引 言

眾所周知，大數(shù)據(jù)平臺是以海量數(shù)據(jù)存儲為基礎，通過分布式實時計算引擎、在線數(shù)據(jù)分析以及離線批處理引擎提供數(shù)據(jù)的計算分析，通過大數(shù)據(jù)和人工智能技術，幫助用戶實現(xiàn)海量數(shù)據(jù)分析的任務 [1]。隨著工業(yè)互聯(lián)網(wǎng)的完善，工業(yè)大數(shù)據(jù)作為一種大數(shù)據(jù)的應用生態(tài)，得到了廣泛重視。然而， 在工業(yè)互聯(lián)網(wǎng)環(huán)境下，如何從用戶角度出發(fā)，設計出技術細節(jié)透明、交互操作簡單、高效的工業(yè)大數(shù)據(jù)平臺及其上層應用，成為工業(yè)大數(shù)據(jù)開發(fā)和應用中的關鍵問題。本質(zhì)上，工業(yè)大數(shù)據(jù)是指在工業(yè)領域中，圍繞整個工業(yè)產(chǎn)品全生命周期所產(chǎn)生的各類數(shù)據(jù)以及相關技術和應用的總稱，分為企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)和外部跨界數(shù)據(jù)等幾類，涵蓋工業(yè)產(chǎn)品研發(fā)過程中的設計資料、產(chǎn)品生產(chǎn)過程中的監(jiān)控與管理、產(chǎn)品銷售與服務過程的經(jīng)營和維護數(shù)據(jù)，具有數(shù)據(jù)量大、類型豐富、實時性強等特點。工業(yè)大數(shù)據(jù)在產(chǎn)品研發(fā)、故障診斷與預測、供應鏈優(yōu)化和產(chǎn)品營銷等環(huán)節(jié)能夠極大地促進傳統(tǒng)制造向智能制造轉(zhuǎn)型，降低成本，提高產(chǎn)品質(zhì)量，顯著增強工業(yè)企業(yè)的競爭力。

工信部于 2017年發(fā)表了《工業(yè)大數(shù)據(jù)白皮書》，明確了工業(yè)大數(shù)據(jù)的相關技術、應用以及發(fā)展路線，描述了工業(yè)大數(shù)據(jù)發(fā)展的整體輪廓，并制定了工業(yè)大數(shù)據(jù)的發(fā)展規(guī)劃與建設路線?？梢钥闯觯瑹o論是白皮書，還是《中國制造 2025》規(guī)劃，數(shù)據(jù)是靈魂，工業(yè)互聯(lián)網(wǎng)是基礎，大數(shù)據(jù)技術是關鍵。然而，工業(yè)大數(shù)據(jù)目前并沒有形成標準統(tǒng)一的體系結(jié)構(gòu)，其理論體系也并不完善。文獻 [2-3]對工業(yè)大數(shù)據(jù)的技術體系及其實施路徑進行了分析，詳細闡述了工業(yè)大數(shù)據(jù)的體系結(jié)構(gòu)。文獻 [4] 對制造執(zhí)行系統(tǒng)進行了介紹，并將其作為制造企業(yè)大數(shù)據(jù)的聚集分發(fā)中心，分析了其頂層設計，論述了工業(yè)大數(shù)據(jù)的功能，總結(jié)了工業(yè)大數(shù)據(jù)的建設和具體應用。總體來說，我國工業(yè)大數(shù)據(jù)的研究和應用處于初級階段，企業(yè)內(nèi)外部對數(shù)據(jù)利用不足，對工業(yè)大數(shù)據(jù)的應用缺乏積累。對此，本文探討了將大數(shù)據(jù)技術與工業(yè)生產(chǎn)場景進行整合的問題，就如何建設和應用工業(yè)大數(shù)據(jù)系統(tǒng)問題進行了討論，分析了工業(yè)大數(shù)據(jù)的體系結(jié)構(gòu)，對更好地挖掘和利用工業(yè)大數(shù)據(jù)具有一定的理論和實際意義。

1 工業(yè)大數(shù)據(jù)的基本功能

工業(yè)大數(shù)據(jù)是配置和利用大數(shù)據(jù)這一資源的平臺及其應用系統(tǒng)，其功能主要表現(xiàn)在如下幾方面 ：

(1) 促進工業(yè)大數(shù)據(jù)應用。構(gòu)建工業(yè)大數(shù)據(jù)平臺來推動數(shù)據(jù)的融合和應用，有利于通過工業(yè)大數(shù)據(jù)來分析和預測市場需求，整合產(chǎn)業(yè)鏈和價值鏈，為用戶提供定制化產(chǎn)品和服務，實現(xiàn)工業(yè)生產(chǎn)模式和服務體系的創(chuàng)新。

(2) 挖掘工業(yè)大數(shù)據(jù)的潛在價值，實現(xiàn)工業(yè)大數(shù)據(jù)增值，促進工業(yè)大數(shù)據(jù)的應用。

(3) 工業(yè)大數(shù)據(jù)應用服務平臺通過對企業(yè)生產(chǎn)過程的優(yōu)化，引導企業(yè)認識和利用數(shù)據(jù)，逐步培養(yǎng)企業(yè)的數(shù)據(jù)利用意識，不但能夠促使企業(yè)深入挖掘自身積累的工業(yè)數(shù)據(jù)，而且可以充分利用其它企業(yè)的大數(shù)據(jù)來推進企業(yè)自身發(fā)展，增強企業(yè)應用大數(shù)據(jù)的動力。通過大數(shù)據(jù)采集、存儲、分析、交易過程中的一系列專業(yè)化服務，將有效拓展大數(shù)據(jù)產(chǎn)業(yè)的市場容量，有利于培育出一批專業(yè)化的大數(shù)據(jù)開發(fā)和服務公司， 吸引第三方數(shù)據(jù)服務商向工業(yè)大數(shù)據(jù)領域聚焦，更好地體現(xiàn)出工業(yè)大數(shù)據(jù)的應用價值。

(4) 工業(yè)大數(shù)據(jù)應用服務平臺還可以通過數(shù)據(jù)交易衍生出圍繞工業(yè)大數(shù)據(jù)的金融產(chǎn)品，實現(xiàn)“企業(yè) + 金融 + 數(shù)據(jù)” 的融合。

(5) 提升工業(yè)大數(shù)據(jù)配置效率。很多企業(yè)由于規(guī)模、資金、人才等方面的原因，缺乏充分利用大數(shù)據(jù)的技術手段和交易平臺，導致對自身擁有的數(shù)據(jù)采集、存儲、分析等處于較低水平。工業(yè)大數(shù)據(jù)平臺能夠通過提供數(shù)據(jù)采集、清洗、確權、產(chǎn)品開發(fā)等服務，使數(shù)據(jù)得以資產(chǎn)化，讓其價值得到充分體現(xiàn)。

工業(yè)大數(shù)據(jù)平臺包含數(shù)據(jù)采集、存儲、加工、處理、分析等方面的功能，在很多應用場合中，還設置了數(shù)據(jù)分析及控制系統(tǒng)，以充分發(fā)揮大數(shù)據(jù)在預測、控制方面的作用，更好實現(xiàn)以大數(shù)據(jù)技術提高工藝精度或良品率的目的，其典型結(jié)構(gòu)如圖 1 所示 [3]。

決策與控制子系統(tǒng)采用數(shù)據(jù)挖掘、預測分析手段實現(xiàn)對生產(chǎn)的精確控制，是上層決策和控制的技術基礎，是實現(xiàn)智能制造的核心部分。數(shù)據(jù)建模聚焦于為工藝、設備、用戶等建立分析模型，設計并部署不同的應用系統(tǒng)，挖掘出特定的模式和知識，最終生成決策指令，實現(xiàn)生產(chǎn)流程的優(yōu)化與產(chǎn)品生產(chǎn)的智能化。一般來講，工業(yè)大數(shù)據(jù)的來源涵蓋了生產(chǎn)、銷售、管理、市場等方面的數(shù)據(jù)，應根據(jù)數(shù)據(jù)來源的不同， 在組建工業(yè)互聯(lián)網(wǎng)的基礎上，設計合適的數(shù)據(jù)采集與交換系統(tǒng)。目前，由于已經(jīng)有了較為成熟的數(shù)據(jù)采集與數(shù)據(jù)預處理及存儲技術，工業(yè)大數(shù)據(jù)的主要技術難點在于如何準確采集數(shù)據(jù)，準確處理結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)，如何設計和實現(xiàn)成熟的挖掘算法，這是工業(yè)大數(shù)據(jù)走向成熟、實現(xiàn)其應用價值的關鍵。此外，與企業(yè)已有的 ERP 系統(tǒng)進行互聯(lián)，充分整合和利用現(xiàn)有各類系統(tǒng)的數(shù)據(jù)，也是工業(yè)大數(shù)據(jù)平臺的一個重要功能。

3 工業(yè)大數(shù)據(jù)的基本技術架構(gòu)分析

工業(yè)大數(shù)據(jù)技術架構(gòu)涉及底層數(shù)據(jù)采集、預處理和存儲、建模、決策等各類技術組件的開發(fā)和應用，從功能角度可以將這些技術組件分為三類，即采集、存儲及分析利用。一些文獻和某些應用案例中提出的四層技術架構(gòu)的功能實現(xiàn)可以由這三種技術組合得到 [5-7]。一般情況下，工業(yè)大數(shù)據(jù)系統(tǒng)在設計時要重點考慮數(shù)據(jù)采集及其準確性保證、數(shù)據(jù)存儲和實時性展示、數(shù)據(jù)挖掘能力及數(shù)據(jù)的應用（控制、預測）等。其中最核心的是如何建模，如何在生產(chǎn)質(zhì)量控制、工藝流程優(yōu)化等方面應用這些數(shù)據(jù)。這需要融合建模、數(shù)據(jù)挖掘、流程管理等方面的處理模塊。本質(zhì)上，設計并實現(xiàn)數(shù)據(jù)分析模塊，更好地利用數(shù)據(jù)挖掘技術發(fā)揮工業(yè)大數(shù)據(jù)在智能制造中的優(yōu)勢，是目前工業(yè)大數(shù)據(jù)應用研究中面臨的關鍵問題。

3.1 數(shù)據(jù)采集

隨著工業(yè)制造中各個工藝流程的精細化與制程的高密度 化，所產(chǎn)生的數(shù)據(jù)將呈指數(shù)級增長。面對如此龐大與異構(gòu)的 數(shù)據(jù)資源，其整合和應用問題十分突出。企業(yè)必須有一套完 整的數(shù)據(jù)采集、匯聚與應用策略，設計通用可靠的數(shù)據(jù)采集 機制來滿足各方面的數(shù)據(jù)采集需求。本質(zhì)上，數(shù)據(jù)采集的完 整性、準確性，決定了工業(yè)大數(shù)據(jù)能否真實可靠地發(fā)揮作用。因此，在設計和部署數(shù)據(jù)采集系統(tǒng)時，建議著重考慮以下要求 ：

(1) 實用性和通用性。由于技術的更新?lián)Q代越來越頻繁，需要進行科學的版本管理，并定期更新接口，建議使用統(tǒng)一的數(shù)據(jù)交換規(guī)格來適應接口頻繁更新的情況，增強系統(tǒng)的自我調(diào)整和優(yōu)化能力 ；

(2) 數(shù)據(jù)來源的廣泛性。企業(yè)要針對各類不同的數(shù)據(jù)來源，如生產(chǎn)、銷售、質(zhì)控等數(shù)據(jù)，采用不同的傳感器和接口技術，支持盡可能多的數(shù)據(jù)源端 ；

(3) 擴展性。數(shù)據(jù)采集系統(tǒng)應能很好地適應設備的增加，合理地控制和管理工藝系統(tǒng)升級，其性能瓶頸能通過橫向擴展的方式解決。

3.2 數(shù)據(jù)準確性

采集過程中須確保數(shù)據(jù)準確、完整地送達處理層與儲存層，這是工業(yè)大數(shù)據(jù)平臺的一項重要工作。同時，為避免增加工業(yè)物聯(lián)網(wǎng)建設的復雜度，在不斷擴充各類設備的情況下， 采集技術不應增加基礎建設的負擔，數(shù)據(jù)來源的準確性應由工業(yè)大數(shù)據(jù)平臺本身進行驗證。從工業(yè)數(shù)據(jù)的來源進行分類，主要包括管理系統(tǒng)、生產(chǎn)系統(tǒng)、外部數(shù)據(jù)等數(shù)據(jù)來源。此外， 從數(shù)據(jù)采集的全面性看，不僅要涵蓋基礎的結(jié)構(gòu)化交易數(shù)據(jù)， 還將逐步包括半結(jié)構(gòu)化的用戶行為數(shù)據(jù)，網(wǎng)狀的社交關系數(shù)據(jù)，文本或音視頻類型的用戶意見和反饋數(shù)據(jù)，這些數(shù)據(jù)的準確性應在系統(tǒng)中由專門的模塊驗證。具體來講，數(shù)據(jù)的準確性可以通過工業(yè)大數(shù)據(jù)平臺進行循環(huán)驗證 ：

(1) 現(xiàn)有傳感器采集的周期性數(shù)據(jù) ；

(2) 企業(yè)管理系統(tǒng)數(shù)據(jù)涵蓋工業(yè)產(chǎn)品中設計資料、價值鏈管理、售后服務等方面 ；

(3) 與生產(chǎn)經(jīng)營相關的業(yè)務數(shù)據(jù)主要來源于企業(yè)內(nèi)部的信息化系統(tǒng) ；

(4) 企業(yè)工藝設備數(shù)據(jù)來源于企業(yè)自動化控制程度相對較高的 DCS，PLC 等系統(tǒng)的感知數(shù)據(jù) ；

(5) 企業(yè)外部數(shù)據(jù)主要來源于互聯(lián)網(wǎng)行業(yè)、市場和競爭對手等。

3.3 數(shù)據(jù)存儲及展示

通常情況下，工業(yè)大數(shù)據(jù)系統(tǒng)應根據(jù)應用場景采用不同的存儲方案，并滿足以下要求 ：

(1) 實時性。采集的數(shù)據(jù)在進行預處理后應結(jié)合實時顯示技術展示出產(chǎn)品生產(chǎn)的狀態(tài)，對于這類數(shù)據(jù)應使用在線機器學習或數(shù)據(jù)挖掘技術進行深入挖掘和分析，尋找潛在規(guī)律， 加以處理和利用 ；

(2) 數(shù)據(jù)的高效利用。適應海量數(shù)據(jù)的探索和挖掘分析，能夠有效對生產(chǎn)線中的異常進行分析和預測，進而優(yōu)化參數(shù)、降低生產(chǎn)和管理成本，盡可能消除人為誤判的可能性，進而達到智能化生產(chǎn)和管理的目標 ；

(3) 數(shù)據(jù)多樣化。工業(yè)大數(shù)據(jù)系統(tǒng)不但能處理各類結(jié)構(gòu)化數(shù)據(jù)，也應能支持各類非結(jié)構(gòu)化數(shù)據(jù)，并充分利用在線分析、分布式存儲等技術 ；

(4) 海量存儲能力。考慮到工業(yè)大數(shù)據(jù)的數(shù)據(jù)源較廣，存儲周期較長，其存儲能力至少應達到 P 級。

3.4 數(shù)據(jù)挖掘能力

工業(yè)大數(shù)據(jù)的主要目標是采集并利用生產(chǎn)、銷售、管理等方面的數(shù)據(jù)，加以建模和處理后，使之能夠適應高層的決策與控制。這要求在系統(tǒng)上部署機器學習、數(shù)據(jù)挖掘等模塊，使之具備完善的學習、分類、挖掘等功能。如基于開源Spark 框架上的算法庫 MLlib 和 Graph X 等學習模塊，Tensor Flow，Caffe 等深度學習模塊，Weka，Matlab 等計算和挖掘平臺，其處理模式一般也應具備在線和離線兩種類型。

4 結(jié) 語

隨著大數(shù)據(jù)技術與應用的日益廣泛，其在制造企業(yè)信息化過程中越來越重要，數(shù)據(jù)平臺已是制造企業(yè)工業(yè)大數(shù)據(jù)的聚集和應用中心。企業(yè)信息化水平在很大程度上將取決于大數(shù)據(jù)平臺體系是否完善有效，是否能有效挖掘和應用企業(yè)工業(yè)大數(shù)據(jù)。隨著“中國制造 2025”計劃的不斷推進，企業(yè)的生產(chǎn)經(jīng)營將越來越依賴大數(shù)據(jù)技術。本文對工業(yè)大數(shù)據(jù)的體系結(jié)構(gòu)進行了分析，介紹了其典型結(jié)構(gòu)，為企業(yè)應用工業(yè)大數(shù)據(jù)提供了一定參考。