中国制造业企业在利用大数据加速高质量发展上有巨大的空间，呈加速发展态势。需充分利用5G，加快工业大数据采集。提升数据收集质量，做好数据清理工作。大力发展更智能高效的数据采集技术，将信息技术、电子与数学技术、传感器、物联网等技术融合发展，从而推动智能化、高精度、长时间导航、高性价比微型传感器的发展。

大数据能够让工业企业变成“巧妇”。工业大数据在企业的故障诊断、过程可视、流程优化等方面有巨大应用空间。赛迪顾问数据显示，2018年中国工业大数据规模为114.2亿元，预计到2021年中国工业大数据市场规模将增长至256亿元。

中国制造业企业在利用大数据加速高质量发展上有巨大的空间，呈加速发展态势。但是，制造业企业利用工业大数据依然存在很多挑战，其中很关键的一点就是“缺数据”。就像中国工程院院士何友所言，工业数据严重不足，导致了大数据的分析没有达到预期成果。如何加快工业数据的采集步伐，成为推动工业大数据利用的关键环节。

加快工业大数据采集，需要充分利用好5G。中国工程院院士邬贺铨表示，5G为企业“上传下达”提供可靠通道。目前工业企业除了新建工厂外很难使用光纤联网，机器人、物料小车、工件等也无法使用有线连接。而WiFi等无线技术因稳定性、扩展性、低速率等问题，在工业领域利用率仅为6%。5G的商用为工业的现场数据采集提供了更可靠的选择，比如工厂可以单独接入5G的专分网，目前欧洲已经在工业5G应用方面专门分配了频率。对于没有能力申请建立5G专网的企业，可以选择与运营商合作，在运营商网络构建虚拟专网，来支撑工业互联网的应用。

收集数据需要提升数据质量，做好数据清理工作。如果数据质量不高、如果数据采集的维度不对，那么采集再多的数据也意义不大。何友院士认为，要在建立数据、采集的过程中，要把数据的清洁和干净当作首要工作，“否则收集得再多也是垃圾”。而且如果数据的质量高，其实用小数据一样能够解决问题而无需使用大量数据。

对于如何采集更高质量的数据，美国辛辛那提大学特聘讲座教授李杰认为，要高度重视数据采集过程中的分类、分割、分解、清洗，这方面需要专业的人才。因为数据科学家往往不了解专业的工业数据，需要对工业领域的专业人才进行更多的数据培训，增强数据采集的专业性。

强化数据采集，要大力发展更智能高效的数据采集技术。今年9月4日，工业和信息化部发布的《工业大数据发展指导意见（征求意见稿）》提出，推动工业大数据全面采集，支持企业加快部署传感器、射频识别、数控机床、机器人、网关等数字化工具和设备，提升设备数据、产品标识数据、工厂环境数据等生产现场数据采集能力。

数据的收集和使用成本昂贵，工业数据也不例外，这是导致工业数据难以收集的重要原因。要大力发展传感技术，需要将信息技术、电子与数学技术、传感器、物联网等技术融合发展，推动智能化、高精度、长时间导航、高性价比微型传感器的发展。

5G商用提升工业大数据利用价值

中国工程院院士邬贺铨：

5G商用带来了大量的突破和变革，对于新兴行业意义重大。AIoT能够产生很大的价值，利用5G的高可靠、高宽带、大连接，可以实现在港口、炼油厂、建筑公司等场景的应用。

比如上海的商飞，建成了全世界第一个5G+工业互联网的园区，通过5G+8K+AI实现机翼复合材料铺设质量实时检测、飞机蒙皮铆钉安装质量检测、飞机装配精度3D检测，通过5G+AR头盔辅助飞机分段组装的内部电缆精准连接。

据前瞻产业研究院的数据，中国每天在产线上进行目视检查的工人超过350万，但人工检测准确度不高。

5G可以用视频监控产品的质量，再通过5G传输到后台进行大数据、人工智能分析，从而获得更好的监控效果。比如华星光电公司与腾讯合作检查液晶面板，大大节省人力，而且保证了质量。

5G对经济增长有重要的贡献，2035年5G市场规模将达到12.3万亿美元。同时，5G为设备与终端联网提供增强移动宽带通道，推动数字产业化和产业数字化发展。

美国辛辛那提大学特聘讲座教授李杰：

工业大数据呈现三大发展趋势

工业大数据在2020年有三个发展趋势：一是从数据到专业性。现在的数据，是以搜集的方式获得的。而工业大数据应用存在“3B”挑战：即Bad Quality（数据质量不合格）、 Broken（数据碎片化）、 Background（数据的隐藏信息）。数据质量是许多企业面临的挑战，同时数据的碎片化和以及数据所隐藏的隐秘相关性都是数据获取的挑战。所以第一个趋势是在数据收集中增加专业性，分类、分割、分解，分析之前要做数据处理和数据清洗，这是大趋势，需要有专业知识的人来做。

第二个趋势就是从平台到目的。平台是一个让使用者与创造者交互的地方，专业性平台会变成新的趋势。平台是很重要的基础。数据是资源，平台是基础，专业是核心，分析是工具，目的是价值。

第三个趋势是从云到社群。上云有三个工作：一是数据在云上储存，二是在云上计算，三是在云上建立生态体系。上云的真正价值是要用云上的工具进行分享，这将加速大数据的生态链发展。

联想数据智能业务集团首席技术专家张成松：

工业大数据核心是2个融合+1个场景

随着消费者越来越追求差异化、定制化的产品和服务，企业必须从传统的大规模标准化生产向适应个性化定制和体验式消费的新型生产方式演进。

工业大数据是智能制造与工业互联网的核心，通过促进数据的自动流动去解决控制和业务问题，减少决策过程所带来的不确定性，具有跨尺度、协同性、多因素、强机理等反映工业逻辑的新特征。

工业大数据应用的核心是2个融合+1个场景。2个融合是IT与OT的融合、AI与工业机理的融合。通过将企业PLM、ERP、MES等IT域的数据，与DCS、SCADA、智能设备等OT域数据融合，整合全域数据，构建数据湖。通过将人工智能算法与传统工业机理的融合，建立远程监测、在线诊断、故障预测、优化决策模型，实现全链智能。在两个融合的基础上，构建端到端的工业智能应用场景，在新领域实现0到1的突破，垂直领域实现1到N的复制，从而助力中国制造业的转型升级。

责任编辑：周星如