数据智能引领工业互联网创新
时间：2021-04-12 07:51:52 来源：达达文档网 本文已影响 人 
工业互联网作为新一代信息通信技术与现代工业技术深度融合的产物，是制造业数字化、网络化、智能化转型的重要载体，也是全球新一轮产业竞争的制高点。
自云计算、大数据、物联网、人工智能等新兴技术爆发之后，工业互联网近几年又成为业界的一大风口。工业互联网作为新一代信息通信技术与现代工业技术深度融合的产物，是制造业数字化、网络化、智能化转型的重要载体，也是全球新一轮产业竞争的制高点。工业互联网通过构建连接机器、物料、人、信息系统的基础网络，实现工业大数据的全面感知、动态传输、实时分析，形成科学决策与智能控制，提高制造资源配置效率，正成为领军企业竞争的新赛道，也是全球产业布局的新方向与制造大国竞争的新焦点。
面对风口，许多企业都已摩拳擦掌，开始进行相关探索。如何在這一轮工业互联网发展大潮中抢占先机，实现快速发展？传统工业企业要充分利用数据智能的力量，通过数据实现业务价值，进而实现智能化升级，获得持续的竞争力。
数据智能是工业互联网创新的推动力
互联网是全球互联的基础性设施，工业互联网则是架构在现有的公众网络上，针对工业特定领域进行的技术升级和场景改造。如果我们把工业互联网比作信息高速公路，工业应用就是公路上飞驰的车辆，工业大数据则是车里运输的货，那么工业智能则是推动车辆行进，实现企业生产经营活动持续创新的核心引擎。
数据智能在消费互联网领域已有了广泛的应用，但工业领域的应用与互联网领域有着很大的差别。
从实效性角度看，互联网领域的数据实效性要求不高，通常数据的收集和使用在时间维度上是相对割裂的，而工业领域的数据收集和使用则是强时间依赖的。
从数据结构角度看，相较于包含大量UGC的互联网数据，工业数据以结构化数据为主。此外，由于数据实效性和结构的不同，导致工业智能的入手点也会不同。
互联网数据更多应用的是趋势分析，例如精准营销，是通过历史数据的分析来预测消费者未来购买某一类产品的概率，这种预测不需要很高准确性就已经可以满足应用需求。但工业的分析不但要考虑数据的实效性、结构性，还要考虑分析的逻辑性和准确性，以最大限度降低生产中的不确定性。
企业将来自机器、人、外部网络的信息通过处理、分析、挖掘转化为知识，通过反馈控制或决策支持的方式实现业务提升，这个过程就是数据变现。在工业数据变现的过程中，工业制造企业必然会面临各种各样的问题，归纳起来有几个方向：
1.企业内多个异构系统间的数据无法有效整合，直接导致企业采购、生产、物流、销售等环节割裂，效率过低且无法跨领域实时洞察。
2.企业无法对生产设备进行实时数据采集和统一灵活控制，导致企业难于实现生产工艺流程的最优化，以满足市场关于大规模个性化定制的诉求。
3.随着海量新旧数据的不断积累沉淀，企业急切需要可靠的低成本方案提高数据存储和计算能力，实现对海量数据的高效管理。
4.面对智能化分析门槛过高的现状，企业难于整合分散在业务中的碎片化领域知识，实现跨业务和跨领域的业务流程再造。
5.围绕数据变现的全生命周期，企业需要一整套基于软/硬件一体化的大数据安全防护体系，保障数据资产和核心工业流程的安全等。
要想解决这些挑战，我们认为围绕工业数据变现需要具备三种能力，即：
·拥抱工业数据能力
·融合工业数据能力
·驾驭工业数据能力
拥抱工业数据能力主要体现在OT与IT领域数据的深度交叉互联方面，主要体现在有能力接入泛在数据源、有能力满足复杂工业数据要求，以及有能力实现工业数据高效、稳定传输等方面。
具体来看，数据源通常来自于包含传感器、设备、工厂、企业经营在内的不同软、硬件单元。高效、稳定、快速的打通基础连接是考验OT与IT领域数据深度交叉互联的关键基础。同时，工业数据要求通常包含针对采集范围、采集频率、数据量、数据格式等维度的刚性特点。除了数据源、数据要求外，还需要考虑的能力就是传输的高效和稳定，而实现这种能力的关键则是是否支持端到端协议栈。
融合工业数据能力主要体现在OT与IT领域数据的交叉存储计算方面，包括了针对工业“脏”数据进行统一管理、高效使用以及价值转化。有效地结合关系数据库技术，如SQL Server、分布式数据库技术，如Hadoop、Spark和时序数据库技术，如Historian等的相关存储与计算能力，并开发和构建统一的工业数据湖是融合工业数据的最佳路径之一。工业数据湖技术通常包括工业数据的储存、提取、归类、查询、发布、共享等。它具备可伸缩、弹性扩展、资源优化等特点，对下可以有效支撑工业互联网中数据的接入、流动与存储，对上可以作为统一的数据服务为算法及应用开放提供关键能力。
驾驭工业数据能力则体现在OT与IT领域数据的分析应用方面，包括了数据建模能力以及快速组合应用场景并变现的能力。数据模型是实现工业互联网创新的核心能力之一，包括了机理模型、统计模型、机器学习模型，以及人工智能模型等，这些模型是经验的固化，是产生知识的关键，也是行业经验快速复制推广的基础。同时，在应用场景上，需要提供统一的数据服务，帮助用户快速构建基于模型的App，基于业务单元的App，让复杂的分析类似搭积木式地构建起来。
联想大数据厚积薄发，专注工业智能
联想集团在数据智能领域是一个领先的实践者，联想大数据团队最早是作为联想自身业务运转的引擎，指导并优化联想内部业务发展。经过6年多的实践，联想构建了全球统一的大数据平台和智能分析平台，构建了端到端的产品优化体系、用户经营体系和业务决策支持体系，目前已经累计超过10PB的数据，每天新增数据30TB，成为国内最大的制造服务支撑集群之一，很好地支撑了联想全球精细化运营。
基于长达5年的集团内部实践应用与测试，联想大数据于2016年正式对外开展大数据业务，并将业务重心聚焦于工业领域。联想从自身实践中深刻体会到工业大数据的市场前景十分广阔，特别是在生产制造方面，大数据将会带来颠覆性的改变。但是，由于工业大数据与互联网数据不同，它的应用与行业业务结合得十分紧密，因此，要求企业有较深的行业积累与业务理解。而这恰恰是联想大数据的优势所在。
为了帮助行业用户，特别是工业企业更好地应用数据智能，联想大数据提出了“双拳战略”，即IT和OT业务两手抓，两手都要强。联想大数据将分别针对这两大市场开发不同的大数据产品，设计不同的解决方案，并提供不同的云服务。在IT市场，联想将以LeapHD大数据平台软件为核心，帮助行业客户建立数据湖，并提供托管式私有数据云服务；在OT市场，推出全新的LeapIoT产品，并以此为核心帮助行业客户建立信息物理系统，并提供基于公有云的、开放的联想工业互联网平台LeapAI.com。
除了产品及行业解决方案，联想还提出了以数据整合+敏捷智能为核心的“数据智能”战略，以及实施战略的方法论和最佳实施路径，为行业客户提供面向数据智能的IT咨询服务。
连续两年业务取得快速增长，获得多家顶级客户的认可。这是联想大数据自进入市场以来，向业界递交的完美答卷。通过业务价值驱动大数据在企业中的应用，是联想知行合一、对外赋能的一个过程。因此，联想大数据进入市场后，便以厚积薄发的态势，获得多家中国五百强乃至世界五百强客户的认可。
以生态促合作，以联盟力量推进产业发展
作为两化深度融合的主攻方向，工业互联网与很多传统的应用于某一业务领域的IT应用不同，它所涉及的領域不仅包括IT领域的网络、软件、硬件、服务等各个环节，而且还与各个行业密切相关。
因此，工业互联网的落地其实是一个系统工程。要想使工业互联网在国内制造业真正落地并产生价值，绝不仅仅是某一个或几个企业可以实现的。所以，如何打造完善的产业生态链，就成为其中的关键所在。
为了更好地促进工业互联网创新，推进数据智能在工业领域的应用，构建覆盖工业全流程、全环节和产品全生命周期的数据链，并在此基础上形成基于数据分析的系统级工业智能。联想与众多制造行业领军企业、互联网行业龙头行业组织，将工业产业链条上的上下游企业串联在一起，共同发力成立了工业大数据产业应用联盟。联盟将在技术攻关、产业合作、标准研制、人才培养等方面务实开展工作。
目前，联盟成员企业已达到140余家，覆盖了制造、能源、交通、医疗、IT和互联网等众多领域，业务涉及产业价值链的各个环节，为达成全面深入的生态合作，实现“政产学研用”协同创新提供了坚实的平台。
融合IT与OT领域先进技术
随着两化深度融合的不断推进，中国正在成为工业数据大国，急需深挖工业大数据的潜力，培育数据驱动的新型工业体系。智能制造的核心就是从产品设计，到生产制造、销售，打通全生命周期、全产业链的数据链，并催生出网络协同制造、个性化定制、服务型制造等一系列新的商业模式。最终，利用数据智能手段挖掘数据的价值，将数据转化为知识，并构建出一大批能解决实际业务痛点的工业App，给工业发展模式带来革命性的驱动力。
联想大数据将以数据智能为理念，融合IT与OT领域先进技术，为用户提供端到端的解决方案，通过开放、协作、共赢，助推企业数字化重塑，许给工业互联网一个美好的未来。
