工业大数据：别被概念忽悠，落地卡在哪？我就直说了

前几天去一家年产值5个亿的汽配厂，厂长拉着我参观他们新上的“工业大数据平台”，大屏很炫，饼图柱状图闪得我眼晕。我问了一句：数据源接了多少设备？他愣了一下，转头看信息科长，科长支支吾吾：大概……30%吧。得，又一个被忽悠瘸了的。这就是现状，对吧？天天喊工业4.0，大数据，人工智能，实际上多数工厂连最基础的数据采集都搞不定。我今天不扯虚的，就聊聊那些教科书不会写的、真金白银砸出来的教训。

数据采集？80%的工厂连数都采不全

别跟我扯什么Hadoop、Spark，你首先得有线进来啊。很多老车间，设备是90年代的，PLC型号能凑一桌麻将——西门子200、三菱FX、欧姆龙，甚至还有继电器逻辑的。你让IoT厂商去连？他们一看，嘴一撇：改装一套得8万。老板一算，全厂几百台设备，光硬件改造成本就好几百万，直接没了脾气。

就算咬牙加了传感器，信号干扰、丢包、协议不统一，采集上来的数据要么断断续续，要么精度吓人。我见过一家冲压车间，振动传感器传回来的波形图，毛刺比我胡子还扎手——根本没法做频谱分析。这就是工业大数据的第一个大坑：数据源头被污染，后面的分析全是自娱自乐。 说到这儿，想起来一个哭笑不得的事。某家电巨头搞大数据良率提升，算法团队花三个月建了个模型，测试准确率98%，上线后直接掉到60%。查了两个月，发现是质检员录入缺陷代码时，经常随手选“其他”——因为太忙了。数据标签不准，模型不就是算命瞎子？

AI模型？先看看你的数据质量有多烂

很多咨询公司给方案，上来就推荐上AI中台、机器学习平台。我看了只想冷笑——你咋不在沼泽地上盖摩天大楼呢？工业数据和互联网数据最大的区别，工业数据是“脏脏的、小小的、强关联的”。互联网用户行为数据，量大、维度高、稀疏，适合深度学习。但工业场景呢？一条产线一天可能就一两千条记录，还全是时序数据，异常样本更是少得可怜。你用LSTM预测故障？没几千个故障案例，训练出来就是个玩具。

更头疼的是数据一致性。同样叫“温度”，注塑机的料筒温度和模具温度是两码事，但采集上来字段名可能都叫“temp”。如果不做扎实的数据治理，不同系统的数据连基本的对齐都做不到。我见过最夸张的一次，MES里的完工时间和ERP里的入库时间，逻辑上差了整整三天——因为一个用格林威治时间，一个用本地时间，还没人发现。 问：我们厂上了MES，但车间主任还是习惯用Excel报工，怎么破？ 答：这事儿太典型了。首先别上来就骂人家守旧，你得理解——MES界面复杂，操作流程长，工人一天经手几百个零件，每个都要点六七下屏幕，换你你烦不烦？解决方案就一个：让数据采集自动化。加装RFID、扫码枪、甚至直接用设备自动计数，人只做异常处理。记住，好用的系统是“数据多跑路，人少点屏幕”。另外Excel不是洪水猛兽，先建立过渡机制，允许Excel导入但必须进系统清洗，逐步培养数字化习惯。一刀切封杀Excel，只会逼着人家造假数据。

从“上系统”到“用数据”，中间隔着十万个为什么

去年参与一个重工企业的数据项目，他们BI系统里有一百多张报表，但真正被打开看的不到10张。为什么？因为报表里的数据，车间主任看不懂，决策层用不上，搞分析的人又拿不到原始数据。典型的“数据孤岛”+“需求断层”。我的建议很粗暴：先想清楚要解决什么问题，再决定采什么数，而不是先把数据湖建起来再说。比如你想降低设备无故停机，那就死磕OEE相关的停机原因分类，细化到每一个工位、每一次停机都自动记录原因代码（别用“其他”！）。三个月后，帕累托图一拉，80%的损失集中在哪几个工位，清清楚楚。这才是工业大数据的正确打开方式——小切口，深打井。 问：小厂预算有限，有必要建数据中台吗？听供应商吹得天花乱坠。 答：直白点说，大部分小厂千万别碰“中台”这个词，一碰就是无底洞。先问问自己：你的数据量有TB级别吗？你的业务系统超过五个了吗？你的IT团队超过三人了吗？如果都是否，老老实实在现有系统上做集成。比如用开源的InfluxDB存储时序数据，Grafana做个看板，成本几乎为零，效果甚至比某些花了几十万的商业软件都好。工业大数据不等于花钱，有时候几个会写脚本的电工比一屋子算法博士都有用。等业务真正跑起来了，数据积累到值得挖矿的时候，再考虑架构升级也不迟。最后说点情绪话。我见过太多企业，被各种“工业互联网平台”的概念撩得头脑发热，砸了几百万上千万，最后只剩个大屏。前些天在一个论坛上，有人问：“工业大数据，到底是不是伪需求？”我的回答是：需求是真的，但满足需求的路径，不是卖一堆服务器和软件license。而是让懂工艺的人学会看数据，让懂数据的人肯泡在车间。没有这种融合，投多少钱都是打水漂。

唉，吐槽归吐槽，也有些积极的案例。浙江一家做减速器的厂，规模不大，但老板是技术出身，自己带队用Python写了个简单的时间序列异常检测，结合老师傅的经验规则，硬是把关键设备的非计划停机减少了40%。成本？不到五万块钱，主要是买了两台工控机。所以别迷信大厂和概念，工业大数据的核心，永远是一线痛点，不是PPT上的时髦词。 不说了，待会儿还要去给一家注塑厂看数据——他们总算把模具温度采准了，接下来想试试质量预测。你看，只要路子对了，哪怕走得慢点，也总算是在往前挪。