5. 工业数智化业务愿景
大家逐渐认识，不管如何讲数字化技术，最终还是要把它与核心业务相结合。让数据在企业内外部的业务当中，从提质增效、节能降耗、业务模式创新当中去发挥价值，最终为业务发展打开新的业务模式。如何通过数据的汇集和数据知识的挖掘和流动产生价值，这是不同的行业、不同的企业现都在共同思考的一些问题。
--
02
数智化实践
1. 工业数智化领域的认识概况
工业数智化其实是企业数字化或者企业大的转型概念下的一个领域。但其实在工业领域里面，数智化其实还可以再细分。从业务场景去展开，从核心的高技术产品、装备的研发，到生产制造的过程，再到市场营销，以及整个设备和物联网的服务，在整个产业链过程中，每一块都有大量的需求，而且都有各自的关注点和目标。对于企业内部，特别是对管理层而言，还涉及数字化和智能化的管理。这几块结合起来勾勒出了工业数智化的领域。当然还可以细分，比如供应链中的金融化，能耗方面在双碳目标下的节能降耗等等。不同场景关注点的不同，导致了技术路线的选择和业务目标的选择，以及用户群体都会不一样。从我们创新中心的角度，我们更多地关注在数智化制造，和基于工业设备、高技术装备的数智化服务。
2. 数智化研发案例
先来看一个数智化研发案例。在涉及到各专业学科的交叉过程当中，背后都会有大量的研发类的数据需要被统一地管理起来，并且能够快速为研发过程提供支撑。
过去在传统的工业软件架构中，会用一些关系型的数据库。比如原来的风电比较粗放，一个风电厂在平原上有一些风机。但现在风机在山地在海上，它每一个点位的风向以及湍流强度是不一样的，所以每个点位都需要去进行精细化的设计，这对设计提出了更高的要求。为了让这些设备能够更高效地在这些点位上运行，并且做到最合理的成本，我们需要对每一个点结合风况进行精准地运转。因此在这个过程当中，有大量的仿真数据，需要去进行相应后处理，再进行精准的设计。数据量也非常大，通常几轮批次运行下来会超过PB级别。
设备的生产制造也是一个产业协同过程，从上游零部件，到我们的整机厂商，以前是各自为政，但现在有了统一的数据平台。这样统一的、以数据驱动的，协同研发的过程，可以保证协同、统一地来做全局的优化，从而把设备运行、制造成本，以及周期降低下来。
3. 数智化服务案例
设备的可靠性包括预测性维护、远程设备的故障诊断。
① 风电结冰预警
第一块是设备故障预警，风电结冰检测案例。冬天风机经常会被冻住，导致无法发电。新能源的占比越来越高，所以问题也越来越严重。怎样及时发现、及时干预，能够对发电量进行合理的预测和管控是备受关注的一个问题。我们要利用设备运行数据，比如结冰时间，机器震动，旋转速度，提前进行诊断来避免更大的次生灾害。但在工业的领域，其实有很多的挑战，比如复杂的气象条件，同样是结冰，北方与南方的结冰条件是不一样的。
