序二
工业大数据的前半生和后半生

早在1983年美国就已经开始做汽车自动化生产线。我在美国37年，先后在工业自动化与机器人领域工作；后来进入美国国家科学基金会（NSF），做项目主管；之后担任联合技术公司（United Technologies Research Center, UTRC）研发总监，期间参与了普惠发动机、开利空调、奥的斯电梯等开发技术研究；然后又回到学校当教授，并于2000年创办了智能维护系统（IMS）中心。

IMS中心目前在全球有90多个合作伙伴，现在和大金空调、华为、中船重工、中国中车、马扎克机床等企业都有合作。我们至今所做的最大的项目是和日本电装公司合作的“Dan-To-Tsu”（可翻译成“无人可及的工厂”），项目目标是每100万个零部件中，最多允许1个质量不达标，在这背后就需要工业大数据分析、故障预测与健康管理等技术作为支撑。现在世界上还没有任何其他的工厂能够达到这样的水平。

IMS中心成立之初，我曾提出以下几个理念，并将其运用到研究工业大数据中：第一，我们的研究不需要实验室，因为工厂就是实验室；第二，我的学生必须要进工厂或企业做技术验证，五年的博士生涯至少要有一年半的时间在工厂或企业实践，而且他的博士论文必须接受工厂的验证，如果没有通过工厂的考验则不能毕业；第三，我们科研的启发点绝对不是问题导向，而是机会导向，很多企业都有共性的问题，所以我们就将企业间共性的问题当作我们的机会。

我们知道很多国家发展工业都是从提高生产力开始，然后经历以下五个发展阶段。第一个阶段是全员实践，每天做好整理、整顿、清扫、清洁，做整体标准化持续化的改善；第二个阶段是数据化，丰田最早的精益与GE的“6-Sigma”，这是20世纪八九十年代在做的事；第三个阶段是做预测性建模分析，解决从数据层到信息层的问题；第四个阶段是在知识层，要做的就是把数据变成可以支持决策的系统：第五个阶段是最高层，可以自主产生知识、自主决策。

所以IMS中心成立时，我们的想法是怎么把前半生的大问题变成后半生的大价值。我们结合传感器数据和历史数据，并对其进行细致深入的分析，这才把大数据的精髓发挥出来，找出了隐性的问题，即还未发生的问题。我们去解决甚至避免这些问题，并且创造价值，这就是工业大数据的后半生。我们做过的很多项目，包括John Deere、GE发动机、阿尔斯通高铁、固特异轮胎、Intel、宝洁等，都是从前半生开始做，先解决智能维护，然后后半生做智能预测，最后做到无忧系统与大价值。