2015年4月8日上午,青岛大数据工程研究中心揭牌仪式暨青岛大数据高峰论坛召开，清华大学数据科学院副院长软件学院党委书记兼副院长王建民做了题为《工业大数据》的演讲，以下为演讲实录。

    好多人都在用狄更斯一百多年的前的话在形容这个时代，这是一个最好的时代，也是一个最坏的时代，各位可能今天在享受大数据带来的成果的同时，也在经历一种心理上的考验，就是面对变化的一种考验，面对未来不确定性的一个考验，大数据确实在影响着我们，但是它将来会怎样影响我们?说不清楚。

　　每次来青岛我觉得都有一个很大的感受，十多年前，作为当时863的一个专家在青岛做十五规划，晓方市长还是当时科技部的规划师，当时我们就在青岛规划制造业，但是想想，10年以后，制造业面临的问题，有哪些变了?哪些没变?将来会怎么变?工业大数据的思考，工业大数据望文生义，哪些不和工业相关?现在来说很少，现在我们叫工业4.0时代，中国是工业是2.5时代，后来把工业变成了新的增长的模式和方式了。工业大数据其实早就有，工作做管理数据是几十年前的事情。

　　工业大数据其实和工业互联网紧密相关的，今天大家谈互联网家，有的管它叫产业互联网都是这个意思。美国存储数据最多的是离散制造业，报告给一个数据，一个飞机如果做一次跨洋的飞行下来的数据是两个TB，后来好多专家质疑。

　　另外叫流程制造业，化工，各种橡胶这种行业都叫流程制造业，我今天讲的大数据是离散制造业的大数据。

　　数据的来源，大数据的来源无非来源于这么几个方面，第一个方面来源于人。我们大家都是内容的创作者，第二个是来源于机器，这个机器就是各种各样的机械的，电子的都会有，还有一种数据就是信息系统产生的数据，我们在工业里头主要关注的还是这个机器产生的数据。

　　那么为什么今天大家谈这个工业大数据呢?就是大家对工业大数据将来能释放的价值有很大的预期，比如说航空公司如果节约1%的燃料的话，未来15年就能创造300亿美金的效益。我们的电力行业当时是火电，如果节约1%的燃料，就有660亿美元的收益等等。

　　工业当中的数据信息化是我们很古老的话题，上一次的金融危机在中国来看是从南到北，南边的这种国际的贸易比较多，依赖于国外市场，近两年出现的经济的这个下滑也好，或者是增速缓慢也好，好象有点从北向南，那么分析在于哪儿呢?可能有一个要素，就是北边的工业，重资产的工业还是比较多的，比如东三省大部分是重工业。那么这个工业大的形势又是什么呢?中低端制造的产能过剩，前两天我调研一个叉车厂，一年10万台叉车，一台叉车卖七八万，大家简单一乘就知道有70亿的销售，这个企业不算太差，但是有多少利润呢?一台叉车就是500块钱的利润，大家算算利润多少?5000万，太少了，为什么产生这样的情况呢?整个地球上面用叉车的地方咱们都给它供应了，基本上都是中国制造，再生产叉车干吗呢?只是给地球上制造垃圾。

　　最近南方包括南京到上海的路上，好多工业产品的垃圾厂触目惊心，大家看到浙江的汽车垃圾厂非常可怕，都没地方放，工业走向何方?后工业时代我们怎么走?中国怎么走?大数据时代要跨界，要跨域，这是哈佛在经济评论上对未来经济的设想。前面三个阶段我就不说了，到了第四个阶段，制造业要考虑机器的系统，拖拉机要和播种的，要和联合收割机，要和耕作的机器要联合起来，现在网上大家也看到，德国人生产了好多的农用器械，特别有趣的是收割什么?收割圆白菜的机械，做的非常的精巧。收割黄瓜的器械，收割西红柿的器械，这个是他们做的，我们看到包括新型的伐木机械，一个机械上去一夹，底下是刀具放下来，一个传送工具，一段一段的木材就出来了，就是综合的机械。还有第五个阶段就是跨界的机械，一些农用的系统和天气的数据，和种子的数据，和灌溉的数据要结合起来，这样的话才是真正的新型的一种工业的出路。

　　所以今天大家都在期盼工业，特别是实体的经济有新的发展，所以在德国就搞了工业4.0，在美国就提出了产业互联网，或者是工业互联网，那么在德国的工业4.0当中，我个人认为他主要在于工厂的自动化，数字化，那么在美国的工业互联网，它主要是在装备的使用阶段，怎么把它的信息收集回来，更好的服务客户，更好的改进产品。

　　工业大数据第一件事情就是大数据从哪里来?我们说一个产品，特别是一个复杂装备，会从工厂、使用维护、和回收再利用，在几大阶段的时候，其实今天我们更加要考虑的是什么?是制造的效率和效益。我们在讲五化融合，绿色化对工业来讲更加的严峻，青岛有海尔，若干年前海尔的冰箱就到了欧洲，欧洲人就给制订了一个紧箍咒，就是你的冰箱在报废的时候你要负责处理，就是谁家的孩子谁抱走，我觉得是未来工业承担社会责任的一个基础。

　　今天的产品的设计、制造、维护和再利用，已经不仅仅是在一个企业，而是一个产业链。中国出现了一个制造业很火的企业，叫小米。雷军最近在他的家乡，在武汉市做了一个分享，说小米如何取得成功?他其中之一就是客户参与到创造，也就是说他现在的设计，他现在是市场直接来源于他的客户。那么大家现在看制造，最近西门子在成都有一个拉贝格工厂的姊妹工厂，也就是说，在制造阶段里头，大量的机器换人，机器换人有什么样的好处?青岛也部署了好多的机器人企业，在换了人的同时，有什么样的变化呢?主要就是能够采集更多的数据。

　　第二个在这样的数据的分析上可以提高效率，可以保证产品质量，所以中国制造2025和工业4.0有异曲同工之处，但是考量的还是质量问题，就是中国制造的质量问题。

　　到了第四个阶段就是维修、维护阶段，大家举了飞机的例子，飞机的例子带来一个什么启示?1995年罗勒公司就在飞机上装了传感器，他们甚至在2000年的时候都顶不住了，没有用，客户不买账，但是911给罗勒公司带来了新的契机，就是北美的航空公司市场暴跌，这个时候罗勒公司的第一单就是美联航，把他们的维修维护交给了原厂商，降低了成本，罗勒开辟了一个新的工业的模式，就是卖服务，这个也是通过传感器的数据回来的。

　　同时给我们的另外一个启示是什么?厂商不仅要感知我们的客户，还要感知用户，客户和用户是不一样的，比如说在工程机械里面，客户是代理商，用户是农民工，原来我们只关注大老板在想什么，你关注农民工成本很高，现在加了传感器，农民工的感受你也收集回来了，也不一样了，最后就是回收再利用，将来中国的制造业一定会走到这一天，大家要为自己制造的产品负责。

　　那么这个就到了产品的退役退出阶段了，怎么把它恰当的利用好，不要把矿山都变成工业垃圾，放在城市的周边，那么在这个阶段当中，都有大数据。

　　并且大家一定要有一个概念，现在这个的制造，不仅在一个企业里头，一组企业，一个产业链当中，甚至是跨国的，在这里头我就分享几件事，因为在中国搞这个制造业的信息化，以及有30年的历史，你想从我的863，就是1986年3月份，在863领域叫计算机集成制造系统那个领域，就开始做企业的信息化，到后来大家知道，有一句话叫搞信息化是找死，不搞信息化是等死，我到济南一机床当时是典型，我来的时候是1996年，经济很不好，就是人去楼空了，当时会战的信息中心里面人不多了，为什么?效益不好，我还搞什么信息化?但是应该说今天我们很多企业，随着时间的发展，信息化已经是他的基础了，所以说我们在里头传统的企业的四大件，ERP，PRM等，管制造的，管设计管用户的，管供应链的，今天的工业大数据有什么样的特点呢?

　　现在我们通过传感器、物联网得到了更多的数据，他的容量是80%，但是原来的20%是含金量很高的，这是我们工业数据和互联网数据的不同。

　　第二个在工业领域当中，我们一直在研究业务过程，过程是凝聚人类生产劳动在产品里头的一个载体，为什么这么说呢?一个企业成千上万人，大家都在做产品和服务，作为它的载体放进去。原来制造业当中有很多的工业流程，比如说在四川有一个锅炉企业，上万人，在顶层上面有上百个流程，流程原来也在用，今天这个大数据时代，这个流程怎么用，就是基于数据决策。所以要把它变成从流程驱动到数据驱动。

　　今天要搞大数据可以做很多的工具，但是今天这个大数据还没有这种交钥匙的工程，大数据是领域知识和信息紧密结合的，同时呢，大数据是面向创新如果是原来就有的业务模式，就不用咱们创新了，就不用大数据的办法了，而恰恰是原来没有的，我们才要去尝试，这个时候做大数据的工程，就不像原来那么轻松了。青岛的优势就是高素质的中层领导和干部，在大数据当中需要咱们这样在各个领域当中，各个领导的一种突破性的创新思维才能够创造出落地的一个产品。

　　我们在工业大数据领域当中应用的实践，工业大数据和传统的大数据，第一个不同是工业大数据当中，在设计制造阶段里头有好多的叫做技术数据。三维图纸，工艺卡片，仿真模型非结构化数据，还有大量的传感数据，时空的监控，环境洞察，能源管理，宏观决策方面都会有应用。

　　第一个是怎么搭建工业大数据的系统，工业大数据里头是有历史的沉淀的，现在的每一个制造业都不是今天新做起来的，怎么样把大数据系统，嵌入到原来的信息系统当中，就是给原来的系统做一个心脏搭桥手术，让大数据服务与原来的各个业务流程的环节，不展开了，我们提出四阶段的数据切换的方法。在运营阶段，我们看到用大数据来做运营的监管，比说做电子围栏，就是说要控制我这个机器是不是开到了我的工地给人灌水泥，给人浇注。

　　第二个方面就是对于复杂装备的产品质量，对故障分析我们提供新的手段，比如说在咱们工程器械当中，这个油缸是重要的动力系统，如果这个主油缸泄露了，就造成我们的泵车打泵很慢，打不高了，那么在肉眼能够看到，我们很容易维修，但是比如像油缸的内泄，如果是露在油缸里面了，这个时候我们维修工到现场是看不出来，我们可以通过什么?通过数据分析来找到这样的毛病。

　　这里头就通过大量的故障车辆的数据统计，然后再看这些有故障的车，它的工况有什么样的特点，哪些工况和这样的毛病紧密相关，看心脏病是要看血压还是要看体温，这样再做数据关联和分析。

　　我们做了主油缸的故障泵车促和关联的工况的情况，获得了新的数据的支持，制造业要打开自己的眼光，还要到互联网找数据，三一为什么在12年有这么多的泵车出了问题，再到互联网上去找，当年正好是高铁施工，这些泵车都在杭深施工，沿海环境对它也会影响。

　　我们不要看不起这个备件，现在备件挣钱的利润比卖产品还高，备件可以卖到10%到20%都不算贵，但是在2013年底的时候，他们泵的库存4.4个亿，这个对他们来无所谓，但是它从800亿变成500亿的时候，我能不能再节省一点?原来的5个亿就看的很重了，我们做一个简单分析，31个省市，蓝色的是什么呢?是备件的销售量，红色的是什么呢?是泵车开工的效率是泵车干了多少活，销售量和泵车干活这件事是紧密相关但是有的地方不一样，比如说北京，北京大家看红色的这部分，卖的备件很多，同样在新疆，后来我们就调研，是不是说我们的模型错了呢?后来根据他们深入了解说，是我们备件卖错了，什么叫备件卖错了?北京这个地方想冲当年的销售额，其实都在客户那儿存着呢，其实那是不对的，你不对客户负责，你的客户就不会对你负责，你不应该这样。这里头就涉及到备件供应商，总部的计划部门，各地的经销商，通过数据整合起来就非常的明显。

　　这是去年马凯副总理到三一看到他们的图非常感兴趣，看全国的开工量，作为国家宏观经济的一个指数之一。工业大数据确实是刚刚起步，整个大数据也刚刚起步，那么大数据怎么用?不要一哄而上，讲一个例子就是说有一个企业说，咱们要搞大数据了，赶紧把数据收集回来了，原来一个月收集两G的数据，现在收集两个T的数据，后来老板发现不对了，你把这些数据给我弄回来干什么?今天我们也要思考这样的问题。