作者：ABB（中国）有限公司 蒋海波，邓波

摘要：本文基于商业环境变化与技术革新的时代背景，阐述了传统工业 企业要实现数字化转型关键在于发挥数据价值。为应对当下数字化转型 所面临的挑战，企业需要在由下至上的路径中实现IT、ET、OT三者有机 融合，将传统工艺与运营中的“小数据”和实践认知通过对异构数据的 有效关联和应用、算法与场景的结合，建立高质量的机理模型和数据模 型，并在工业数据中台的加持下，让数据实现全方位流动，不断创造数 据价值。

关键词：数字化转型；流程工业；工程技术；数据；数据中台

Abstract: This paper highlights the importance of traditional industrial enterprises realizing that digital transformation is exploring data value in the context of business evolution and technological innovation. To meet the current challenges in digital transformation, companies need to first build an organic integration of IT, ET and OT in the bottom-up path. The companies must combine the "small data" in traditional processes and operations with practical experiences, applications, algorithms and scenarios, and then establish high-quality mechanism and data models. To give full play to the value of data, businesses must also support the middle platform of industrial data through the effective correlation and application of heterogeneous data, the combination of algorithm and application scene, driving circulation of data.

Key words: Digital transformation; Process industries; Engineering technology; Data; Data middle platform

数字化转型是一个宏大的概念，没有标准化的解 决方案，面对不同的传统工业企业，数字化转型的意义 不尽相同。企业的规模、生产类型、业务特性、技术水 平以及人员情况等决定着该企业的数字化转型目标。从 先行者的探索中，我们看到数字化不仅仅是搭建数据基 础设施、平台、软件工具等，还包括方法层面的数据治 理、数据应用实施蓝图等。其核心是企业如何在数字化 技术不断迭代的进程中，选择最合适的方法与工具，让 数据发挥其最大的价值。

1　数字化转型的挑战

从工业时代到数字时代的最大转变是从产品为中 心转化为以用户为中心，因此满足用户的诉求是关键， 而服务模式成为数字化转型的一大特点。对外服务客 户，洞察客户需求，通过自身技术优化与创新，提升产 品质量的同时实现价值增值。对内服务于各个不同的职 能部门，即有自上而下的统筹“一盘棋”，也有自下而 上的用户赋权。不论对外还是对内服务，通过数据流转 发挥其价值是关键的一环，同时也成为各企业在数字化 转型中的一大挑战。

在很多传统的流程工业企业，各部门的数字化项 目主导人员往往会从自己的业务角度考虑问题，不同程 度地忽略其它业务或职能部门的相关需求，因此会在整 体考量与统一规划上有所欠缺。诚然数字化的工具早已 在生产、供应链以及销售环节得以应用，但数据壁垒问 题一直未能得到解决。让数据全方位流动起来，实现数 据“融会贯通”，需要由下至上考虑不同性质的纷杂数 据，有针对性地采用适当的IT、IoT技术实现有效数据 的关联和应用。

制造企业数字化转型的目标是进一步提升能源与 运营效率，优化工艺，提高产品质量，其中优化生产工艺是核心也是难点。由于制造工艺流程复杂且固化，数 据量大，相对于IT数据，流程工业的OT数据存在多源 异构与颗粒度更细等特性，因此想要挖掘并高效利用数 据绝非易事。在生产工艺数字化升级的路上，全球的制 造企业都面临着工艺提升的瓶颈，企业若想实现持续优 化，必然要将信息技术（IT）、工程技术（ET）和操 作运营技术（OT）数据有机结合。

IT和OT的整合一直发展比较缓慢，原因在于这 是两个完全不同的领域，IT解决的是数据处理、云计 算、边缘计算、AI等技术问题，而OT是基于设备层如 PLC、SCADA、DCS等及应用层如MES、MOM等解决 应用场景问题。这中间缺少有机衔接，ET则作为两者深 度融合的桥梁存在。只有让数据实现流动，将数据孤岛 连泽成湖，并在数据论与经验论相结合的基础上、精通 工艺的必要条件下，合理运用各种分析技术突破传统工 艺和生产中面临的瓶颈与制约，才能发挥数据价值。

此外，在数字化时代，组织之内、系统之外最关 键的生产要素还是人。人才是企业未来可持续发展的重 要因素，Z世代人群（指1995-2009出生的人）已经进 入人才市场，他们拥有和70、80后不同的人生观和价 值观。在不同的思考模式下，企业要如何通过数字化转 型、改善传统工业企业中一线员工的工作环境，持续吸 引、培养、打造强有力的生力军也成为企业亟待解决的 另一大挑战。人、设备与系统的有机结合是成功实现数 字化转型的基础。

2　数据为王的时代

众所周知，数字化不仅能扩展新的经济发展空 间，促进经济可持续发展，而且能推动传统产业转型升 级，促进社会转型发展。数字技术不断快速迭代，硬 件、工具、数据与算法等实现了一系列联动效应，但其 中的核心仍然是数据，这是驱动业务增长的关键所在， 因此数据也理所当然地成为新的生产要素。如今，大数 据已经遍布全球每个角落，贯穿各行各业，交织于每个 人的工作和生活中。

Gartner对大数据的定义是：大数据是需要新处理 模式才能具有更强的决策力、洞察发现力和流程优化能 力来适应海量、高增长率和多样化的信息资产。麦肯锡 全球研究所给出的定义是：一种规模大到在获取、存 储、管理、分析方面大大超出了传统数据库软件工具能 力范围的数据集合，具有数据规模大、数据流转快、数 据类型多和价值密度低四大特征。

在传统的流程工业，数据的收集、处理、利用并 不是一个仅凭具备自动化水平的硬件、数字化平台以及 一系列的工具和方法叠加就可以简单实现的过程。没有 任何一家公司有能力承担每天以指数级增长的海量数据 的收集与存储，必须及时地分析和使用数据，加快流转 率，才能有效降低运营成本。数字化技术已经不再是转 型的瓶颈，关键是如何挖掘数据中的有效信息，及时加 以利用并转换为有效的运营价值，形成竞争优势。

有效发挥数据价值，关键在于如何分析和利用好 小数据。小数据组织对小数据的定义是：通过及时有意 义的数据把人们联系起来。这些数据通常是处理过、可 见可获取、易理解、可执行并利用到日常工作任务中去 解决问题的。对大数据来说，小数据是一个相对概念。 小数据可以将大数据按一定维度进行分级。

以流程工业企业为例，将原料转化为成品是一个 复杂的过程，因此可以按产线、工艺段或职能等维度分 层数据，细分层级的数据体量更小、更易分析和利用。 流程工业中的数据颗粒度更小，但由于它们来自不同的 信息源，包括图像、声音、设备以及生产数据等，又具 有一定的复杂性和时效性。其复杂性与时效性主要源于 工艺过程，流程工艺包含极其复杂的物理、化学变化， 同时流程周期相对较长。

生产过程需要人、机、料、法、环等多个方面的 相互作用，而了解生产过程需要准确知道加工环节的工 程能力和限制、设备运转的状态、正常和异常情况下的 合理操作、原料和库存的状态等。比如控制系统和电 气、机械化设备装置控制着生产线的运转，按照加工工 艺的要求执行各种实时任务。任何和工艺要求指标偏离 的细小变化都会在成品、半成品的量化指标上体现。这 些系统每时每刻都在不停地产生大量的“小数据”，这 些“小数据”反映了生产的过程和好坏。经验丰富的专 家往往能够从一些数据的微小偏离“感知”到风险，从 而采取纠错的行动，这些经验来自于大量的生产实践和 对特定工艺、工序的深刻体会。

传统的流程工业往往工艺设定比较成熟，这一方 面保证了较好的良品率，但同时也对工艺的改善优化提 出了更高的要求。对大量产品的加工过程分析、检测化验、设备状态进行全方位的数字关联，运用新的分析技 术来找到影响产率、质量、加工时间、能耗等各方面的 影响元素，从而能建立更加完善的工艺专家知识系统， 长期服务于工艺优化。

“小数据”的价值体现关键在于ET的能力，唯数 据论可能会导致大量资源的消耗和浪费，唯经验论又会 错失数据价值挖掘的良机，充分理解工艺过程的数据提 取、治理和分析才能做到有的放矢，因此对ET的能力 提出极高的要求，既要具备深厚的行业积累，精通专业 的工艺技术，还需要有能力打通IT和OT之间存在的跨 领域壁垒，形成从设备层到云处理的全价值链。

IT、ET、OT的有效融合可以将传统企业中来自一 线的实践认知，通过算法结合场景构建出高质量的机理 模型和数据模型，将数据信息转化为标准化指导建议， 并提供7×24的服务支持。这也是将专家经验传承给新 生力量最有效的途径。不仅极大地解决了专业人才的培 养问题，同时也将经验形成统一的标准与流程，帮助企 业实现可持续发展。

3　应用场景中的数字化应用

谈数字化转型，离不开应用场景，如何让大数据、 机器学习、数字孪生，AI、边缘计算等数字化技术在应 用场景中发挥作用，还是需要以解决运营中的具体问题 为出发点。

以冶金行业为例，丰富的行业知识是一切数字化解 决方案的根基，只有对工艺技术深刻了解，才能合理的 应用大数据和机器学习等前沿技术，在协作式远程操作 中心建立基于设备和过程的数字孪生体，其核心依然是 数据。整合的运行数据、信息技术数据和工程数据可以 反映实际生产过程中的复杂系统影响和耦合，实现生产 过程的虚拟再现。

例如，基于机器学习的堆钢预测系统可以实时监测 各个关键数据，提示堆钢风险，极大降低实际堆钢发生 的概率。在众多关键工位开发基于机器视觉的应用，可 以满足现场无人化的异常自动监测，通过和自动化系统 的联动，实现异常预警和自动保护等功能。在产线数字 孪生信息模型的基础上，各种数据按照不同的功能和目 的精确关联到产品上产生数字钢卷。通过对数字钢卷信 息的大量数据从能耗、质量、生产、工艺等多维度寻优 分析，找到各个维度和多维度的黄金工艺，为持续工艺 改善提供依据和建议、异常回溯的根本原因和推荐解决 办法等，为打造黑灯工厂夯实基础。

此外，流程工业多为重资产企业，资产管理问题 一直是重点关注对象。要实现“望闻问切”的全面故障 状态诊断有三个关键步骤。

第一步：梳理出核心的关键设备，有针对性地进 入下一步设备评估。这需要有专门的咨询团队，通过大 量的现场调研和评估，帮助工厂定义出关键设备清单， 为后续工作奠定了基础。

第二步：对关键设备进行数据采集。通过底层的 信息采集做到全面感知、灵活获取，并将数据处理成可 执行的信息，利用有线或无线网络传递给上层平台或移 动终端，支撑上层业务，优化运营。此外，还需要通过 与DCS、PLC及状态监测系统相结合，解决新旧设备与 系统的并入、通信等问题，获取实时数据自然水到渠 成。

第三步：基于数字化平台的运营数据集成和智能 分析必不可少。充分结合机理模型和数学模型，对来自 关键设备的数据进行分析，才能实现更为可靠的数据分 析与诊断。构建相对健全和完整的数据模型，行业知识 依然是必要条件，再利用关键设备的机理模型与数学模 型、数据库和先进的AI算法，才可以界定出更为准确 的异常范围，为操作人员决策提供高效可靠的信息。

为解决各种应用场景的问题，相应的各种软件、 系统、平台也应运而生，数据烟囱林立既不利于数据的 流利，同时也浪费了大量的重复建设与运营成本。服务 商往往只参与特定的数字化项目，项目完结后虽然仍提 供服务，但企业人员仍需要消耗大量的精力去理解和掌 握这些平台和软件用于日常运营。数据中台未来必将成 为一种有效的解决方式。

相对简单易用的数据中台可以让企业专注自身的 业务和逻辑，无需在平台的技术层面投入大量的人力物 力。数据中台的核心是数据共享，它可以将不同系统中 的数据进行全面汇集和管理，解决数据分散、数据源多 样的问题，实现数据协同合作，形成企业数据资产和洞 察，服务于业务，从而帮助企业实现在低碳经济下的持 续发展。

阿里巴巴于2015年正式提出中台战略，将不同业 务通用的工具和技术加以沉淀，成立专门的中台部门，这样新的业务需求可以不再重新设计，避免因重复的功 能建设和维护造成资源浪费。近年来众多企业纷纷加入 数据中台战略的探索和建设。数据中台居于前台和后 台之间，是企业级的数据共享、能力复用平台，是数字 化转型的基础和中枢系统。将企业海量、多源、异构的 数据整合资产化，为业务前台提供数据资源和能力的支 撑，以实现数据驱动的精细化运营。

目前数据中台市场处于早期阶段，众多头部互联 网企业、大数据公司、独立中台开发商及人工智能厂商 等纷纷入场，但由于流程工业的复杂性与特殊性，不会 有标准解决方案，只有量身定制的最优选择。其中积累 了大量垂直行业的认知和洞察经验的工业行业数字化解 决方案提供商，可以高效地实现方案落地，帮助企业快 速梳理企业业务及流程，准确识别客户需求，并基于中 台架构输出综合的数字化转型服务。

图1 ABB Ability GenixTM工业分析和AI套件

工业数据中台可以将企业的IT、OT、ET数据进行 全方位整合，实现360度的资产与运营管理，避免技术 层重复开发，技术迭代升级更高效，可按需扩展服务， 让整个技术架构更开放。其中六大主要功能包括根据行 业洞察建立不同细分行业的数据模型；利用AI和机器学 习提供预测和优化建议的高级分析能力；预构卓越运营 解决方案；低成本快速定制各类高级分析应用；打破众 多软件管理之间的壁垒，实现从设备、运营、安全到供 应链的全流程全方位高效运营。

数据中台不是简单的一套软件系统或者一个标准 化产品，而是一种强调资源整合、集中配置、能力沉 淀、分步执行的运作机制，是一系列数据组件或模块的 集合，指向企业的业务场景。构建数据中台可以高效地 对数据进行统一收集、处理、储存、计算、分析和可视 化呈现，使数据最终与业务链结合，真正转化为企业核 心资产，让数字创造价值。

4　总结

随着全球生产、技术、通信、移动端以及互联网+ 的高速发展，数字化也将不断演进。对于传统的流程工 业企业来说，数字化转型还是要从自身需求出发，“量 体裁衣”，打造独一无二的数字化解决方案才能针对性 地解决实际中的问题。

数据资产是数字化转型的核心，而要将资产流通 起来转换为价值，企业还需要整合内、外部资源，选择 适合的技术和工具，结合自身积累多年的实践经验，利 用高效、低成本的多维度协同运营方式，让数据发挥其 最大的价值。

未来，数字化的发展将持续推动企业转型的步 伐，利用技术革新的成果，通过迭代的方法与工具让数 据价值不断升华，精益求精，帮助企业凝聚源源不断的 创新力，在数字化的浪潮中勇立潮头，从容面对明天的 挑战与机遇。

作者简介：

蒋海波（1963-），上海人，硕士，现任ABB（中国） 有限公司高级副总裁、智能制造推进合作创新联盟副理 事长。

邓　波（1978-），四川人，硕士，现任ABB（中国） 有限公司过程工业业务北亚及中国区数字化业务负责人， 主要从事数字化业务开发和推广方面工作。

参考文献：

[1] 艾瑞咨询. 《中国数据中台行业白皮书》[R/OL]. 2021. https://coffee.pmcaff.com/article/13696890_j

摘自《自动化博览》2021年11月刊