近几年来，工业大数据正逐步从概念走向落地应用，越来越多的企业利用大数据、AI等技术创造价值。在网易云创大会上，西安电子科技大学智能制造与工业大数据研究中心主任孔宪光分享了高校在工业大数据智能分析与实践经验。

　　工业大数据发展正当时

　　孔宪光指出，工业大数据智能分析发展趋势分为以下几个方向：

　　1、工业大数据的应用领域不断拓展。从原先的装备优化决策，扩展到业务的优化决策，产品全生命周期的分析，以及产业链、跨产业链的分析等。

　　2、工业级人工智能算法结合工业知识图谱是发展方向。目前的研究主要基于通用算法展开，而这些算法如何与具体场景结合，形成行业的专用算法，这就涉及到很多半结构化、非结构化数据的处理。在这种情况下，工业知识图谱的出现对于工业领域碎片化的知识挖掘提供了有益的方向。通过把专用算法、工业知识图谱、数据分析的算法进行融合，将形成工业级人工智能算法。

　　3、信息物理系统（CPS）与数字孪生是指导大数据智能分析的重要方法。

　　信息物理系统是两化深度融合的重要基础体系，而数字孪生是信息物理系统最重要的核心技术。通过数字孪生技术，连接物理空间和信息空间，实现虚体实体化，实体虚体化的过程。可以说，信息系统的智能程度取决于数字孪生迭代的阶数。

　　4、多模态融合的工业大数据分析建模工具是价值萃取的明珠。工业大数据分析建模工具需要涵盖多业务融合的资讯、多模型融合的分析到多计算融合的应用。

　　5、面向工业互联网的工业知识（工业APP）传播与应用是工业大数据的放大器。通过各个层级的知识萃取，把所有的知识嵌入到若干软件中，演变为成千上万个App复制到各行各业。

　　基于数字孪生的工业大数据分析论

　　随着信息世界与物理世界的对应和融合越来越深入， 数字孪生成为了近期的热门议题，孔宪光对于CPS和数字孪生、数字双胞胎等概念谈了自己的理解：

　　“CPS是构筑物理空间与信息空间的数据交互闭环通道，实现信息整体与物理实体之间的交互联动。在物理空间和信息空间之间进行交互联动的技术就是数字孪生技术。通过不断虚体和实体的演变和迭代，数字孪生技术在信息空间产生的结果就是数字双胞胎（数字孪生体）。”

　　孔宪光指出，基于数字孪生的工业大数据分析论，简单来说，是把物理实体中的业务问题抽象成问题的图谱，把问题抽象成数学抽象问题、一个可求解的问题。这样的问题体系形成后，通过数字孪生体内的智能融合体系对问题进行求解。

　　目前，工业数字孪生体与大数据分析的研究侧重于四个方面：装备、制造、试验、施工。

　　其中，针对制造数字孪生，孔宪光列举了断路器装配产线数字孪生分析的实践案例：

　　第一步，建立断路器装备产险的虚拟仿真模型，模拟产线的生产能力、生产节拍、生产瓶颈、设备利用率、物流优化等，指导生产线的建立和初步运行，获取生产线运行数据进行实时监测和可视化管控。

　　第二步，发现断路器装配过程中出现的质量问题，以及反向追溯质量问题的来源，建立质量问题追溯等分析模型。

　　最后，把分析模型部署道不同计算集群上，构建面向不同类型的应用，取得了很好的应用效果，提高了产品合格率。

　　当下，工业互联网平台发展依然面临诸多挑战，包括工业大数据分析能力不足，特别是缺乏高水平的数据模型，以及工业机理模型不足等等。孔宪光表示，高校未来也会更加努力地在工业级人工智能算法、人工智能芯片、碎片化工业知识挖掘、工业大数据分析建模技术和方法路线图等方面积极创新，加速工业大数据的发展。