☞【大数据100分】《工业4.0 从构建全生命周期数据图谱开始》
主讲嘉宾：李正海 交大校友之家常务副理事长、九方宏信CIO、高级工程师、高级程序员
嘉宾介绍：李正海，又名包国智【包公32代】，89年毕业于北方交通大学机械系，铁道车辆专业。主要研究领域：信息透明化及可视化，知识创新，创业孵化。历任多家公司各种职务，包括香港上市公司高管，民企副总，部门经理，项目经理，首席咨询顾问，万人企业(戚墅堰)的计算机中心副主任等，千万级项目负责人，两亿项目专家组成员，主编《软件质量保证技术》，创过业，融过资，获过奖，大学讲过课，完成过30余类信息化项目，发表学术论文40余篇，兼任10数家政府、协会、高校、企业顾问。近期业务：【工业互联网】【大数据可视化】【微信点播，大屏幕】。
以下为分享实景全文：
李正海：
1、引言
工业4.0作为德国的竞争战略，其定义是以信息物理融合系统为技术核心，实现端到端集成、横向集成、纵向集成的新工业价值生态，而李克强总理与2014年10月访德，与德国总理默克尔共同主持第三轮中德政府磋商。访德期间，两国共同发表《中德合作行动纲要》，在纲要中宣布《纲要》还宣布两国将开展以智能制造为主导的“工业4.0”合作，该领域合作有望成为中德未来产业合作的新方向。自那以后，工业4.0得到了整个产业界的高度关注。
自2014年以后，笔者已经举办了三次工业沙龙活动，深感大家对工业4.0高度关注，但是路线图是什么，从哪里开始，是个比较大的问题，因此笔者结合自身20多年信息化经验，在研读了一些工业4.0的书籍、资料后，提出一个概念，就是工业4.0从构建全生命周期数据图谱开始。
首先解释一下什么是数据图谱，数据图谱可以理解为知识图谱的扩展，将企业的数据有机地整合起来，在技术上涉及数学、图形学、信息可视化，涉及的内容除了数据本身，包括术语定义、模板定义、模型定义、数据关系定义、变换关系定义、编码系统，以及总体的体系架构。
而全生命周期，首先说明这里的主体，笔者把它们分成四个领域，通常的资源管理包括人、财、物，那么对于工业企业，则包括企业组织、人员、资金、信用、产品、生产装备、网络系统、供应物料等等，而进入工业4.0时代，数据资源，或者说大数据资源，也变成了核心资源，甚至说会成为企业的核心资产，在工业企业中，生产信息流是重中之重。
所谓全生命周期，是指针对前述的主体，进行按时间流的分析，典型的生产模式为接单、设计、工艺、采购、生产、装配、物流、交付、服务等，而对于产品，例如航天就分成四个阶段，小样、试样、模样、正样，产品的设计BOM往往也会定义为设计BOM、工艺BOM、生产BOM、装箱BOM等。
而图谱的理解，是样板，是依据，是标准，企业可以根据数据图谱，确立业务的工作方式、工作的流程，图谱也是企业实现自动化的基础，或者说要想自动化，必须有标准化，而图谱就是标准化的表现形式。而智能，笔者理解为是在图谱的更高层应用模式，但是智能的比例在工业企业中，还是较低，大幅度提升有待时日，所以两者并不矛盾。
笔者以为，工业生产的组织、执行其核心是需要四流合一的，这四个流分别是业务流、资金流、信息流、物流(这个物流要划分成两个部分，第一是生产中的变化，第二是传统意义上的运输、存储。)，实现工业4.0 例如胡权院长提出的三个高度，高度自动化、高度信息化、高度网络化，其中自动化是根据系统的执行，高度网络化是数据的传递，高度信息化，则是讲数据本身，所以笔者以为，工业企业的升级，提升到工业4.0的水平，需要一系列的投入，那么这种投入是有先后顺序的，而相对而言，工业装备、网络系统投入都很大，而在投入这些系统之前，也需要对企业进行整体数据建模，分析市场，结合企业的自身情况，确立发展方向，这样才可以开展下一步的工作。
2.工业企业的常见问题
在工业企业中，生产的过程其实也是信息的变换过程，而分析整体生产业务流程，会发现信息处理的过程，往往占到非常大的比例，先举一个正面的例子，上海一家企业，在人员规模基本没变、设备资源基本没变的情况下，招聘了两名程序开发人员，将企业的定单从纸面传真、发展到电子材料、到标准电子材料，总体实现定单向设备加工指令的自动化变换，可以达到85%的比例，而其余部分，通过人机交互，半自动模式，也大幅度提升了效率，结果把企业的定单交付周期，从原来的一个月一下，缩短到7天，加急定单缩短到3天，一年以后企业的产值就从2个多亿提升到7个多亿。
我们经过分析企业的全生命周期图谱，就会发现企业普遍存在数据没有记录、数据不正确、数据不完整、数据时效不够等系统问题，而这些问题，往往导致企业巨大的损失。
一个企业，工程师离职了，一条生产线是由他一个负责的，而离职后，发现他的计算机硬盘不见了，企业找人也找不到，也没有证据，结果一条生产线，整整停工八个月。一个集团接到客户投诉，说法没有按照客户要求，应用零件，集团检查后发现，客户在技术要求中，明确指定了某零件规格、而且指定了供应商，但是集团技术人员，再向工厂传递生产要求了，没有把这部分信息传递过去，于是工厂就选用了国产的产品，最终导致企业赔付50万美金。一个企业在再日本谈销售，打电话问国内，库存情况如何，结论是库存还有，于是签定合同，然而回国到企业后，却发现库存已经不够了。
介绍这些案例，核心要说明的是，绝大部分企业是缺少一个整体的，面向全生命周期的数据图谱的，我们要想工业革命，就必须从这些基础开始。
3.主要内容
针对企业的各种数据，各种对象，从其生命周期考虑，笔者以为主要包括这样的一些内容：
术语定义：如物的某个状态，进行明确定义，确立其内涵、外延，甚至其处理方式。
模板、模型：确立规范，从而可以快速处理，例如在CAD中，使用哑图技术，使用参数化绘图技术。
变换关系：例如一张销售单过账，同时生成一张财务凭证，这是两者之间的关联关系。
数据关系：对于关系型数据库而言，各种耦合，需要确立企业的数据字典，数据表。
编码系统：为了提高数据规范性，提高数据利用效率，开发应用编码系统，编码系统不仅包含有基于软件的系统，更重要的是面向企业的各种数据的生命周期，必须完整、正确、具有时效。
体系框架：工业企业，一般迄今都未建立起一张面向宏观的全生命周期数据图谱，我们需要从顶层开始，利用大数据的方式，结合软件应用，构建整体的体系框架。
4.软件应用
在企业中，应用软件可以大幅度提升数据处理的能力，而且减少错误，提高质量，笔者略举几例。
在装配设计中，装配工艺卡经常出现零件没有装完的情况，而上海思普的工艺设计管理系统，就构建了装配树，实现左右拖拉的方式，如果有零件没有装配设计，可以直观看到。
某企业设计PDM/PLM系统时，增加了标准化数据字典型字段，这样用户在输入时，采取选择性输入的方式，这样数据输入错误，不易理解的情况大幅度降低。
某企业在构造生产BOM时，由于设计采取的是选配策略，而根据规则，软件系统采用推荐、自动化匹配的方式，如果设计师认为不合适，则在进行修改，总体提高配置速度60%以上。
某企业在进行开发产品设计管理系统时，针对产品型式，开始认为7种足够了，然后运行两年后，发现原来的思路不正确，后期的设计管理系统就设计为，所有的新的产品设计都可以作为模板使用。
5.数据图谱应用
数据图谱构建时，也是有生命周期的，例如数据的输入，是个工作量很大的过程，然而这往往仅仅是个直觉，以某个企业为例，一说，我们设计图纸10万张，如果设计师把他们输入系统，根本没有时间，但是我们从输入的方式来讲，如果只采用扫描输入的方式，而不是转成CAD图形，其时间就可以大幅度缩短，而在应用的时候，根据需要将旧图纸转换成CAD图形，则是一种可行的方案。例如上海一家企业，就购置了3台工程扫描仪，安排四名中专生，也就8个月时间，就把企业的图纸全部实现了电子化。
下一个需要注意的是，数据的动态变换，很多企业存在着系统性问题，举例说，一个企业从来不给设计变更安排工时，而企业的变更是非常频繁的，因此生产部门采取的策略就是加大产品的期初工时定额，而大家可以预见到的就是生产计划的准确性很低，甚至闹出了企业一个工人一个月工时做到3000多的笑话。
构建全生命周期数据图谱，重点，甚至说作为重中之重的是，数据本身的生命周期，在传统上，存储是昂贵的，而现在即使存储价格下降了，但是数据的完整性往往也是不足的。另外需要注意，有一个不为人察觉的变换，那就是时间变化，随着时间流，我们需要对数据图谱进行改进、数据进行处理、知识库进行优化，引进更为先进的智能系统。
6.运营保证
关于构建全生命周期的数据图谱，如何保证运行，是个很大的难度，企业需要从企业文化、规则制度、运行工具、员工培训等多个方面进行强化。
某企业实施厂长查询系统，厂长说法，我一般不开，一开肯定不好，后来厂办结合计算机中心，确立了专人检查，如果数据没有按时填写，就重罚的制度，结果经过几个月的磨合，终于让厂长可以查询到工厂的整体概貌数据。
某企业设计部门制作了三维模型，但是生产部门收到的，还是二维图纸，生产部门根据二维图纸再进行建模，可以想象其周期与质量，而这么运行的原因就是与国家政策不符。
前面说的一些例子，也提到了软件在数据处理中的应用，笔者再分享一下我们的原则，凡是我们希望员工做的，我们在设计上就让它非常简便，而不希望员工做的，就让它复杂。
最后说明，在全生命周期数据图谱时，可以理解为数据是有不同大小、价值、展现形式的各种不同，我们需要结合具体业务，进行优化，从而保证节点运行的有效性，进而提升整体生产流程的精益性。
7.未来展望
针对全生命周期的数据图谱，笔者以为会有如下的几个发展方向，第一是大数据化，从数据的总量、到单元业务处理需要的数据量、产生的数据量，将发生质的变化;第二是移动化，例如企业的领导不在现场，可以利用移动终端、查询、控制、优化生产现场;第三是数据图谱的社会化，例如工业4.0的横向集成，可以理解为各种主体的数据需要处理，另外提供工业数据服务的，例如淘宝样的平台企业将会出现。最终我们的社会将发展成有谱系的、结构化、非结构化的、各种复杂管理、高效、互联的大数据社会。
