工業(yè)大數據如何成為智能制造和工業(yè)互聯網的核心動力

工業(yè)大數據有哪些特點？可總結為“多模態(tài)、高通量、強關聯”的特性。在工業(yè)領域，約有130多種不同類型的數據，數據模態(tài)多樣，結構關系復雜；高通量是指數據持續(xù)不斷地產生，采集頻率高，通量大；強關聯是指工業(yè)場景下的數據有非常強的機理支撐，不同學科之間的數據是在機理層面的關聯，而不是數據字段上的關聯。

而對工業(yè)大數據的分析應用，也不是將深度學習、強化學習的方法放到這里就可以有結果。這需要獲知研究對象的機理模型與定量領域知識，而這在當前基礎上前進很困難。我們希望找出數據在輸入、輸出之間的統(tǒng)計關系，對機理和模型不確定、不清晰的部分加以補足，這是工業(yè)大數據應用的基礎。

智能制造在不斷獲得數據的驅動，從智能制造到工業(yè)互聯網平臺，核心都是利用數據和模型，優(yōu)化制造資源的配置效率。

工業(yè)互聯網并不等同于智能制造，區(qū)別在于數據的跨界和業(yè)務的邊界上是否有所突破。當下，太多人過于重視平臺能力，而真正的工業(yè)互聯網講的是生態(tài)，資源優(yōu)化從描述、診斷向預測、決策不斷深入，從單機設備、生產線、產業(yè)鏈再到產業(yè)生態(tài)不斷拓寬。

我們的生態(tài)如何來構建業(yè)務體系，如何跨界，才是工業(yè)互聯網成功與否的關鍵。而決定工業(yè)互聯網發(fā)展方向的，一定是業(yè)務驅動。我們從一開始就反對拎著一把錘子，滿世界找釘子，現在很多大數據、人工智能公司就存在這個問題。

我們需要深入到一個工業(yè)領域，造一把可靠的錘子，剛好可以去敲有需求的釘子。將業(yè)務、數據理清楚，評估數據，真正實現業(yè)務落地，要點就是三個要素的協同——人、場景、算法。