玖越机器人|工业大数据：从智能制造到工业互联网( 二 ) 工业产生转型升级作用的路径

所以工业大数据本身的特点带来了非常多的挑战。除了数据获取的挑战，随之而来的就是数据分析、应用的挑战。这里边最大的限制是因果关系，即数据驱动的方法只能告诉我们关联性，而无法不能告诉我们因果性。比如淘宝推荐商品，只知道推荐相关商品，却不关心这个事情的因果——为什么用户是这样的人。但这在工业上是行不通的，尤其是控制方面，因此模型需要长时间的分析和验证。
工业领域存在白盒模型和灰盒模型，白盒模型即工业机理，企业会根据工业机理设计工序、产品结构和工艺，这是第一步。当它们被设计完之后，运行中又会出现大量的不确定性，这些不确定性的消除靠的就是专家、工匠的经验，让整个流程生产变得更加稳定和高效，这是灰盒态。不再对机理和知识本身进行分析和理解的数据模型，是一种黑盒模型。工业大数据和工业智能的本质就是，将这些经验和知识量化学习出来，挖掘心中有口中无的隐性知识，或者尝试通过数据方法把统计关系找到，再交还给工匠分析。工业就是工业，它存在的时间比信息化时间长，积淀比信息化多，而大数据和人工智能技术只是给工业上带来小的变化，尝试帮它去消除不确定性。
大数据、人工智能在工业中的应用
首先是智能制造。比如某个机床的良品率下降，那么机床可以猜到刀具可能磨损了，主动提出要换刀，或者炉温过热，就自主将温度往下调两度。如果设备可以自主告知、自主变化，而不是按照事先设定的逻辑来操作，这才是智能化。真正的数字化车间应该是什么样的？分了三个层次：第一层是大数据集成。以攀钢为例，它做钢轨最大的问题是产品质量，很多钢轨表面不平整，必须要修正。如果发现表面不平整会怎么办？调整工会猜测原因、调试、再生产，经过很多迭代之后调稳。而大数据能够建立数据集成体系，让决策者看到每个钢轨发生了什么、控制参数是什么、检测参数是什么。这样一个以物料为中心、以工序流程为轴的数据集成体系，能够为调整工提供更多更好的决策信息；第二层是大数据统计分析。能不能将好的批次的数据和差的批次的数据进行叠加对比，看控制参数的差异？大数据可以猜测造成问题的原因，至少可以排序，让调整工按照排序来做检查和调整；第三层是机理模型。通过大量的数据和反馈，工业企业可以构建一个相对准确、正向的仿真模型，并在数字孪生体、数字空间进行调试，最后在工厂里进行测试，这就是数字孪生带来的智能化体系。
那么工业互联网的逻辑对于智能制造来说改变了什么？从业务的角度来讲，工业互联网更多关注产业互联网的边界，而不关注企业内部的生产环节，它可以被总结成三个融合跨界：一是业务融合跨界，通过对产业链上下游业务边界的拓展，企业可以尝试整合上游的上游，也可以服务于下游的下游，我们是一个产业链协同视角下的大工厂；二是数据链条融合跨界，业务的拓展带来了数据边界的拓展，今天的数据不局限于企业原有的数据。比如说要服务于建造商，需要环境数据、操作数据、气象数据；三最根本的是技术改变，相比IT技术的发展，工业软件和IT产业不在一条发展曲线，但现在通过云计算技术可以轻量级地让用户做这样的开发，对于激励、知识的沉淀，可以在很多领域产生了技术溢出机会。工业互联网平台的出现，让工业企业能将花大量时间研发的仿真模型有可能沉淀成小而精的新形态工业软件。