8月1日，2018 深圳国际工业物联网应用研讨会在深圳会展中心隆重举办。本次大会共邀请了300余家物联网工业制造行业产业链各环节的优秀企业、行业权威专家、制造业终端用户代表共同参与，剖析行业发展方向，共同探索行业发展新模式。参数技术(上海)软件有限公司(以下简称为PTC)的物联网业务拓展经理高谊出席本次大会并在会上以《工业物联网平台的大数据应用》为主题，为会嘉宾分享大数据对工业物联网平台的影响。

　　参数技术(上海)软件有限公司 物联网业务拓展经理高谊

　　从传统的工业物联网演进到当今的工业互联网，其实质是将业务的重心从追求数据的汇集，转变为侧重数据的价值挖掘。基于实时性大数据分析所衍生的预测性维护、产品设计优化、运营流程优化和企业智慧决策等应用需求，成为了工业物联网领域备受关注的发展方向。

　　工业大数据分析三要素

　　在工业互联网这个应用领域，工业大数据分析是一个炙手可热的话题，将数据采集起来以后便成为了一个资源的海洋，但是怎么在海洋里边把我们想要的功能挖掘出来，就需要进行大数据分析了。针对大数据分析，据高经理介绍实际上有三个最主要的要素。

　　1.首先是数据本身。这是进行价值挖掘的原材料，目的是要怎么根据这些实际的数据来做决策，把数据转化为洞察力，最核心的部分是要有逻辑，因此，数据、逻辑和洞察力是一个因果关系。当公司想提高产业利润、提高经营效益的时候，就会反过头来看，我们有什么样的数据?最核心的是什么?企业内部是有什么样的业务逻辑?对此来做大数据分析，比如说机器发生了故障，可以看到在过去的时间里机器发生了什么，再根据以前发生的事情来分析，反过头来去做一些判断，或者提前做一些警告。

　　2.其次是预测反馈。建立数据分析模型，根据以前积累下来的知识和现有的数据，分析出将会发生什么?而更高的一个层次是什么?这就是工业互联网平台最主要的一个能力，将我们的预测反馈到整个工业运营的系统当中去，指导我们怎么去避免将要发生的问题，防患于未然!

　　从工业互联网和工业物联网采集数据的维度上来看，它不仅是从数量上、数据类型上发生的速度乃至各方面角度的变化，都具备一个特点。第一是维度，工业设备的健康分析是根据时间，比如过去的维修记录、整机的老化过程，还包括空间，机器设备部署在什么样的场合，什么样的生产环境下等。第二是地理位置，这跟普通商业数据来讲它的维度要大很多，包括了温度纬度等等。第三是先进的技术，在工业领域，实际上有大量的机理原型，很多机器设备的设计制造都有它原始的物理知识、化学知识，甚至工业创新知识在里面，而且有很多专家经验的堆积，基于这些能力，会发现有非常多的方向和参考空间。所以在这种情况下我们面向某种工业领域的具体的数据分析的时候，会有非常多的视角和相关性。

　　3.最后是预防式维护。以产品全生命周期管理为例，一个设备的智能运维通常需要若干个小型的模型完成不同的功能，而互联网大数据相对中心化，围绕着一个主题和应用场景做更丰富的功能开发和更深的数据挖掘，而我们要做的就是一个点的预测。

　　传统的预测分析过程有定义业务问题、映射到机器学习问题、数据准备、探索性数据分析、建模、评估模型和实施这几个步骤，在3~9个月的过程中，仅就单一问题的分析，整个过程下来需要付出百分之百的努力，而优秀的分析平台能极大地提升分析工作效能，一半的工作取决于你的数据管理策略，另一半的工作完全可借助自动化，单一问题的分析过程也可从数月缩短到数周。

　　在工业互联网服务平台领域，既要帮客户采集数据，也要引入相关的行业知识，这是工业数据分析规划的一个特点，在此需要把设备及资产的模型，以及企业运营的模型作为机器学习的入口。通过这个入口关联匹配统计来形成企业的收益，只有构成了这种价值体系，工业互联网大数据分析才会有真正的市场。

　　PTC的ThingWorx平台特点

　　PTC的ThingWorx平台面向数据主要提供了分析和仿真两个能力，在与Ansys公司的合作中，Ansys多元化的应用仿真系统可以直接面向模型进行模拟，同时提供了一套ThingWorx Analytics机器学习的工具来帮助客户。根据客户行业知识和采集的数据，输入一个大数据分析的计算器来统筹你所需要的业务模型，怎么来实现的?在这个解决方案当中，PTC公司提供了三个层次的能力，高经理在会上表示。