“工业大数据”之“华山论剑”——也谈工业大数据分析

        工业大数据，伴随着“大数据”、“云计算”、“物联网”、“人工智能”等概念的兴起而逐渐火了起来。随之，工业界、投资界、学术界，各界均把目光投向“工业大数据”，国外火，国内也火了起来。但“工业大数据”毕竟不是“商业大数据”，也不是“金融大数据”，似乎也不是纯粹的“互联网大数据”，“工业大数据”分析的主流方法和思路是什么？本文就浅谈一下。本文所谈到的“工业大数据”，主要关注的是从各类工业设备的各种监测数据、运行数据以及其他数据中挖掘价值。

（一）“华山论剑”之工业数据挖掘流派

       首先从“华山论剑”之工业数据流派说起。利用工业设备数据来获取信息，其实由来已久，只不过，很多年之前，还不具备大数据的软硬件条件，那时候，“工业大数据”的一个分支“故障诊断”就已经出现。当年故障诊断中的两大流派，也演变成了今天“工业大数据”流派中最大的两大分支，甚至今天开展“工业大数据”业务的各类公司企业，也基本由这两大流派衍生出来。

       流派一：基于故障机理分析的“工业大数据”挖掘

       该流派进行数据分析的基础和依据是“因果关系”，也所谓“种瓜得瓜种豆得豆”。其理论基础之一是“振动学”，由于各类机械设备一般是动部件，因此，设备运行时总会产生各类数据，最典型的是振动信号。由于设备发生故障时，设备中部件的结构发生改变，因此，激发的振动形式也会不同。通过分析何种故障激发何种振动，然后分别从各个角度观察信号形态，从而判断出设备的健康状态、故障模式等信息。

       从“医学”角度讲，这类方法的思路更像是“西医”，及基于解剖学，对各个器官有详细了解，明确各个器官病变会引发的外在特征，所以，看病可以直接告诉患者具体到哪个器官出了问题。类似的，“基于故障机理分析”的诊断，或者是工业数据挖掘，在开展工作之前，一定是对于被监测部件结构、振动方式、故障表现等十分了解，最为有代表性的概念就是“轴承故障特征频率”。

       由该流派衍生的“工业大数据”分析企业，主要是传统的“故障诊断、状态监测”类企业，或者从事“测控工程”类型的企业。这些企业一般是某一类部件或者设备的“行家”，对某一类设备的结构等了如指掌，因此，对这些设备的监测数据也十分熟悉，业务范围也是集中于“某类特定设备”，或“某些特定行业”。

       流派二：基于数据驱动的“工业大数据”挖掘

       该流派进行数据分析的基础是“模式识别”，所有的分类依据，全部是基于数据本身。其主要思路是把设备看成一个黑盒子，只需要知道各类故障模式的样本数据即可。剩下的事情就是从各类模式的数据中提取有效特征，最终利用特征进行模式分类即可。也就是说，典型的思路是：获取数据-特征提取-模式识别。通过该思路进行工业大数据挖掘，甚至不需要知道设备的组成和结构。开玩笑说：数据驱动流派的侠客，都不知道啥叫“轴承故障特征频率”。

       从医学角度讲，这类方法更像是“中医”。很多老中医，并不懂什么“解剖学”、“病理学”，仅仅通过“望闻问切”，即可知道人大概出了什么问题。所以，从本质讲，就是通过人的各种外在表征，来决定人到底出了什么问题。类似的，从数据驱动角度讲，做数据驱动的侠客，更偏向于数据处理科学家，而不是各个行业的专家，对各类设备部件的结构称不上是“精通”。

       由该流派衍生的“工业大数据”分析企业，主要是从事“互联网大数据”分析的企业，像“工业大数据”、“物联网”转型的一些企业，也就是说，这类企业，或多或少的带有“互联网基因”，相对而言，这类企业对于“大数据分析”、“云计算”、“人工智能”等手段运用的也比较娴熟。

（二）“武林高手，各显神通”各流派之看家绝技

       虽说是“华山论剑”，但各个流派都有自己的看家绝技。展现各家绝技的时候到了。

       基于故障机理分析的“工业大数据”挖掘绝技：明察秋毫，严丝合缝。针对某特定设备，该方法的诊断准确率极高，可以可靠的支持工业企业的运行维护。通过查看数据，或基于各种分析工具查看数据，可以“十分准确”的确定设备出现故障的位置和原因。其针对某种特定设备或部件的诊断准确性，是“数据驱动”门派望尘莫及的。

       基于数据驱动的“工业大数据”挖掘绝技：有容乃大，海纳百川。再说说基于故障机理的分析方法，由于需要明确各种故障的原因和信号激发形式，一旦设备过于复杂，或者针对某种大型系统，各种信号产生“组合爆炸”，此时再去一一对应故障原因，就心有余而力不足了。但这个时候，“数据驱动”的优势就显示出来了，反正是把系统或设备看成了“黑盒子”，大黑盒子，小黑盒子，都是黑盒子，所以相对而言，“数据驱动”流派可以应对各类复杂系统和设备，可谓“有容乃大、海纳百川”。

（三）“融合大法”之看未来

       哪怕是在医学界，“中西医结合”都是一种极好的思路，所谓“融合大法”。类似的，看未来发展趋势，“工业大数据”分析的流派融合也是未来发展的大趋势，这也是“工业大数据”分析与其他行业“大数据”分析的不同之处。

       就开展基于“故障机理”进行“工业大数据”分析的企业而言，尝试引入新的技术，即“大（大数据）智（人工智能）云（云计算）物（物联网）移（移动通信）”，可以有效提升业务范围，同时将传统技术更加智能化，从而降低技术运营成本。

       就开展基于“数据驱动”的“互联网基因”企业而言，由于“工业大数据”分析不同于其他行业，工业对于“结论”的准确性要求极高，有时候一点点误差就会造成很大损失，因此，将工业设备和对象进行有效分类和抽象，选取出典型的设备类别，进行“机理分析”和“解剖”，进一步提高“结论”有效性，将使得业务工程化水平更上一层楼。

       就“流派融合，相互交流”角度而言，两类思路的深度融合，在未来将是“工业大数据”分析的“里程碑”式发展机遇，如何做好深度融合，高校和研究所就该多做努力和探索，最终和企业实现“产学研结合”，推动我国“工业大数据”分析技术和水平的发展和提升。