1.2 工业数据的趋势及特征

1.2.1 工业数据的趋势

无论是工业自动化、工业智能化（工业4.0），还是工业互联网，其基础都是工业数据。随着行业发展，工业企业收集的数据维度不断扩大，主要体现在以下三个方面。

（1）时间维度不断延长。经过多年的生产经营，积累了历年来的产品数据、工业数据、原材料数据和生产设备数据。

（2）数据范围不断扩大。企业信息化的建设，一方面积累了企业的财务、供应商数据，即通过CRM系统积累了客户数据，通过CAD等积累了研发过程数据，通过摄像头积累了生产安全数据，等等；另一方面越来越多的外部数据被收集回来，包括市场数据、社交网络数据、企业舆情数据等。

（3）数据粒度不断细化。从一款产品到多款、多系列产品，使产品数据不断细化，从单机机床到联网机床，使数据交互频率大大增强。加工精度从1mm提升到0.2mm，从每次5min的统计到每次5s的全程监测，使采集到的数据精细度不断提升。

以上三个维度最终导致企业所积累的数据量以加速度的方式增加，构成了工业大数据的集合。不管企业是否承认，这些数据都堆砌在工厂的各个角落，而且在不断增加。

1.2.2 工业数据的特征

工业数据作为对工业相关要素的数字化描述和在网络空间的映像，相对于其他类型数据，具有反映工业逻辑的新特征。这些特征可以归纳为数据容量大、类型多样、工业数据处理速度快、连续实时、动态关联、真实准确、闭环性和特性隐匿等。

（1）数据容量大。数据的大小决定所考虑数据的价值和潜在信息。工业数据体量比较大，大量机器设备的高频数据和互联网数据持续涌入，大型工业企业的数据集将达到PB级，甚至达到EB级。

（2）类型多样。工业数据类型多样、来源广泛，既包括设备运行状况、操作行为、环境参数等生产过程数据，也包括销售订单、设计方案、库存供货、售后服务等运营服务数据。工业数据结构复杂，既有结构化传感数据、半结构化传感数据，也有非结构化数据，以字符、文字、报表、记录、图形、图像、音频、视频等多种形式存在。

（3）工业数据处理速度快。工业数据的获得和处理迅速。工业数据处理速度要求快速且多样，生产现场级要求分析时限达到毫秒级，管理与决策应用需要支持交互式或批量数据分析。

（4）连续实时。工业生产的连续性使工业数据的产生和应用具有明显的连续性。同时，在工业生产制造和运维管理过程中，生产线、设备仪器、工业产品等均为高速运转，从数据采集、处理、分析到数据使用均呈现出实时性特征。

（5）动态关联。在工业产品全生命周期的横向过程中，数据链条呈现出典型的封闭性和关联性。同时，在智能制造过程中，从计划到执行的纵向数据采集和处理需要持续进行动态调整和优化，以支撑感知、分析、反馈、控制等场景。一方面，产品全生命周期同一阶段的数据具有强关联性，如产品零部件组成、工况、设备状态、维修情况、零部件补充采购等。另一方面，产品全生命周期的研发设计、生产、服务等不同环节的数据之间需要进行关联。

（6）真实准确。工业数据真实性、完整性和可靠性高，工业领域更加关注数据质量，以及处理、分析技术和方法的可靠性。对数据分析的置信度要求较高，仅依靠统计相关性分析不足以支撑故障诊断、预测预警等工业应用，需要将物理模型与数据模型相结合，挖掘因果关系。

（7）闭环性。在工业产品全生命周期的横向过程中，数据链条需要封闭和关联；在智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等在闭环场景下的动态持续调整和优化。

（8）特性隐匿。工业是强机理的技术领域，很多监测运行数据仅是在精心设计下系统运行的部分表征，其本身所蕴含的问题定义、数据筛选、特征加工、模型调优等常常是隐性的，要求在数据分析管理中关注数据背后的机理逻辑。