工業(yè)企業(yè)數(shù)智化創(chuàng)新的“道”與“術(shù)”

數(shù)智化是工業(yè)互聯(lián)網(wǎng)平臺應(yīng)用過程中“皇冠上的珍珠”

數(shù)智化是工業(yè)互聯(lián)網(wǎng)平臺助力企業(yè)智慧化轉(zhuǎn)型的重要抓手。2018年年底，在中央經(jīng)濟工作會議上首次提出了“新基建”，包括工業(yè)互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)中心、5G等七大領(lǐng)域，其中工業(yè)互聯(lián)網(wǎng)和人工智能技術(shù)相輔相成、相互融合。只有通過數(shù)智化技術(shù)的融合應(yīng)用，工業(yè)互聯(lián)網(wǎng)平臺匯聚的海量數(shù)據(jù)才會創(chuàng)造業(yè)務(wù)價值，這也是工業(yè)互聯(lián)網(wǎng)平臺通過互聯(lián)網(wǎng)技術(shù)服務(wù)制造業(yè)轉(zhuǎn)型升級的初心。

數(shù)智化突破是頭部企業(yè)數(shù)字化轉(zhuǎn)型的重要趨勢。國內(nèi)很多能源企業(yè)、頭部裝備制造企業(yè)管理成熟、流程規(guī)范，也具備很好的自動化和信息化基礎(chǔ)，信息化平臺已覆蓋生產(chǎn)經(jīng)營各環(huán)節(jié)，有效支撐著各業(yè)務(wù)的有序開展。在新一輪數(shù)字化轉(zhuǎn)型浪潮中，他們希望抓住DT時代的發(fā)展機遇，不再滿足于對傳統(tǒng)信息化平臺的修修補補，而是充分挖掘積累的海量業(yè)務(wù)數(shù)據(jù)價值，通過應(yīng)用數(shù)智化技術(shù)，在鞏固原有核心競爭力的同時，實現(xiàn)經(jīng)營效益突破和商業(yè)模式創(chuàng)新。

工業(yè)企業(yè)要實現(xiàn)業(yè)務(wù)戰(zhàn)略和智慧化技術(shù)的共生共舞，取得數(shù)智化升級成功，我覺得取決于兩個要素：內(nèi)驅(qū)力和支撐技術(shù)，也就是本文討論的數(shù)智化創(chuàng)新的“道”與“術(shù)”。

數(shù)智化創(chuàng)新的“道”：頂層設(shè)計，“數(shù)智化文化”引領(lǐng)

對于企業(yè)來說，數(shù)智化業(yè)務(wù)探索與應(yīng)用有一定的挑戰(zhàn)。首先，這是一個需要長期思維的工程。它不同于傳統(tǒng)信息化，將一個表單電子化或者業(yè)務(wù)流程化，可以很快見效，數(shù)智化業(yè)務(wù)需要細致地整理數(shù)據(jù)、持續(xù)對算法創(chuàng)新調(diào)優(yōu)、不斷驗證應(yīng)用效果并迭代，這個過程有一定周期。其次，這是一個多要素、多組織相結(jié)合的復(fù)雜工程。不僅要了解IT和DT技術(shù)，還需熟悉數(shù)據(jù)，對業(yè)務(wù)改進機會和場景有深刻認知。

這么一個復(fù)雜、長期的工程，需要匹配對應(yīng)的發(fā)展戰(zhàn)略和規(guī)劃。通過制定企業(yè)數(shù)智化業(yè)務(wù)發(fā)展戰(zhàn)略，明確數(shù)智化業(yè)務(wù)應(yīng)用范圍、應(yīng)用目標(biāo)、評價指標(biāo)、實現(xiàn)路徑、參與組織和投入規(guī)劃等，通過戰(zhàn)略引領(lǐng)，有序推進，避免實踐過程中的冒進、徘徊、半途而廢。這個過程，可以聯(lián)合專業(yè)咨詢機構(gòu)或者解決方案提供商共同參與，圍繞設(shè)備故障預(yù)警、運行優(yōu)化、能耗優(yōu)化、安全態(tài)勢感知等領(lǐng)域開展。例如朗坤蘇暢服務(wù)的一家全球領(lǐng)先的裝備制造企業(yè)，他們就制定了清晰的數(shù)智化業(yè)務(wù)發(fā)展戰(zhàn)略，從最基本的遠程監(jiān)控，到全面的服務(wù)在線，到基于智能算法的診斷和后市場服務(wù)，小步快跑，每一步都特別務(wù)實，投入小、效益高，成功率也高。

任何工作成敗的關(guān)鍵是人、是組織，這不僅是我們常說的“一把手”工程的事，更是一個讓組織目標(biāo)一致、高效協(xié)同、不斷創(chuàng)新突破、關(guān)注效益的“數(shù)智化文化”。通過我們對優(yōu)秀企業(yè)的觀察發(fā)現(xiàn)，“數(shù)智化文化”不同于先僵化后優(yōu)化再固化的規(guī)范化、標(biāo)準(zhǔn)化文化，不同于手工作業(yè)電子化的文化。“數(shù)智化文化”是通過企業(yè)積累的數(shù)據(jù)創(chuàng)新、創(chuàng)造的極客文化，數(shù)據(jù)是企業(yè)重要的資產(chǎn)，不僅僅放在口頭上，而是要通過積極挖掘積累的物聯(lián)網(wǎng)數(shù)據(jù)、經(jīng)營過程數(shù)據(jù)和生產(chǎn)過程數(shù)據(jù)，洞悉規(guī)律、預(yù)測未來、發(fā)現(xiàn)改進機會;“數(shù)智化文化”是IT人員和一線業(yè)務(wù)人員無縫深度融合的文化，IT人員提供工業(yè)互聯(lián)網(wǎng)平臺，業(yè)務(wù)專家樂于使用先進的工具，固化自己的知識，融入行業(yè)算法，驗證自己的經(jīng)驗，讓執(zhí)行更精準(zhǔn)、團隊更輕松;“數(shù)智化文化”是關(guān)注通過大數(shù)據(jù)技術(shù)創(chuàng)造效益的文化，應(yīng)用效果不僅體現(xiàn)在預(yù)測準(zhǔn)確率、泛化能力等技術(shù)指標(biāo)，更是由業(yè)務(wù)管理人員制定的降低多少能耗、提升多少產(chǎn)量、避免多少故障等效益指標(biāo)。

數(shù)智化創(chuàng)新的“術(shù)”：平臺為基，“數(shù)智化技術(shù)”支撐

1、提升工況數(shù)據(jù)處理能力，提煉工業(yè)“黃金”

高質(zhì)量數(shù)據(jù)匱乏是工業(yè)領(lǐng)域的普遍現(xiàn)象，已成為企業(yè)數(shù)智化轉(zhuǎn)型的瓶頸。很多企業(yè)通過數(shù)據(jù)治理落地數(shù)據(jù)編碼、主數(shù)據(jù)等規(guī)范，實現(xiàn)生產(chǎn)管理數(shù)據(jù)的資產(chǎn)化，但在生產(chǎn)實時數(shù)據(jù)管理方面投入明顯不足，無法打造生產(chǎn)管理與生產(chǎn)實時相結(jié)合的綜合“工況數(shù)據(jù)”樣本集，而這類數(shù)據(jù)正是智能化模型開發(fā)所需的工業(yè)“黃金”。基于我們多年數(shù)智類產(chǎn)品交付經(jīng)驗可以發(fā)現(xiàn)，企業(yè)想要構(gòu)建高質(zhì)量工況數(shù)據(jù)集，需要從數(shù)據(jù)采集“全面性”、標(biāo)記生成“流程化”、質(zhì)量檢查“專業(yè)化”三個方面實現(xiàn)突破。

數(shù)據(jù)采集的“全面性“是企業(yè)打造高質(zhì)量數(shù)據(jù)的基礎(chǔ)。工業(yè)企業(yè)現(xiàn)有的監(jiān)測點更多是為了生產(chǎn)工藝的過程監(jiān)控，缺少了支撐智能化應(yīng)用所需的專業(yè)化測點，導(dǎo)致智能模型數(shù)據(jù)維度缺失、建模困難。針對這種現(xiàn)狀，工業(yè)企業(yè)需要基于智能化業(yè)務(wù)需求，提前完成數(shù)據(jù)采集點的補裝，從而保障數(shù)據(jù)“全面性”，支撐數(shù)智化模型的構(gòu)建。例如在某些需要精細化診斷分析的場景，需引入高頻位移、紅外、超聲波等監(jiān)測技術(shù)，盡早開始收集滿足數(shù)智化需求的復(fù)合工況數(shù)據(jù)。

工況數(shù)據(jù)收集的“流程化”是企業(yè)打造高質(zhì)量數(shù)據(jù)的靈魂。“工況數(shù)據(jù)”是綜合了多類數(shù)據(jù)信息的高價值數(shù)據(jù)，例如設(shè)備故障記錄、故障解決方案與同期的設(shè)備監(jiān)控數(shù)據(jù)共同構(gòu)成了設(shè)備故障診斷工況數(shù)據(jù)。由于這些數(shù)據(jù)的收集需要IT與OT專家的大量專業(yè)化協(xié)同工作才能完成，導(dǎo)致工況數(shù)據(jù)集的收集效率較低，所以該項工作的“流程化”至關(guān)重要。

工況數(shù)據(jù)質(zhì)量檢查的“專業(yè)化”是數(shù)智化創(chuàng)新效果的保障。目前企業(yè)在生產(chǎn)管理數(shù)據(jù)質(zhì)量提升方面做的較好，基于數(shù)據(jù)治理工具實現(xiàn)了數(shù)據(jù)的常規(guī)質(zhì)量檢查與修復(fù)，然而在面對場景化工況數(shù)據(jù)的整體質(zhì)量問題時缺乏有效的檢查、修復(fù)手段，例如“工況時間段偏差”、“多維數(shù)據(jù)關(guān)聯(lián)錯誤”等 。企業(yè)面對這類綜合數(shù)據(jù)質(zhì)量問題，一方面需要更專業(yè)的數(shù)據(jù)質(zhì)量檢查與修復(fù)工具輔助，如“時序據(jù)趨勢異常檢查工具“、“工況數(shù)據(jù)回放驗證計算工具”等;另一方面需要業(yè)務(wù)專家從數(shù)據(jù)應(yīng)用效果上做審核把關(guān)，例如基于工業(yè)數(shù)據(jù)智能平臺將工況數(shù)據(jù)的標(biāo)記、驗證、審核、發(fā)布流程固化，大幅提升數(shù)據(jù)質(zhì)量與模型準(zhǔn)確度。

2、搭建數(shù)據(jù)智能平臺，構(gòu)建數(shù)智化創(chuàng)新“大腦”

數(shù)智模型的開發(fā)與應(yīng)用是數(shù)智化創(chuàng)新的前提，但對于不少工業(yè)企業(yè)，數(shù)智模型的開發(fā)與應(yīng)用是一件棘手的事。主要原因有：一是缺少對算法庫的持續(xù)完善與優(yōu)化。由于工業(yè)場景的特殊性、環(huán)境的多樣性，工業(yè)算法很難做到“開箱即用”，需持續(xù)結(jié)合工業(yè)數(shù)據(jù)特點和變化情況，實現(xiàn)針對性的算法優(yōu)化設(shè)計，而工業(yè)企業(yè)缺少對算法庫持續(xù)跟蹤的工具。二是“小作坊”式的數(shù)智模型開發(fā)思維。不少企業(yè)抱著“小作坊”式思維，不關(guān)注數(shù)智模型開發(fā)與投運的產(chǎn)品化，無法完成規(guī)模化應(yīng)用，也就無法充分發(fā)揮數(shù)智化創(chuàng)新價值; 三是數(shù)智模型應(yīng)用依賴各專業(yè)團隊合作。例如生產(chǎn)過程的工藝參數(shù)優(yōu)化場景，不僅依賴數(shù)據(jù)科學(xué)家，也需要一線的生產(chǎn)運行人員深度參與，因此融合各團隊的能力，實現(xiàn)高效協(xié)作至關(guān)重要。

要解決以上問題，必須確定平臺思維，打造支撐工業(yè)企業(yè)數(shù)智化創(chuàng)新的數(shù)據(jù)智能平臺。對于工業(yè)企業(yè)來說，打造數(shù)據(jù)智能平臺即打造了一個共享、協(xié)作的數(shù)智實驗和創(chuàng)新平臺，也是一個數(shù)智化模型管理和應(yīng)用的平臺。一方面，企業(yè)以平臺為載體，整合自身各專業(yè)團隊資源，實現(xiàn)數(shù)智知識共享與協(xié)作;另一方面，也可通過平臺，聯(lián)合高校、研究院，實現(xiàn)產(chǎn)學(xué)研結(jié)合，共建數(shù)智化創(chuàng)新應(yīng)用。同時，在數(shù)據(jù)智能平臺加持下，工業(yè)企業(yè)也可避免陷入“小作坊”式開發(fā)思維，建立起企業(yè)自己的核心算法庫和模型開發(fā)、應(yīng)用標(biāo)準(zhǔn)，提升自身數(shù)智化認知水平與數(shù)智化創(chuàng)新能力。我們服務(wù)的某生物質(zhì)發(fā)電企業(yè)，圍繞經(jīng)濟真空、四管監(jiān)測兩大核心場景，通過朗坤蘇暢天璣數(shù)據(jù)智能平臺，整合包括運行專家、高校團隊等多方創(chuàng)新團隊，建立管壁溫預(yù)警模型、冷端優(yōu)化模型，成功實現(xiàn)了數(shù)智化創(chuàng)新突破。

3、重視數(shù)字孿生建模，形成數(shù)智化業(yè)務(wù)承載“骨架”

安全、產(chǎn)能、能耗、質(zhì)量、環(huán)保是工業(yè)企業(yè)數(shù)智化創(chuàng)新的優(yōu)化目標(biāo)，多數(shù)領(lǐng)域工藝流程都較為復(fù)雜，受到設(shè)備可靠性、物料配比、物化反應(yīng)、能源供應(yīng)等多重因素影響，涉及到力學(xué)、電氣、熱力學(xué)、化學(xué)、數(shù)學(xué)等多學(xué)科交叉融合。因此，需搭建一個開放的數(shù)字孿生建模平臺，支撐工藝業(yè)務(wù)專家、設(shè)備運維專家與數(shù)據(jù)算法科學(xué)家深度合作，協(xié)同構(gòu)建適應(yīng)生產(chǎn)現(xiàn)場真實場景的實用性模型。

通過數(shù)字孿生建模平臺的應(yīng)用，一方面，能夠按照企業(yè)生產(chǎn)工藝，靈活定義“工廠、生產(chǎn)線、系統(tǒng)、設(shè)備”完整工藝流程層級關(guān)系，構(gòu)建匹配自身數(shù)智化業(yè)務(wù)的數(shù)字化實體;另一方面，可實現(xiàn)工況靈活定義、模型測試評價、樣本更新維護、知識庫配置等可視化模型管理，幫助業(yè)務(wù)專家持續(xù)“研發(fā)、驗證、優(yōu)化、擴展”模型，這是“實驗室理想化模型”升級為 “生產(chǎn)現(xiàn)場實用性模型”的關(guān)鍵。

在構(gòu)建數(shù)字孿生體過程中，企業(yè)自身數(shù)智化創(chuàng)新團隊需深度參與。在各類場景下，數(shù)字孿生體要么是融合了一線人員的經(jīng)驗(機理模型、知識庫)，要么是學(xué)習(xí)訓(xùn)練不同工況設(shè)備運行歷史數(shù)據(jù)(大數(shù)據(jù)模型)，或者是兩者兼具，從實驗室走向現(xiàn)場實際場景都有一個持續(xù)迭代優(yōu)化的過程，因此，企業(yè)業(yè)務(wù)專家深度參與調(diào)優(yōu)是模型長期保持精準(zhǔn)性的關(guān)鍵因素。

4、觸達業(yè)務(wù)場景“神經(jīng)末梢”，打通業(yè)務(wù)閉環(huán)“最后一公里”

隨著工業(yè)智能的逐步落地推進，以數(shù)據(jù)模型驅(qū)動的創(chuàng)新場景越來越豐富，也積累形成了越來越多的數(shù)智模型。但這些模型往往多以輔助、提醒、參考等作用為主，與工業(yè)現(xiàn)場具體業(yè)務(wù)聯(lián)動不緊密。再創(chuàng)新的算法、再精準(zhǔn)的模型，如果未能觸達生產(chǎn)一線，也是“空中樓閣”。

所以，數(shù)智化應(yīng)用要在業(yè)務(wù)的橫向擴展和工業(yè)現(xiàn)場的縱向集成方面再往前走一步，落實好這“最后一公里”的工作。在業(yè)務(wù)的橫向拓展方面，要能夠和生產(chǎn)管理、物資管理、能耗管理等具體業(yè)務(wù)流程相結(jié)合。例如，設(shè)備故障預(yù)警要和檢修運維管理結(jié)合，診斷出的預(yù)警要能夠自動關(guān)聯(lián)檢修業(yè)務(wù)，指導(dǎo)現(xiàn)場精準(zhǔn)開展點檢、維護、備品備件管理等工作，才能夠真正減少設(shè)備維護成本，實現(xiàn)設(shè)備管理提質(zhì)增效。在工業(yè)現(xiàn)場的縱向集成方面，云端的數(shù)智模型與邊緣端的工控系統(tǒng)集成是一個趨勢。很多工藝優(yōu)化場景，像智能監(jiān)盤、鍋爐燃燒優(yōu)化、冷端優(yōu)化等，通過AI模型實現(xiàn)對最優(yōu)變量的計算，如果能夠?qū)⒛Ｐ徒Y(jié)果反饋至工控系統(tǒng)，優(yōu)化控制參數(shù)變量，這將大幅提高現(xiàn)場作業(yè)效率，同時也是真正意義上的“云邊協(xié)同”，系統(tǒng)不僅僅會思考，還能夠執(zhí)行。

在工業(yè)互聯(lián)網(wǎng)時代，我們不能拋棄業(yè)務(wù)管理和流程管控的信息化基礎(chǔ)，但更需要面向未來，用數(shù)據(jù)驅(qū)動的思維、理論武裝自己，深度參與到制造業(yè)數(shù)字化轉(zhuǎn)型變革中。用好數(shù)智化技術(shù)，搶占高地，結(jié)合自身業(yè)務(wù)發(fā)展戰(zhàn)略，做好數(shù)智化創(chuàng)新發(fā)展的頂層規(guī)劃，用科學(xué)的方法論和領(lǐng)先的數(shù)智化工具，推動組織進步和企業(yè)高質(zhì)量發(fā)展。【責(zé)任編輯/常滿】

來源：IT時代網(wǎng)

IT時代網(wǎng)(關(guān)注微信公眾號ITtime2000，定時推送，互動有福利驚喜)所有原創(chuàng)文章版權(quán)所有，未經(jīng)授權(quán)，轉(zhuǎn)載必究。
創(chuàng)客100創(chuàng)投基金成立于2015年，直通硅谷，專注于TMT領(lǐng)域早期項目投資。LP均來自政府、互聯(lián)網(wǎng)IT、傳媒知名企業(yè)和個人。創(chuàng)客100創(chuàng)投基金對IT、通信、互聯(lián)網(wǎng)、IP等有著自己獨特眼光和豐富的資源。決策快、投資快是創(chuàng)客100基金最顯著的特點。

相關(guān)文章

工業(yè)企業(yè)數(shù)智化創(chuàng)新的“道”與“術(shù)”