隨著雲(yun) 計算、大數據等新一代信息技術在工業(ye) 領域的運用，工業(ye) 數據逐漸從(cong) 簡單、離散、孤立的數據，發展為(wei) 與(yu) 人、雲(yun) 和應用互聯的海量大數據，有更多類型更多龐大的數據需要傳(chuan) 輸處理，數據處理的鏈條也變得更長，製造企業(ye) 工業(ye) 數據逐步打通，形成工業(ye) 互聯網。

工業(ye) 互聯網三大核心要素，第一就是智能化的設備，加上智能化的係統，收集生產(chan) 過程中的數據。第二是智能設備的協同運行維護與(yu) 學習(xi) 優(you) 化。第三，工業(ye) 互聯網提供決(jue) 策，要能麵向複雜大數據輔助決(jue) 策。

工業(ye) 數據有三個(ge) 特點，一是多源異構，來源很多，而且數據結構是異構，特別是非結構化的數據，分析起來很困難。二是數據關(guan) 聯性強，是全生命周期，基本上對連續生產(chan) 的企業(ye) ，要24小時持續采集，要保證實時性、連續性、穩定性、動態性。三是數據相關(guan) 領域非常複雜，包括故障檢測、預測管理、可靠性等都涉及不同的專(zhuan) 業(ye) 領域。

在工業(ye) 互聯網中網絡是基礎，通過物聯網、互聯網等技術實現工業(ye) 全係統的互聯互通，促進工業(ye) 數據充分流動和無縫集成。但是如何實現數據的充分流動和無縫集成，要求很高。

工業(ye) 互聯與(yu) 工業(ye) 智能的關(guan) 鍵技術

對於(yu) 工業(ye) 智能，工業(ye) 智能就是工業(ye) 知識庫，知識是智能的基礎。現在很多企業(ye) 搞智能化但沒談到知識，沒有知識的智能就是空架子，隻是一個(ge) 自動化、數字化、信息化，談不上智能化。智能化一定是建立在知識庫的基礎上，而且這個(ge) 知識需要動態傳(chuan) 感。

那麽(me) ，如何判斷智能化呢？智能化的標準就是自主決(jue) 策——機器根據不同的工況能自主決(jue) 策，這是工業(ye) 智能最核心的部分。工業(ye) 智能的發展經曆五個(ge) 階段，第一是工業(ye) 生產(chan) 係統的管理與(yu) 改善。第二以數據為(wei) 標準的管理體(ti) 係。第三數據驅動的綠色性建模。第四支持決(jue) 策的知識係統。第五實體(ti) 的景象對稱映射建模。

數據是工業(ye) 互聯網的核心，也是工業(ye) 智能的核心。從(cong) 工業(ye) 數據到工業(ye) 智能涉及到六大技術。第一是數據挖掘技術，要從(cong) 大量的、不完全的、有噪聲、模糊的隨機的實際數據中，提取隱含其內(nei) 的、人們(men) 事先不知道但又具有潛在價(jia) 值的信息和知識，來揭示數據之間有意義(yi) 的聯係、趨勢和模式。

數據挖掘還要不斷對數據深度進行提取，這有三個(ge) 要點，第一洞悉工業(ye) 數據特征背後的物理意義(yi) ，以及特征之間關(guan) 聯性的機理邏輯。第二覆蓋工業(ye) 過程中的各類場景條件，提取能反映對象真實狀態的全麵工業(ye) 數據信息。第三在大數據的前提下，保證工業(ye) 數據的質量，冗餘(yu) 的數據要去掉。

在工業(ye) 互聯網領域，一個(ge) 好的平台企業(ye) 除了向上提供優(you) 質的應用軟件運行環境之外，向下還需紮根至工業(ye) 企業(ye) 現場，從(cong) 核心層到平台層，完成連接設備、標識解析、統一設備“溝通”語言、提取關(guan) 鍵數據、完成雲(yun) 存儲(chu) 、雲(yun) 計算、建模分析等一係列動作，進而輸出可視化參數，為(wei) 企業(ye) 家們(men) 提供決(jue) 策幫助。小到經營一個(ge) 工廠，大到管理一個(ge) 產(chan) 業(ye) 。

對工業(ye) 互聯網平台企業(ye) 自身來說，產(chan) 業(ye) 鏈客戶上下兩(liang) 層的交付過程，會(hui) 給研發團隊很多輸入，當下次跨行業(ye) 做解決(jue) 方案時，無需從(cong) 頭研發，曆史業(ye) 務會(hui) 提供複利效應。一個(ge) 項目和另一個(ge) 項目雖然去往的方向不一樣，但總會(hui) 有交叉點。交叉點的經驗價(jia) 值都會(hui) 落在企業(ye) 平台上，為(wei) 下一次項目提供價(jia) 值輸出，這是平台業(ye) 務牽引出的紅利。