数智化是工业互联网平台应用过程中“皇冠上的珍珠”

数智化是工业互联网平台助力企业智慧化转型的重要抓手。2018年年底，在中央经济工作会议上首次提出了“新基建”，包括工业互联网、人工智能、大数据中心、5G等七大领域，其中工业互联网和人工智能技术相辅相成、相互融合。只有通过数智化技术的融合应用，工业互联网平台汇聚的海量数据才会创造业务价值，这也是工业互联网平台通过互联网技术服务制造业转型升级的初心。

数智化突破是头部企业数字化转型的重要趋势。国内很多能源企业、头部装备制造企业管理成熟、流程规范，也具备很好的自动化和信息化基础，信息化平台已覆盖生产经营各环节，有效支撑着各业务的有序开展。在新一轮数字化转型浪潮中，他们希望抓住DT时代的发展机遇，不再满足于对传统信息化平台的修修补补，而是充分挖掘积累的海量业务数据价值，通过应用数智化技术，在巩固原有核心竞争力的同时，实现经营效益突破和商业模式创新。

工业企业要实现业务战略和智慧化技术的共生共舞，取得数智化升级成功，我觉得取决于两个要素：内驱力和支撑技术，也就是本文讨论的数智化创新的“道”与“术”。

数智化创新的“道”：顶层设计，“数智化文化”引领

对于企业来说，数智化业务探索与应用有一定的挑战。首先，这是一个需要长期思维的工程。它不同于传统信息化，将一个表单电子化或者业务流程化，可以很快见效，数智化业务需要细致地整理数据、持续对算法创新调优、不断验证应用效果并迭代，这个过程有一定周期。其次，这是一个多要素、多组织相结合的复杂工程。不仅要了解IT和DT技术，还需熟悉数据，对业务改进机会和场景有深刻认知。

这么一个复杂、长期的工程，需要匹配对应的发展战略和规划。通过制定企业数智化业务发展战略，明确数智化业务应用范围、应用目标、评价指标、实现路径、参与组织和投入规划等，通过战略引领，有序推进，避免实践过程中的冒进、徘徊、半途而废。这个过程，可以联合专业咨询机构或者解决方案提供商共同参与，围绕设备故障预警、运行优化、能耗优化、安全态势感知等领域开展。例如朗坤苏畅服务的一家全球领先的装备制造企业，他们就制定了清晰的数智化业务发展战略，从最基本的远程监控，到全面的服务在线，到基于智能算法的诊断和后市场服务，小步快跑，每一步都特别务实，投入小、效益高，成功率也高。

任何工作成败的关键是人、是组织，这不仅是我们常说的“一把手”工程的事，更是一个让组织目标一致、高效协同、不断创新突破、关注效益的“数智化文化”。通过我们对优秀企业的观察发现，“数智化文化”不同于先僵化后优化再固化的规范化、标准化文化，不同于手工作业电子化的文化。“数智化文化”是通过企业积累的数据创新、创造的极客文化，数据是企业重要的资产，不仅仅放在口头上，而是要通过积极挖掘积累的物联网数据、经营过程数据和生产过程数据，洞悉规律、预测未来、发现改进机会；“数智化文化”是IT人员和一线业务人员无缝深度融合的文化，IT人员提供工业互联网平台，业务专家乐于使用先进的工具，固化自己的知识，融入行业算法，验证自己的经验，让执行更精准、团队更轻松；“数智化文化”是关注通过大数据技术创造效益的文化，应用效果不仅体现在预测准确率、泛化能力等技术指标，更是由业务管理人员制定的降低多少能耗、提升多少产量、避免多少故障等效益指标。

数智化创新的“术”：平台为基，“数智化技术”支撑

1、提升工况数据处理能力，提炼工业“黄金”

高质量数据匮乏是工业领域的普遍现象，已成为企业数智化转型的瓶颈。很多企业通过数据治理落地数据编码、主数据等规范，实现生产管理数据的资产化，但在生产实时数据管理方面投入明显不足，无法打造生产管理与生产实时相结合的综合“工况数据”样本集，而这类数据正是智能化模型开发所需的工业“黄金”。基于我们多年数智类产品交付经验可以发现，企业想要构建高质量工况数据集，需要从数据采集“全面性”、标记生成“流程化”、质量检查“专业化”三个方面实现突破。

数据采集的“全面性“是企业打造高质量数据的基础。工业企业现有的监测点更多是为了生产工艺的过程监控，缺少了支撑智能化应用所需的专业化测点，导致智能模型数据维度缺失、建模困难。针对这种现状，工业企业需要基于智能化业务需求，提前完成数据采集点的补装，从而保障数据“全面性”，支撑数智化模型的构建。例如在某些需要精细化诊断分析的场景，需引入高频位移、红外、超声波等监测技术，尽早开始收集满足数智化需求的复合工况数据。

工况数据收集的“流程化”是企业打造高质量数据的灵魂。“工况数据”是综合了多类数据信息的高价值数据，例如设备故障记录、故障解决方案与同期的设备监控数据共同构成了设备故障诊断工况数据。由于这些数据的收集需要IT与OT专家的大量专业化协同工作才能完成，导致工况数据集的收集效率较低，所以该项工作的“流程化”至关重要。

工况数据质量检查的“专业化”是数智化创新效果的保障。目前企业在生产管理数据质量提升方面做的较好，基于数据治理工具实现了数据的常规质量检查与修复，然而在面对场景化工况数据的整体质量问题时缺乏有效的检查、修复手段，例如“工况时间段偏差”、“多维数据关联错误”等 。企业面对这类综合数据质量问题，一方面需要更专业的数据质量检查与修复工具辅助，如“时序据趋势异常检查工具“、“工况数据回放验证计算工具”等；另一方面需要业务专家从数据应用效果上做审核把关，例如基于工业数据智能平台将工况数据的标记、验证、审核、发布流程固化，大幅提升数据质量与模型准确度。

2、搭建数据智能平台，构建数智化创新“大脑”

数智模型的开发与应用是数智化创新的前提，但对于不少工业企业，数智模型的开发与应用是一件棘手的事。主要原因有：一是缺少对算法库的持续完善与优化。由于工业场景的特殊性、环境的多样性，工业算法很难做到“开箱即用”，需持续结合工业数据特点和变化情况，实现针对性的算法优化设计，而工业企业缺少对算法库持续跟踪的工具。二是“小作坊”式的数智模型开发思维。不少企业抱着“小作坊”式思维，不关注数智模型开发与投运的产品化，无法完成规模化应用，也就无法充分发挥数智化创新价值； 三是数智模型应用依赖各专业团队合作。例如生产过程的工艺参数优化场景，不仅依赖数据科学家，也需要一线的生产运行人员深度参与，因此融合各团队的能力，实现高效协作至关重要。

要解决以上问题，必须确定平台思维，打造支撑工业企业数智化创新的数据智能平台。对于工业企业来说，打造数据智能平台即打造了一个共享、协作的数智实验和创新平台，也是一个数智化模型管理和应用的平台。一方面，企业以平台为载体，整合自身各专业团队资源，实现数智知识共享与协作；另一方面，也可通过平台，联合高校、研究院，实现产学研结合，共建数智化创新应用。同时，在数据智能平台加持下，工业企业也可避免陷入“小作坊”式开发思维，建立起企业自己的核心算法库和模型开发、应用标准，提升自身数智化认知水平与数智化创新能力。我们服务的某生物质发电企业，围绕经济真空、四管监测两大核心场景，通过朗坤苏畅天玑数据智能平台，整合包括运行专家、高校团队等多方创新团队，建立管壁温预警模型、冷端优化模型，成功实现了数智化创新突破。

3、重视数字孪生建模，形成数智化业务承载“骨架”

安全、产能、能耗、质量、环保是工业企业数智化创新的优化目标，多数领域工艺流程都较为复杂，受到设备可靠性、物料配比、物化反应、能源供应等多重因素影响，涉及到力学、电气、热力学、化学、数学等多学科交叉融合。因此，需搭建一个开放的数字孪生建模平台，支撑工艺业务专家、设备运维专家与数据算法科学家深度合作，协同构建适应生产现场真实场景的实用性模型。

通过数字孪生建模平台的应用，一方面，能够按照企业生产工艺，灵活定义“工厂、生产线、系统、设备”完整工艺流程层级关系，构建匹配自身数智化业务的数字化实体；另一方面，可实现工况灵活定义、模型测试评价、样本更新维护、知识库配置等可视化模型管理，帮助业务专家持续“研发、验证、优化、扩展”模型，这是“实验室理想化模型”升级为 “生产现场实用性模型”的关键。

在构建数字孪生体过程中，企业自身数智化创新团队需深度参与。在各类场景下，数字孪生体要么是融合了一线人员的经验（机理模型、知识库），要么是学习训练不同工况设备运行历史数据（大数据模型），或者是两者兼具，从实验室走向现场实际场景都有一个持续迭代优化的过程，因此，企业业务专家深度参与调优是模型长期保持精准性的关键因素。

4、触达业务场景“神经末梢”，打通业务闭环“最后一公里”

随着工业智能的逐步落地推进，以数据模型驱动的创新场景越来越丰富，也积累形成了越来越多的数智模型。但这些模型往往多以辅助、提醒、参考等作用为主，与工业现场具体业务联动不紧密。再创新的算法、再精准的模型，如果未能触达生产一线，也是“空中楼阁”。

所以，数智化应用要在业务的横向扩展和工业现场的纵向集成方面再往前走一步，落实好这“最后一公里”的工作。在业务的横向拓展方面，要能够和生产管理、物资管理、能耗管理等具体业务流程相结合。例如，设备故障预警要和检修运维管理结合，诊断出的预警要能够自动关联检修业务，指导现场精准开展点检、维护、备品备件管理等工作，才能够真正减少设备维护成本，实现设备管理提质增效。在工业现场的纵向集成方面，云端的数智模型与边缘端的工控系统集成是一个趋势。很多工艺优化场景，像智能监盘、锅炉燃烧优化、冷端优化等，通过AI模型实现对最优变量的计算，如果能够将模型结果反馈至工控系统，优化控制参数变量，这将大幅提高现场作业效率，同时也是真正意义上的“云边协同”，系统不仅仅会思考，还能够执行。

在工业互联网时代，我们不能抛弃业务管理和流程管控的信息化基础，但更需要面向未来，用数据驱动的思维、理论武装自己，深度参与到制造业数字化转型变革中。用好数智化技术，抢占高地，结合自身业务发展战略，做好数智化创新发展的顶层规划，用科学的方法论和领先的数智化工具，推动组织进步和企业高质量发展。