大規(guī)模的數(shù)據(jù)應(yīng)用和平臺(tái)架構(gòu)在政府、金融、電信等行業(yè)已經(jīng)經(jīng)歷了充分的驗(yàn)證，所以在工業(yè)智能領(lǐng)域大致會(huì)有類似的演進(jìn)路線，但具體到細(xì)節(jié)里又處處不同，值得細(xì)細(xì)品味。

首先，數(shù)據(jù)在哪里？

一類是管理數(shù)據(jù)：結(jié)構(gòu)化的SQL數(shù)據(jù)為主，如產(chǎn)品屬性、工藝、生產(chǎn)、采購、訂單、服務(wù)等數(shù)據(jù)，這類數(shù)據(jù)一般來自企業(yè)的ERP、SCM、PLM甚至MES等系統(tǒng)，數(shù)據(jù)量本身不大，卻具有很大的挖掘價(jià)值；

另一類則是機(jī)器運(yùn)行和IoT的數(shù)據(jù)：以非結(jié)構(gòu)化、流式數(shù)據(jù)居多，如設(shè)備工況（壓力、溫度、振動(dòng)、應(yīng)力等）、音視頻、日志文本等數(shù)據(jù)，這類數(shù)據(jù)一般采集自設(shè)備PLC、SCADA以及部分外裝傳感器（裝什么？怎么裝？），數(shù)據(jù)量很大，采集頻率高（一般在ms級(jí)），需要結(jié)合邊緣計(jì)算在本地做一些預(yù)處理；

總的來講，由于場(chǎng)景的割裂和分散，工業(yè)數(shù)據(jù)本身具有量大、多源、異構(gòu)、實(shí)時(shí)性要求高等特點(diǎn)，而且隨著未來280億設(shè)備逐步接入，這些特性將會(huì)進(jìn)一步加強(qiáng)，這是做工業(yè)大數(shù)據(jù)服務(wù)的核心難點(diǎn)之一，和互聯(lián)網(wǎng)大數(shù)據(jù)不僅量級(jí)不同，結(jié)構(gòu)不同，應(yīng)用也完全不同。舉個(gè)簡(jiǎn)單的例子，互聯(lián)網(wǎng)場(chǎng)景中我們常用的是推薦算法，相關(guān)性分析等等，但是到了工業(yè)場(chǎng)景，很多機(jī)器數(shù)據(jù)需要做頻譜分析、歸因分析，這是完全不同的兩個(gè)方向。

其次，基于這些工業(yè)數(shù)據(jù)，平臺(tái)層應(yīng)該提供哪些服務(wù)？

完整的協(xié)議解析：數(shù)據(jù)采集首先要完成工業(yè)協(xié)議的打通，這部分工作不算太難，但需要花費(fèi)人力和時(shí)間，是真正的苦活、累活，往往是不想做但又不能不做，當(dāng)然，反過來講，各種協(xié)議的打通和支持本身也是服務(wù)客戶的壁壘之一。以應(yīng)用層協(xié)議為例，EtherNet/IP和PROFINET的市場(chǎng)占有率最大，其中PROFINET主要市場(chǎng)在歐洲，EtherNet/IP主要在美國。其次是EtherCAT、Modbus-TCP和EtherNetPOWERLINK這些。

標(biāo)準(zhǔn)化的數(shù)據(jù)整合：采集上來的數(shù)據(jù)要做統(tǒng)一的主數(shù)據(jù)管理，第一步是建立標(biāo)準(zhǔn)。一般來講，我們先要用ISO或其他業(yè)內(nèi)標(biāo)準(zhǔn)，制定統(tǒng)一的編碼、結(jié)構(gòu)、流轉(zhuǎn)方式和屬性，確保數(shù)據(jù)的一致性，這一點(diǎn)非常重要。其次，要在項(xiàng)目實(shí)施的歷程中，逐步積累行業(yè)知識(shí)庫、合適的算法組件以及相關(guān)機(jī)理模型，這一點(diǎn)也很重要，這是從數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)化到業(yè)務(wù)標(biāo)準(zhǔn)化的關(guān)鍵一步，是為實(shí)現(xiàn)真正的產(chǎn)品層面的微服務(wù)化打下基礎(chǔ)。

強(qiáng)大的PaaS支持：工業(yè)數(shù)據(jù)本身的特殊性導(dǎo)致平臺(tái)必須要有強(qiáng)大的中層支撐能力。我們以時(shí)序數(shù)據(jù)庫為例，最近，阿里云發(fā)布了商用版本的高性能時(shí)間序列數(shù)據(jù)庫 (High-Performance Time Series Database) 。所謂時(shí)序數(shù)據(jù)，是帶有時(shí)間戳的一系列數(shù)值，時(shí)序數(shù)據(jù)是工業(yè)數(shù)據(jù)，尤其是設(shè)備工況和傳感器數(shù)據(jù)的典型品種。這類數(shù)據(jù)頻率高、量大，用傳統(tǒng)關(guān)系型數(shù)據(jù)庫處理，需要每次把所有值拉出來計(jì)算，吞吐量極大，性能很差。所以，一個(gè)高壓縮、高性能的時(shí)序數(shù)據(jù)庫，就是平臺(tái)層必備的能力之一。

最后，我們應(yīng)該做哪些應(yīng)用？

設(shè)備級(jí)：質(zhì)量控制。為了避免產(chǎn)線宕機(jī)，工廠的傳統(tǒng)做法是對(duì)設(shè)備或核心零部件做定期的更換或檢修，這種做法往往不能解決問題，而且會(huì)造成浪費(fèi)。在工業(yè)智能時(shí)代，如果我們能夠采集到合適的實(shí)時(shí)數(shù)據(jù)，結(jié)合該設(shè)備所適用的機(jī)理模型，就有可能用機(jī)器學(xué)習(xí)的方法挖掘出產(chǎn)品質(zhì)量與關(guān)鍵數(shù)據(jù)之間的關(guān)聯(lián)或因果關(guān)系，也就有可能實(shí)現(xiàn)實(shí)時(shí)在線的質(zhì)量控制和故障預(yù)警，如果數(shù)據(jù)頻率能對(duì)工藝流程形成完美包絡(luò)，我們還有可能實(shí)現(xiàn)最大限度的效率提升。

廠級(jí)：計(jì)劃排產(chǎn)。工業(yè)智能的最終目的是要實(shí)現(xiàn)大規(guī)模的個(gè)性化定制，即C2M。從工廠計(jì)劃排產(chǎn)的角度來看，這其實(shí)是一個(gè)數(shù)學(xué)問題。這一問題的目標(biāo)是實(shí)現(xiàn)當(dāng)時(shí)當(dāng)?shù)氐漠a(chǎn)能最優(yōu)，約束條件來自企業(yè)的產(chǎn)線設(shè)備、人員、產(chǎn)品屬性、供應(yīng)鏈數(shù)據(jù)等等，通過歷史數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，不難形成一個(gè)較好的預(yù)測(cè)模型。這一模型能根據(jù)產(chǎn)線和工廠的實(shí)時(shí)數(shù)據(jù)動(dòng)態(tài)分析，動(dòng)態(tài)調(diào)整，以幫助企業(yè)實(shí)現(xiàn)準(zhǔn)確把控，最大化經(jīng)濟(jì)效益。

在可以預(yù)見的未來，隨著數(shù)據(jù)的完整性和可靠性越來越高，場(chǎng)景越來越豐富，數(shù)據(jù)應(yīng)用層面會(huì)誕生相當(dāng)多的優(yōu)先企業(yè)，他們幫助工業(yè)用戶降低成本，提高效率，能解決實(shí)實(shí)在在的業(yè)務(wù)問題。目前來看，無論是阿里云所謂的ET工業(yè)大腦、三一的根云，海爾的COSMOPlat，甚至富士康的BEACON，等在往這一方向努力，數(shù)據(jù)能驅(qū)動(dòng)的，絕不只是信息的加速流通，未來一定是業(yè)務(wù)全流程的重構(gòu)，讓我們拭目以待。