包含对象感知、实时采集与批量采集、数据核查、数据路由等功能。

数据预处理与存储层的关键目标是实现工业互联网数据的初步清洗、集成，并将工业系统与数据对象进行关联，主要包含数据预处理、数据存储等功能。

数据建模层根据工业实际元素与业务流程，在数据基础上建构用户、设备、产品产线、工厂、工艺等数字模型，并结合数据分析层提供数据报表、可视化、知识库、数据分析工具及数据开放功能，为各类决策的产生提供支持。

决策与控制应用层主要是基于数据分析结果，生成描述、诊断、预测、决策、控制等不同应用，形成优化决策建议或产生直接控制指令，从而实现个性化定制、智能化生产、协同化组织与服务化制造等创新模式，并将结果以数据化形式存储下来，最终构成从数据采集到设备、生产现场及企业运营管理持续优化闭环。

工业大数据的应用覆盖工业生产的全流程和产品的全生命周期。工业大数据的作用主要表现为状态描述、诊断分析、预测预警、辅助决策等方面，在智能化生产、网络化协同、个性化定制和服务化延伸四类场景下发挥着核心的驱动作用。工业大数据技术应用示意如图1所示。

图1 工业大数据技术应用示意图

将各种工业资产设备和供应商相互连接、接入云端，并提供资产性能管理和运营优化服务,可以存储、分析和管理机械的实时数据，监测实时数据来实现监控工业产品，利用过往数据来预测设备状态等。

整合了远程维护、数据分析及网络安全等一系列现有技术和新技术，还能够对机器感应器产生的大量数据进行整合、保密传输和分析。通过这些数据，提升对燃气轮机、风力发电机、列车、楼宇系统的监控能力。

产业智能 廖红权   AI-CPS

智能赛博物理信息系统（AI-CPS）：通过基于云计算、大数据、物联网、区块链和人工智能技术，构建“状态感知-实时分析-自主决策-精准执行-学习提升”的智能赛博物理信息系统，实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信号 AI-CPS