摘要：在12月7日召开的云栖大会苏州峰会上，杭州数心网络科技有限公司的副总陈强为我们带来了“跨越鸿沟-工业大数据的实践与思考”的演讲，分享了从工业测试数据视角看工业大数据未来所遇到的机遇与挑战，对综合机电一体化技术、DIAdem、TDM测试数据管理系统、风洞实验数据管理系统、核电管道泄漏远程在线监测系统进行了介绍。
以下为精彩视频内容整理：
发展背景
在工业发展的阶段，可以分为四个时期：
- 在工业1.0时期，瓦特发明了蒸汽机，解决了机械动力和人类远行的问题。
- 在工业2.0时期，在劳动力分工的基础上采用电力驱动产品的大规模生产。
- 在工业3.0时期，在自动化领域中，中国工业基础能力还比较薄弱，如工业尾端客户还缺乏强大的数据获取能力，存在信息孤岛的问题，整体良莠不齐。
- 在工业革命4.0时代，核心是用生产方式对数据进行加工，形成模型，并通过模型获取决策能力，也是我们的目标，并有信心要做的事情。
发展的机遇与挑战
要做一件事情，不同人的想法是不一样的也就会做出不同的努力，对于国家、企业、工程师和技术这四个方面的机遇，做了下面的介绍。
从国家的角度来讲，国家提出了两化融合，即工业化和信息化的融合，同时也可以拉动我们的资金从实体上去转化；从企业上来讲，可以认为是供给侧改革倒逼工业大数据。本质上来讲就是商业竞争，如果现在供应过剩的话，企业不能够提升自己的效率，降低成本，让自己的产品在技术上的优势凸显出来，这样的企业是很难去生存的；从工程师自身来讲，工程师要有工匠精神，要知其然知其所以然；从技术方面来讲，物联网、云计算技术、大数据及人工智能技术的普及为工业大数据提供了机会。
这一切看上去都很完美，但实际走访一些客户后发现，实际上存在的压力与挑战还是很大的。下面介绍来自五个方面的挑战。
第一，怎样拿到订单，怎样低成本的把货卖出去。甚至有些客户在信息化的建设方面还是做的很差，并没有对所谓的从供应链到生产管理系统、再到测试数据、到运维进行打通。
第二，即便是中国的许多头部客户，他们的测试工程师和研发工程师经常产生矛盾，研发人员在前端没有考虑到可测性、可维护性、可追诉性，或者设计约束文档做的不够好。在我国现在很多项目上的很快，但论证不一定充分，所以导致研发和后端的数据不管有没有系统，从物理上或者流程上它就是隔离的。
第三，DCS封闭系统在工业领域特别是在安全控制系统领域要求很高，这时就需要转变思路，用另外的方式，而不是强行的把它底层用变量的方式往上面传，这样会使很多客户非常反感。
第四，现在客户最关注的是在制造业里面的产量，稳定性的产量。测试系统，生产系统是要高度稳定的。而目前中国的许多生产线上的设备本身还没有联网，在工业领域怎么把已有的设备联起来是非常重要的。这里的核心问题是一个标准的问题，要做到各家厂商相统一。
第五，跨界人才的匮乏，懂互联网的人不懂工业，懂工业的人又不懂IT，这是目前工业大数据里重要问题，这就需要大家集思广益去解决客户的问题。
工业全流程数据
工业大数据在测试领域，对客户而言整个产业链从研发、试验、生产、测试、运维这是一个标准工业链的几个步骤，在这几个步骤会产生大量的数据，很多数据其实现在已经存在，要用阿里的某些技术来连接起来。实际上客户核心关注的是良品率，在良品率的周围又会关注很多东西，例如生产效率、成本优化、工艺优化、性能优化、故障寿命测试、返修率等。
案例分享
下面分享几个以前我们公司做过的案例以及现在我们看到的传统行业做到的案例
测控行业—基于单机PC，综合机电一体化技术
这是一个非常典型的在工业领域里面的一些数据源。在这里的A/D、D/A是把传统的现场的温度、压力、加速度等转化成数字信号在进入到计算机。
工业界测控的BI工具-DIAdem
在工业领域也有自己的BI工具，它的核心思路是把工业的算法IP化。而国外把工业模型进行了标准化，只调用工业模型就可以把数据分析出来，但是它有一个巨大的缺陷，它基本上是单机版的、不互联的、外界的数据是手动进行输入的，但这正恰恰是ET大脑未来可以重点去做的事情，把分布式的计算能力集中起来。
工业界的数据仓库：TDM测试数据管理系统
做测试就一定有很多数据，这些数据怎么装。在传统领域很多结构化的数据和非结构化的数据绝大多数都是一些二进制的数据，基本上大家会做一些内网的系统或者做一些单机版的系统。它的最大的问题在于ERP没有打通，它的运算是受限于它自身的服务器的，处理能力并不是很强，这个也可以用分布式的方式去解决。
风洞实验数据管理系统
传统的做法是从最开始的阶段做大量的数据，数据量特别的大基本上从静态数据到动态数据要罗列很多组而且要频繁的吹风。在这一过程中数据存为二进制存入电脑中，然后由算法工程师对数据进行提取，得出一些BI。而用阿里的思路它的理念就会更强一些，首先前端的DAQ、DCS和PLC我们可以把它存入内网，可以把风洞模型做出来。
核电管道泄漏远程在线监测系统
在故障监测上，工业领域也在做远程故障维护，故障算法是自己做结合阿里云来合作。
工业大数据还是大有所为的，传统设备厂商的上云，开放性的合作会带来很多的机遇。测试数据仓库建设的TDM与云计算的结合，解决受限问题。生产测试装备互联网，传感器网络的切入，从已有的装备入手把数据和互联网打通，这样就可以解决数据通道的问题，就可以更大的发挥我们的价值。
本文由云栖社区志愿者小组smile小太阳整理，毛鹤审校。编辑：郭雪梅。
