大數據作為一種新的資產、資源和生產要素，正驅動著製造業的智能化變革，尤其是隨著近年來，互聯網對數據價值挖掘的成功，使得傳統行業開始思考如何推動價值轉型，驅動工業變革，這是新的技術條件下製造業生產全流程、全產業鏈、產品全生命週期的數據可獲取、可分析、可執行的必然結果，也是製造資源配置效率優化、製造業全要素生產率提高的迫切需求。
為進一步探索工業大數據對工業改革的深遠影響，自2017年起，在工業和信息化部指導下，中國信息通信研究院連續三年主辦工業大數據創新競賽，吸引來自國內外超過5000名選手參賽，在吸引人才關注、促進工業智能化、建立工業大數據生態等方面起到重要作用。
工業大數據創新競賽背景
大數據正處於融合發展和變革創新的重要關口。一是工業數據量激增，互聯網、移動互聯網、物聯網三大生態順次發展，使得全球數據總量爆發性增長，到2020年，數據總量將達到44ZB（萬億GB），其中工業數據增速將是其他大數據領域的兩倍。二是軟件、網絡、裝備等各領域間技術頻繁發生跨界耦合交融，依託數據的整合作用，推動產品與服務、硬件與軟件、應用與平臺趨向交融，全球產業格局面臨重塑。三是人工智能等技術創新進入空前密集活躍期，大幅提升大數據的應用潛能。
以大數據為內容的新一輪信息技術革命，正在推進製造業新一輪產業變革。大數據作為數字時代的關鍵戰略資源，通過製造業全要素、全產業鏈、全價值鏈、全生命週期的數據整合匯聚與分析建模，形成數據驅動的智能和數據驅動的創新，推動企業研發設計、生產製造、供應鏈管理、產品服務、企業組織和產業鏈合作的智能化變革，並實現物理世界和數字空間的相互映射和高效協同，構築信息互通、資源共享、能力協同、開放合作的製造業新體系，極大地擴展了製造業的創新與發展空間。面對以大數據為核心的新工業革命所帶來的深刻變革，世界各主要國家高度重視，爭相實施大數據引領戰略和智能製造戰略，積極搶佔全球科技和產業競爭的制高點。如美國從2009年開始陸續推出數據開放、技術創新、協作發展系列戰略與規劃,並大力推動以數據為核心的工業互聯網發展，目前已在先進製造、智能機器人、可穿戴設備、無人駕駛汽車、新材料及新型電子器件等多個領域實現了與大數據緊密融合，形成了明顯的先發優勢。德國、日本為應對新一輪數字化浪潮帶來的工業變革推出了一系列政策，重點關注工業大數據價值挖掘等內容。
競賽是推動創新探索、實踐指導與人才發展的有效途徑。美國早在2008年起開始探索通過競賽方式促進大數據、人工智能與製造業融合，針對設備健康狀態評估、剩餘生命週期預測等問題進行方法研究和測試論證，涉及航空發動機、齒輪箱、風機測風儀、半導體、軌道交通等多個工業場景。GE也曾經發起過多次數據競賽，懸賞解決飛行路徑規劃、醫療大數據等問題，並獲得解決實際問題的具體模型算法和專業人才。
工業大數據創新競賽成果
工業大數據創新競賽（簡稱競賽）以“賦能與賦智，構建工業大數據應用生態”為主題，以“開放共享、協作共贏”為原則，是首個由政府主管部門指導的工業大數據領域的權威的全國性創新競賽。競賽在組織方式上充分借鑑了發達國家推動工業大數據創新應用的先進模式，基於製造企業真實數據資源和需求場景，面向全社會徵集優秀解決方案，在發掘專業技術人才的同時，幫助製造企業解決實際問題。
工業大數據是工業互聯網的核心要素，結合產業實踐和本次競賽可以看出，現階段工業大數據的實踐落地高度依賴行業經驗與人工智能等數據科學的融合，通過將行業知識、經驗固化到軟件中，實現對工業場景中面臨的不確定性實現更加有效的管理，形成數據驅動、快速迭代、持續優化的工業智能系統。
一是以行業模型為前提，從基於經驗的決策轉變為基於數據模型的決策。將面向不同行業、不同場景、不同學科中的工業機理、專家經驗、行業知識和最佳實踐固化成為數據統計、挖掘和分析模型，將業務問題轉化為數據可解的問題，支持企業中的各個方面在正確的時間做出正確的決策。例如，本次競賽兩個比賽一等獎均從行業機理的理解出發，通過將領域知識和經驗進行系統化管理、識別，形成針對某個應用場景的模型，並不斷萃取專家知識和歷史數據進行模型的優化並提高模型訓練效率。
二是以數據科學為基礎，從基於控制的自動化轉變為基於機器學習的智能化。通過將傳統數學統計與擬合方法和大數據方法結合，使得深度學習、遷移學習、強化學習等為代表的人工智能算法成為解決工業大數據領域診斷、預測與優化問題的得力工具。本次競賽中，獲獎選手均將深度學習等數據分析方法作為數據預處理與分析的重要方式，從產業界看，IBM公司將人工智能系統Watson引入其製造業解決方案體系，憑藉優勢明顯的認知、推理和學習功能尋找數據與結果之間的內在關聯，並形成新的洞察力以幫助企業進行最優決策。
三是以軟件服務為目的，形成可落地執行的工業大數據解決方案。模型本身不產生價值，嵌入軟件產品中支持業務改善的模型才有價值，同時軟件運行過程中也有利於模型的維護、管理以及不斷迭代，以適應變換的工業場景與可能出現的問題。例如，無論是傳統的工業軟件，還是新型的工業互聯網平臺，其作為工業大數據解決方案的本質，均是通過數據積累、算法優化、模型迭代，結合與算法匹配的開發框架，形成各類工業大數據解決方案，通過“數據+模型”優化資源配置效率，促進工業數據分析價值提升。
加快推進我國工業大數據發展的建議
立足當前工業大數據產業融合發展變革的關鍵時點與歷史性機遇，有效聚合各領域企業、高校與科研機構並形成合力，以融合創新為主線，共同推進關鍵技術和產品的創新、部署與應用，推動深化開源開放的創新模式，以應用引領產業鏈整體性突破，實現向價值鏈高端水平躍升。
把握好工業大數據產業突破的重點方向與關鍵領域。一是支持上下游聯合、跨界聯合、產學研開展聯合攻關，以工業互聯網平臺為重點，加快突破工業數據清洗、集成、存儲計算等數據分析共性技術，消除數據分析的技術瓶頸。二是充分發揮我國工業、ICT、互聯網等行業的領先企業在數據分析領域多年積累的經驗，加大面向行業分析工具、算法、模型等的研發力度。三是立足產業未來發展，抓緊開展機器學習、分佈式計算、流式計算等若干新興領域的關鍵技術的研發和攻關。
構建以市場化機制為基礎的產業生態體系。一是以聯盟、專項多種方式鼓勵國內製造企業和大數據、人工智能領域的軟件及平臺企業協作共贏，圍繞自有開發框架，加強重點行業領域產用對接，形成雲端工業大數據服務體系和競爭優勢。二是吸取開源佈局經驗，大力培育、組織和支持工業大數據相關的開源社區建設，鼓勵國內企業依託國際開源社區，加速推進我國工業數據分析產品和服務的研發產業化。三是引導高校建設工業大數據等“新工科”專業，鼓勵高校與行業組織、龍頭企業、產業園區等社會力量共建產業學院和新型交叉學科，加強工業數據建模分析、基於開源技術的軟件開發等複合型人才培養。
加強與發達國家在工業大數據領域的合作交流。一方面，通過與美國、德國等發達國家在技術研究、測試床、應用推廣等方面的深度交流與合作，學習其他國家先進發展模式、人才培養方式和核心技術研發模式，為我國未來工業數據分析提供可複製和可參考的樣板。另一方面，積極參與工業數據分析領域的國際標準制定，確保我國工業數據分析技術標準發展符合國際主流趨勢，爭取參與國際標準制定，提升國際話語權和全球影響力。
閱讀更多 天津數港 的文章
