制造云大数据的研究与思考

　　大数据研究与思考是我今天要分享的课题。首先探讨智慧云制造整个概念，就制造云大数据来源的分类特点价值这个重点来切入；其次是智慧制造云对关键技术的需求以及我们团队提出的智慧制造云大数据平台机构和技术构建、方案和实践，最后提出几点建议。

　　制造云大数据

　　众所周知，人类社会正面临着一场新的技术革命和新的产业变革。那么我们认为互联网+人工智能的时代正在到来。怎么解读人工智能？首先，网络是一个泛在的互联网，包括传统的互联网和互联网+人工智能，其核心技术是七类技术深度融合，包括新互联网技术、新一代信息技术、新人工智能技术、新能源技术、新材料技术、新生物技术以及新应用领域专业技术。互联网时代特征总结为泛在互联、数据驱动，共享服务，跨界融合，自主智慧和万众创新。

　　当然，制造业作为国民经济、国计民生和国家安全的重要基石，正面临全球新技术革命和产业变革的挑战，特别是新一代信息通信技术，核心就是要发展智能制造技术产业和应用。对我国来说面临的五大挑战是：第一要从技术跟随到创新以及到超越，第二要从传统制造向数字化、网络化、智能化转变，第三从粗放型制造向质量效益性转变，第四从资源消耗到绿色制造转型，最后要由生产型制造到生产+服务型制造转变。

　　其核心问题就是要贯彻创新协调绿色开放共享发展理念，要走中国特色的工业化道路，以创新发展为主题，以制造业提高质量增加效益为中心，特别强化两化融合，而且要推进智能制造主攻方向。

　　云制造的概念首先是基于泛在网络，其次是借助新兴大制造技术、信息通信技术、智能科学技术及制造应用领域四类技术深度融合。数字化、网络化、智能化作为技术手段，构成一个以用户为中心的统一经营的智慧硬软资源和能力的服务云。这实际上就是人、机、物互联服务，或者是现在提出的工业互联网的概念。

　　用户通过智慧终端和智慧云制造服务平台能随时随地按照需要获取智慧制造的资源和能力，要对整个全系统全生命周期产业链里面的人机物信息技术自主的智慧的感知，互联协同分析认知和决策控制与执行，促进制造全系统及全生命周期活动中的人组织、经营管理、技术设备三要素及信息流、物流、资金流、知识流、服务流集成优化，形成一种基于法在网络、用户为中心、人机物信息融合。

　　智慧云模式是什么，手段是什么，业态是什么，特征是什么，实施内容是什么，以及目标是什么都值得探讨。

　　我们把它叫智慧，因为强调三种深度融合：人物与环境信息深度融合，数字化、网络化智能化的深度融合，工业化和信息化的深度融合。同时，很重要的基于大数据的并行、协同、实时、互联、智能的进行创新。根据这样一个理念所构成的系统，我们把它叫做智慧云制造系统或者简单说智慧制造云。概念模型包含几大部分内容，一是制造资源的能力和资源，这里面包括软的、硬的，包括能力和智能互联产品；二是制造云池；三是制造全生命周期的智慧云。其核心支持就是智慧云制造的平台。

　　综上，智慧制造云是一种互联网+人工智能时代的模式手段。制造模式是以用户为中心的互联服务协同个性柔性社会化智能制造产品以及服务用户的模式，它的手段就是四类技术深度融合的数字化网络化作为技术手段，构成一个智慧化的人机物环境信息互联系统，体现数字化、物联化、虚拟化、协同化、定制化、柔性化和社会化的产品。

　　那么智慧制造云、工业云里面的大数据实际上是全系统全生命周期里面的三要素、五个流里不断产生的四个大数据，包含制造全生命周期里面的各种数据，有企业经营管理的数据，有技术产品设备的数据。有结构化、半结构化和非结构化数据，有静态数据、动态数据和实时数据。

　　智慧制造云大数据的特点，除了四个云以外，和大量、高速、多样、价值以外，还加上了多元符合模态、数据类型异构等。其作用简单来说能精准高效智能地用到全生命周期的活动，促进云制造的智慧化，目标实现产业研制、管理服务效率质量成本能耗，实现产品加服务为主导的随时随地的按需个性化指导。

　　目前，大数据在感知基础上，有六类大数据关键技术，关键技术在制造云里有新的需求。首先大数据的集成与清洗，就是把不同来源、格式、特点性质的数据及数据源在逻辑上或物理上有机地接入平台并进行新审查和教研，得到干净、一致的数据。第二技术就是大数据存储和管理，采用云存储和分布式存储技术及高吞吐量数据库技术与非结构化数据访问技术，实现运输集中的数据经济、高效、高可靠、容错的管理与服务。第三大数据分析挖掘，从这些海量的随机的数据中要找出有价值的东西，比如说现在分布式计算引擎，数据分析机器学习等，对我们制造云要以应用目标为导向，导出相应算法软件。同时需要建立云制造应用系统定量分析的人工智能分析模型，数据不是直接用的，是通过模型来的。可视化，各种各样数据可视化而且能应用，比如多维数据分析，虚拟现实等，对目前综合处理显示多维数据以及交互需求是非常重要的。其次是大数据的标准和质量，对智慧云多类型标准需求不限，而且交易和交互要作为一个导向。最后就是安全，全生命周期里面要安全，像隐私保护、数据水印以及区块链技术等。

　　大数据的云化

　　第三个问题就是大数据云化。直接把大数据迁入模型软件，第二是直接提供DAAS，第三个就是风险，最后一个就是大数据的可视化，基于大数据可视化技术实现智慧制造云里面的风险和显示。

　　云里面大数据怎么用也值得探讨。第一类是航天产品电缆数据化设计，也就是说把电缆有关的经验数据和综合分析性能数据收集过来，放到电缆数据工程里面，实现了电缆数据化生产的一体化，产生效果后有60%以上研制时间开展产品质量提升。第二类是医药，利用现在制造云里面官方电子病例、医疗等信息系统提取海量临床数据，挖掘药物效用及治疗方法，从而为医药研发提供参考。第三类是航天制造和生产比如博世、力士乐等智能生产。第四类就是维修，比如C919健康管理，需要实时检测大数据中心。根据上面的情况，智慧制造云在大数据当中是很重要的。

　　最后提点建议。首先当然是大数据已经成为智慧制造云建设和运行的重要资源，如果没有大数据、没有云、没有人工智能，那最后肯定是做不到智慧化制造。而研究实践需要从技术、应用、产业三方面来协调，进行各个层次的技术创新和人才培养。

　　从技术应用和产业方面，概括性地提几点想法：第一，从技术上要做到重视大数据、信息通信技术、人工智能技术、系统工程技术与制造领域等多种技术的深度融合。要搞大数据，必须要做到这几个技术的深度融合，这是我们的一个观点。第二，离不开云，因此要对面向用户大数据的云服务技术进行研究。第三，要重视基于大数据制造全生命周期里面的新模式、流程、手段的研究。最后，要进行符合共享经济商业模式的技术研究，当然还有安全和相应标准的制定与评估。

　　从应用角度来看，要“四个突出”。第一要以突出制造特色和行业特点来开展；第二要突出问题导向，问题在哪，竞争力缺点就在哪；第三要突出大数据驱动的智慧云制造管理运行模式、手段和业态的变革；第四要突出三要素与五流的综合集成化、优化和智慧化。

　　最后，要加强三个产业：第一要加强大数据技术工具集和平台的研发产业，第二要加强大数据系统的建构运行产业，第三要加强数据中心运营产业。

　　(本文根据李伯虎在“2016第九届中国信息主管年会”上演讲整理而成，未经本人确认。）

　　中国工程院院士李伯虎

关注读览天下微信， 100万篇深度好文， 等你来看……