在“新基建”的浪潮下，《“十四五”规划纲要》明确提出加大新基础设施建设，包括5G、工业互联网、工业大数据的建设。未来，工业大数据将和5G和工业互联网一样，成为国家战略规划重要的衡量指标，如何推动其发展是产业亟需考虑的问题。

11月27日，在通信世界全媒体举办的“5G+工业互联网+大数据开创智慧新工业”主题沙龙活动上，中移物联网有限公司智能连接部副总经理王明儒以“基于5G专网工业大数据解决方案研究”为主题发表演讲，分享了中移物联在5G专网上构建智慧工厂、数字孪生、工业大数据的探索及思考。

工业大数据的几大特性

中移物联总结出了工业大数据的几大关键特征。在王明儒看来，工业大数据要求超低时延的控制，数据不出场、安全保护与隔离以及专有的网络资源。在海量数据采集上，工业数据主要是多元设备的数据接入、持续系统的稳定性，包括数据完整性的要求超高及数据体量超大。从实时数据分析来看，工业数据有数据结构复杂度高、工业数据的异构性高、对时效要求高，包括数据行业特征相对比较明显的特征。

针对中国移动5G专网在工业互联网、工业大数据领域方面的能力支撑以及思考，王明儒表示，中国移动对于不同的行业细分的场景提供了差异化的网络服务能力，在车间生产、港口运输、机器加工等15个细分领域总结了五大典型要求：超低时延控制、高清视频回传、数据不出场、安全保护与隔离、定制化的网络资源。

三大工业互联网大数据应用场景介绍

对5G提出大带宽、低时延、广连接的要求，中国移动等三大运营商需要提供差异化的服务方式以及多样性的网络连接来支撑保障工业制造领域，包括工业大数据相关的数据传输等要求。中国移动在此基础上根据不同需求场景提供了3类服务模式，包括优享模式、尊享模式、专享模式，通过服务的分层分级去满足工业场景下的控制要求。“5G融入百业，呼唤网络服务能力，中国移动5G专网具有专用定制、确定可靠、弹性扩容、柔性配置以及本地卸载等相关功能，可最大程度上满足5G工业控制、5G工业互联网、5G大数据对网络的要求。”王明儒表示。

三大工业互联网大数据应用场景

中移物联主要将工业互联网大数据应用于三大场景。王明儒介绍道，一是对工业设备的实时监控。先对生产设备、环境、企业ERP数据进行采集，通过5G专网传输至大数据平台，经过清洗转换、分析处理，生成设备实时状态的监控模型，并通过大数据的API向WEB端移动端提供相关服务，为工厂提供设备状态、设备运转等实时监控服务。

二是设备故障识别与预警的场景。先是采集设备生产的设备数据、环境数据以及企业的CRM、ERP等数据，通过5G专网传输到大数据平台，利用离线或者实时计算的框架，对设备的数据、ERP数据、历史生成的标签体系的数据结合故障训练模型，提供故障识别模型以及故障识别的结果，并为上层的WEB端、移动端提供相关的故障预警及故障识别服务。

三是智能化的工艺流程优化。目前主要采集的是生产工艺的数据、环境的数据以及ERP数据，通过5G专网上报到大数据平台，综合历史的工艺数据以及当前实时的工艺数据，通过决策树神经网络相关的AI算法来生成工艺规则的模型库以及工艺对比分析的结果，从而反推为当前的工艺流程、工艺决策，通过大数据API的方式向上层的WEB端、移动端提供相关的服务。

“上述三个场景在今年六七月份与国内一家大型的家电生产厂商做了合作，我们一起共建了5G+工业互联网智慧工厂的项目。”王明儒介绍道，从整个项目的执行情况来看，项目能够与生产工艺紧密结合，提高工厂的生产效率，降低产品的不良率，在促进工厂智慧工业的数字化转型方面发挥了良好的示范效应。从场景实现来看，主要实现了设备监控、设备故障预警、工艺流程优化、机器视觉监测等相关场景，通过5G智慧工厂的数字孪生平台，为工厂提供智慧工厂设备监控等相关服务。

大数据中心体系架构的建设

在国家工业互联网大数据中心对大数据中心整个体系架构包括未来模型的思考方面，王明儒认为整个体系架构的思考分为四层：设备层、边缘层、企业区域层、产业层。

在整体的网络安全、网络带宽要求以及网络服务保障上，需要用差异化的网络保障来实现分层数据之间的快速安全传输，其中在工厂内部主要使用工业控制网络来实现内部数据的交换和传输;在企业领域层，工厂与企业的大数据中心交换主要使用5G专网来满足数据的实时传输;在行业级大数据中心或者国家的工业互联网大数据中心使用中国移动等运营商的骨干网络，通过专线专用的方式来保证海量数据的实时交换和传输。

“未来国家工业互联网大数据中心的建设，我们理解可以基于现有的工业互联网标识解析体系构建相关的大数据中心。”王明儒表示，目前工业互联网标识解析解决了对工业领域内物生产、流通整个环节上的标识，在未来的大数据中心建设里面可以用基于工业标识解析体系结合工厂的内部私域数据完成我们对工业领域内生产、制造、流通模型里面物标识和管理。

王明儒认为，工业大数据未来仍面临着一些挑战和机遇，例如解决工业数据的异构性问题，建立工业领域内基础数据模型，解决工业数据流通中的安全问题，打破数据孤岛推进工业数据资产共享，规范工业数据资产交易，发挥工业数据价值等。“工业互联网大数据的这些挑战还需产业界上下游共同推进解决，来促进国家工业互联网、工业大数据的发展。”王明儒最后表示。