大数据经过几年的发展,在中国已经结出了丰硕的果实。国家电网推出的终端智能电表便是一例。智能电表收集数据的目的首先是为收费,但实际上这些数据能够产生巨大的价值。根据用电量数据能够判断房屋空置率,可以指导房价、地价的调控。电网的监控数据结合经济指标可以判断该地区乃至全国工业制造业在不同区域发展的情况。

　　大数据是在对传统的数据库进行数据挖掘的基础上发展而来,但与传统数据库不同的是,它的结构化程度不一样。传统数据的格式结构类型都是统一的,而大数据的格式结构类型千差万别。它采用的技术、工具、方法都跟传统数据库有很大的不同,与之相应地形成了一门新的数据科学——云计算。需要指出的是,大数据和云计算是天然结合的。云计算相当于一个挖掘机,大数据好比一个金矿,没有强大的计算(挖掘)能力,大数据中有价值的部分就不能被挖掘,没有大数据,云计算就相当于杀鸡的牛刀、打蚊子的大炮。

　　随着国家经济和信息技术的迅猛发展,各行各业的数据量都在迅猛增长。近10年,电子商务、共享经济,如淘宝、京东,滴滴、ofo等企业的发展,让大数据在中国落地生根,具备了市场前提。海量的、不同来源、不同形式、包含不同信息的数据经过处理,可以被整合、分析,原本孤立的数据变得互相联通,这让人们通过数据分析,发现小数据时代很难发现的新联系、新规律,创造出新价值。而且大数据通过多维度的数据可以实现精准预测,定向推送,发现看似不起眼的矛盾。举个例子,能源计量中电力计量是一个重要的环节,企业生产过程中不发生大的工艺更改、流程变化或技术革新,其用电量应该保持一定的水平。根据企业所报的产量、供电部门查询到的用电量,再结合行业对标的数据,是比较容易判断这个企业的生产水平的,如果相关数据偏差过大,就有理由相信企业所报的数据存在一定虚假。其实,在大数据背景下,“数据脚印”无处不在,小到个人消费、活动轨迹,大到税务、资产、理财、并购等重要决策,这些在不同部门、不同行业保存的“数据脚印”之间不会有任何交叉、冲突,但是如果将这些数据通过一个统一的平台进行整合并信息加工,通过数据之间的相互印证和相互解释,几乎可以将一个人,一个企业的行为轨迹全部呈现出来。某种意义上讲,这些整合的数据和信息就是一种暗中的监控。除非你与智能生活无关,不用任何智能化的设备,不享用便捷的“互联网+”服务,否则这些数据总会在某台服务器上静静地待着,直到有一天被挖掘出来。所以我理解能源计量数据采集工作的艰难。没有哪家企业愿意敞开心扉,任人一探究竟。

　　目前大数据在商业、金融、通信领域以及政府部门有了较多应用。最令人瞩目的应用领域投票结果(按照票数多少排序)显示了我国最早取得成果的大数据应用领域:互联网、金融、健康(见表1)。

　　智慧城市、企业数据化、工业大数据成为新的增长点,城市、企业、工业的数据化,或者城市生活、企业贸易和管理、工业生产过程的数据化和大数据应用代表了一种更广泛的应用领域覆盖。取得应用和技术突破的数据类型投票结果如表2所示(按照票数排序)。

　　智慧城市和每个生活在城市里的人都有关系,大家已经深切体会到了。但是对企业和工业数据化可能还有些陌生。举个例子,某啤酒厂,除验瓶、验酒两道工序实行人机配合外,灌装、杀菌、封盖等工序均已实现自动化操作。利用MERP系统,随时可以对生产、销售等领域的情况进行了解。比如,哪个客户今天提了多少件啤酒、是何种系列啤酒、通过什么物流配送等,全部能够通过这个系统对数据进行收集和终端处理,然后通过手机就能看到所需要的各种数据,从而为决策提供依据。对数据的收集和处理,使得该公司能第一时间准确掌握市场需求和趋势,从而及时调整生产方向。又如JD的“小黄人”机器分拣系统,每个“小黄人”配有红外和超声波避障系统,“小黄人”在一秒内读取目的地信息,在分拣途中,要是遇上“堵车”的情况,“小黄人”会自动停下来,还会自动找到更加便捷的路线,几百个机器人秩序井然,动作迅速,被誉为令全世界都感到惊艳的黑科技。这两个例子都是典型的数据驱动革命性变革,对今后的智能工厂、智慧物流有极强的示范作用。

重塑计量的8种革命性力量

　　借用德国工业4.0的提法,我们现在的计量也应当在数据时代更新升级为计量2.0。计量2.0应是当前计量技术机构服务模式的升级。在我国,计量是这么定义的,计量是实现单位统一、量值准确可靠的活动。但在普通老百姓眼中就是法制计量,比如出租车、尺子、秤等。其实,还有两种类型的计量不被人熟知:科学计量和工程计量。在国家取消强制检定收费后,面对出现的一系列问题,如何发挥现有技术机构应有的作用,从管理型技术机构走向服务型技术机构,是每个计量人应该关心和思考的。用大数据来分析我国工业化的进程,从早年基础建设、钢铁产业、机电设备、化工产业、生物医药、IT产业的发展来看,计量技术机构的变化也经历了力学、热工、化学、医疗等行业的兴衰,不同时期都伴随产业的兴起,在检测人员、设备投入以及收益方面有所增长。所以现代计量主管部门大力提倡产业计量也是顺应潮流的一大举措,找准产业计量的切入点非常关键。产业计量讲的是关注产品生命周期的全过程。计量2.0也提出了要服务产品生命周期每个阶段的口号。

　　让我们来看今后计量2.0的服务有什么变化。

　　首先,日常的校准工作流程会有改变。检测时,工作人员发出指令,让仪器设备的测试接口进行对接,完成自检后按照设定的检测流程和随机参数(防止单点应对性作弊)开始校准,在这期间,突然发生一个意外,造成校准无法进行,反馈信号及时传达至工作人员,根据反馈信息,工作人员重新发出指令解决问题,校准过程重新开始,完成检测后,检测数据和报告就会加密上传至服务器,客户经授权登录到客户端也可以查看。甚至VIP客户可以做到在异地办公室内,通过网络实时查看实验室的检测状态、同步动态获取实时数据,并对实验数据进行备份,以便后期使用。需要说明的是,这样的校准,不是1对1的,而是1对n的。这其中的关键点是保证检测仪器接口的对接、校准过程的自动分析。

　　其次,智能制造的计量服务对象之一是大量存在于智能工厂里的数以万计的各种计量设备仪器、制造机器人等。服务方式由被动维护、固定周期维护、预防性维护向预见性维护发展。那种破坏性小、影响不大的缺陷能够通过智能计量仪器在生产过程中提供的实时诊断信息被及时预见,从而在第一时间采取合理措施。如航空制造业,如何降低飞机发动机油耗是研发工程师们一直要面对的棘手问题。美国通用电气公司在飞机发动机上安装了近6000多个传感器,以便实时监测发动机的运行状态、健康状况等,并通过数据采集分析,预测飞机可能发生的故障风险,为发动机的维修服务和不断提升发动机质量提供数据依据。

　　最后,基于对检测数据的全面分析,既要从前端的数据获取以价值需求为导向制定的数据标准,更要从碎片化的数据中提取有用的信息。通过对历史数据的分析提炼,对各行各业海量的测量数据完成融合和解释后,使用大数据分析技术对其进行分析,从中学习到关联规律,发现其中的矛盾,找到平常没有发现的特点,发现的规律往往是大数据小应用。在对海量数据进行分析时,除了传统的数据挖掘存储、分布式计算、统计学技术外,还需根据测量对象本身的性质及应用本身场合的特点获得大致范围,得到有效的分析数据。大数据是一座金矿,但是没有挖掘出来就是废铁一堆。全国质检系统应当自上而下建立完备的统一大数据平台,通过存储、融合技术,将数据变为对企业有用的信息。特别是要加强对多源数据的多维度关联、评估及预测,及时发现问题,在产品生命周期内做到最优服务。