当前位置:主页 > 探索 > 正文

工业大数据是中国制造的伪命题 - 无知识不数据 精益数据时代

未知 2019-07-11 10:53

  工业大数据在中国是伪命题

  大数据本来有更加学术化的名称:数据密集型(Data-Intensive)计算研究。微软在2009年组织撰写《第四范式:数据密集型科学发现》一书,给与这种方法以范式里程碑的待遇。而对于大众而言,这些不过是野地径自升起的炊烟,无人知晓也无可关注。

  后来随着Big Data这个简洁明了的概念一炮打响,各种大数据这才迎风而上。

  工业大数据不过是其中一种BigBang。工业4.0轻松地接过这一闪亮的火把,搅动了人们对于大数据无穷的想象力和不着边际的信心。数字设计、数字工厂、数字制造等一时间喧嚣而上,难免给人造成一种温暖的假象:到处都是工业大数据。有些舆论甚至断言,中国拥有全世界最大的工业大数据大概理由是因为中国有最多的设备和工厂现场。

  然而,且慢,数据现场,远非工业大数据之地。

  中国真的有工业大数据吗?

  贵阳大数据中心,以政府主导型的数据为基础,基本是城市数据、政务数据、物流数据等;阿里云是以消费者数据为基础,十多年淘宝历程,沉淀了大量的用户行为数据。

  但是,对于那些不分昼夜轰鸣的设备,工业数据仍然是暗无天日的黑油、黑煤炭。对中国制造业而言,些许的光亮或闪烁,远没有到大规模发光发热的时代。更为重要的事情,还需要工业领域去优先解决。

  不是煤炭创造了工业革命

  对于第一次工业革命的发源地,煤炭在英国发挥了巨大的作用。1700年,英国煤产量是世界其他地区的5倍;1800年,是欧洲其他地区的5倍。

  然而,谜团犹在,英国拥有煤炭,好像是该国逃离农耕陷阱的根本要素。但与此同时,德法日和清朝,都有大面积煤田,却未得到大规模的开采。煤炭与工业革命的关系值得明辨。

  实际上,这不是一个煤炭创造了工业革命的问题,而是工业革命创造了煤炭需求的问题。

  换言之,英国煤炭工业的飞速发展,只是财富和技术已经到达高水平的一个征兆。

  煤炭对于英国第一次工业革命的战略意义,此刻正如工业大数据之于中国制造2025。由于蒸汽机的驱动,煤炭犹如脱缰之野马,成为工业革命源源不断的动力。正如一把复杂钥匙吻合一把锁,这种类似的模式,第一次将人力一劳永逸地解脱出农耕时代。工业根基肇始。一段时间后,这个开锁程序被世界模仿,并且换成石化燃料和内燃机。

  这一模式,影响了随后二百多年的工业史。

 工业大数据 

图1 煤炭与工业大数据的对比

  随着智能制造的发轫,看上去这个模式,马上就要交给了工业大数据。而此刻,我们必须意识到,数据对于新工业革命的意义,尤其是对于中国制造2025的意义,是一种全新的密码锁模式中国工业化还并不太熟悉的一种模式。

  无数据 不知识

  数据、信息和知识的关系,有时候容易混淆。大致而言,数据最开始都是未经组织的,大量存在却价值极低;底层的数据需要通过信息化和工业化,才能转化为知识体系。

  从数据到信息,本身就是一种过滤机制这需要一种提炼,然后可执行、可传递的信息形成知识。知识分为隐性和显性,隐性知识往往存在于人本身之中,传递性很差。

工业大数据  

图2 数据、信息和知识的模型

  可惜的是,传统知识管理的DIK模型(Data-Information-Knowledge)关系,是一个单线程关系。它只解决了知识的提炼,没有解决回馈问题。

  就工业大数据而言,最重要的就是对它进行密集型的分析工业知识断不能缺位。GE在谈及工业互联网的时候,给与了专业知识以高度的重视。工业大数据不是传统的数据统计分析,而是基于专业知识的引导,才能挖掘出数据真正的价值。

  显然,知识体系必须重新作用于数据本身,才能形成工业大数据的价值。在工业领域,无知识,不数据。没有工业经验的线性化指引,数据就不会高速转化,工业大数据的价值,就不会产生。

  对于数据而言,信息化作了第一次提升,使得数据归类、文本化和沉淀;但必须通过工业化才能进行第二次提升,才能将数据提升到知识的高度,形成真正的Know-how、经验、最佳实践、直觉;在此基础上,挖掘形成大数据的新产业价值。

 工业大数据 

图3 工业大数据与知识的关系

  如果数据是石油,设备是藏宝地图,那么知识是唯一的钻探工具。

  中国工业技术体系没有形成线性化,尚无法形成驱动力。那些数据深藏在设备里,深锁在系统中,它们只在规定的范围局部流动,一如地表下的熔岩。它们有着澎湃的能量,却无法驾驭。

  就此而言。中国就没有工业大数据。甚至连显性化的工业数据都没有。我们工业化短短的行程,使得我们习惯于硬件思维和设备思维,还没来得及形成珍惜工业数据的意识。对那些有着厚重的工业技术体系和知识转化的GE、西门子而言,当他们在说工业大数据的时候,他们有着一个我们很多企业没有的隐含条件。

  这是我们需要有的清醒意识:不要将无数的现场数据等同于工业大数据。

  就中国制造业而言,知识才是最大的拦路虎。工厂中各种数据,如果没有领域知识和业务建模的前提,不过满工厂堆砌起来的一座座数据垃圾山。

  对于企业而言,必须静下心来想一想:数据何在?知识何在?这是一种全新的范式,我们并不熟悉它:工业大数据模式,需要先看懂密码锁规格,再去找钥匙。

  精益数据观 斩除数据浪费

  两化融合走了十年之路,给中国制造业培养了一批工厂级的IT人才。就中国整体而言,许多企业的信息化水平并不低;但知识化和工业数据,则处于非常低的价值链。受各种信息孤岛的影响,数据被捆绑了,犹如被深嵌在花岗石上的钻石,数据处于高度不流动性。不流动的数据,不太可能发挥工业大数据的价值。

  过去几十年,中国制造市场不知疲倦地耗资引进各种设备自动化一种自由购买的商品,一种吞噬数据的黑洞机器;中国工厂也略知皮毛地、半推半就地引进了精益思想,它的烙印还没来得及成为我们血液中的自由元素。

  而此刻,全新的数字化技术却已经来到身边,成为我们必须面对、必须应答的时代拷问。

  新的浪费,正在形成。

  中国的工厂必须用知识来解放数据。中国制造者们,此刻必须开始意识到,我们最熟视无睹的数据浪费, 已经成为一种新的触目惊心的挥霍。这是一种可怕的工业无知。它如一只令人生厌的乌鸦,站在设备的控制板上,嘲笑着我们在设备上所做的大把大把的投资。

 工业大数据 

图4 工业大数据的价值观

  就设备的效率而言,我们需要设备自动化;

  就资源的浪费而言,我们需要精益生产观;

  就数据的效率而言,我们需要知识自动化;

  就数据的浪费而言,我们需要精益数据观。

  从工业大数据的角度,中国制造业尚处于数据的黑金时代。

  在当下,工业大数据还是中国制造业的伪命题。

  正是此刻,数据与知识的关系,更加耐人寻味。在这样一个i额时代,所有企业都将逐渐意识到数据的重要性。但如何能够完成数据的解放,将数据释放出来,仍然需要穿过无视知识的认知障碍,仍然需要借助大量的专业化知识。这是中国两化深度融合过程中,工业化必须单独回答的命题。

  如果我们忽略管理者深浅不一的见识和技术上互相标榜的流派,那么工业4.0时代的所有命题,其实只有两个:数据和用户。所有的障眼法都由此而来。

  而工业知识的显性化、模型化和固化,则是破解数据障眼法的唯一之道。

标签