大数据是实现工业4.0的核心资源和动力源

　　工业大数据是一个新的概念，从字面上理解，工业大数据是指在工业领域信息化和互联网应用中所产生的大数据。随着信息化与工业化的深度融合，随着互联网与工业的融合，新一代信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网、云计算、3D打印、机器人、智能制造等新一代信息技术在工业领域的应用，工业企业也进入了工业4.0的新的发展阶段，工业企业所拥有的数据也日益丰富。

　　德国工业4.0也指出，随着信息物理系统（CPS）的推广、智能装备和终端的普及以及各种各样传感器的使用，将会带来无所不在的感知和无所不在的连接，所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期，是工业4.0的新资源、新燃料，数据是区别于传统工业生产体系的本质特征，是工业4.0的核心。

　　在“工业4.0”时代，制造企业的数据将会呈现爆炸式增长态势。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。

工业大数据应用的两个关键技术问题是数据建模和数据集成。

　　1、数据建模的问题

　　第一，产品数据建模是制造信息化的核心技术，也是工业大数据应用的核心。工业4.0实现了智能原料、智能部件、智能产品、智能设备、工人、智能生产线、智能工厂、客户、智能供应链、物联网、服务网之间的相互连接，必然产生出对这些实体的大数据进行建模的问题。首先要建设这些实体自身的数据模型，核心是产品模型，产品模型这是一个动态演变的全生命周期的模型，从需求一直到成品，再到转化为对客户的价值，包括产品需求、产品设计、产品工艺、产品加工、产品检验测试、产品维护等阶段的模型数据。在4.0阶段，产品数据模型有了新的创新，首先，外部计算机和设备将不再是记录产品数据的主要手段，内嵌在产品中的传感器将会获取更多的、实时的产品数据（产品内存），使得产品管理能够贯穿需求、设计、生产、销售、售后到淘汰报废的全部生命历程。

　　第二，产品与原料、部件、设备、工人、生产线、工厂、客户、供应链之间相互关联，建立起更为全面的工业企业数据模型，这种关联比以往更为综合、复杂，既有静态结构关系关联，也有动态行为关联。

　　第三，所有实体数据模型，在静态模型的基础上，还需要采集这些实体的动态行为模型，产品行为分析、客户行为分析、设备行为分析、工厂行为分析等构成了工业大数据复杂的行为分析模型，使得工业大数据的洞察力更深刻也更复杂。在大数据营销过程中，我们可能只需掌握客户行为。但在生产制造中，我们需要知道产品、机器和工人的动态行为模型，在产品设计中，我们需要知道客户的行为和意愿模型。

　　所以，工业大数据应用建模远比营销大数据复杂。

　　2、复杂工业环境下的数据集成

　　在工业4.0的三种不同集成方式下，数据集成的模式也有不同的模型。工业4.0有三种境界的集成，也面临三种境界的数据共享。

　　一是企业内的垂直集成，要实现垂直的各个环节的产品数据交换与共享。从生产制造各个环节的数据的交换和共享，包括PLM所涉及的需求分析、产品设计、产品分析、产品工艺、产品加工制造、产品质量监测等各个环节的数据的共享，也包括MES所涉及的生产线、生产设备的数据的共享。在企业运营与管理数据的共享，包括ERP所涉及的组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、电子商务、客户服务等数据的整合与共享。

　　二是横向数据集成，各种上下游数据的交换与共享，包括客户、供应商、合作伙伴等数据。一般是互联网上XML文件传输。大数据技术的发展和应用，使得价值链上各环节数据和信息能够被深入分析和挖掘，为制造企业提供看待价值网络的全新视角。

　　三是端到端的数据集成，生命周期的企业内外、制造、营销、消费、经济、产业、技术等大数据的交换与共享，真正的工业4.0的大数据集成与分析。