工業大數據采集這個名詞非?；鸨?，在我們探索與實踐過程中發現：實際上想要應用工業大數據采集是非常困難的?？梢哉f工業大數據采集的價值很高。但是同時，價值密度很低。今天單單從工業大數據采集應用的一個小小的方向-工業裝備制造商的服務化轉型業務中涉及到的部分應用，和大家一起探討一下工業大數據采集的應用。

前不久的工業大數據采集白皮書把數據來源分為，設備，業務系統，外部來源幾個維度，我這里只是按照目前我們有涉及的方向，簡單分享一下，這個分類更像是描述業務場景，自然也不是非常的嚴謹。

設備：主要關心設備的安全，故障，能耗，部分會牽涉到工藝，應該說這是工業大數據采集應用的原點。很多人在談工業大數據采集的時候都會先關注這一塊。目前在這塊我們涉及比較多。當然，即使是只為了提高設備的使用效能，當從設備上利用傳感器和控制器采集的數據也是不夠的，在設備這個小單元，仍然需要一些人工錄入或者三方的數據，才能把一個設備刻畫清晰

系統：綜合績效，綜合的故障，工藝，排產，如何讓一個產線或者工廠效率高這是這個維度主要考量的問題

也可以包含研發設計數據，例如TDM數據，CRM數據等，這一塊我們目前涉及有部分，主要在TDM這塊，其他例如MES之類都涉及比較少。CRM由于在2C端更具顯著相應，所以我們更涉及的少。

企業；如何讓一個企業的的財務目標高，規避相應的風險，目前我們公司也有一些探索，例如做風險控制，企業征信，等等這塊我們今天暫時不分享。

產業鏈：產業鏈的數據我個人認為未來是非常有價值的，畢竟現在企業上下游合作越來越緊密，產業鏈整體的競爭力越來越重要。在我們的探索過程中，也遇到過一個產業鏈上下游數據整合的例子，當時客戶的行業是電子行業，上下游合作很緊密。我個人覺得汽車應該也會有相應的應有。不過這塊也不是我們重點，所以也一筆帶過。

工業大數據采集的價值相信已經不用贅述，但是工業數據的應用之路確沒有那么容易，想輕松利用工業大數據采集也有很多難點。在這里，我僅以一個自動化行業的大數據圈外人，和大家分享一些我們在做業務過程中遇到的一些問題。

1、數據采集難：工業數據想要采集，本身就具備相當的難度，有些難度是由于歷史原因，未來也許不難，比如設備的通訊接口，通訊協議，協議點表，是否需要新增傳感器，傳感器的性能是否能夠滿足業務需求。另外一些是業務難度，也就是說需要很多的隱性知識才能把數據采集上來，比如傳感器的位置（都是壓力傳感器應該裝在哪里），采集的周期如何設定等等。針對數據的采集，我等下再和大家分享一下。

2、數據維度：同一個設備（產線）的維度難確定，采集哪些參數才夠用，哪些數據采集了又沒有用？實際上是非常難，不僅僅需要業務專家，還需要不斷的探索和實踐。還有就是有些維度的數據沒有（需要人眼看的，記錄的，研發設計數據，或者原材料數據，這類數據廣義上也可以理解為難度高），

3、不同的人才：一個大數據項目可能需要多重復合型人才1類懂業務的人，1類懂數據的人，1類懂IT技術的人，每一種人才的細分專業又很多，同時不同人才的溝通語言又不一樣。造成數應用難度大。

4、周期長：越是設備級的數據約需要長時間的積累，同時需要不斷的訓練，另一方面來講，目前國內缺乏數據，或者數據不全，或者沒做結構化處理，但是目前很多上大數據項目的時候，領導往往要求很快能夠出結果，從側面增加的項目失敗的風險。

5、分析精度要求：工業大數據采集對精度要求很高，精度過低幾乎沒用，反而是累贅，可以舉例振動分析的例子。另外就是不僅僅要求需要知道相關性，還需要知道為什么。

6.控制難：反向控制難，需要改造設備，當然，這也許是中國特色，很多行業充斥著老舊不準的設備，自動化水平堪憂。特別是針對很多做工藝分析或者節能控制的設備。另外就是針對很多控制的實時性要求，一個工藝可能花了1分鐘就做完了，如果不能及時的計算出控制條件即使分析出結果也沒有多大價值。