1.1　工业大数据提出的背景

自动化和信息化解决了数据收集和流转的问题，但不直接解决决策问题，做出核心决策的依然是人，数据只是应用服务的副产品。数字化是信息化的进一步深化，强调对业务相关的数据进行统一收集、管理、分析、挖掘，让运营过程与决策具备更完整、更及时的数据支持。信息化时代的企业转型主要采用流程驱动方式，围绕价值链进行业务流程重构，消除无效活动，通过“业务流程化、流程数据化”，实现跨组织边界的信息协同。数字化时代的企业转型被统称为数字化转型，通过跨领域、跨时空数据的深度挖掘，实现全要素、全价值链、全产业链的模式革新与持续优化。

工业企业的数字化转型体现在产业链形态、业务模式、经营模式、生产模式、研发设计模式、决策模式等不同层面的变革与升级 。随着市场的变化和生产要素的发展（如存量市场放缓、开放式竞争、市场动态加剧等），出现了很多业务模式创新，如服务性制造、产能金融化、协同研发等。这些业务模式需要一个全局的数据平台来支撑灵活快速的业务创新和生产组织形态的改变。在管理模式方面，有预测性维修、工艺参数优化、生产计划优化等决策创新的场景，这些场景需要设备全生命周期档案、以物料为中心的生产档案等全息大数据模型做支撑。在大数据支撑下，有可能实现对专家知识的全面检验，从而实现知识经验的萃取与传承。在生产模式方面，在产品定制化程度提高（如根据不同环境进行风力发电机组的定制化设计与制造）、产品生命周期缩短、专业分工细化及劳动力结构迁移等外部趋势下，也出现了协调设计、混线生产、少人值守及智能优化等以数据为支撑的新模式。在研发设计模式方面，有了大数据的支撑，实现了针对环境适用性和使用行为的研发洞察、与使用过程的闭环研发、全息信息的数字化移交等新模式。

在大数据支撑下，有很多可能的数字化转型方向。以设备或产品为例，以产品为中心，可以通过大数据分析提高可靠性或能效，也可以以产品为载体，实现智能服务，如表1-1所示。根据产品特征和市场特点，不同行业的数字化转型方向不同。例如，风力发电机组制造商通过风电大数据，研发大部件健康分析应用，研究环境适应性更好的产品；大型柴油机制造商通过路谱大数据，分析不同地形、气候、工况下柴油机的能效，提高设计的针对性；工程机械制造商改变过去的销售方式，通过设备租赁和金融服务扩大市场份额，但服务成本和风险控制需要工程车联网大数据分析的支撑；很多动力装备制造商从销售装备转型到综合动能服务，以大数据为载体，将行业经验变成可运行的数据应用，支撑业务的大规模扩张。

工业数字化转型方向也依赖于数字化手段能改变什么。例如，很多流程行业的基本化工原理、工艺原理很难靠数字化的手段改变，数字化转型不是产品结构或服务模式的转变，其重心仍然是内部组织结构、业务流程及生产过程的优化。通常来说，数字化的作用主要体现在以下三个方面：① 获得了以前获取不到的数据，以更低的成本获得了以前难以大量获取的数据，或者将之前零散的数据以物理对象组织起来；② 以前靠人的主观能动性，强依赖个人专业度的分析和决策，转型后则通过专业工具，门槛更低，效率更高，有普适性和自适应性，覆盖的颗粒度更细，范围更广，精度更高；③ 提供了另外一种提高认知的途径，除现场经验或科学实验获取知识外，基于大量数据的统计分析提供了自主发掘规律的方式。 u8vs80KaxvZghIG+aBOKKQtDfuaTUdTMy6VUXCfD5kK5AN3IVTjLASvUwxcmd/l0