中瑞泰科技讓工業大數據會說話論文
十幾年前，在數據對于企業的作用還不被認識，大數據為何物更是不為人所知時，一位25歲的青年卻已經開始了在工業大數據領域的耕耘。
是什么讓他當年在從事自動化專業多年后選擇這一相對冷門的行業開始了創業?又是什么吸引他一直堅持?在大數據、智能制造、工業4.0的概念如此響亮的今天，他又有什么感想和認識呢?
《中國信息化周報》與北京中瑞泰科技有限公司(簡稱中瑞泰科技)創始人江濤和聯合創始人黃詠博士展開了將近兩個小時的訪談，暢聊工業大數據的來龍去脈。
十五年前
創立“工業大數據”公司
《中國信息化周報》：您當年為什么會去選擇創立中瑞泰科技?公司初期的發展情況如何?
江濤：大學畢業后我一直從事自動化專業相關的工作，當時有兩方面的感觸：一是國內自動化工程主要采用的還是國外的產品;二是自動化市場競爭激烈，同質化競爭嚴重。1998年，我有機會接觸到當時世界最先進的實時數據庫技術，美國OSIsoft公司的PI系統(Plant Information System)。與傳統的自動化系統不同，PI系統通過數據集成把底層控制系統的信息帶到了管理系統層。大量的生產實時數據將成為自動化系統的一個新特點，我意識到在這一領域將會出現很多機會。現在回想一下，正是海量實時數據的價值推動我創立了中瑞泰科技。
在公司成立之初，我們的業務重點有兩個方面，一方面基于PI做應用開發，另一方面專注于實時數據挖掘的自主知識產權產品開發。在2005年，中瑞泰科技推出了自己的第一個產品——智能設備故障預警系統軟件，這個軟件通過對設備海量實時數據的分析和建模，實現實時故障早期預警，是我們目前的iEM System工業大數據平臺的雛形。
我們做這個技術時，是用數據的方法解決機理問題，同期也有美國的公司在做類似研究。其實這種技術在20世紀70年代已經具備了雛形，最早采用模糊數學、灰色理論等技術，但受限于當時的計算機技術，一直到2000年才具備應用條件。
2005年我們的產品出來之后，已經能夠解決很多應用問題，但大多數用戶在意識和管理上還跟不上，只有部分用戶很早就開始了相關的實踐，例如秦山核電等。
與目前鋪天蓋地的大數據和物聯網相比，其實我們十年前就已經開始工業大數據技術的研究并形成產品了。
《中國信息化周報》：黃總有怎樣的職業經歷?您對公司的產品發展有什么看法?
黃詠：我在國企做設備維修和設備管理很多年，讀完博士之后，又在外企做產品研發和技術服務，一直沒有偏離自動化的專業方向。在我看來，自動化系統中的很多問題，都可以歸結為建模問題。建模就需要數據，但實際上，在我們目前的自動化系統中，已經采集了很多數據，但這些數據并沒有被充分利用。越來越多的人意識到這些數據的價值，如何利用這些數據已經成為瓶頸。主要的問題還是需要新的方法和工具來解讀這些數據，這就是工業大數據技術的應用領域。
經過這么多年的準備，我們的產品在大量的實際應用中得到不斷完善和改進，從最初的預警系統到設備健康管理，從實時數據應用到工業大數據平臺，其實從這個過程您也可以看到我們在工業大數據方面的堅持。
工業4.0、工業技術物聯網離不開工業大數據，但也只有在這個階段，工業大數據才有機會成為推動力，催生很多行業機會。我們把中瑞泰的產品打造成工業大數據的應用平臺，就是要讓工業大數據技術好用易用，發揮數據的價值。
工業大數據技術的產業價值
《中國信息化周報》：什么是工業大數據?工業大數據技術的特征是什么?
江濤：工業大數據是工業企業與生產設備相關的大數據，工業大數據包括設備的設計制造數據，實時運行數據，檢維修數據，缺陷、故障數據等等，工業大數據包含的面很廣，但相對我們通常談論的大數據，工業大數據有自己的特點。工業大數據中生產設備的實時運行數據是重點。
工業大數據技術就是研究如何利用工業數據的技術，大家都知道數據中包含了設備的運行規律，但關鍵在于，如何發現規律?利用這些規律能干什么?能帶來什么價值?
關于工業大數據的概念，已經談得太多了，但真正談到工業大數據技術，其實還比較具體。
總體上，工業大數據技術可以分為四個關鍵環節：機器學習，狀態分析，關聯分析和預測分析。機器學習是工業大數據的核心，機器學習就是通過對海量歷史數據的分析建立工業大數據的模型，這是利用工業大數據的第一步，沒有機器學習就談不上工業大數據技術。
然后是狀態分析，我們其實更強調實時狀態分析，就是利用工業大數據模型來對系統對象進行實時狀態識別和評估。關聯分析是工業大數據技術的另一個重要特征，其實工業大數據和我們通常說的大數據相比，數據之間的關聯性更強更復雜，關聯分析就是通過對關聯性的分析，對事件發生時的因素進行識別。最后才是我們經常提到的預測分析，是利用工業大數據模型，對期望狀態的一種運算。
《中國信息化周報》：目前，實現工業大數據技術的主流技術有哪些?應用效果如何?
黃詠：由于工業大數據的內容比較豐富，采用的技術也各種各樣，不過在機器學習、狀態分析、關聯分析和預測分析等環節，各種技術的應用效果區別較大。
首先是常規的統計分析方法，應用的很多，同時實際上并不是真正的機器學習技術，但是因為比較簡單，因此用在大量的數據處理應用中。
其次是聚類分析方法，通過構建分類器來實現對狀態模式的自動識別，對于一些非實時性的需求，聚類分析方法應用起來比較簡單，也有一些平臺可以提供算法。
人工神經網絡是實現機器學習的一個常用技術，在工業大數據研究中也經常采用，但是建模訓練比較慢，以及模型不唯一的缺點，使得在實際應用中遇到很多障礙。
主元分析方法也是常用的方法，用在工業大數據分析中效果還不錯，通常適用于有一定專家經驗介入的系統場景。
我們的iEM System工業大數據平臺采用的是超球建模技術，直接在多維空間中分析工業設備對象海量狀態數據，建模過程能夠最大限度地保留數據中各個維度的信息，因此超球模型能夠真實地反映設備的“工況-狀態”模式。在應用中表現得比較好。
整體說來，工業大數據領域有很多技術嘗試，但iEM System做到了平臺化和產品化。
《中國信息化周報》：工業大數據技術的核心價值是什么?
黃詠：iEM System智能平臺帶給用戶的核心價值可以總結為四個字：“通、活、早、簡”，也稱為CAPS。
“通”是打通孤立系統：我們現在的自動化系統都講究網絡架構，從拓撲結構上看，所有的系統都連起來了，但從數據上看，大部分系統還是孤立的。實際上數據就是各個系統不同的語言，大家“自說自話”，并沒有實現我們預期的通過網絡將系統互連的目標。而iEM System按照資產架構對數據進行重新組織，從設備視角建立狀態模型，對狀態實時評估，通過“健康感知”技術，讓設備的狀態變得簡單明了，及時將狀態變化推送到管理和分析系統中，這才真正打通了各個系統之間的數據和信息通道。
“活”是激活數據資源：工業系統的實時歷史數據積累的速度，遠大于我們通過專家學習、分析和利用數據的速度，海量的.數據資源在沉睡。而iEM System通過機器學習的方式，提取海量數據中的模式信息，充分利用計算機的能力，激活數據資源，提高分析和利用數據的效率。
“早”是提前發現問題：基于iEM System工業大數據模型的實時狀態評估，可以對工業系統或設備的整體狀態實現量化評估，系統的任何問題發生的早期都會有一些異常的波動，iEM System可以提前發現這些波動，確保有充分的時間來處理問題。
“簡”是簡化監控模式：傳統的自動化系統中，監控的對象是測點值的變化，因此要診斷設備故障，通常要通過看畫面、查參數、比趨勢、翻報警、看頻譜等步驟，在iEM System工業大數據平臺上，監控可以通過健康度曲線和關聯測點的方式快速定位故障原因，這是在操作層面最有價值的一種改變。
《中國信息化周報》：工業大數據技術有哪些具體的應用?
江濤：目前工業企業在很多應用領域都鎖定工業大數據技術為重點科研項目。從目前應用的情況看，在設備狀態監測、故障診斷管理和系統性能優化等領域應用的案例較多，基于iEM System的設備健康管理系統在電力、石化等領域有一些非常成功的應用案例。
《中國信息化周報》：基于工業大數據做健康感知、關聯分析、預測分析，中瑞泰科技的技術門檻高嗎?
江濤：應該說還是有比較高的門檻的。它既要求有理論背景也要求了解用戶的實際需求。我們這么多年還在不停地摸索和改進。我們的發明專利技術在國際上也得到了認可，可以說，這項技術屬于國際領先水平。
工業大數據產業風口到來
《中國信息化周報》：你們如何理解工業大數據技術和工業4.0的關系?
江濤：工業大數據技術其實是一步步發展起來的，但只有在工業4.0時代，工業大數據技術才變得更現實、更重要。因為在工業4.0時代，更強調工業系統中機器和人的分工以及協作。
我們一直在講智能制造，工業物聯網等。實際上，在這些概念中，重要的是工業系統中的設備，要成為具有智能的獨立單元。在工業系統中，設備一直在“說話”，它的語言就是各種測點的實時數據。以往，我們只是記錄數據，在設備故障之后，再來分析數據，因為我們不能理解設備“說的話”。而在工業4.0時代，我們需要讓設備說我們能聽懂的話，如何實現?
工業大數據技術是解決問題的關鍵。實際上，設備在大部分時間是在說“廢話”，而我們借助iEM System工業大數據技術實時評估設備的狀態，翻譯設備的語言，忽略冗余的狀態，也就是設備的廢話，而識別異常的波動。
因此，工業大數據技術和工業4.0是相互支撐的，工業4.0的實現，需要基于工業大數據技術構建設備智能，而工業大數據技術只有在工業4.0時代才能充分發揮其真正的價值。
工業大數據技術是解決工業4.0人機分工的重要技術。未來，隨著數據量的增加，工廠肯定不可能完全靠純粹的人工來判斷、分析、解決問題，懂行的人為什么能夠看到這些數據就能知道問題出在哪里，那是因為他在腦袋里用人工的方式識別數據的關聯分析，而我們現在要做的就是用機器識別數據的關聯性。原來人工識別數據的關聯都是在報警之后，而機器識別則可以在人之前，甚至在報警之前，不是讓機器取代人，而是要讓機器幫助人，在面對海量數據的時候把第一步工作先做了，幫助人提前預知設備狀態，在什么時候去看什么事，在沒有發生問題之前發現問題所在。最早我們的產品早期預警系統，不是早期能預測設備什么時候壞，而是對異常狀態數據的感知識別后告訴給人。以前是人只能等報警之后才去關注，事情追著人，現在是提前識別，可以提高人管設備的效率。總結來看，我們的產品第一解決了合理的人機分工，第二它會對所有的傳統技術帶來革新。
《中國信息化周報》：如何看待工業大數據技術在中國的產業前景?作為行業的領先者，中瑞泰科技在中國的工業大數據技術的發展中要發揮什么樣的作用?
江濤：在工業大數據這個領域，我們和歐美處于同一起跑線上，我們在很多領域還具有后發優勢，例如產業設備升級和自動化水平等，只要環境適宜，這個技術有很大的發展前景，可以超越其他國家。與15年前創業相比，國家對這個領域也非常重視，我們的感覺是產業的風口正在形成中。希望國家的相關標準能落地，加大對知識產權保護，希望更多人參與到創新的過程中。
隨著產業環境的變化，國家大力倡導智能制造、工業4.0，市場會越來越成熟，讓大家認識到產業發展趨勢，未來的方向不只是讓設備會說人能聽懂的話，更要在數據之上做更多的文章。
在工業大數據這個領域，中瑞泰科技只是做得比較早，意識得比較早，希望通過我們的努力能夠促進這個產業更健康的發展，與我們的用戶和合作伙伴一起共同推動這個產業的發展。感謝您的采訪，也希望能夠借助媒體讓工業大數據被更多人所了解和熟悉。
記者手記
這次的訪談對記者而言，更像是一堂課，一堂工業大數據的科普之課。
工業大數據技術可以分為四個關鍵環節：機器學習、狀態分析、關聯分析和預測分析。機器學習是工業大數據的核心，機器學習就是通過對海量歷史數據的分析建立工業大數據的模型，這是利用工業大數據的第一步，沒有機器學習就談不上工業大數據技術了。
只有在工業4.0時代，工業大數據技術才變得更現實更重要。因為在工業4.0時代，更強調工業系統中機器和人的分工和協作。
工業實時數據其實是企業非常寶貴的財富。
這的確是一塊非常細分、專業的領域，需要精耕細作。中瑞泰科技已經默默地“耕種”了十多年。當這個產業的風口來臨，這個領域將迎來前所未有的發展良機。
相信風起的時候，那些做好準備的人們，會飛上高空。
【中瑞泰科技讓工業大數據會說話論文】相關文章：
用數據說話論文05-24
科技創新與東北工業振興論文11-03
數據挖掘技術在科技期刊網站中的應用論文11-04
數據挖掘在CRM中的應用論文04-10
大數據在知識管理中的應用論文10-21
數據挖掘在培訓管理中的應用論文07-02
紙在工業設計中的用處論文04-21
論文：節能技術在工業電氣中的應用06-25
科技發展利大的小論文03-30