隨著成熟度日益上升，加之使用案例的延展，制造性企業(yè)在享受過去的成果的同時，也在慢慢掌握并且啟用新的數(shù)據(jù)源，包括逐步開始著眼從資產(chǎn)/設(shè)備中增加數(shù)據(jù)。
李杰教授在8月3日的全球首席信息官論壇的發(fā)言中談到，沒有背景的數(shù)據(jù)是沒有價值的、不可用的，同樣也是無法分析的。這也是工業(yè)物聯(lián)網(wǎng)的融合全面多元數(shù)據(jù)的核心意義所在。這讓我不禁想起宋代詩人楊萬里的那首傳世佳作：《曉出凈慈寺送林子方》的傳世佳作。
畢竟西湖六月中，風光不與四時同。
接天蓮葉無窮碧，映日荷花別樣紅。
蓮花雖較為常見，但尤以西湖的蓮花名聲遠揚。西湖六月風光有其特色，楊萬里在詩句中并沒有流露出對酷暑的不耐煩，而充分肯定了朋友林子方的高潔品格。如果沒有那碧波萬頃的西湖與荷葉的背景信息，m.sonanjido.com，現(xiàn)代的我們似乎很難體味詩人此刻的心態(tài)與心事。從今天的大數(shù)據(jù)分析角度來看，這與環(huán)境數(shù)據(jù)有異曲同工之妙。讓我借此來簡略分析一下架構(gòu)工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)流構(gòu)架與大數(shù)據(jù)。
我們不要太早地去設(shè)定框架
當企業(yè)在考慮采用工業(yè)物聯(lián)網(wǎng)（IIoT）鏈接與工業(yè)大數(shù)據(jù)分析的時候，最好的方法是找到一個適合企業(yè)的案例或應(yīng)用作為入口。這已經(jīng)是一種較為普遍的慣性思維模式。但這似乎并不是我們想像中的那么簡單，因為我們很容易發(fā)現(xiàn)，要找到非常通用的、適合眾多企業(yè)的單一使用案例并不存在。相反地，這些應(yīng)用場景卻分布在制造業(yè)企業(yè)部門的各個傳統(tǒng)驅(qū)動要素里面，包括能源、可靠性、質(zhì)量、生產(chǎn)、設(shè)計等等。換句話來講，就是工業(yè)物聯(lián)網(wǎng)與大數(shù)據(jù)的結(jié)合沒有固定的模式，沒有固定的架構(gòu)，可是，我們今天卻給出了太多的框架。
過緊或過松的工程與制造公差所引發(fā)的故障導致客戶無法享用產(chǎn)品或者是成品的貨到即損質(zhì)量問題等，都屬于成功的工業(yè)物聯(lián)網(wǎng)的應(yīng)用案例。在結(jié)合多方實地調(diào)研以及與企業(yè)的項目合作之后，我們發(fā)現(xiàn)，遠程監(jiān)控在這兩年依然居于工業(yè)物聯(lián)網(wǎng)與大數(shù)據(jù)結(jié)合案例的首位。能源效率的管理緊隨其后，而資產(chǎn)可靠性與設(shè)備智能所帶來的質(zhì)量提升則位居第三。業(yè)務(wù)轉(zhuǎn)型措施被多數(shù)企業(yè)看作長期使用案例，更有可能成為明年及以后的目標。
正是這些早期的成功案例，使得新的應(yīng)用創(chuàng)新以及應(yīng)用的方向轉(zhuǎn)變成為可能。例如，從出售資產(chǎn)變?yōu)槌鍪勰芰Φ裙蚕斫?jīng)濟的模式。美國NSF智能維護系統(tǒng)中心主任李杰教授在《工業(yè)大數(shù)據(jù)》一書中指出，實現(xiàn)制造業(yè)的價值化，實現(xiàn)用戶需求、產(chǎn)品設(shè)計、制造和營銷的配合，根據(jù)生產(chǎn)狀況實現(xiàn)系統(tǒng)自我調(diào)整，降低生產(chǎn)過程中的浪費以及制造工業(yè)環(huán)保與安全是大數(shù)據(jù)工業(yè)制造的五大核心支撐。
重視顯性因素和不顯性因素的必要融合
五大支柱的焦點就是顯性因素和不顯性因素的融合。我們曾經(jīng)關(guān)心的是產(chǎn)品的制造、產(chǎn)品的制造工藝、產(chǎn)品本身的質(zhì)量等顯性因素。考慮的因素都是可以觸摸的、可直觀判斷的。在工業(yè)大數(shù)據(jù)里，要解決的問題卻是那些不顯性因素。設(shè)備處在一個在亞健康狀態(tài)，我們不僅看不到，更不明白問題的根源在那里。
由于問題大部分與顯而易見的關(guān)系有關(guān)，其中包括隱形的訊息、零配件供應(yīng)商、復(fù)雜的制造流程、多變的環(huán)境狀況和客戶使用方案等。對于未來的智能制造而言，想要達到零宕機、零排放或是零維修等目的，我們必須突破的一個關(guān)鍵點，就是關(guān)注相關(guān)隱形的因素，做好量化與數(shù)據(jù)交叉關(guān)聯(lián)分析。
今時今日，m.sonanjido.com，多數(shù)公司依然通過信息系統(tǒng)層次結(jié)構(gòu)的控制來實現(xiàn)對數(shù)據(jù)流的管理，我們已經(jīng)看到不少企業(yè)開始嘗試從下至上、向頂層的企業(yè)應(yīng)用系統(tǒng)和分析管控平臺輸送IIoT的數(shù)據(jù)的方式。而另外一種嘗試就是從外源數(shù)據(jù)層，數(shù)據(jù)也同時通過企業(yè)各種門戶流向的工業(yè)物聯(lián)網(wǎng)的云端。現(xiàn)在的問題就是，外源的數(shù)據(jù)能否在直接與現(xiàn)有自動化設(shè)備相連的門戶的物的一側(cè)實現(xiàn)，或通過傳感器和連接器的第二系統(tǒng)實現(xiàn)對接。
傳感器門戶云的這種方案有利有弊。好的一面是，基于傳感器的解決方案，尤其是專注于提供這些傳感器產(chǎn)生的數(shù)據(jù)所形成的價值，比現(xiàn)有的自動化解決方案的部署更快更方便，也會經(jīng)常提供積極的短期投資回報率。而不足之處便是，所產(chǎn)生的數(shù)據(jù)大多是控制系統(tǒng)內(nèi)已經(jīng)收集到的數(shù)據(jù)，畢竟，缺乏控制系統(tǒng)環(huán)境的測量數(shù)據(jù)點與環(huán)境數(shù)據(jù)的采集是較為突出的問題。
無法產(chǎn)生價值，沒有人會在意數(shù)據(jù)的所有權(quán)
伴隨著對數(shù)據(jù)所產(chǎn)生的價值驅(qū)動被大眾廣為接受后，數(shù)據(jù)所有權(quán)及數(shù)據(jù)共享的問題變得越來越突出。那么究竟是資產(chǎn)設(shè)備的制造者，還是用戶的機器擁有數(shù)據(jù)，目前市場沒有定論。如果我們沿用信息管理的最佳實踐，認同客戶擁有這些數(shù)據(jù)，而設(shè)備制造者的角色是配合用戶，以做好數(shù)據(jù)保管者的工作為主。的確，有一些設(shè)備供應(yīng)商比較堅持自己擁有數(shù)據(jù)，而且并不愿意與客戶分享原始數(shù)據(jù)，但多數(shù)供應(yīng)商至少傾向為客戶提供原始數(shù)據(jù)訪問的有效途徑，來共同參與全制造鏈的改進與提升。
數(shù)據(jù)的所有權(quán)與資產(chǎn)/設(shè)備是否為企業(yè)帶來競爭優(yōu)勢有密切的關(guān)系。當機器的使用還不具備競爭優(yōu)勢，或是沒有真正為企業(yè)帶來新的競爭優(yōu)勢的時候，數(shù)據(jù)所有與分享一般都不會得到太多的重視。一直到當機器的使用確實產(chǎn)生了競爭優(yōu)勢時，資產(chǎn)使用者會更多地保護數(shù)據(jù)。
伴隨著大數(shù)據(jù)理念井噴式的發(fā)展，用戶對于大數(shù)據(jù)理解的成熟度也迅速提升。能夠很明確的一點是，當客戶沒有擁有數(shù)據(jù)時，他們是不會為原始數(shù)據(jù)買單的。相反，對于供應(yīng)商而言，只有通過共享數(shù)據(jù)并且提供給客戶有價值的服務(wù)，才能從工業(yè)物聯(lián)網(wǎng)的設(shè)備數(shù)據(jù)中獲得回報。
考慮到各種各樣的工業(yè)物聯(lián)網(wǎng)應(yīng)用案例與場景，其中也包括新數(shù)據(jù)源，改變系統(tǒng)架構(gòu)的數(shù)據(jù)以及多結(jié)構(gòu)化數(shù)據(jù)等因素，我們今天的制造企業(yè)并不完全擁有適當?shù)姆治瞿芰εc相關(guān)的人才。不少制造業(yè)企業(yè)的確有很多數(shù)據(jù)分析的經(jīng)驗，但主要是集中在結(jié)構(gòu)性數(shù)據(jù)集的基礎(chǔ)上進行描述性分析，而不是利用大數(shù)據(jù)，融合實時與各種非結(jié)構(gòu)化數(shù)據(jù)共同進行預(yù)測性和規(guī)范性分析。
那么，這也意味著產(chǎn)業(yè)鏈需要全面緊密的合作，企業(yè)不僅既需要投資合適的技術(shù)，更重要的是更為重要的是，也也需要投資過程和培訓。正如西格瑪和精益已被融進持續(xù)改進措施之中，數(shù)字建模，機器自學習等大數(shù)據(jù)工具也需要進行深化改造，進入到制造業(yè)的每一個環(huán)節(jié)，每一個細小的功能，讓制造業(yè)專家來充分使用這些大數(shù)據(jù)工具，而不僅僅專屬于數(shù)據(jù)科學家的專屬。
需要加速實施智能連接資產(chǎn)實現(xiàn)智能運營
在工業(yè)大數(shù)據(jù)的推動下，趨勢分析，統(tǒng)計分布分析，統(tǒng)計過程控制與優(yōu)化，包括回歸分析等開始運用到大量資產(chǎn)連接后所提供的數(shù)據(jù)。工業(yè)物聯(lián)網(wǎng)平臺技術(shù)的出現(xiàn)不僅僅是提升了分析的廣度，更出現(xiàn)了加速淡化了傳統(tǒng)分層模型的趨勢與可能性。