清华大学王建民：工业大数据的应用与挑战
互联网IDC圈4月27日报道，互联网的发展使得大数据引起人们广泛关注。现如今大数据技术早已渗透到金融、通讯等行业以及生物学、物理学等领域。大数据在容量、多样性和高增速方面的爆炸式增长全面考验着现代企业的数据处理和分析能力，与此同时也为各个行业带来了准确洞察市场行为的机会。迄今为止大数据技术与产品有哪些创新，工业大数据应用面临哪些挑战，金融行业大数据应用现状如何等。围绕这一系列问题，4月27日至28日，由工业和信息化部指导、中国信息通信研究院主办的"2016大数据产业峰会"在北京国际会议中心盛大召开。
其中在27日下午的"大数据与工业互联网"分会坛上，清华大学软件学院副院长王建民作了关于"工业大数据应用与挑战"的主题演讲。
清华大学软件学院副院长王建民
王院长首先对会议进行了赞扬与肯定。在当今这个互联网的时代，大数据热，工业大数据更热。最近总理又来了一个中国制造2025+互联网，把火烧的又加的一些温度。本来我想讲工业大数据软件，但是有的同志跟我讲，说王老师你要讲软件的话，恐怕很多人不一定感兴趣，所以我想问一问在座的同志们对软件感不感兴趣。
工业大数据能不能用一张片子来讲，所以我试着用一张片子来讲一下我理解的工业大数据。其实我讲的面很窄，工业有两大类，我今天讲的主要是一类，叫做离散工业，还有很大一类叫流程工业。
先说一下制造业的苦笑曲线和今年要做的"三去一降一补"的关系。横轴是国民收入，低收入国家人均收入在5000美元以下，高收入大概在2万美元以上，中国大概在七、八千万。七、八千万的时候是制造业最舒服的时候，中等国家制造业在国民经济总量中占的最高。在向高收入国家迈进的时候，所谓的以物质生产为核心的制造业，它在国民经济当中的占比就不可挽回的要下降。
前几年说服务业要占国民经济的多少多少才是一个先进的发达国家，不是没有道理的，但是有可能咱们用的指标太过于机械，是高端的服务业上去了，那才是一个先进的经济体。高端的服务业从哪儿出，其实我们看到他有一个剪刀曲线，绿的曲线是制造的服务业。大量的资源从传统的制造业里分离出来，分离产生了高端的服务业的时候，这种服务业是一个未来强国的服务业，而不是今天我们就靠剃头，靠做饭，靠外卖拉动起来的服务业。
在这样的大形势下，如果咱们的国民收入还是往高收入国家迈进的话，我们一定要去掉现在的产能，现在的库存，去掉现在的一些不必要的杠杆，要降低成本。要把高端制造业以工业为核心的发展起来。
工业大数据不是一个新鲜事，至少工业数据不是一件新鲜事，大家都在说一个装备的全生命周期。我们看看一个复杂的装备，前面这一段叫做BOL，两个原点之间的叫MOL，后端的叫EOL.代表的是一个复杂装备生命周期的三个阶段，一个是它的初期，一个是它的中期，一个是它的末期。分离点是装备离开企业的那一瞬间，这个是装备退役的时刻。所以，一个复杂装备可以划分为三个阶段。
原来的制造企业主要是在BOL阶段，设计制造，我们把装备设计制造出来之后就是企业核心的目标。第二个阶段是产品到了用户那去，要做使用维护，这个时候是在装备创造价值的阶段。一个装备有没有价值，看它用的好不好，不在于制造。其实制造的时候是个成本，当然由质量决定，而装备真正发挥效应是在使用阶段。最后是绿色的回收再制造的过程。
很早以前美国人就想到摇篮到摇篮到制造，整个制造业应该是循环经济，要更多的回收回来。这三个阶段的视角是不一样的，第一个阶段的视角是一个企业，第二个阶段的视角是产业，第三个阶段的视角是社会。每个视角关注的面是不一样的。
中国制造2025的核心是智能制造，智能制造的四个部分就是智能产品、智能生产、智能服务和智能回收。这就是贯彻了智能的中国制作的方向。上面这两层是传统的制造业信息化里的核心软件，CAD、CAE、ERP、MES，使用阶段包括MRO和CRM，中间这一横是PRM.大家都认可，所以传统的企业PRM全生命周期管理在制造业企业不是新鲜事。1999年国际Garnter报告中就已经谈到了这三个生命周期。
今天我们为什么讲大数据？今天的大数据不是凭空而来的。第一，它来源于原来信息化系统的数据。第二，它来源于互联网数据。第三，它来源于物联网的数据。这件事情美国人怎么看？美国人认为信息化这件事情是1960年开始的，当时美国把计算机应用在工厂当中，最在是来源于维纳，他在三几年的时候就想能不能把控制论应用在企业，让工人更少的工作，让更多的工作自动化。因为美国三几年有工作大萧条，到了四几年的时候他自己自责，说我不能再搞自动化，会有更多人下岗。伦理的角度抑制了他科技的冲动，但是不可避免的到了1960年的时候，计算机广泛的应用到数控加工上，当然还有管理。
从六几年开始到现在，信息化这条路子就一直没有停止，包括今天。今天我们说大数据也好、云计算也好，这条线还在往前发展。和工业的深度融合从60年代还是，还在往前融合。
互联网对美国企业来说是第二个阶段，1995年、1998年开始的，整个Web体系的建立，企业从来没有掉过队。很多美国企业都是网络企业，人家的全球供应链早就是分布式制造的工厂了。这就是+互联网的数据。
第三个阶段是最近五年的事情，是物联网的数据。物联网的数据最重要的它补充了前面信息化数据和互联网数据，加上对整个制造装备和产品认知的数据。所以，这是一个新鲜事。美国人觉得这件事情要加到原来的互联网，加到原来的信息化系统当中。这是一个新的机会。
这里有一个词MRO（大修），SAP在这边已经坐牢了，西门子建立了铜墙铁壁，MRO这件事情虽然做的几十年，但是没有物联网和云计算的支撑这个方面是一直被工业界所忽视的。也就是在产品使用的时候怎么通过信息化优化，没有人把它做的太好。今天龙头企业纷纷进入到这个阶段，就是工业装备的运营。
GE发现了工业当中一个新的增长点，这个新的增长点是什么？他把设备的运营看成了他突入工业领域的一个切入点。因为在设计制造阶段SAP和西门子没有给他留什么空间，而他恰恰利用了自己的一条工业理念来把MRO这件事情做的更好。今天很多人认为GE的这个平台是跨时代、跨世纪的创新，大家如果了解一下MRO的发展史，我给他定义就是MRO的5.0.1.0的时候大家对于制造的服务，特别是产品出厂之后，大家都认为是成本，谁也不愿意建信息化的系统。所以，那个时候大部分都是手工的，并且很多人把服务看成一种包袱，卖出去之后就不希望你来找我了。
第二阶段，你不买我的服务就不给你产品。第三个阶段，在ERP当中因为产品有售后追踪的问题，在ERP中做专门服务的系统。第四阶段，大家面向全生命周期开展服务保障。上一个五年科技部支持我们做的MRO面向全球的平台。今天随着物联网的发展，云计算的发展，工业互联网要发展成5.0，就是GE的Predix. GE Predix提供的服务主要是装备的运行、装备的保障，但是这件事情绝不是GE先做的。罗罗在95年的时候就在发动机上装传感器，但是做的太早了，成为了先烈，而没有成为先驱。那个时候大家认为你装这个干什么，但是罗罗有一件事情得到了好处，"9.11"事件之后北美的航空业重创，罗罗这件事情得到了大家的响应，很多航空公司开始买原厂的服务。罗罗发动机传感器的数据就是做发动机在役的保障。所以，这个商业模式得到确认。
后来整机厂在学他，但是他们都没有Predix想的周到。GE公司在2010年的时候终于想明白了，这是个万亿级的市场。我们不要把Predix想成工业互联网的全部。
前两天说工业4.0和美国工业互联网达成联盟，一点都不奇怪，因为他们分处在在生命周期的不同阶段，不联合就不对了。但是中国要做什么？这是一个重要的话题。
在使用阶段不仅在生命中期的时候仅仅做一个维修、搞一个配件，预防性维修、主动维修等等，这个就是风电装备在整个大气环境下跨界的运营。我觉得这件事情才是我们整个装备制造业，至少在服务阶段转型升级的核心。很有幸的是我们和中国气象局合作，我们的大数据平台已经用在中央气象台的大厅里。欧洲人今天在卖明天的风电，为什么？因为他把明天的风力计算的很准，所以今天就可以交易。这些都需要用数据说话，通过跨界的运营来增值。
今天我们关心的工业大数据可以理直气壮的说我们关心什么类型的数据，就是机器数据和信号数据。工业我们讲的都是物质产品，其实制造的时候已经有它的原理了，不是在互联网中搜索出来的东西。这些东西怎么返回去，今天的制造业企业装备的生命周期没有变，只不过围绕着装备生命周期的干系人发生了改变。什么叫干系人？就是参与的主体，经济的主体在这里进行的碎片化的重组。
在这样重组的过程当中大数据做什么？大数据仍然要围绕着装备增值服务的业务逻辑，这些就是装备怎么在增值的业务逻辑当中发挥数据的作用。千万不要把这个逻辑忘记了，而简单的只看到了数据。
当前名称：清华大学王建民：工业大数据的应用与挑战
当前地址：http://scyanting.com/article/sdpgdj.html
