從工業大資料本質看工業大資料下的決策方式
我們要看大資料與工業的深度融合之前,先看看核心要素大資料的本質是什麼。
大資料的本質就是,“資料+演算法=服務”,資料來自機器資料,業務資料,產品資料。這些資料需要通過物聯網、感測器不斷的獲取。而演算法部署在雲端,一類是機理模型,另外一類是AI或者大資料模型。
通過大資料和演算法,帶來了新的服務,服務包括四個層次:描述這個世界(發生了什麼);診斷這個世界(為什麼發生);預測這個世界(將會發生什麼);進行決策(應該怎麼做)。最終實現優化資源配置效率,提高生產力。這也是一種全新的認識和改造這個世界的方法論。
我們說大資料的下半場是跟產業的深度融合,那麼大資料與工業融合之後的工業大資料,其本質又是什麼?我認為工業大資料的本質是:資料+演算法=服務。
從工業大資料本質看工業大資料下的決策方式
一個工業機理模型可以實現四類功能:一、描述,描述裝置、工藝發生了什麼;二、診斷,發生了什麼問題、什麼地方發生了問題;三、預測,如果不處理裝置將有什麼問題,能耗會有什麼問題,質量會有什麼問題;四、決策、最後怎麼辦,是對那個環節進行維修,那個環節進行優化,或者保養,增加或者減少物料的輸入等等,給操作手、給總工、給管理層提供一個解決方案。
機理模型的落地,就是我們認識客觀世界的一個過程。一般說會有四個階段:一、理論推理,把工業中的熱平衡、物質平衡等通過抽象的方法形成理論模型;二、實驗驗證,對理論模型進行實驗驗證,模擬驗證的過程;三、模擬擇優,在虛擬世界裡面去完成,通過大資料模擬選擇最優的結果;四、大資料分析通過模擬+大資料發現新的規律。
機理模型構建了業務場景的數字孿生,通過裝置上雲、物聯網、網際網路,實現了從區域性數字孿生到跨節點的數字孿生,從靜態的數字孿生到動態的數字孿生。我們在熱平衡模型的應用中,對每日、每時、每秒的資料進行優化,指導在工藝環節的優化。構建一個機理模型、數字孿生,背後的原理就是大資料+演算法=服務。他可以縮短研發週期,提高資源優化效率,提供新的分析方法,構建資源配置新模式。
依託於工業大資料的支援,工業企業的決策方式也將增加為更加科學規範的模式:資料+演算法。資料+演算法的決策機制,不是對已有決策機制的一種替代,而是增加。
“資料+演算法”的決策機制原理有幾個方面,對於不確定性的問題,我們首先要獲得資料,理解這個世界,理解和認知規律;理解之後我們要預測發生什麼,做邊緣響應和遠端響應;最後我們要去控制,將決策付諸行動。
企業的核心問題是解決和提高資源配置效率。大資料如何支撐企業決策,就是將正確的資料,在正確的時間,以正確的方式傳遞給正確的人和機器。大規模個性化生產實現了從固定靶到空中飛碟的轉變。這其中,通過模型可以提供將不確定性轉化為確定性的最優路徑,通過大資料將資料轉化為知識,將隱形資料顯性化、將隱形知識顯性化。