工业大数据面临哪些挑战?大数据与工业互联网有何牵扯?

在这篇文章中，小编将对工业大数据的相关内容和情况加以介绍以帮助大家增进对它的了解程度，和小编一起来阅读以下内容吧。

一、工业大数据的分类、挑战

实际上，工业数据有三个特点：

第一个特点是多模态。过去很简单粗暴地将数据分成结构化数据、半结构化数据、非结构化数据，但工业企业不是这样。今天看到的很多好像格式不一样的、非结构化的工程数据，真正把它打开的时候是不一样的。非结构化数据的使用效率取决于结构化的程度，只有结构化才可以被高效利用;

第二个特点是高通量。很多设备是不停机的，所有的数据是7*24小时连续产生的，量非常大;

第三个特点是强关联。在工业的不同行业，数据关联遵循不同的规律而非简单的聚合。

所以工业大数据本身的特点带来了非常多的挑战。除了数据获取的挑战，随之而来的就是数据分析、应用的挑战。

这里边最大的限制是因果关系，即数据驱动的方法只能告诉我们关联性，而无法不能告诉我们因果性。比如淘宝推荐商品，只知道推荐相关商品，却不关心这个事情的因果——为什么用户是这样的人。但这在工业上是行不通的，尤其是控制方面，因此模型需要长时间的分析和验证。

工业领域存在白盒模型和灰盒模型，白盒模型即工业机理，企业会根据工业机理设计工序、产品结构和工艺，这是第一步。当它们被设计完之后，运行中又会出现大量的不确定性，这些不确定性的消除靠的就是专家、工匠的经验，让整个流程生产变得更加稳定和高效，这是灰盒态。不再对机理和知识本身进行分析和理解的数据模型，是一种黑盒模型。

工业大数据和工业智能的本质就是，将这些经验和知识量化出来，挖掘心中有口中无的隐性知识，或者尝试通过数据方法把统计关系找到，再交还给工匠分析。

工业就是工业，它存在的时间比信息化时间长，积淀比信息化多，而大数据和人工智能技术只是给工业上带来小的变化，尝试帮它去消除不确定性。

二、大数据与工业互联网价值探索

目前，我国工业互联网功能、生态都还在高速发展和完善中，基于此的大数据应用及其管理问题、协同问题、共享问题和安全问题还比较突出，各种数据资源仍存在标准不统一、存储分散、系统封闭等诸多障碍，众多宝贵的数据资源由于管理和技术等制约而处于冷冻睡眠状态，未能够充分有效地被加以利用。中央文件中多次提到数据中心，而工业互联网大数据软件与应用是数据中心的重要组成部分，数据中心作为工业互联网数据的汇聚平台，结合工业互联网大数据软件与数据中心的融合发展，可以切实提升工业互联网数据管理和服务的能力和质量，充分释放工业互联网的潜在价值。

国家牵头，组织国内行业专家形成规划团队，共同进行顶层总体架构设计，建立结构清晰稳定、适用性广、实用度高、安全可靠、可扩展性强的体系框架，以此作为工业互联网大数据软件与应用建设的基本依据和指导。目前，国内在技术架构、应用评价、安全保障等诸多方面还缺乏相应的标准和规范，尤其面向重点行业领域有针对性的标准和规范更出现了较大的缺口，直接表现为工业企业对数据资产不能用、不会用、不敢用。因此，应针对元数据、数据采集、数据存储、数据接口、数据脱敏/加密等基础共性问题制定相关标准，特别要以技术和管理的双重手段，打破数据流通的技术瓶颈。

以上便是小编此次想要和大家共同分享的内容，如果你对本文内容感到满意，不妨持续关注我们网站哟。最后，十分感谢大家的阅读，have a nice day!