数据驱动智联制造论坛经验及知识分享

数据驱动智联制造

2019年4月18号，在上海交大举行了主题名为数据驱动 智联制造的主题论坛，此次论坛的主办单位为上海交通大学，在此论坛上，成立了上海交大工业大数据联合创新实验室。有幸代表公司参与了此次论坛，并聆听了业内大佬的演讲和讨论，本次论坛邀请了现任富士康工业互联网副董事长李杰教授、中国工程物理研究院总工程师，工程院院士徐志磊院士等多方大牛，对大数据在工业界的应用进行了探讨。

先说感想

此次大会给我的感受总结为以下几点：

• 工业大数据的发展思路要向服务化转变
• 工业大数据能否给企业带来足够的利润是关键
• 制造业向服务化转型，工业大数据是桥梁
• 服务化是工业界以及学术界前沿主流思想，制造业不应只想着如何制造，而是要想如何服务

新一代工业互联网及工业人工智能

本次论坛给我印象最深的汇报时李杰教授主题为新一代工业互联网及工业人工智能的汇报

工业互联网模式

李杰教授总结了当今工业互联网的三种模式：

• 互联网加模式（Internet+XYZ）
• 工业互联网化模式（Industry+Internet）
• 人工智能，大数据+云技术赋能模式(ABC+XYZ)

这三种模式不同场合有不同应用，不能说谁好谁坏，但都有一个共同点：互联网+大数据

工业互联网价值

工业互联网大数据肯定而且是必须值得做的，从表层上看，可以解决一些看得见的问题，如很多工业监控故障诊断，这些都可归结为看得见的东西，工业大数据真正的潜能是另外三个方面：

• 利用新知识做加值的改善
• 创造新方法与技术解决未知问题
• 利用智能信息创造新知识

总结一下，就是发现新知与利用新知

工业大数据的特性总结(–李杰)

大数据这个概念已经兴起了那么多年，工业大数据这个概念也提出了挺久，那么回过头来看并总结，工业大数据的特点到底是什么呢，总结出来就是3B特性:

• 数据分裂性(Broken Data)
• 数据优劣性(Bad Data)
• 数据的背景性(Backgroud Data)

关于工业大数据的特性，后面徐院士也有总结，且略微有出入

李杰教授后续还介绍了一些关于工业人工智能的情况，同时介绍了富士康的应用例子，其中富士康的关灯工厂的确是一种非常强的数据把控能力的展示（工厂不开灯，全黑暗环境运作，完全无人干扰，也不需要人为盯着）

计算工程科学与大数据

本次论坛另一位重量级人物就是徐志磊院士，他发表了题为计算工程科学与大数据的演讲
徐院士已经89岁高龄，他负责或参与了第一颗原子弹、氢弹的关键技术的攻关，对国家做出过无比卓越的贡献，也是见证了中国乃至世界工业的发展与变迁，虽然89岁高龄，但其思想却是走在时代的前列，非常让人钦佩。

Cyber

在前面的李杰教授还是到徐院士，以及本论坛的后续报告，都提到了一个叫赛博科学(Cyber Science and Engineering)的名词，目前这个还没有官方的中文名称，大多叫赛博也有叫赛伯的

将科学、工程、计算科学、计算和应用数学整合在一起，使用CI(Cyber Infrastructure,译作信息基础设施或信息基础架构)协同的创新技术

CI的目标是利用网络技术将地理上位置不同的计算设施、存储设备、仪器仪表等集成在一起，建立面向网络服务的通用基础支撑环境，实现Internet上计算资源、数据资源和服务资源的有效聚合和广泛共享，从而建立一个能够实现区域或全球合作或协作的虚拟科研和实验环境，支持以大规模计算和数据处理为特征的科学活动。

CI的观点是在2002年美国国家科学基金会（National Science Foundation）发表的由9位科学家提出的研究报告《通过Cyberinfrastructure促进科学和工程的革命(Revolutionizing Science and Engineering through Cyberinfrastructure)》提出的。

从目前行业的发展趋势上看，整个工业界的发展，越来越趋向于当时定义赛博科学(Cyber Science and Engineering)的情形。

工业大数据的特性总结(–徐志磊)

徐院士也对工业大数据进行了一个总结：

• 工业大数据样本全面性
• 工业大数据数据混杂性
• 工业大数据数据相关关系
• 工业大数据的机器学习性
  
  和之前李杰教授的总结略有不同，我都认同他们的观点，但由于各自面对的数据领域不一致，因此，各自的总结也会有所不同，通过两个业界大神的总结后，我个人也有对工业大数据的特点也有一点想法，后面将讲讲我的感受。

对未来大数据更深层次的思考

徐院士后面把整个数据科学上升到更深层次的思考，就是网络和大数据重新定义了人们的认知和知识，举个例子，假如未来大数据和人工智能足够精确和应用足够广泛，个人的所有数据都可以被收集并进行训练，哪天你要和某人结婚，结果大数据告诉你，你和他/她结婚未来不会幸福，因为根据大数据分析统计，两者性格的结合有高概率不幸福和离婚，那么你会怎么选择。
假如未来都被数据支配，人的行为意识可能会被潜移默化的引导及改变，甚至渐渐失去了自我，这的确是一件细思极恐的事情。

关于制造业服务化转型

上海交大的明新国教授一直是制造业服务化转型的倡导者和架构师，本次论坛也是由明老师牵头主办。

本次论坛主题一直围绕着服务化展开，尤其是针对智朝业的服务化，一直是人为解决制造业困局的关键

明老师总结的服务转型路径：

关于工业大数据的特点的思考

此次论坛很多学者都总结了大数据的特点，其中李杰教授以及徐院士都对其进行了剖析，结合各个学者的总结，我认为工业大数据应该是由一下特点的：

• 工业数据要求样本全面的数据

  我认为，工业数据不像互联网数据，互联网数据是从杂乱中找到关系，工业数据是从结构中找到新知，由于工程以及物理上的一些特性某些变量(如温度压力这些参数)是缺一不可的。
  这点就是徐院士提到的样本全面性

• 工业大数据的容错性低

  这点李杰教授和徐院士都有提及，就是数据优劣性(Bad Data)以及工业大数据数据混杂性，我认为就是数据的容错性低，机器数据是1就是1，一旦出错将导致分析结果的偏移变大，因此它的容错性低

• 工业大数据的关联性强规律性明显

  工业数据的特点，是有很强的关联性的，受物理规律的影响，某些参数高必定就导致某些参数低，强关联性可以为算法的准确性提供佐证，但也会应为其导致发现新知的难度加大

• 工业大数据的时序性

  工业大数据大部分都是有时序性的，因为机器时按照程序去执行，产线是按步骤运行，所以数据或多或少都会带有时序性，正是因为有时序性，才要求工业大数据的低容错性