作者：ABB（中國）有限公司 蔣海波，鄧波

摘要：本文基于商業(yè)環(huán)境變化與技術(shù)革新的時(shí)代背景，闡述了傳統工業(yè) 企業(yè)要實(shí)現數字化轉型關(guān)鍵在于發(fā)揮數據價(jià)值。為應對當下數字化轉型 所面臨的挑戰，企業(yè)需要在由下至上的路徑中實(shí)現IT、ET、OT三者有機 融合，將傳統工藝與運營(yíng)中的“小數據”和實(shí)踐認知通過(guò)對異構數據的 有效關(guān)聯(lián)和應用、算法與場(chǎng)景的結合，建立高質(zhì)量的機理模型和數據模 型，并在工業(yè)數據中臺的加持下，讓數據實(shí)現全方位流動(dòng)，不斷創(chuàng )造數 據價(jià)值。

關(guān)鍵詞：數字化轉型；流程工業(yè)；工程技術(shù)；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(gè)宏大的概念，沒(méi)有標準化的解 決方案，面對不同的傳統工業(yè)企業(yè)，數字化轉型的意義 不盡相同。企業(yè)的規模、生產(chǎn)類(lèi)型、業(yè)務(wù)特性、技術(shù)水 平以及人員情況等決定著(zhù)該企業(yè)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(shí)施藍圖等。其核心是企業(yè)如何在數字化 技術(shù)不斷迭代的進(jìn)程中，選擇最合適的方法與工具，讓 數據發(fā)揮其最大的價(jià)值。

1　數字化轉型的挑戰

從工業(yè)時(shí)代到數字時(shí)代的最大轉變是從產(chǎn)品為中 心轉化為以用戶(hù)為中心，因此滿(mǎn)足用戶(hù)的訴求是關(guān)鍵， 而服務(wù)模式成為數字化轉型的一大特點(diǎn)。對外服務(wù)客 戶(hù)，洞察客戶(hù)需求，通過(guò)自身技術(shù)優(yōu)化與創(chuàng )新，提升產(chǎn) 品質(zhì)量的同時(shí)實(shí)現價(jià)值增值。對內服務(wù)于各個(gè)不同的職 能部門(mén)，即有自上而下的統籌“一盤(pán)棋”，也有自下而 上的用戶(hù)賦權。不論對外還是對內服務(wù)，通過(guò)數據流轉 發(fā)揮其價(jià)值是關(guān)鍵的一環(huán)，同時(shí)也成為各企業(yè)在數字化 轉型中的一大挑戰。

在很多傳統的流程工業(yè)企業(yè)，各部門(mén)的數字化項 目主導人員往往會(huì )從自己的業(yè)務(wù)角度考慮問(wèn)題，不同程 度地忽略其它業(yè)務(wù)或職能部門(mén)的相關(guān)需求，因此會(huì )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(chǎn)、供應鏈以及銷(xiāo)售環(huán)節得以應用，但數據壁壘問(wèn) 題一直未能得到解決。讓數據全方位流動(dòng)起來(lái)，實(shí)現數 據“融會(huì )貫通”，需要由下至上考慮不同性質(zhì)的紛雜數 據，有針對性地采用適當的IT、IoT技術(shù)實(shí)現有效數據 的關(guān)聯(lián)和應用。

制造企業(yè)數字化轉型的目標是進(jìn)一步提升能源與 運營(yíng)效率，優(yōu)化工藝，提高產(chǎn)品質(zhì)量，其中優(yōu)化生產(chǎn)工藝是核心也是難點(diǎn)。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(yè)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(chǎn)工藝數字化升級的路上，全球的制 造企業(yè)都面臨著(zhù)工藝提升的瓶頸，企業(yè)若想實(shí)現持續優(yōu) 化，必然要將信息技術(shù)（IT）、工程技術(shù)（ET）和操 作運營(yíng)技術(shù)（OT）數據有機結合。

IT和OT的整合一直發(fā)展比較緩慢，原因在于這 是兩個(gè)完全不同的領(lǐng)域，IT解決的是數據處理、云計 算、邊緣計算、AI等技術(shù)問(wèn)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(chǎng)景問(wèn)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(shí)現流動(dòng)，將數據孤島 連澤成湖，并在數據論與經(jīng)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(shù)突破傳統工 藝和生產(chǎn)中面臨的瓶頸與制約，才能發(fā)揮數據價(jià)值。

此外，在數字化時(shí)代，組織之內、系統之外最關(guān) 鍵的生產(chǎn)要素還是人。人才是企業(yè)未來(lái)可持續發(fā)展的重 要因素，Z世代人群（指1995-2009出生的人）已經(jīng)進(jìn) 入人才市場(chǎng)，他們擁有和70、80后不同的人生觀(guān)和價(jià) 值觀(guān)。在不同的思考模式下，企業(yè)要如何通過(guò)數字化轉 型、改善傳統工業(yè)企業(yè)中一線(xiàn)員工的工作環(huán)境，持續吸 引、培養、打造強有力的生力軍也成為企業(yè)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(shí)現數 字化轉型的基礎。

2　數據為王的時(shí)代

眾所周知，數字化不僅能擴展新的經(jīng)濟發(fā)展空 間，促進(jìn)經(jīng)濟可持續發(fā)展，而且能推動(dòng)傳統產(chǎn)業(yè)轉型升 級，促進(jìn)社會(huì )轉型發(fā)展。數字技術(shù)不斷快速迭代，硬 件、工具、數據與算法等實(shí)現了一系列聯(lián)動(dòng)效應，但其 中的核心仍然是數據，這是驅動(dòng)業(yè)務(wù)增長(cháng)的關(guān)鍵所在， 因此數據也理所當然地成為新的生產(chǎn)要素。如今，大數 據已經(jīng)遍布全球每個(gè)角落，貫穿各行各業(yè)，交織于每個(gè) 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(fā)現力和流程優(yōu)化能 力來(lái)適應海量、高增長(cháng)率和多樣化的信息資產(chǎn)。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(lèi)型多和價(jià)值密度低四大特征。

在傳統的流程工業(yè)，數據的收集、處理、利用并 不是一個(gè)僅憑具備自動(dòng)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(jiǎn)單實(shí)現的過(guò)程。沒(méi)有 任何一家公司有能力承擔每天以指數級增長(cháng)的海量數據 的收集與存儲，必須及時(shí)地分析和使用數據，加快流轉 率，才能有效降低運營(yíng)成本。數字化技術(shù)已經(jīng)不再是轉 型的瓶頸，關(guān)鍵是如何挖掘數據中的有效信息，及時(shí)加 以利用并轉換為有效的運營(yíng)價(jià)值，形成競爭優(yōu)勢。

有效發(fā)揮數據價(jià)值，關(guān)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(guò)及時(shí)有意 義的數據把人們聯(lián)系起來(lái)。這些數據通常是處理過(guò)、可 見(jiàn)可獲取、易理解、可執行并利用到日常工作任務(wù)中去 解決問(wèn)題的。對大數據來(lái)說(shuō)，小數據是一個(gè)相對概念。 小數據可以將大數據按一定維度進(jìn)行分級。

以流程工業(yè)企業(yè)為例，將原料轉化為成品是一個(gè) 復雜的過(guò)程，因此可以按產(chǎn)線(xiàn)、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(yè)中的數據顆粒度更小，但由于它們來(lái)自不同的 信息源，包括圖像、聲音、設備以及生產(chǎn)數據等，又具 有一定的復雜性和時(shí)效性。其復雜性與時(shí)效性主要源于 工藝過(guò)程，流程工藝包含極其復雜的物理、化學(xué)變化， 同時(shí)流程周期相對較長(cháng)。

生產(chǎn)過(guò)程需要人、機、料、法、環(huán)等多個(gè)方面的 相互作用，而了解生產(chǎn)過(guò)程需要準確知道加工環(huán)節的工 程能力和限制、設備運轉的狀態(tài)、正常和異常情況下的 合理操作、原料和庫存的狀態(tài)等。比如控制系統和電 氣、機械化設備裝置控制著(zhù)生產(chǎn)線(xiàn)的運轉，按照加工工 藝的要求執行各種實(shí)時(shí)任務(wù)。任何和工藝要求指標偏離 的細小變化都會(huì )在成品、半成品的量化指標上體現。這 些系統每時(shí)每刻都在不停地產(chǎn)生大量的“小數據”，這 些“小數據”反映了生產(chǎn)的過(guò)程和好壞。經(jīng)驗豐富的專(zhuān) 家往往能夠從一些數據的微小偏離“感知”到風(fēng)險，從 而采取糾錯的行動(dòng)，這些經(jīng)驗來(lái)自于大量的生產(chǎn)實(shí)踐和 對特定工藝、工序的深刻體會(huì )。

傳統的流程工業(yè)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(shí)也對工藝的改善優(yōu)化提 出了更高的要求。對大量產(chǎn)品的加工過(guò)程分析、檢測化驗、設備狀態(tài)進(jìn)行全方位的數字關(guān)聯(lián)，運用新的分析技 術(shù)來(lái)找到影響產(chǎn)率、質(zhì)量、加工時(shí)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(zhuān)家知識系統， 長(cháng)期服務(wù)于工藝優(yōu)化。

“小數據”的價(jià)值體現關(guān)鍵在于ET的能力，唯數 據論可能會(huì )導致大量資源的消耗和浪費，唯經(jīng)驗論又會(huì ) 錯失數據價(jià)值挖掘的良機，充分理解工藝過(guò)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(yè)積累，精通專(zhuān)業(yè) 的工藝技術(shù)，還需要有能力打通IT和OT之間存在的跨 領(lǐng)域壁壘，形成從設備層到云處理的全價(jià)值鏈。

IT、ET、OT的有效融合可以將傳統企業(yè)中來(lái)自一 線(xiàn)的實(shí)踐認知，通過(guò)算法結合場(chǎng)景構建出高質(zhì)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(wù)支持。這也是將專(zhuān)家經(jīng)驗傳承給新 生力量最有效的途徑。不僅極大地解決了專(zhuān)業(yè)人才的培 養問(wèn)題，同時(shí)也將經(jīng)驗形成統一的標準與流程，幫助企 業(yè)實(shí)現可持續發(fā)展。

3　應用場(chǎng)景中的數字化應用

談數字化轉型，離不開(kāi)應用場(chǎng)景，如何讓大數據、 機器學(xué)習、數字孿生，AI、邊緣計算等數字化技術(shù)在應 用場(chǎng)景中發(fā)揮作用，還是需要以解決運營(yíng)中的具體問(wèn)題 為出發(fā)點(diǎn)。

以冶金行業(yè)為例，豐富的行業(yè)知識是一切數字化解 決方案的根基，只有對工藝技術(shù)深刻了解，才能合理的 應用大數據和機器學(xué)習等前沿技術(shù)，在協(xié)作式遠程操作 中心建立基于設備和過(guò)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(shù)數據和工程數據可以 反映實(shí)際生產(chǎn)過(guò)程中的復雜系統影響和耦合，實(shí)現生產(chǎn) 過(guò)程的虛擬再現。

例如，基于機器學(xué)習的堆鋼預測系統可以實(shí)時(shí)監測 各個(gè)關(guān)鍵數據，提示堆鋼風(fēng)險，極大降低實(shí)際堆鋼發(fā)生 的概率。在眾多關(guān)鍵工位開(kāi)發(fā)基于機器視覺(jué)的應用，可 以滿(mǎn)足現場(chǎng)無(wú)人化的異常自動(dòng)監測，通過(guò)和自動(dòng)化系統 的聯(lián)動(dòng)，實(shí)現異常預警和自動(dòng)保護等功能。在產(chǎn)線(xiàn)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(guān)聯(lián)到產(chǎn)品上產(chǎn)生數字鋼卷。通過(guò)對數字鋼卷信 息的大量數據從能耗、質(zhì)量、生產(chǎn)、工藝等多維度尋優(yōu) 分析，找到各個(gè)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?；厮莸母驹蚝屯扑]解決 辦法等，為打造黑燈工廠(chǎng)夯實(shí)基礎。

此外，流程工業(yè)多為重資產(chǎn)企業(yè)，資產(chǎn)管理問(wèn)題 一直是重點(diǎn)關(guān)注對象。要實(shí)現“望聞問(wèn)切”的全面故障 狀態(tài)診斷有三個(gè)關(guān)鍵步驟。

第一步：梳理出核心的關(guān)鍵設備，有針對性地進(jìn) 入下一步設備評估。這需要有專(zhuān)門(mén)的咨詢(xún)團隊，通過(guò)大 量的現場(chǎng)調研和評估，幫助工廠(chǎng)定義出關(guān)鍵設備清單， 為后續工作奠定了基礎。

第二步：對關(guān)鍵設備進(jìn)行數據采集。通過(guò)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(xiàn)或無(wú)線(xiàn)網(wǎng)絡(luò )傳遞給上層平臺或移 動(dòng)終端，支撐上層業(yè)務(wù)，優(yōu)化運營(yíng)。此外，還需要通過(guò) 與DCS、PLC及狀態(tài)監測系統相結合，解決新舊設備與 系統的并入、通信等問(wèn)題，獲取實(shí)時(shí)數據自然水到渠 成。

第三步：基于數字化平臺的運營(yíng)數據集成和智能 分析必不可少。充分結合機理模型和數學(xué)模型，對來(lái)自 關(guān)鍵設備的數據進(jìn)行分析，才能實(shí)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(yè)知識 依然是必要條件，再利用關(guān)鍵設備的機理模型與數學(xué)模 型、數據庫和先進(jìn)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(chǎng)景的問(wèn)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(shí)也浪費了大量的重復建設與運營(yíng)成本。服務(wù) 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(wù)，但企業(yè)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(yíng)。數據中臺未來(lái)必將成 為一種有效的解決方式。

相對簡(jiǎn)單易用的數據中臺可以讓企業(yè)專(zhuān)注自身的 業(yè)務(wù)和邏輯，無(wú)需在平臺的技術(shù)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(jìn)行全面匯集和管理，解決數據分散、數據源多 樣的問(wèn)題，實(shí)現數據協(xié)同合作，形成企業(yè)數據資產(chǎn)和洞 察，服務(wù)于業(yè)務(wù)，從而幫助企業(yè)實(shí)現在低碳經(jīng)濟下的持 續發(fā)展。

阿里巴巴于2015年正式提出中臺戰略，將不同業(yè) 務(wù)通用的工具和技術(shù)加以沉淀，成立專(zhuān)門(mén)的中臺部門(mén)，這樣新的業(yè)務(wù)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(lái)眾多企業(yè)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(yè)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(yè)海量、多源、異構的 數據整合資產(chǎn)化，為業(yè)務(wù)前臺提供數據資源和能力的支 撐，以實(shí)現數據驅動(dòng)的精細化運營(yíng)。

目前數據中臺市場(chǎng)處于早期階段，眾多頭部互聯(lián) 網(wǎng)企業(yè)、大數據公司、獨立中臺開(kāi)發(fā)商及人工智能廠(chǎng)商 等紛紛入場(chǎng)，但由于流程工業(yè)的復雜性與特殊性，不會(huì ) 有標準解決方案，只有量身定制的最優(yōu)選擇。其中積累 了大量垂直行業(yè)的認知和洞察經(jīng)驗的工業(yè)行業(yè)數字化解 決方案提供商，可以高效地實(shí)現方案落地，幫助企業(yè)快 速梳理企業(yè)業(yè)務(wù)及流程，準確識別客戶(hù)需求，并基于中 臺架構輸出綜合的數字化轉型服務(wù)。

圖1 ABB Ability GenixTM工業(yè)分析和AI套件

工業(yè)數據中臺可以將企業(yè)的IT、OT、ET數據進(jìn)行 全方位整合，實(shí)現360度的資產(chǎn)與運營(yíng)管理，避免技術(shù) 層重復開(kāi)發(fā)，技術(shù)迭代升級更高效，可按需擴展服務(wù)， 讓整個(gè)技術(shù)架構更開(kāi)放。其中六大主要功能包括根據行 業(yè)洞察建立不同細分行業(yè)的數據模型；利用AI和機器學(xué) 習提供預測和優(yōu)化建議的高級分析能力；預構卓越運營(yíng) 解決方案；低成本快速定制各類(lèi)高級分析應用；打破眾 多軟件管理之間的壁壘，實(shí)現從設備、運營(yíng)、安全到供 應鏈的全流程全方位高效運營(yíng)。

數據中臺不是簡(jiǎn)單的一套軟件系統或者一個(gè)標準 化產(chǎn)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(yè)的業(yè)務(wù)場(chǎng)景。構建數據中臺可以高效地 對數據進(jìn)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(yè)務(wù)鏈結合，真正轉化為企業(yè)核 心資產(chǎn)，讓數字創(chuàng )造價(jià)值。

4　總結

隨著(zhù)全球生產(chǎn)、技術(shù)、通信、移動(dòng)端以及互聯(lián)網(wǎng)+ 的高速發(fā)展，數字化也將不斷演進(jìn)。對于傳統的流程工 業(yè)企業(yè)來(lái)說(shuō)，數字化轉型還是要從自身需求出發(fā)，“量 體裁衣”，打造獨一無(wú)二的數字化解決方案才能針對性 地解決實(shí)際中的問(wèn)題。

數據資產(chǎn)是數字化轉型的核心，而要將資產(chǎn)流通 起來(lái)轉換為價(jià)值，企業(yè)還需要整合內、外部資源，選擇 適合的技術(shù)和工具，結合自身積累多年的實(shí)踐經(jīng)驗，利 用高效、低成本的多維度協(xié)同運營(yíng)方式，讓數據發(fā)揮其 最大的價(jià)值。

未來(lái)，數字化的發(fā)展將持續推動(dòng)企業(yè)轉型的步 伐，利用技術(shù)革新的成果，通過(guò)迭代的方法與工具讓數 據價(jià)值不斷升華，精益求精，幫助企業(yè)凝聚源源不斷的 創(chuàng )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(jiǎn)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(jìn)合作創(chuàng )新聯(lián)盟副理 事長(cháng)。

鄧　波（1978-），四川人，碩士，現任ABB（中國） 有限公司過(guò)程工業(yè)業(yè)務(wù)北亞及中國區數字化業(yè)務(wù)負責人， 主要從事數字化業(yè)務(wù)開(kāi)發(fā)和推廣方面工作。

參考文獻：

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

摘自《自動(dòng)化博覽》2021年11月刊