2023工业大数据的实践与认识

2023应用者视角

展望未来：进入智能社会重点工作：获取并转化知识基础要点：让数据形成信息机会源头：数字化时代目录目录 一、数字时代的机会：应用者视角 二、典型的技术问题：分析与建模三、直面价值的应用：战略与管理四、结束语：基础不牢，地动山摇审堂下之阴，而知日月之行，阴阳之变；见瓶水之冰，而知天下之寒，鱼鳖之藏。知识：让我们从一部分信息得知另外一部分信息感性知识难以表达成人类或计算机语言。纯粹相关知识难推理得到。大数据时代终于变化了。

a信息到文字:信息转化玫瑰信息到文字:信息转化玫瑰感性知识张三喜欢吃相关性知识萝卜F m 世界上有三种谎言:穿鞋大的，智商高谎言、弥天大谎和统计学穿鞋大的，智商高

工业界对确定性要求高，必须有因果关系才能确定。数据分析，一般只能得到相关无法得到真正的因果。不止步于相关；不纠结于（从数据中获得）因果。从数据发现相关，用人类保证因果。 杀了公鸡太阳照样升起

幸存者偏差

练太极拳的，身体差更多的证据。独立性强的证据。更可靠的证据。更多的证据。独立性强的证据。更可靠的证据。有理论佐证、无强力竞争。数据相关体现人的因果解释认定的结论

元芳，你怎么看？工业数据：应用者视角不一样工业数据：应用者视角不一样1、数据大了怎么办？ 这不是我的问题！解决数据存储、采集、处理的各种问题和麻烦。关心数据量的问题：数据越大，麻烦和困难越大，越显技术水平。300万人与一个“修单车的”：过度重视“大”字不好。

2、怎样用数据创造价值？这才是我的问题！怎样用数据解决业务问题、提高企业竞争力、最终创造价值。不必太关系数据量大的问题：因为有人能帮助你解决。工业数据：机会的视角工业数据：机会的视角人择原理：世界为什么是这样的？如果世界不是这样的，就不会有我们人类的存在。也就不会问：世界为什么是这样的？人择难题：创新为什么难？如果创新不困难，前人老早就做了。也就不需要我们现在来进行创新了。前人剩下的才是机会：如果数据太小，机会可能就没有了2020-3-13工业大数据的应用三个层次、三种机会：重点不一样工业大数据的应用三个层次、三种机会：重点不一样1、数据问题：获得知识大体上可以分成数据分析、数据建模两类。2、企业管理与运营问题：问题发现于知识数字化用数字化的方法，定义并解决企业面临的业务问题。3、企业的战略与转型与业务创新问题：使用手段而已。利用数字化条件，对企业的业务和经营进行重构式创新。体现数据科学家的专业水平数据科学家主导。对管理和业务知识的数字化。经营于战略问题。领导的系统创新能力企业家或高管主导。做正确的事，正确地做事。先提出正确的问题，再试图解决问题价值与可行性统一的问题，做起来就不难了。提出问题：关键往往是问题的转化提出问题：关键往往是问题的转化:怎样移动富士山？我的考题:怎样不生烂叶子目录目录 二、典型的技术问题：分析与建模 建模与根因分析建模与根因分析原因结原因结果少数成功案例甚至无稽之谈被广泛传播；大概率的失败案例却闭口不谈。工业大数据技术发挥经济作用，必须、也能够将数据创造价值变成大概率事件跨行业数据挖掘标准流程CRISP_DMcross-industrystandardprocessfordatamining实际经验：工业大数据分析，也是这个逻辑工业对象难理解。工业对象、尤其是工厂，系统性明显、复杂度高。对数据分析的质量要求高。深入理解工业、掌握原理，要花费太长时间。无效的反复：理解错误是重要原因。几乎每一步都可能反复。验证评估之后的大反复，功亏一篑的效率最低。无效反复多的原因之一是问题分解定义错误哦。数据分析是一种探索活动，探索不可能完全避免无效活动，好方法就是减少无效活动，而不可能做到杜绝无效的活动。目标难：超越人类：必须在某些方面超越人的认知正确可靠：否则误导人的工作条件差：问题复杂：影响因素往往数以千计。数据质量：不满足理想要求是一种常态。人类的大量知识和信息是非数字化的；厂里的很多知识，并不能从生产数据得到。超越人的认识：让算法站在人类认知的肩头。利用数据雕琢和利用人的思想。数据分析的思路发挥人的特长，利用人的知识。数据分析的思路弥补人的短处、专注人的盲点。

人的想法

+ =期望的结果数据雕琢期望的结果可重复性证据：某缺陷原因分析可重复性证据：某缺陷原因分析一个缺陷发生，涉及到几十道工序、上个个参数。按照人的逻辑进行分析。测量点稳定，不等于过程稳定；测量数据稳定，实际数据不一定稳定；测量方式不同，数据结果不一样。.........1、工艺、操作标准是不是符合；2、支撑标准的要求（如设备），是不是正常；3、作为判断依据的数据，是不是正常；4、用决策树、回归、方差分析等方法，判断标准是不是有问题。5、用论文上常说的方法，赌运气。Yf

数据建模：假设和前提应该是什么？数据建模：假设和前提应该是什么？XZ3Z1XZ3Z1Z2有些信息容易知道，另一些不容易知道；现在和过去的信息知道，未来信息不知道。潜台词：不是模型不清晰，而是数据难获取理解现实中的数据建模Y fX Y H理解现实中的数据建模

(XZ(Z)

一般是定性的、已知的，大范围适用。不是应用研究的研究重点。机理上可定性说明。但知识零碎，部分知识较“隐蔽”，需要“挖掘”。关联关系在特定条件下适用。建模就是知识的整合，适用范围小理想机理模型：正确、精度高和范围大的一致性理想机理模型：正确、精度高和范围大的一致性正确性、精度与有效范围是一致的。精度可以表征正确和范围。可选择不同的Z，不同的整合方法。不同的Z，有效范围、精度、实时性、变化频率等都不同。可选择不同的Z，不同的整合方法。不同的Z，有效范围、精度、实时性、变化频率等都不同。不同的选择，不同的模型效果。精度和使用范围可能有矛盾。精度和真实性可能有矛盾。精度不再能代表其它。启示：根据场景需求，平衡精度、范围、可靠性要求。传统统计回归建模：欲得其利，先知其弊传统统计回归建模：欲得其利，先知其弊 结论数据结论数据假设条件统计方法概率理论统计方法概率理论概率的概念频度稳定性用统计方法用统计方法创造条件人工分析选配数据原始数据统计和机理的结合对条件的判断常常来自于数据之外的认知1、不是随机样本，而是全体数据。样本=总体。2、不是精确性，而是混杂性。大数据简单算法好于小数据复杂算法3、不是因果关系，而是相关关系。只要数据充分，就可以用简单模型取代一个复杂的模型。人工智能的机器学习，不需要理解人类思考的方式。从因果关系到相关关系，转变思维方式很重要。经验是实践的结果，难以用理论推理得到。经验，是人类对模糊记忆的总结或提炼。计算机比人记得更多、更清晰。好的差的计算时间、选择道路。（修正）。需要用领域知识解释分析结果：本质上就是融入了因果在大数据背景下，只要案例足够多，就可以找到可以借鉴的先例。通过知识的提炼，可以把个性问题转化成共性问题，进而知识的共享。产品提供方固有的信息和知识优势，是企业向服务转型的基础。大数据加大了这种优势。马克.吐温：戒烟最容易了......我在硕士论文中，讨论了样本需求的问题。当时的感觉是：数据量不够，模型难以泛化。

哪位是妈妈？穿红衣服的哪位！智能制造 浙大博士原宝钢首席.

山东人士不纠结于因果：知识完备性样本=总体：知识的存在性混杂性：知识的可验证性及质量大数据的特点=》知识的可获得性超越人的经验和记忆力：炼钢模型超越人的经验和记忆力：炼钢模型1、原则：寻找过去相似的成功案例。过去怎么做，现在就怎么做。2、困难：世界上没有两片完全一样的叶子。3、方法：找到差距，进行微调。4、微调的原则：理论和经验给出变量，数据给出放大系数。5、可靠性保证：找多个类似的，综合结果；不断调整放大系数。起始点

第一步：打近

第一步：往往是复杂的非线性第二步：调整第二步：往往可以近似为线性这两步都可以不断改进，第二步：调整Y目标第一步：根据经验和实践结果第二步：根据理论或数据分析人类：做事的目标、实现的路径和子目标人类：对于不可行的，修正目标和方法 功能目标..........功能目标人机互动，不断深入最终得到的好做法，是不断调整之后得到的结果。现实中“最优”做不到：但我们知道了退而求其次的做法可供炼钢用量可供炼钢用量

单炉耗氧预测复吹耗氧预测单炉耗氧预测复吹耗氧预测1 冶炼节拍导航 转炉压力判断段 段 吹 扒渣出钢 状态成份温度2 不可吹氧4 节奏判断等待时间1避开并吹1避开并吹3提高连铸拉速可以吹氧开吹判断4 节奏判断 提速调节 当前节奏 3 减速调节 1缩短双炉吹氧间隔时间1延长双炉吹氧间隔时间2推送并吹可行性2降低连铸拉速1缩短双炉吹氧间隔时间1延长双炉吹氧间隔时间2推送并吹可行性2降低连铸拉速目录目录 三、直面价值的应用：战略与管理 三、直面价值的应用：战略与管理 四、结束语：基础不牢，地动山摇互联网带来的大数据，知识重用来制造到服务的转型，GE通过帮助别人转型实现自己转型。转型升级：商业模式、业务、组织重构人工智能带动的产业人工智能带动的产业“棋势”的经验知识图像识别的感性知识转型升级：小厂的故事一个身处嵩山腹地的小厂，转型升级：小厂的故事

以经济利益为驱动力房型看似很多，其实完全个性化的很少只要收集得设计足够多，总能找到你喜欢的样子。设计的成本降低、效率和质量提升；同时，设计的重用让生产更方便。走出困惑：在当下找到切入点走出困惑：在当下找到切入点斯特宁被国际慈善组织派到越南，去解决越南儿童的营养不良问题。到了越南，他发现这里的人不仅穷，妇女受教育水平也差，不知道怎么抚养孩子。斯特宁不等不靠，用尺子选出了家里穷身体却长的高的健康孩子们。在随后的深入调研过程中，他发现：这些小孩一天吃四顿饭妈妈们会去稻田抓小鱼小虾给孩子吃把番薯叶的汁淋在饭上一起蒸。斯特宁告诉母亲们这样做饭。6个月后，65%儿童营养问题得到改善。故事之一：炼钢的双命中率故事之一：炼钢的双命中率管理极大地影响着企业的质量、成本、效率，决定着企业的经营状况。发展中国家职工的技术水平不低，企业的技术水平却低。管理定义技术的边界，智能化技术重新定义人机关系；智能化技术重新定义管理和控制的关系。大量的管理损失，往往看不见设备故障？出铁不少？非也，故意算的。不能共享？非也，岗位问题。备件便宜？非也，关系户的。.......管理漏洞：经常占到成本的20%~30%2020-3-13价值价值的潜在性：需要洞察力应对人择难题潜在需求

人择难题导致的结果强调潜在性，本质就是发现和重新定义需求。故事之二：从摄像头到管理故事之二：从摄像头到管理豆腐厂的摄像头，提高了劳动效率。笔记本厂家，降低了次品率。对飞机修理厂的建议：管理水平提高。公安系统：国内逃犯人数，迅速从30万下降到10多万。某地36起凶杀案，35起破案的全依靠摄像头。各种恶劣的社会现象被曝光。智能化的步骤智能化的步骤能看见：能够知道现在发生了什么。可追溯：能够记住历史。透明化：避免淹没在数据的海洋中。智能化：能够自动地解决问题。感知执行感知执行决策管理人员可见：解决授权和受控的矛盾。案例之一：ICT技术为管理赋能案例之一：ICT技术为管理赋能仅仅把数据传给老板可以吗？还量的数据让人脑没法提取信息。要用智能化的办法，把数据变成可认知的信息。用有限的精力，实现更好的管理。 案例之二：把管理问题变成控制问题案例之二：把管理问题变成控制问题2020-3-13

没有互联网的时候，基本上是个管理问题。在未来自动化基础上，是标准的控制问题。日本日本IVRA架构PDCA、6西格玛、精益等方法，都是工业人传统的有效做法。但在数字化背景下，管理的能力会发生质变。过去的系统设计代价很大：每个功能都要开发一个新系统，代价大、周期长。事先对数据的需求可能不清楚，后面改困难。让过程简单、工作量小、风险小、速度快本质是IT成本的降低、灵活性提升。适合“精益化的推进”。数据孪生：提高灵活性、降低风险和成本分层原则：便于分工合作。与传统自动化信息化系统的关系：新功能在新系统上，老功能在老系统上不变。如果历史发展到某一天，需要将这些功能统一起来：那就统一起来吧目录目录 四、结束语：基础不牢，地动山摇 数据条件不好，怎么都做不成。数据条件不理想是