工業(yè)大數(shù)據(jù)的實(shí)踐與認(rèn)識

工業(yè)大數(shù)據(jù)的實(shí)踐與認(rèn)識打開文本圖片集本文從工業(yè)大數(shù)據(jù)發(fā)展趨勢、大數(shù)據(jù)范疇、特點(diǎn)分析以及關(guān)鍵平臺技術(shù)、分析技術(shù)的討論，嘗試為工業(yè)大數(shù)據(jù)的建設(shè)與實(shí)踐提供一些參考。工業(yè)作為國民經(jīng)濟(jì)的核心要素一直為各國政府重視，特別是大數(shù)據(jù)、人工智能、5G等技術(shù)的發(fā)展，世界各國都加快了工業(yè)數(shù)字化轉(zhuǎn)型的步伐。從德國“工業(yè)4.0”戰(zhàn)略，到美國“制造業(yè)復(fù)興”計(jì)劃，工業(yè)大數(shù)據(jù)作為制造業(yè)數(shù)字化轉(zhuǎn)型與智能化升級的關(guān)鍵技術(shù)，受到學(xué)界和產(chǎn)業(yè)界的普遍關(guān)注。工業(yè)門類眾多，產(chǎn)品形態(tài)和生產(chǎn)工藝差別很大，行業(yè)生態(tài)和企業(yè)規(guī)模不同，面臨的具體問題也不盡相同。但從宏觀看來，提質(zhì)、增效、降本、安全等是永恒的主題，結(jié)合不同的行業(yè)特征，形成了若干工業(yè)大數(shù)據(jù)的典型場景和模式這將在文中詳細(xì)討論?；谶@些典型模式的數(shù)據(jù)需求分析，文中將剖析工業(yè)大數(shù)據(jù)特點(diǎn)及技術(shù)挑戰(zhàn)。針對這些挑戰(zhàn)，還將探討工業(yè)大數(shù)據(jù)的關(guān)鍵技術(shù)。工業(yè)大數(shù)據(jù)的發(fā)展現(xiàn)狀與趨勢市場規(guī)模：與大數(shù)據(jù)市場一起穩(wěn)步成長隨著智能制造與工業(yè)互聯(lián)網(wǎng)概念的深入，工業(yè)產(chǎn)業(yè)進(jìn)入了新一輪的全球性革命，互聯(lián)網(wǎng)、大數(shù)據(jù)與工業(yè)的融合發(fā)展成為了新型工業(yè)體系的核心，工業(yè)大數(shù)據(jù)的應(yīng)用將帶來工業(yè)生產(chǎn)與管理環(huán)節(jié)的極大的升級和優(yōu)化，其價值正在逐步體現(xiàn)和被認(rèn)可。貴陽大數(shù)據(jù)交易所統(tǒng)計(jì)資料顯示，2018年我國工業(yè)大數(shù)據(jù)市場規(guī)模約為292億元，較上年同比增長41.3%，增速較快。整體來看，工業(yè)大數(shù)據(jù)全球市場呈不斷增長趨勢。我國工業(yè)大數(shù)據(jù)在相關(guān)政策方針的推動下也有著可觀的增長速度。行業(yè)應(yīng)用：工業(yè)行業(yè)頭部企業(yè)引領(lǐng)大數(shù)據(jù)應(yīng)用不同行業(yè)因?yàn)槠洚a(chǎn)品形態(tài)、生產(chǎn)工藝差異，在大數(shù)據(jù)應(yīng)用范圍也有較大差異。日本RIETI研究中心(TheResearchInstituteofEconomy,TradeandIndustry)在2015年底調(diào)查了539家制造企業(yè)的大數(shù)據(jù)使用情況。按照產(chǎn)品形態(tài)，他們將制造業(yè)分為裝備制造(B2Bendproduct)、部件生產(chǎn)(B2Bendcomponent)、原料生產(chǎn)(B2BMaterial)、個人消費(fèi)品制造(B2C)等4種類型，頭部企業(yè)仍是大數(shù)據(jù)使用的主力軍。因?yàn)檠b備制造、材料生產(chǎn)的復(fù)雜關(guān)聯(lián)，這2類頭部企業(yè)在公司層面的大數(shù)據(jù)應(yīng)用比例高于其他類別。個人消費(fèi)品企業(yè)的大數(shù)據(jù)主要集中在銷售、管理與計(jì)劃、營銷等部門級大數(shù)據(jù)應(yīng)用上。PwC在2016年對26個國家2000多家制造業(yè)的調(diào)查業(yè)表明了類似的的態(tài)勢，“兩化“基礎(chǔ)好的企業(yè)才有推進(jìn)大數(shù)據(jù)的基礎(chǔ)，頭部企業(yè)更加關(guān)注生態(tài)和企業(yè)整體層面的大數(shù)據(jù)，支撐新業(yè)務(wù)模式建設(shè)，中部企業(yè)更加關(guān)注關(guān)鍵環(huán)節(jié)的提升，個人消費(fèi)品制造業(yè)更側(cè)重于個性化定制、個性化營銷、供應(yīng)鏈等方面的大數(shù)據(jù)。應(yīng)用類型：淺層次的應(yīng)用仍占主導(dǎo)工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟在2019年對對國內(nèi)外366個工業(yè)互聯(lián)網(wǎng)平臺應(yīng)用案例進(jìn)行了統(tǒng)計(jì)分析，在很大程度上反映了工業(yè)大數(shù)據(jù)應(yīng)用的狀況。當(dāng)前平臺應(yīng)用主要集中于設(shè)備管理服務(wù)、生產(chǎn)過程管控與企業(yè)運(yùn)營管理三大類場景，占比分別達(dá)到38%、28%和18%。資源配置優(yōu)化與產(chǎn)品研發(fā)設(shè)計(jì)獲得初步應(yīng)用，但總體仍有待培育，占比分別為13%和2%。國外制造企業(yè)數(shù)字化水平相對較高，平臺應(yīng)用更加側(cè)重于設(shè)備管理服務(wù)，占比接近50%。如設(shè)備健康管理應(yīng)用占比39%，產(chǎn)品后服務(wù)占比10%。同時，在現(xiàn)有生產(chǎn)管理系統(tǒng)基礎(chǔ)上，依托工業(yè)互聯(lián)網(wǎng)平臺進(jìn)行更加有效的生產(chǎn)過程管控也是國外平臺應(yīng)用的重點(diǎn)，占比24%。但總的來說，深層次的分析應(yīng)用仍然欠缺。數(shù)據(jù)資產(chǎn)：IOT和外部數(shù)據(jù)是增量數(shù)據(jù)的主力日本RIETI研究中心對6類常見數(shù)據(jù)的存量時長、使用頻度進(jìn)行的調(diào)研，如下表所示，存量時長通常可以滿足大數(shù)據(jù)應(yīng)用的需求，但目前使用頻度還都比較低（還是決策輔助支持的角色）。大數(shù)據(jù)應(yīng)用的重點(diǎn)是將不同領(lǐng)域的數(shù)據(jù)按照大數(shù)據(jù)應(yīng)用主題有機(jī)融合。隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)發(fā)展，如何利用IOT的高頻監(jiān)測數(shù)據(jù)去提升預(yù)測或異常檢測精度是很多PHM（設(shè)備健康與故障診斷）應(yīng)用的新動能，在質(zhì)量優(yōu)化中，結(jié)合機(jī)臺實(shí)時過程數(shù)據(jù)也是新課題。隨著大數(shù)據(jù)的深入，高頻應(yīng)用也將不斷涌現(xiàn)。工業(yè)大數(shù)據(jù)的典型應(yīng)用場景何為工業(yè)大數(shù)據(jù)？工業(yè)大數(shù)據(jù)與現(xiàn)有業(yè)務(wù)應(yīng)用系統(tǒng)的關(guān)系是什么？有哪些不同類型的數(shù)據(jù)應(yīng)用模式？本部分內(nèi)容將嘗試從業(yè)務(wù)領(lǐng)域、應(yīng)用系統(tǒng)、數(shù)據(jù)應(yīng)用手段、統(tǒng)計(jì)學(xué)習(xí)算法等四個視角進(jìn)行探討。業(yè)務(wù)領(lǐng)域的視角對于制造未來的發(fā)展模式，業(yè)界有不少好的提法，包括精益（Lean）制造、柔性（Flexible）制造、綠色（Sustainable）制造、云制造（Cloud）制造、敏捷（Agile）制造、自組織（Holonic）制造、數(shù)字（Digital）制造、智能（Intelligent）制造、智慧（Smart）制造等，以應(yīng)對不同和核心需求（成本競爭壓力、創(chuàng)新速度、個性化需求、可持續(xù)性發(fā)展等）。工業(yè)大數(shù)據(jù)是支撐制造模式的重要使能技術(shù)。在工業(yè)數(shù)據(jù)的應(yīng)用模式上，業(yè)界從不同角度提出了很多類似的思想。德國“工業(yè)4.0”強(qiáng)調(diào)通過橫向全供應(yīng)鏈集成、縱向全集成自動化（智能工廠）和設(shè)計(jì)工程全數(shù)字化集成這3條技術(shù)路線，構(gòu)建基于物理信息系統(tǒng)（Cyber-physicalSystem，簡稱CPS）的全新生產(chǎn)環(huán)境，實(shí)現(xiàn)以數(shù)字制造為核心的第四次工業(yè)革命。美國NIST的提法是從產(chǎn)品生命周期（設(shè)計(jì)、工藝規(guī)劃、生產(chǎn)工程、制造、使用和服務(wù)、廢棄和回收等6個階段）、生產(chǎn)系統(tǒng)（設(shè)計(jì)、修建、調(diào)試、運(yùn)營和維護(hù)、退役和回收等5個方面）和商務(wù)（采購、制造、交付、售后等供應(yīng)鏈活動）這3項(xiàng)制造生命周期維度去構(gòu)建智慧制造（SmartManufacturingSystem）。學(xué)術(shù)界也提出過類似的觀點(diǎn)，PorterJames與Heppelmann探討了互聯(lián)的產(chǎn)品，結(jié)合大數(shù)據(jù)分析，如何打造服務(wù)型制造模式，甚至柔化了制造業(yè)和服務(wù)業(yè)的固有邊界?！豆I(yè)大數(shù)據(jù)白皮書（2019版）將工業(yè)大數(shù)據(jù)典型的應(yīng)用場景主要概括為智能化設(shè)計(jì)、智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同制造、智能化服務(wù)和個性化定制等五種模式。日本RIETI研究中心和PwC也從業(yè)務(wù)部門和業(yè)務(wù)模式的角度提出了類型的框架。數(shù)據(jù)應(yīng)用手段的視角數(shù)據(jù)分析和應(yīng)用是實(shí)現(xiàn)大數(shù)據(jù)價值的主要技術(shù)手段。根據(jù)技術(shù)手段，可把問題規(guī)約到如下表所示的4種類型問題，不同問題的應(yīng)用前提和需要解決的挑戰(zhàn)也略有不同。統(tǒng)計(jì)類和專家知識自動化的需求，主要是對工業(yè)大數(shù)據(jù)平臺的要求（多類型數(shù)據(jù)的有機(jī)融合、以設(shè)備/工藝為中心的全維度數(shù)據(jù)查詢引擎、非侵入式的數(shù)據(jù)分析并行化等）。業(yè)務(wù)人員給出業(yè)務(wù)邏輯，通常不完備、不確定，需要利用大數(shù)據(jù)進(jìn)行精細(xì)化，比如，“存在2Hz的主振動分量”的業(yè)務(wù)邏輯已經(jīng)非常明確，但在變成可自動化執(zhí)行的引擎前,要細(xì)化“2Hz”的范圍區(qū)間、主分量“（占總能量的15%之上？還是比第二高分量高5倍？）的定義。大數(shù)據(jù)情形下的運(yùn)籌優(yōu)化和經(jīng)典調(diào)度在技術(shù)挑戰(zhàn)上沒有本質(zhì)區(qū)別，關(guān)鍵是如何定義一個合適的范圍，很多業(yè)務(wù)因素缺乏數(shù)據(jù)支撐、很多業(yè)務(wù)邏輯用數(shù)學(xué)規(guī)劃語言描述太復(fù)雜（可以用規(guī)則）約束松弛邏輯復(fù)雜，實(shí)際中常采用“規(guī)則+數(shù)據(jù)規(guī)劃”的方式去求解。統(tǒng)計(jì)學(xué)習(xí)算法的視角基于對業(yè)界的粗淺理解和一些實(shí)踐，我們擬將工業(yè)大數(shù)據(jù)的應(yīng)用歸納為如上圖所示的3類典型分析場景：第一類，智能裝備/產(chǎn)品，通過產(chǎn)品的互聯(lián)和分析，提高后服務(wù)質(zhì)量，指導(dǎo)研發(fā)創(chuàng)新，支撐定向營銷等;第二類，智慧工廠/車間，打通不同生產(chǎn)單元與業(yè)務(wù)環(huán)節(jié)，結(jié)合不同時空顆粒度，從效率、質(zhì)量和安全的角度，保證制造過程的可視、可溯、可決;第三類，產(chǎn)業(yè)互聯(lián)，借由數(shù)據(jù)的融合與深度分析，提高協(xié)作效率，支撐新商業(yè)模式。不同行業(yè)的側(cè)重點(diǎn)有所不同，高端裝備制造業(yè)多強(qiáng)調(diào)“服務(wù)性制造”和“智能裝備”，化工行業(yè)則強(qiáng)調(diào)“安穩(wěn)長滿優(yōu)“，電子行業(yè)以產(chǎn)品質(zhì)量為核心，石油石化則注重資產(chǎn)管理和生產(chǎn)效率提升。應(yīng)用系統(tǒng)的視角大數(shù)據(jù)應(yīng)用系統(tǒng)作為一個新興技術(shù)，如何與現(xiàn)有的企業(yè)信息化和自動化（以下簡稱“兩化”）應(yīng)用體系融合是需要回答的問題。不同行業(yè)的兩化基礎(chǔ)不同，同一行業(yè)的不同企業(yè)發(fā)展階段也不盡相同。為討論方便，這里借用ISA-95企業(yè)信息架構(gòu)參考模型。ISA-95將制造業(yè)信息系統(tǒng)劃分為物理過程（Level0）、傳感層（Level1）、監(jiān)控層（Level2,女口DCS/SCADA）、生產(chǎn)管理層（Level3，如MES）、經(jīng)營管理層（Level4，如ERP/SCM）等5層。工業(yè)大數(shù)據(jù)在既有的基礎(chǔ)上,從更全要素、更長時空顆粒度、更廣業(yè)務(wù)環(huán)節(jié)上，實(shí)現(xiàn)貫穿多個Level的新型應(yīng)用。但從最后實(shí)現(xiàn)的功能上來看，工業(yè)大數(shù)據(jù)應(yīng)用大多落在Level4（企業(yè)全局甚至產(chǎn)業(yè)鏈）;在設(shè)備運(yùn)維中也有不少Level2的應(yīng)用（如故障預(yù)警等）;在兩化基礎(chǔ)差的行業(yè)，也有一些大數(shù)據(jù)應(yīng)用實(shí)現(xiàn)了Level3的功能。工業(yè)大數(shù)據(jù)的特點(diǎn)與挑戰(zhàn)對于工業(yè)大數(shù)據(jù)的特點(diǎn)，這里簡要總結(jié)為4點(diǎn)：1）工業(yè)大數(shù)據(jù)具有多樣性、多模態(tài)、高通量和強(qiáng)關(guān)聯(lián)等特性。從數(shù)據(jù)的來源看，工業(yè)大數(shù)據(jù)主要包括三類：第一類是企業(yè)運(yùn)營管理相關(guān)的業(yè)務(wù)數(shù)據(jù)。這類數(shù)據(jù)來自企業(yè)信息化范疇。第二類是設(shè)計(jì)與制造過程數(shù)據(jù)。主要是指工業(yè)生產(chǎn)過程中，裝備、物料及產(chǎn)品加工過程的工況狀態(tài)參數(shù)、環(huán)境參數(shù)等生產(chǎn)情況數(shù)據(jù)。第三類是企業(yè)外部數(shù)據(jù)，包括工業(yè)企業(yè)產(chǎn)品售出之后的使用、運(yùn)營情況的數(shù)據(jù)，還包括大量客戶、供應(yīng)商、互聯(lián)網(wǎng)等數(shù)據(jù)。工業(yè)大數(shù)據(jù)的這些特性對多源異構(gòu)數(shù)據(jù)存儲技術(shù)提出了很高的要求，不僅需要高效的存儲優(yōu)化，還需要能夠通過元數(shù)據(jù)、索引、查詢推理，支持高效便捷的數(shù)據(jù)讀取，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的一體化管理。工業(yè)數(shù)據(jù)資源不豐富宏觀層面上，工業(yè)領(lǐng)域的數(shù)據(jù)類型和數(shù)據(jù)量是非常豐富的。但對于微觀的大數(shù)據(jù)應(yīng)用和分析，有價值的數(shù)據(jù)往往非常稀缺。數(shù)據(jù)樣本通常嚴(yán)重有偏(biased)：很多工業(yè)系統(tǒng)是被設(shè)計(jì)為高可靠、嚴(yán)格受控的系統(tǒng)，絕大多數(shù)時間穩(wěn)定運(yùn)行，異常工況相對稀缺(對數(shù)據(jù)分析來說是“高價值”)，已經(jīng)標(biāo)記的有效樣本就更是難能可貴。還有一些工業(yè)場景要求捕獲故障/異常瞬間的細(xì)微狀況，才能還原和分析故障發(fā)生原因，這對數(shù)據(jù)監(jiān)控和后臺數(shù)據(jù)存儲提出了很高的要求。維度不完整和序列的間斷(censored)因?yàn)楦鞣N原因，往往很難實(shí)現(xiàn)全維度的數(shù)據(jù)集的有效關(guān)聯(lián)，另外在時間或空間序列上也常常存在缺失，從當(dāng)前數(shù)據(jù)并不能完整勾畫出真實(shí)的物理過程基于此的CPS模型的應(yīng)用范疇是需要謹(jǐn)慎度量的。這兩點(diǎn)也造成了“數(shù)到用時方恨少”的尷尬。根據(jù)中國信息通信研究院和工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟2018年底對國內(nèi)74家工業(yè)企業(yè)的調(diào)研，我國工業(yè)企業(yè)的數(shù)據(jù)資源存量普遍不大，66%的企業(yè)數(shù)據(jù)總量都在20TB以下，還不到一個省級電信運(yùn)營商日增數(shù)據(jù)量的1/10。針對這種狀況，工業(yè)大數(shù)據(jù)建設(shè)應(yīng)該量體剪衣，但不應(yīng)是“看菜下碟”的“被動響應(yīng)，而是從業(yè)務(wù)去發(fā)掘需求，從技術(shù)的角度思考如何獲取更多數(shù)據(jù)資源（新傳感技術(shù)、軟測量、內(nèi)部信息整合、數(shù)據(jù)聯(lián)盟等），從數(shù)據(jù)的角度思考如何用新模式或新技術(shù)去提升業(yè)務(wù)。3） 工業(yè)數(shù)據(jù)有很強(qiáng)的上下文信息（Context）工業(yè)是一個強(qiáng)機(jī)理、高知識密度的技術(shù)領(lǐng)域，很多監(jiān)測數(shù)據(jù)僅僅是精心設(shè)計(jì)下系統(tǒng)運(yùn)行的部分表征。工業(yè)領(lǐng)域通常有大量的機(jī)理模型、專家經(jīng)驗(yàn)的深厚積累，可以為數(shù)據(jù)分析縮小參數(shù)空間、提供有用的特征變量（如齒輪箱振動的倒譜參數(shù)），工業(yè)數(shù)據(jù)分析通常隱性或顯性利用大量的行業(yè)知識（問題定義、數(shù)據(jù)篩選、特征加工、模型調(diào)優(yōu)等），工業(yè)大數(shù)據(jù)分析通常需要統(tǒng)計(jì)學(xué)習(xí)（或機(jī)器學(xué)習(xí)）算法與機(jī)理領(lǐng)域模型算法的融合，以期創(chuàng)造更大的價值。4） 工業(yè)大數(shù)據(jù)的人才體系是明確二分的工業(yè)大數(shù)據(jù)的價值變現(xiàn)通常需要統(tǒng)計(jì)學(xué)習(xí)和機(jī)理模型的交叉融合，然這兩個領(lǐng)域模型通常屬于不同的技術(shù)門類。并且工業(yè)企業(yè)通常以工程技術(shù)人員為主。這種技能的明確分割嚴(yán)重制約了工業(yè)大數(shù)據(jù)生態(tài)的發(fā)展。除了以上共性的挑戰(zhàn)外，對于單個制造業(yè)企業(yè)，在推進(jìn)工業(yè)大數(shù)據(jù)時候，還面臨管理模式轉(zhuǎn)變、人才短缺、短期成效與長效機(jī)制等各個方面的挑戰(zhàn)，這些挑戰(zhàn)需要大數(shù)據(jù)規(guī)劃與實(shí)施中有一個系統(tǒng)有效的方法論指導(dǎo)。工業(yè)大數(shù)據(jù)的關(guān)鍵技術(shù)工業(yè)大數(shù)據(jù)平臺為有效支撐海量異構(gòu)工業(yè)數(shù)據(jù)存儲與查詢，有機(jī)融入現(xiàn)有的知識、經(jīng)驗(yàn)與分析資產(chǎn)，消除技能對工業(yè)大數(shù)據(jù)應(yīng)用發(fā)展造成的障礙，需構(gòu)建一套支撐工業(yè)大數(shù)據(jù)分析的工業(yè)大數(shù)據(jù)平臺技術(shù)，包括數(shù)據(jù)存儲與查詢、分析建模與執(zhí)行，以及數(shù)據(jù)和資產(chǎn)安全的保證手段。多源異構(gòu)數(shù)據(jù)的存儲與查詢通過面向工業(yè)數(shù)據(jù)存儲優(yōu)化的工業(yè)大數(shù)據(jù)湖技術(shù)，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的一體化、低成本、分布式存儲;通過面向工業(yè)大數(shù)據(jù)分析負(fù)載優(yōu)化的存儲讀寫技術(shù)，實(shí)現(xiàn)分析工具對數(shù)據(jù)的高效存取;通過一體化元數(shù)據(jù)技術(shù)，實(shí)現(xiàn)對數(shù)據(jù)的工業(yè)語義化組織與高效檢索。支持時序數(shù)據(jù)存儲、關(guān)系數(shù)據(jù)存儲、對象存儲、文件存儲和OLAP。工業(yè)大數(shù)據(jù)的強(qiáng)機(jī)理與強(qiáng)關(guān)聯(lián)，決定了需要建立起描述業(yè)務(wù)上下文的行業(yè)模型，才能有效支撐后面的分析與應(yīng)用，例如，設(shè)備全生命周期檔案（設(shè)備智能運(yùn)維場景）、物料流轉(zhuǎn)與工藝狀態(tài)檔案（質(zhì)量分析場景）、需求動力學(xué)關(guān)系圖（需求預(yù)測場景）等。這就需要在多源異構(gòu)數(shù)據(jù)存儲引擎的基礎(chǔ)能力上，提供行業(yè)數(shù)據(jù)模型建模和查詢能力。以設(shè)備的全生命周期檔案為例，它記錄設(shè)備的過往今生以及不同維度的信息，包括設(shè)備結(jié)構(gòu)（BOM）、維修履歷、故障記錄、異常預(yù)警記錄、工況、檔案、基本信息等維度。行業(yè)數(shù)據(jù)模型的建模，不僅僅是多個數(shù)據(jù)源DataSchema層面的關(guān)聯(lián)，還包括業(yè)務(wù)語義層面的處理，包括編碼間的映射關(guān)系（例如，設(shè)備編碼規(guī)則改變前后的對映）、同義詞（例如，風(fēng)速在不同時期數(shù)據(jù)標(biāo)準(zhǔn)中的字段名可能不同）、字段名稱相同但業(yè)務(wù)語義不同（以油氣生產(chǎn)中的“產(chǎn)量”為例，井下產(chǎn)量、井口產(chǎn)量、集輸產(chǎn)量等不同口徑的“產(chǎn)量”，因?yàn)闇y量方式、測量環(huán)境、測量標(biāo)準(zhǔn)不同存在很大差別）。大數(shù)據(jù)平臺在提供行業(yè)建模工具時候一定要注意業(yè)務(wù)語義層面的需求。以行業(yè)數(shù)據(jù)模型為基礎(chǔ)，大數(shù)據(jù)平臺提供基于圖搜索技術(shù)的語義查詢模型，以友好的方式支撐設(shè)備管理分析。以風(fēng)機(jī)為例，當(dāng)葉片斷裂事故發(fā)生后，整機(jī)制造商運(yùn)維主管想查看確認(rèn)是否為葉片批次問題（即和當(dāng)前風(fēng)機(jī)使用同一葉片廠商的風(fēng)機(jī)最近機(jī)艙加速度是否正常？），有了圖語義模型的支持，應(yīng)用開發(fā)者不需要寫復(fù)雜的表間關(guān)聯(lián)語句，這樣將大大降低應(yīng)用開發(fā)的工作量。工業(yè)知識圖譜在設(shè)備運(yùn)維中，除了設(shè)備檔案數(shù)據(jù)，通常還存在大量的故障案例、設(shè)備維修過程記錄等非結(jié)構(gòu)數(shù)據(jù)。這些記錄中蘊(yùn)含著大量的故障征兆、排查方法等實(shí)操經(jīng)驗(yàn)，對后續(xù)的運(yùn)維有很大指導(dǎo)和借鑒作用。通用的文本分析，由于缺乏行業(yè)專有名詞（專業(yè)術(shù)語、廠商、產(chǎn)品型號、量綱等）、語境上下文（包括典型工況描述、故障現(xiàn)象等），分析效果欠佳。這就需要構(gòu)建特定領(lǐng)域的行業(yè)知識圖譜（即工業(yè)知識圖譜），并將工業(yè)知識圖譜與結(jié)構(gòu)化數(shù)據(jù)圖語義模型融合，實(shí)現(xiàn)更加靈活的查詢。工業(yè)大數(shù)據(jù)治理與管控用數(shù)據(jù)，更要“養(yǎng)”數(shù)據(jù)。數(shù)據(jù)質(zhì)量是大數(shù)據(jù)價值的生命線，數(shù)據(jù)治理是已被金融、電信、互聯(lián)網(wǎng)等行業(yè)證明的數(shù)據(jù)質(zhì)量保障的主要手段。調(diào)查顯示，我國工業(yè)企業(yè)只有不到1/3的企業(yè)開展了數(shù)據(jù)治理，51%的企業(yè)仍在使用文檔或更原始的方式進(jìn)行數(shù)據(jù)管理。工業(yè)企業(yè)應(yīng)該把數(shù)據(jù)治理放在與大數(shù)據(jù)平臺建設(shè)同等重要的位置。工業(yè)大數(shù)據(jù)蘊(yùn)涵著工業(yè)生產(chǎn)的詳細(xì)情況及運(yùn)行規(guī)律，也承載了大量市場、客戶、供應(yīng)鏈等信息，是工業(yè)企業(yè)的核心機(jī)密和工業(yè)互聯(lián)網(wǎng)的核心要素。在數(shù)據(jù)存儲層和分析工具運(yùn)行時建立的統(tǒng)一安全管理技術(shù)，實(shí)現(xiàn)對數(shù)據(jù)細(xì)粒度全生命周期安全管控;在分析資產(chǎn)知識產(chǎn)權(quán)保護(hù)部分，通過文件級別的高級加密標(biāo)準(zhǔn)進(jìn)行加工業(yè)大數(shù)據(jù)規(guī)劃與實(shí)施方法大數(shù)據(jù)分析規(guī)劃宜采用“業(yè)務(wù)導(dǎo)向+技術(shù)驅(qū)動+數(shù)據(jù)支撐”的方式，基于技術(shù)可行性的客觀評價，考慮全生命周期和后續(xù)迭代，統(tǒng)籌規(guī)劃建設(shè)，包含6個步驟。應(yīng)從關(guān)鍵業(yè)務(wù)目標(biāo)分解出發(fā)，關(guān)聯(lián)到具體的業(yè)務(wù)領(lǐng)域（研發(fā)、建設(shè)、運(yùn)行、運(yùn)維、安全環(huán)保、銷售、采購等），從重要度和緊迫度的角度，對可能的業(yè)務(wù)分析問題進(jìn)行評估。同時也思考新的大數(shù)據(jù)應(yīng)用如何融入到當(dāng)前的業(yè)務(wù)管理或生產(chǎn)管理閉環(huán)中去。信息欠缺的情形可以分為“有但未利用、有但不及時、有但不精準(zhǔn)、可采但未采、想采但缺乏手段、采集成本太高“等6種類型，識別其屬于哪種類型，思考對應(yīng)的業(yè)務(wù)或技術(shù)手段以及可實(shí)現(xiàn)性，比如，加裝傳感（如視頻識別）、增加外部數(shù)據(jù)源（如外部市場動態(tài)爬取）、通過大數(shù)據(jù)平臺的業(yè)務(wù)整合模型提高信息的完備性、通過軟測量通過流計(jì)算提高信息的實(shí)時性、通過軟測量實(shí)現(xiàn)關(guān)鍵信息的估算、通過數(shù)據(jù)聯(lián)盟（datafederation