數(shù)字化轉型是一個龐大的命題，每個企業(yè)和行業(yè)的實際管理與水平差異較大，盡管許多企業(yè)已經在數(shù)字化的轉型中付出行動，但不可避免地在實施、技術和場景結合上遇到困難之處。

從輕量化的角度出發(fā)，運用輕量化的工具、系統(tǒng)和平臺做簡單的應用，既可以增強企業(yè)對數(shù)據(jù)化應用的了解和信心，也能為后續(xù)投入提供決策支持。

企業(yè)數(shù)字化運營的基本邏輯

近年來已經有一些企業(yè)從信息化跨越到數(shù)字化。信息化階段就是提升各個業(yè)務系統(tǒng)的運行效率，但是業(yè)務之間橫向的數(shù)據(jù)連通是非常困難的。而數(shù)字化的核心就是用數(shù)據(jù)解決運營問題，所以數(shù)字化運營首先要拉通數(shù)據(jù)，打通各個系統(tǒng)之間的連接；只有解決數(shù)據(jù)治理層全面拉通的問題，才能稱之為真正的數(shù)字化。

工業(yè)4.0中談到三個集成，不管是縱向集成、橫向集成還是端到端的業(yè)務集成，都是靠數(shù)據(jù)打通的。現(xiàn)在很多企業(yè)實際上做得比較多的是從OT到IT縱向層面的拉通，而端到端的業(yè)務層面，包括橫向集成的范圍實施難度更大。

工業(yè)大數(shù)據(jù)的特點

現(xiàn)在商業(yè)大數(shù)據(jù)的整個應用實際上已經比較成熟，但工業(yè)大數(shù)據(jù)里數(shù)據(jù)類型其實是不一樣。它既包含已有的信息化系統(tǒng)數(shù)據(jù)，還包括現(xiàn)在越來越多的將成為最主要數(shù)據(jù)的IoT工業(yè)互聯(lián)網數(shù)據(jù)，這些數(shù)據(jù)來自現(xiàn)場設備、工礦、生產狀態(tài)和人員操作，是非常大體量，需要特別關注的；以及還有一部分來自外部數(shù)據(jù)，包括我們供應鏈的數(shù)據(jù)、經營數(shù)據(jù)等。

根據(jù)數(shù)據(jù)來源可以發(fā)現(xiàn)工業(yè)大數(shù)據(jù)具有以下幾個特點：

● 大體量 （Volume）：3D打印一個中規(guī)模部件產生幾十GB數(shù)據(jù)；

● 多樣性 （Variety）：三維圖形數(shù)據(jù)，監(jiān)控視頻數(shù)據(jù)，設備日志數(shù)據(jù)、RFID數(shù)據(jù)等；

● 快速性（ Velocity ）：處理速度是毫秒級，例如發(fā)動機運行監(jiān)測數(shù)據(jù)；

● 價值密度低 （Valve）：工業(yè)大數(shù)據(jù)的價值是顯性，但數(shù)據(jù)跨度、維度太大；

● 數(shù)據(jù)豐富，信息貧瘠；流與批計算模式同時存在；

商業(yè)互聯(lián)網平臺本身就帶有很強的數(shù)字化基因，但整個工業(yè)領域很大程度上都很難跟數(shù)字化直接關聯(lián)，因此也很難用一個很好的平臺來進行展示。光從設備管理來說，不同的設備機臺的規(guī)律運行之間的差異是非常大的。如何對數(shù)據(jù)進行挖掘和建模，呈現(xiàn)出好的應用效果對工業(yè)企業(yè)是非常大的挑戰(zhàn)。

從這幾年的一些項目實施上來看，工業(yè)大數(shù)據(jù)架構的途徑已經豐富了。比如可以先用一些場景化、輕量化的系統(tǒng)軟件來輔助把整個數(shù)據(jù)和模型跑通；第二是通過一些具有低代碼特性的數(shù)據(jù)化平臺，幫你快速構建數(shù)據(jù)平臺；第三種是工業(yè)互聯(lián)網，像百度借助于人工智能的一些應用，通過收購和并購的方式快速切入一些工業(yè)場景，充分發(fā)揮人工智能在工業(yè)場景上的應用。

現(xiàn)在的工業(yè)物聯(lián)網已經發(fā)生了很大的變化。它能夠吸納各種類型數(shù)據(jù)，數(shù)據(jù)連接能力非常強；第二是它有很好的中臺結構概念，可以讓我們快速能夠復用，構建所需要的場景；第三是它呈現(xiàn)出多樣化的應用層面。工業(yè)大數(shù)據(jù)平臺不應僅僅是靈活的大數(shù)據(jù)存儲系統(tǒng)，應是業(yè)務主題為中心的數(shù)據(jù)服務提供者，支持知識沉淀，快速迭代，消除壁壘的協(xié)同應用平臺。

輕量化應用對企業(yè)的能力要求并不高，企業(yè)在上自己專用大數(shù)據(jù)平臺或通過工業(yè)互聯(lián)網方式接入的時候，可以把已有的經驗和工作場景直接進行融合。

工廠大數(shù)據(jù)的典型應用

工廠大數(shù)據(jù)的場景應用比較多，從產品創(chuàng)新，設備預置性維護到供應鏈運營優(yōu)化等。這里選取差異比較大的2個場景應用來具體說明。

場景應用案例1：輕量化數(shù)據(jù)挖掘工具

半導體行業(yè)在生產過程中會經歷多次摻雜、增層、光刻和熱處理等復雜的工藝制程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。這些海量數(shù)據(jù)究竟是企業(yè)的包袱，還是企業(yè)的金礦呢?

大家走進臺積電這樣企業(yè)的工廠現(xiàn)場，會發(fā)現(xiàn)這是一個高技術密集型、高資產投入型的行業(yè)，在晶圓檢測時，要檢測每個點、每個位置的質量，數(shù)據(jù)量和工作量是非常大的。

以GMP軟件為例。125片晶圓有17 萬行數(shù)據(jù)，質量 OK的用0表示，壞點用1表示。這些壞點分布的情況有一定的特性，對應了某種后臺的機理，比如說是材料問題還是工藝問題，或是加工過程中的一些環(huán)境造成的。

這個軟件本身已經具備了一些算法功能，比如說聚類算法，用簡單的層次聚力讓系統(tǒng)先跑一遍。這么多數(shù)據(jù)分別應該是哪幾類質量異常，之后工藝技術人員再進一步分析，就可以更精確、更迅速地能夠判定到底是什么成因。

通過GMP軟件，數(shù)據(jù)和業(yè)務場景都有了，算法的整體思維也有，可以在很短的時間里給出一個結果，便于你去選擇。

對于工業(yè)數(shù)據(jù)的應用大家要注意評估每一種模式最終的應用成效，這種評估將來是要作為一個經驗化的方式固化到整個系統(tǒng)中。在真正的應用價值體現(xiàn)之前，花巨資上系統(tǒng)的風險很大。通過這種輕量化的形式，在將來可以把這種形態(tài)融合到整個系統(tǒng)中去的。

場景應用案例2：生產計劃排程的復雜化

排程是很多行業(yè)都存在的一個典型問題，也就是APS。APS真正要稱之為APS一定有一個算法引擎。評估一個系統(tǒng)是否具備APS功能，要看訓練速度怎么樣，是否具有模擬功能，能夠適應多少種約束類型等。

所以對排程的定義是一個我們稱之為一個大數(shù)據(jù)體量進行全局化優(yōu)定尋優(yōu)的這樣一過程，它一定不涉及原來憑人工經驗在有限的約束條件下巡游的。

像圖片中的例子有6個工單，每個工單會涉及到多個工序。比如第一個工單6個工序，第一個工序可以在3號機床上加工，也可以在10號機床上加工。在3號機床加工的時間是3分鐘，在10號機床加工是5分鐘，這個可以選擇，以此類推。

可以看到一共有10臺加工機床，其中有很多加工機床是共用的，而每一個訂單的加工路線和時間也是不一樣的。在這種情況下，我們要找到一個最短時間能完成的優(yōu)先順序，能夠確保資源浪費最低，機臺損失時間最低。同時整個從第一道工序到最后一道工序，六個訂單全部結束，其實是非常困難的。

這里會涉及到一個遺傳算法，就是在有限的成本條件下取得相對最優(yōu)的概念。如果讓一臺計算機運行程序獲得一個最優(yōu)結果是可以，但如果運行時間是三個月，是完全不具備可行性的。所以為了能夠更好地運行，現(xiàn)在開發(fā)出很多這種啟發(fā)式算法，就是借助生物學上的概念，通過每一代的進化用遺傳手法把更好的結果選擇出來，并不斷迭代到一個相對滿意的結果。

所謂輕量化應用就是對于不同的場景，用類似環(huán)境實現(xiàn)短平快能上手。如果想把這些場景做更好的封裝，就可以通過包括低代碼的開發(fā)環(huán)境等來實現(xiàn)，把一些成熟優(yōu)秀的經驗固化進去，將來真正在使用的時候就是一個比較商業(yè)化的App系統(tǒng)。

通過這兩個場景化的案例，希望建立起大家對應用的信心，通過數(shù)字化的場景應用快速提高運營的效率。平臺再復雜，無外乎就是數(shù)據(jù)加算法，加一些可視化展現(xiàn)形式，只要這條路跑通，加上對行業(yè)場景的熟悉度，肯定能做出不錯的應用效果。