李穎：充分發揮數據價值，推進工業互聯網創新發展
隨著第四次工業革命的探索逐漸走向深入，數據作為數字經濟時代新驅動要素的作用日益凸顯，與傳統要素相比，數據具有更強的可復制性、更易共享、且可無限增長和供給，使突破有限自然資源供給對經濟增長制約成為可能，對培育經濟發展新動能、開辟發展新道路具有重要意義。制造業是國民經濟的主體和根基，工業數據的深度開發利用既是數字經濟實質發展的標志，也是傳統產業數字化轉型的難點和關鍵。隨著新一代信息技術的不斷擴散和深度應用，工業互聯網平臺應運而生，工業產品和生產經營活動全生命周期數據的采集、存儲、分析、共享、應用、服務增值等正呈現日新月異的勃勃生機，催生了一系列新產品、新模式、新業態，推動制造業加速向數字化、網絡化、智能化變革。
工業互聯網平臺使數據價值充分釋放成為可能 在消費互聯網的發展過程中，一批企業通過對消費者行為數據的深度挖掘，已在商業變革中取得顯著成效，并催生出一批數據驅動的新商業模式。但在工業領域，由于數據采集更困難、數據種類更復雜、數據應用專業難度更大，對數據應用的開發利用顯得相對滯后。工業互聯網平臺的發展使得工業數據在采集、分析和應用方式上發生巨大轉變，為工業數據創造價值開辟了廣闊空間。 一是工業互聯網平臺帶來了數據采集方式的根本改變。傳統的工業數據采集主要通過人工錄入、調查問卷、電話隨訪等方式進行。這種采集方式得到的數據數量少、時效性差、精度低、成本高。隨著條形碼、二維碼、RFID、工業傳感器、工業自動控制系統、CAD/CAM/CAE/CAI、5G等技術在工業領域得到廣泛應用，工業數據的采集方式出現了本質的改變，工業企業可獲得的數據來源更豐富、更全面、更及時，數據種類更多（不僅可獲得來自信息化系統的IT數據，還能獲得來自設備、員工、生產環境的OT數據），為工業數據創新應用奠定了更具時效性、準確性、完整性的數據基礎。 二是工業互聯網平臺加速了工業數據分析方式的創新突破。工業設備可不間斷產生數據，并且可實現毫秒級頻率的數據采集，數據量龐大，且涉及的數據種類、數據格式以及數據結構多樣，專業關系復雜，傳統的數據分析方式無法有效應對。此外，傳統數據分析往往將數據存儲在邊緣側或獨立的系統中，使數據互聯、互通、互操作受阻，無法有效提取和協同應用所需的相關數據，阻礙了數據的相關分析、系統利用和價值轉化。以工業互聯網平臺為基礎，創新應用邊緣計算、大數據、人工智能等新興技術可突破主觀認知局限和傳統數據分析的因果范式，從海量工業數據中識別數據間的相關性，深入挖掘數據潛在關聯價值，形成決策新范式和新洞察。 三是工業互聯網平臺成為數據價值創造的最佳載體。傳統工業數據應用方式大多是基于企業部分歷史數據開展局部分析，將部分個體經驗提煉成因果規則，并加以推廣應用。工業互聯網平臺的出現可實現工業數據的在線、實時、動態、跨界分析應用，為工業企業的產品服務、生產經營決策等方面提供更全面、更快速、更精確的大數據支持，將因果規則轉變為基于相關數據的個性化精準決策。在此基礎上，工業互聯網平臺可支持企業加速打破傳統業務煙囪式的發展模式，大大提高了數據流動的自動化水平，實現跨越地域、跨越組織的設備、業務、市場數據的創新協同應用，構建開放生態體系和創新發展模式。 基于工業互聯網平臺的數據創新應用取得明顯實效 一是設備級數據應用，實現在線、實時設備管理。設備級數據應用是最基礎的數據應用，無論是工業企業對于來自聯網設備運行信息的高級分析，還是設備制造商對自身產品在全生命周期中的理解、管理、診斷和維護，都需要從原先單純依賴人工、經驗轉變成基于數據所得出的更科學和更高效的決策。設備級數據應用通過實現工業設備的互聯互通，將設備的運行狀態轉化為數字，實現可視化，并基于采集來的數據對工業設備進行進一步的數據分析，如故障診斷通過設備運行中的相關信息來識別其技術狀態是否正常,確定故障的性質與部位、尋找故障起因、預報故障趨勢,并提出相應對策；預測性維護是基于歷史數據和實時數據對即將出現的問題進行預判，可有效縮短設備非計劃停機時間、保證生產計劃、降低運維成本；產品即服務是設備制造商從出售產品向提供服務（如遠程運維、預測性維護等）的商業模式轉變，可為客戶帶來創新價值、為制造商提供新的收入來源。 二是企業級數據應用，實現企業精益管理。企業級數據應用是指打通企業OT數據與IT數據，基于數據分析為企業整體業務和運營優化提供科學決策，實現企業精益管理。企業級數據應用種類較為豐富，包括質量管理、能源管理、安全管理、生產過程管理等。全面質量管理是企業級數據應用的典型例子。傳統的質量管理方式主要在生產制造結束之后進行質量檢測。這種單環節的檢測方式對人員經驗的依賴性較高，容易造成漏檢、標準不一致等問題；這種檢測方式不能識別出不合格產品的原因和環節，從而無法從根本上提升產品合格率。數據驅動型全面質量管理應用可整合設備、員工、工藝、環境、質檢等多方數據，以點到面形成全面質量管理解決方案。在制造環節，針對設備（基于設備管理保證生產過程質量一致性）、員工（基于機器視覺識別員工錯誤操作）、環境（實現環境智能監控）、工藝（基于機器學習識別參數最優解）方面，形成基于數據的單點質量管理應用；在質檢環節采用基于機器視覺的質檢方法，可確保質檢結果一致性和準確性比其他質檢方法有顯著的提升，基于機器學習分析質檢結果，利用缺陷智能追蹤，確定出現質量問題的原因和環節，并采取相應改善措施，形成質量管理閉環，實現全面質量管理。 一是完善數據治理體系，持續優化數據開發利用環境。健全工業數據交易、共享制度。從法律層面對工業數據資源的產權屬性予以界定，完善數據價值評估，建立健全工業數據資源交易機制和定價機制，探索成立全國性工業數據交易中心；完善工業數據安全和隱私保護體系。推動完善工業數據安全等級保護制度，建立兼顧安全與發展的工業數據管理和保障體系，加強對商業秘密、敏感數據及隱私的保護。 二是加強應用價值挖掘，拓展數據開發利用規模。加強數據開發利用項目的價值落地。以數據應用價值為牽引，將大數據技術、機理模型和分析結果更為便捷、精準、低成本地運用到各業務場景，切實幫助企業實現降本提質增效、決策優化和業務延伸；擴大數據協作范圍，實現數據應用規模與效益倍增。通過打通產業鏈、價值鏈數據，提升工業數據的跨行業適用性，實現數據一次采集、多方反復使用，實現規模和價值倍增，推動形成工業數據應用的新模式、新業態。 三是開展數據創新試點示范，加快數據開發利用模式迭代創新。打造一批典型數據應用案例，加強試點示范引路。鼓勵有基礎、有需求、有動力的企業深度開展數據開發利用，加強基于新一代信息技術的工業機理模型研發，加快形成一批基于數字孿生、大數據分析、人工智能的數據驅動型典型案例和解決方案；培育數據創新生態體系，加快數據驅動型制造業發展模式的迭代創新。在數據范圍、應用規模、開發深度不斷拓展的基礎上，加強涵蓋數據技術、應用、產業、資本、人才等要素的數據創新生態體系建設，為探索形成和迭代創新數據驅動型制造業發展模式提供強大支持。
三是供應鏈級數據應用，實現供應鏈動態精準協同。供應鏈級數據應用是工業數據在企業間的延伸、交互，涉及企業、供應商、分銷商、客戶等多個參與方，包括計劃、采購、生產、物流等一系列環節。高級排程是供應鏈級數據應用的典型例子。企業根據需求預測形成生產計劃的同時，可將訂單計劃自動拆解成相應的采購計劃、物流計劃等，并與零部件供應商、物流服務商的系統進行數據交互，根據實際情況預測可能出現的變化（如某特定產品供應商出現產能不足的情況、貨運公司無法正常運輸等），或針對出現的突發狀況（如緊急訂單、零部件丟失等）調整生產安排，實現供應鏈動態精準協同。
供應鏈級數據應用通過企業間的數據共享、數據交易，還可實現社會制造能力開放共享、供應鏈金融、UBI、融資租賃等產融創新模式，為我國經濟發展提供新動能。
AII微信公眾號
AII頭條號