1.1　工业大数据产生的背景

1.1.1　工业的数字化转型之路

工业企业的数字化转型体现在业务模式、管理模式、生产模式、设备运行模式等层面。随着市场的变化和生产要素的发展（如存量市场放缓、开放式竞争、市场动态加剧等），出现了很多业务模式创新需求，如服务型制造、产能金融化、协同研发等。需要一个全局的数据平台来支撑灵活快速的业务创新和生产组织形态的改变。在管理模式上，也有预测性维修、控制参数优化、生产计划优化等以决策为中心的需求，需要设备全生命周期档案、以物料为中心的生产档案等全息大数据模型，这些模型能够真实、全面地刻画物理世界，从而支撑我们从繁杂的动态数据中挖掘不变的规律。在无人或少人值守等场景下，需要实现人工经验和决策过程的全面自动化，从而实现知识和经验的传承、决策逻辑的流动，而不只是数据的流动。在生产模式方面，随着产品定制化程度提高（如根据不同环境进行风力发电机组的定制化设计与制造等）、产品生命周期缩短、专业分工细化、劳动力结构迁移等外部趋势的发展，协调设计、混线生产、少人值守、智能优化等新模式也需要数据支撑。在设备的智能升级过程中（如表面质量的智能检测、自适应控制、自学习在线矫正等），希望设备的检测、控制和运行能够根据环境和实际情况自学习、自诊断、自调整。

工业企业数字化转型的技术手段主要有自动化、信息化和智能化。作为工业生产效率的重要技术保障手段，自动化实现了以生产工艺为中心的物料和生产指令的整理；作为提高管理效率的重要技术手段，信息化实现了以业务流程为中心的数据整合和管理决策的协同。以计算机集成制造等理念为代表的自动化和信息化的融合，实现了部分生产与经营的整合。这些数字化转型通常集中在执行层，通过数据的自动收集和决策信息的及时流转支撑经营过程的透明化，关键决策通常全部由人工完成。智能化则尝试构建决策所需的完整信息（如物理动态过程、全生命周期档案等），通过分析和挖掘数据，实现大范围决策过程的优化。因此，很多文献中都提到了从“信息化”到“智能化”的升级的本质是数据的深度利用。