国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

作者：ABB（中國）有限公司 蔣海波，鄧波

摘要：本文基于商業環境變化與技術革新的時代背景，闡述了傳統工業 企業要實現數字化轉型關鍵在于發揮數據價值。為應對當下數字化轉型 所面臨的挑戰，企業需要在由下至上的路徑中實現IT、ET、OT三者有機 融合，將傳統工藝與運營中的“小數據”和實踐認知通過對異構數據的 有效關聯和應用、算法與場景的結合，建立高質量的機理模型和數據模 型，并在工業數據中臺的加持下，讓數據實現全方位流動，不斷創造數 據價值。

關鍵詞：數字化轉型；流程工業；工程技術；數據；數據中臺

Abstract: This paper highlights the importance of traditional industrial enterprises realizing that digital transformation is exploring data value in the context of business evolution and technological innovation. To meet the current challenges in digital transformation, companies need to first build an organic integration of IT, ET and OT in the bottom-up path. The companies must combine the "small data" in traditional processes and operations with practical experiences, applications, algorithms and scenarios, and then establish high-quality mechanism and data models. To give full play to the value of data, businesses must also support the middle platform of industrial data through the effective correlation and application of heterogeneous data, the combination of algorithm and application scene, driving circulation of data.

Key words: Digital transformation; Process industries; Engineering technology; Data; Data middle platform

數字化轉型是一個宏大的概念，沒有標準化的解 決方案，面對不同的傳統工業企業，數字化轉型的意義 不盡相同。企業的規模、生產類型、業務特性、技術水 平以及人員情況等決定著該企業的數字化轉型目標。從 先行者的探索中，我們看到數字化不僅僅是搭建數據基 礎設施、平臺、軟件工具等，還包括方法層面的數據治 理、數據應用實施藍圖等。其核心是企業如何在數字化 技術不斷迭代的進程中，選擇最合適的方法與工具，讓 數據發揮其最大的價值。

1　數字化轉型的挑戰

從工業時代到數字時代的最大轉變是從產品為中 心轉化為以用戶為中心，因此滿足用戶的訴求是關鍵， 而服務模式成為數字化轉型的一大特點。對外服務客 戶，洞察客戶需求，通過自身技術優化與創新，提升產 品質量的同時實現價值增值。對內服務于各個不同的職 能部門，即有自上而下的統籌“一盤棋”，也有自下而 上的用戶賦權。不論對外還是對內服務，通過數據流轉 發揮其價值是關鍵的一環，同時也成為各企業在數字化 轉型中的一大挑戰。

在很多傳統的流程工業企業，各部門的數字化項 目主導人員往往會從自己的業務角度考慮問題，不同程 度地忽略其它業務或職能部門的相關需求，因此會在整 體考量與統一規劃上有所欠缺。誠然數字化的工具早已 在生產、供應鏈以及銷售環節得以應用，但數據壁壘問 題一直未能得到解決。讓數據全方位流動起來，實現數 據“融會貫通”，需要由下至上考慮不同性質的紛雜數 據，有針對性地采用適當的IT、IoT技術實現有效數據 的關聯和應用。

制造企業數字化轉型的目標是進一步提升能源與 運營效率，優化工藝，提高產品質量，其中優化生產工藝是核心也是難點。由于制造工藝流程復雜且固化，數 據量大，相對于IT數據，流程工業的OT數據存在多源 異構與顆粒度更細等特性，因此想要挖掘并高效利用數 據絕非易事。在生產工藝數字化升級的路上，全球的制 造企業都面臨著工藝提升的瓶頸，企業若想實現持續優 化，必然要將信息技術（IT）、工程技術（ET）和操 作運營技術（OT）數據有機結合。

IT和OT的整合一直發展比較緩慢，原因在于這 是兩個完全不同的領域，IT解決的是數據處理、云計 算、邊緣計算、AI等技術問題，而OT是基于設備層如 PLC、SCADA、DCS等及應用層如MES、MOM等解決 應用場景問題。這中間缺少有機銜接，ET則作為兩者深 度融合的橋梁存在。只有讓數據實現流動，將數據孤島 連澤成湖，并在數據論與經驗論相結合的基礎上、精通 工藝的必要條件下，合理運用各種分析技術突破傳統工 藝和生產中面臨的瓶頸與制約，才能發揮數據價值。

此外，在數字化時代，組織之內、系統之外最關 鍵的生產要素還是人。人才是企業未來可持續發展的重 要因素，Z世代人群（指1995-2009出生的人）已經進 入人才市場，他們擁有和70、80后不同的人生觀和價 值觀。在不同的思考模式下，企業要如何通過數字化轉 型、改善傳統工業企業中一線員工的工作環境，持續吸 引、培養、打造強有力的生力軍也成為企業亟待解決的 另一大挑戰。人、設備與系統的有機結合是成功實現數 字化轉型的基礎。

2　數據為王的時代

眾所周知，數字化不僅能擴展新的經濟發展空 間，促進經濟可持續發展，而且能推動傳統產業轉型升 級，促進社會轉型發展。數字技術不斷快速迭代，硬 件、工具、數據與算法等實現了一系列聯動效應，但其 中的核心仍然是數據，這是驅動業務增長的關鍵所在， 因此數據也理所當然地成為新的生產要素。如今，大數 據已經遍布全球每個角落，貫穿各行各業，交織于每個 人的工作和生活中。

Gartner對大數據的定義是：大數據是需要新處理 模式才能具有更強的決策力、洞察發現力和流程優化能 力來適應海量、高增長率和多樣化的信息資產。麥肯錫 全球研究所給出的定義是：一種規模大到在獲取、存 儲、管理、分析方面大大超出了傳統數據庫軟件工具能 力范圍的數據集合，具有數據規模大、數據流轉快、數 據類型多和價值密度低四大特征。

在傳統的流程工業，數據的收集、處理、利用并 不是一個僅憑具備自動化水平的硬件、數字化平臺以及 一系列的工具和方法疊加就可以簡單實現的過程。沒有 任何一家公司有能力承擔每天以指數級增長的海量數據 的收集與存儲，必須及時地分析和使用數據，加快流轉 率，才能有效降低運營成本。數字化技術已經不再是轉 型的瓶頸，關鍵是如何挖掘數據中的有效信息，及時加 以利用并轉換為有效的運營價值，形成競爭優勢。

有效發揮數據價值，關鍵在于如何分析和利用好 小數據。小數據組織對小數據的定義是：通過及時有意 義的數據把人們聯系起來。這些數據通常是處理過、可 見可獲取、易理解、可執行并利用到日常工作任務中去 解決問題的。對大數據來說，小數據是一個相對概念。 小數據可以將大數據按一定維度進行分級。

以流程工業企業為例，將原料轉化為成品是一個 復雜的過程，因此可以按產線、工藝段或職能等維度分 層數據，細分層級的數據體量更小、更易分析和利用。 流程工業中的數據顆粒度更小，但由于它們來自不同的 信息源，包括圖像、聲音、設備以及生產數據等，又具 有一定的復雜性和時效性。其復雜性與時效性主要源于 工藝過程，流程工藝包含極其復雜的物理、化學變化， 同時流程周期相對較長。

生產過程需要人、機、料、法、環等多個方面的 相互作用，而了解生產過程需要準確知道加工環節的工 程能力和限制、設備運轉的狀態、正常和異常情況下的 合理操作、原料和庫存的狀態等。比如控制系統和電 氣、機械化設備裝置控制著生產線的運轉，按照加工工 藝的要求執行各種實時任務。任何和工藝要求指標偏離 的細小變化都會在成品、半成品的量化指標上體現。這 些系統每時每刻都在不停地產生大量的“小數據”，這 些“小數據”反映了生產的過程和好壞。經驗豐富的專 家往往能夠從一些數據的微小偏離“感知”到風險，從 而采取糾錯的行動，這些經驗來自于大量的生產實踐和 對特定工藝、工序的深刻體會。

傳統的流程工業往往工藝設定比較成熟，這一方 面保證了較好的良品率，但同時也對工藝的改善優化提 出了更高的要求。對大量產品的加工過程分析、檢測化驗、設備狀態進行全方位的數字關聯，運用新的分析技 術來找到影響產率、質量、加工時間、能耗等各方面的 影響元素，從而能建立更加完善的工藝專家知識系統， 長期服務于工藝優化。

“小數據”的價值體現關鍵在于ET的能力，唯數 據論可能會導致大量資源的消耗和浪費，唯經驗論又會 錯失數據價值挖掘的良機，充分理解工藝過程的數據提 取、治理和分析才能做到有的放矢，因此對ET的能力 提出極高的要求，既要具備深厚的行業積累，精通專業 的工藝技術，還需要有能力打通IT和OT之間存在的跨 領域壁壘，形成從設備層到云處理的全價值鏈。

IT、ET、OT的有效融合可以將傳統企業中來自一 線的實踐認知，通過算法結合場景構建出高質量的機理 模型和數據模型，將數據信息轉化為標準化指導建議， 并提供7×24的服務支持。這也是將專家經驗傳承給新 生力量最有效的途徑。不僅極大地解決了專業人才的培 養問題，同時也將經驗形成統一的標準與流程，幫助企 業實現可持續發展。

3　應用場景中的數字化應用

談數字化轉型，離不開應用場景，如何讓大數據、 機器學習、數字孿生，AI、邊緣計算等數字化技術在應 用場景中發揮作用，還是需要以解決運營中的具體問題 為出發點。

以冶金行業為例，豐富的行業知識是一切數字化解 決方案的根基，只有對工藝技術深刻了解，才能合理的 應用大數據和機器學習等前沿技術，在協作式遠程操作 中心建立基于設備和過程的數字孿生體，其核心依然是 數據。整合的運行數據、信息技術數據和工程數據可以 反映實際生產過程中的復雜系統影響和耦合，實現生產 過程的虛擬再現。

例如，基于機器學習的堆鋼預測系統可以實時監測 各個關鍵數據，提示堆鋼風險，極大降低實際堆鋼發生 的概率。在眾多關鍵工位開發基于機器視覺的應用，可 以滿足現場無人化的異常自動監測，通過和自動化系統 的聯動，實現異常預警和自動保護等功能。在產線數字 孿生信息模型的基礎上，各種數據按照不同的功能和目 的精確關聯到產品上產生數字鋼卷。通過對數字鋼卷信 息的大量數據從能耗、質量、生產、工藝等多維度尋優 分析，找到各個維度和多維度的黃金工藝，為持續工藝 改善提供依據和建議、異常回溯的根本原因和推薦解決 辦法等，為打造黑燈工廠夯實基礎。

此外，流程工業多為重資產企業，資產管理問題 一直是重點關注對象。要實現“望聞問切”的全面故障 狀態診斷有三個關鍵步驟。

第一步：梳理出核心的關鍵設備，有針對性地進 入下一步設備評估。這需要有專門的咨詢團隊，通過大 量的現場調研和評估，幫助工廠定義出關鍵設備清單， 為后續工作奠定了基礎。

第二步：對關鍵設備進行數據采集。通過底層的 信息采集做到全面感知、靈活獲取，并將數據處理成可 執行的信息，利用有線或無線網絡傳遞給上層平臺或移 動終端，支撐上層業務，優化運營。此外，還需要通過 與DCS、PLC及狀態監測系統相結合，解決新舊設備與 系統的并入、通信等問題，獲取實時數據自然水到渠 成。

第三步：基于數字化平臺的運營數據集成和智能 分析必不可少。充分結合機理模型和數學模型，對來自 關鍵設備的數據進行分析，才能實現更為可靠的數據分 析與診斷。構建相對健全和完整的數據模型，行業知識 依然是必要條件，再利用關鍵設備的機理模型與數學模 型、數據庫和先進的AI算法，才可以界定出更為準確 的異常范圍，為操作人員決策提供高效可靠的信息。

為解決各種應用場景的問題，相應的各種軟件、 系統、平臺也應運而生，數據煙囪林立既不利于數據的 流利，同時也浪費了大量的重復建設與運營成本。服務 商往往只參與特定的數字化項目，項目完結后雖然仍提 供服務，但企業人員仍需要消耗大量的精力去理解和掌 握這些平臺和軟件用于日常運營。數據中臺未來必將成 為一種有效的解決方式。

相對簡單易用的數據中臺可以讓企業專注自身的 業務和邏輯，無需在平臺的技術層面投入大量的人力物 力。數據中臺的核心是數據共享，它可以將不同系統中 的數據進行全面匯集和管理，解決數據分散、數據源多 樣的問題，實現數據協同合作，形成企業數據資產和洞 察，服務于業務，從而幫助企業實現在低碳經濟下的持 續發展。

阿里巴巴于2015年正式提出中臺戰略，將不同業 務通用的工具和技術加以沉淀，成立專門的中臺部門，這樣新的業務需求可以不再重新設計，避免因重復的功 能建設和維護造成資源浪費。近年來眾多企業紛紛加入 數據中臺戰略的探索和建設。數據中臺居于前臺和后 臺之間，是企業級的數據共享、能力復用平臺，是數字 化轉型的基礎和中樞系統。將企業海量、多源、異構的 數據整合資產化，為業務前臺提供數據資源和能力的支 撐，以實現數據驅動的精細化運營。

目前數據中臺市場處于早期階段，眾多頭部互聯 網企業、大數據公司、獨立中臺開發商及人工智能廠商 等紛紛入場，但由于流程工業的復雜性與特殊性，不會 有標準解決方案，只有量身定制的最優選擇。其中積累 了大量垂直行業的認知和洞察經驗的工業行業數字化解 決方案提供商，可以高效地實現方案落地，幫助企業快 速梳理企業業務及流程，準確識別客戶需求，并基于中 臺架構輸出綜合的數字化轉型服務。

圖1 ABB Ability GenixTM工業分析和AI套件

工業數據中臺可以將企業的IT、OT、ET數據進行 全方位整合，實現360度的資產與運營管理，避免技術 層重復開發，技術迭代升級更高效，可按需擴展服務， 讓整個技術架構更開放。其中六大主要功能包括根據行 業洞察建立不同細分行業的數據模型；利用AI和機器學 習提供預測和優化建議的高級分析能力；預構卓越運營 解決方案；低成本快速定制各類高級分析應用；打破眾 多軟件管理之間的壁壘，實現從設備、運營、安全到供 應鏈的全流程全方位高效運營。

數據中臺不是簡單的一套軟件系統或者一個標準 化產品，而是一種強調資源整合、集中配置、能力沉 淀、分步執行的運作機制，是一系列數據組件或模塊的 集合，指向企業的業務場景。構建數據中臺可以高效地 對數據進行統一收集、處理、儲存、計算、分析和可視 化呈現，使數據最終與業務鏈結合，真正轉化為企業核 心資產，讓數字創造價值。

4　總結

隨著全球生產、技術、通信、移動端以及互聯網+ 的高速發展，數字化也將不斷演進。對于傳統的流程工 業企業來說，數字化轉型還是要從自身需求出發，“量 體裁衣”，打造獨一無二的數字化解決方案才能針對性 地解決實際中的問題。

數據資產是數字化轉型的核心，而要將資產流通 起來轉換為價值，企業還需要整合內、外部資源，選擇 適合的技術和工具，結合自身積累多年的實踐經驗，利 用高效、低成本的多維度協同運營方式，讓數據發揮其 最大的價值。

未來，數字化的發展將持續推動企業轉型的步 伐，利用技術革新的成果，通過迭代的方法與工具讓數 據價值不斷升華，精益求精，幫助企業凝聚源源不斷的 創新力，在數字化的浪潮中勇立潮頭，從容面對明天的 挑戰與機遇。

作者簡介：

蔣海波（1963-），上海人，碩士，現任ABB（中國） 有限公司高級副總裁、智能制造推進合作創新聯盟副理 事長。

鄧　波（1978-），四川人，碩士，現任ABB（中國） 有限公司過程工業業務北亞及中國區數字化業務負責人， 主要從事數字化業務開發和推廣方面工作。

參考文獻：

[1] 艾瑞咨詢. 《中國數據中臺行業白皮書》[R/OL]. 2021. https://coffee.pmcaff.com/article/13696890_j

摘自《自動化博覽》2021年11月刊