近幾年來，工業大數據正逐步從概念走向落地應用，越來越多的企業利用大數據、AI等技術創造價值。在網易云創大會上，西安電子科技大學智能制造與工業大數據研究中心主任孔憲光分享了高校在工業大數據智能分析與實踐經驗。

工業大數據發展正當時

孔憲光指出，工業大數據智能分析發展趨勢分為以下幾個方向：

1、工業大數據的應用領域不斷拓展。從原先的裝備優化決策，擴展到業務的優化決策，產品全生命周期的分析，以及產業鏈、跨產業鏈的分析等。

2、工業級人工智能算法結合工業知識圖譜是發展方向。目前的研究主要基于通用算法展開，而這些算法如何與具體場景結合，形成行業的專用算法，這就涉及到很多半結構化、非結構化數據的處理。在這種情況下，工業知識圖譜的出現對于工業領域碎片化的知識挖掘提供了有益的方向。通過把專用算法、工業知識圖譜、數據分析的算法進行融合，將形成工業級人工智能算法。

3、信息物理系統（CPS）與數字孿生是指導大數據智能分析的重要方法。

信息物理系統是兩化深度融合的重要基礎體系，而數字孿生是信息物理系統最重要的核心技術。通過數字孿生技術，連接物理空間和信息空間，實現虛體實體化，實體虛體化的過程。可以說，信息系統的智能程度取決于數字孿生迭代的階數。

4、多模態融合的工業大數據分析建模工具是價值萃取的明珠。工業大數據分析建模工具需要涵蓋多業務融合的資訊、多模型融合的分析到多計算融合的應用。

5、面向工業互聯網的工業知識（工業APP）傳播與應用是工業大數據的放大器。通過各個層級的知識萃取，把所有的知識嵌入到若干軟件中，演變為成千上萬個App復制到各行各業。

基于數字孿生的工業大數據分析論

隨著信息世界與物理世界的對應和融合越來越深入， 數字孿生成為了近期的熱門議題，孔憲光對于CPS和數字孿生、數字雙胞胎等概念談了自己的理解：

“CPS是構筑物理空間與信息空間的數據交互閉環通道，實現信息整體與物理實體之間的交互聯動。在物理空間和信息空間之間進行交互聯動的技術就是數字孿生技術。通過不斷虛體和實體的演變和迭代，數字孿生技術在信息空間產生的結果就是數字雙胞胎（數字孿生體）。”

孔憲光指出，基于數字孿生的工業大數據分析論，簡單來說，是把物理實體中的業務問題抽象成問題的圖譜，把問題抽象成數學抽象問題、一個可求解的問題。這樣的問題體系形成后，通過數字孿生體內的智能融合體系對問題進行求解。

目前，工業數字孿生體與大數據分析的研究側重于四個方面：裝備、制造、試驗、施工。

其中，針對制造數字孿生，孔憲光列舉了斷路器裝配產線數字孿生分析的實踐案例：

第一步，建立斷路器裝備產險的虛擬仿真模型，模擬產線的生產能力、生產節拍、生產瓶頸、設備利用率、物流優化等，指導生產線的建立和初步運行，獲取生產線運行數據進行實時監測和可視化管控。

第二步，發現斷路器裝配過程中出現的質量問題，以及反向追溯質量問題的來源，建立質量問題追溯等分析模型。

最后，把分析模型部署道不同計算集群上，構建面向不同類型的應用，取得了很好的應用效果，提高了產品合格率。

當下，工業互聯網平臺發展依然面臨諸多挑戰，包括工業大數據分析能力不足，特別是缺乏高水平的數據模型，以及工業機理模型不足等等。孔憲光表示，高校未來也會更加努力地在工業級人工智能算法、人工智能芯片、碎片化工業知識挖掘、工業大數據分析建模技術和方法路線圖等方面積極創新，加速工業大數據的發展。