工業互聯網與工業智能
，是工業企業數字化轉型的不同形態，但對兩者關係的認識，關係到工業數字化轉型的路徑與效果。

中(zhong)國(guo)工(gong)程(cheng)院(yuan)院(yuan)士(shi)譚(tan)建(jian)榮(rong)認(ren)為(wei)，工(gong)業(ye)互(hu)聯(lian)網(wang)是(shi)互(hu)聯(lian)網(wang)和(he)新(xin)一(yi)代(dai)信(xin)息(xi)技(ji)術(shu)與(yu)工(gong)業(ye)係(xi)統(tong)全(quan)方(fang)位(wei)深(shen)度(du)融(rong)合(he)形(xing)成(cheng)的(de)產(chan)業(ye)和(he)應(ying)用(yong)生(sheng)態(tai)，是(shi)工(gong)業(ye)智(zhi)能(neng)化(hua)發(fa)展(zhan)的(de)關(guan)鍵(jian)綜(zong)合(he)信(xin)息(xi)基(ji)礎(chu)設(she)施(shi)。

工業數據的特點

在不久前的2019第三屆世界智能大會上，譚建榮表示：“數據是工業互聯網的核心，通過工業數據全周期的感知、采集和集成應用，形成基於數據的係統性智能，推動工業向智能化方向發展。”

工業生產的數據就是工業數據，來源於工業產品生命周期各個環節，包括生產經營相關業務數據、設備物聯數據和製造企業外的數據等等。

隨著雲計算
、大數據等新一代信息技術在工業領域的運用，工業數據逐漸從簡單

、離散
、孤立的數據
，發展為與人
、雲yun和he應ying用yong互hu聯lian的de海hai量liang大da數shu據ju，有you更geng多duo類lei型xing更geng多duo龐pang大da的de數shu據ju需xu要yao傳chuan輸shu處chu理li，數shu據ju處chu理li的de鏈lian條tiao也ye變bian得de更geng長chang，製zhi造zao企qi業ye工gong業ye數shu據ju逐zhu步bu打da通tong，形xing成cheng工gong業ye互hu聯lian網wang。

gongyehulianwangsandahexinyaosu
，diyijiushizhinenghuadeshebei
，jiashangzhinenghuadexitong

，shoujishengchanguochengzhongdeshuju。diershizhinengshebeidexietongyunxingweihuyuxuexiyouhua。disan

，gongyehulianwangtigongjuece，yaonengmianxiangfuzadashujufuzhujuece。

譚tan建jian榮rong認ren為wei，工gong業ye數shu據ju有you三san個ge特te點dian
，一yi是shi多duo源yuan異yi構gou，來lai源yuan很hen多duo，而er且qie數shu據ju結jie構gou是shi異yi構gou，特te別bie是shi非fei結jie構gou化hua的de數shu據ju，分fen析xi起qi來lai很hen困kun難nan。二er是shi數shu據ju關guan聯lian性xing強qiang，是shi全quan生sheng命ming周zhou期qi，基ji本ben上shang對dui連lian續xu生sheng產chan的de企qi業ye，要yao24小時持續采集
，要保證實時性、連續性
、穩定性、動態性。三是數據相關領域非常複雜
，包括故障檢測、預測管理
、可靠性等都涉及不同的專業領域。

在工業互聯網中網絡是基礎，通過物聯網、互聯網等技術實現工業全係統的互聯互通，促進工業數據充分流動和無縫集成。“但是如何實現數據的充分流動和無縫集成，要求很高。”譚建榮說。

工業互聯與工業智能的關鍵技術

對於工業智能，譚建榮強調
，“工gong業ye智zhi能neng就jiu是shi工gong業ye知zhi識shi庫ku，沒mei有you知zhi識shi談tan不bu上shang智zhi能neng。現xian在zai很hen多duo企qi業ye搞gao智zhi能neng化hua但dan沒mei談tan到dao知zhi識shi，沒mei有you知zhi識shi的de智zhi能neng就jiu是shi空kong架jia子zi，最zui多duo是shi一yi個ge自zi動dong化hua、數字化、信息化，談不上智能化。智能化一定是建立在知識庫的基礎上，而且這個知識不是死的，需要動態傳感。”

那麼
，如何判斷智能化呢？譚建榮提出

，智能化的標準就是自主決策——jiqigenjubutongdegongkuangnengzizhujuece，zheshigongyezhinengzuihexindebufen。gongyezhinengdefazhanjingliwugejieduan，diyishigongyeshengchanxitongdeguanliyugaishan。dieryishujuweibiaozhundeguanlitixi。disanshujuqudongdelvsexingjianmo。disizhichijuecedezhishixitong。diwushitidejingxiangduichengyingshejianmo。

數(shu)據(ju)是(shi)工(gong)業(ye)互(hu)聯(lian)網(wang)的(de)核(he)心(xin)
，也(ye)是(shi)工(gong)業(ye)智(zhi)能(neng)的(de)核(he)心(xin)。譚(tan)建(jian)榮(rong)總(zong)結(jie)認(ren)為(wei)，從(cong)工(gong)業(ye)數(shu)據(ju)到(dao)工(gong)業(ye)智(zhi)能(neng)涉(she)及(ji)到(dao)六(liu)大(da)技(ji)術(shu)。第(di)一(yi)是(shi)數(shu)據(ju)挖(wa)掘(jue)技(ji)術(shu)，要(yao)從(cong)大(da)量(liang)的(de)、不完全的
、有噪聲

、模糊的隨機的實際數據中，提取隱含其內的
、人們事先不知道但又具有潛在價值的信息和知識，來揭示數據之間有意義的聯係、趨勢和模式。

數(shu)據(ju)挖(wa)掘(jue)還(hai)要(yao)不(bu)斷(duan)對(dui)數(shu)據(ju)深(shen)度(du)進(jin)行(xing)提(ti)取(qu)，這(zhe)有(you)三(san)個(ge)要(yao)點(dian)
，第(di)一(yi)洞(dong)悉(xi)工(gong)業(ye)數(shu)據(ju)特(te)征(zheng)背(bei)後(hou)的(de)物(wu)理(li)意(yi)義(yi)，以(yi)及(ji)特(te)征(zheng)之(zhi)間(jian)關(guan)聯(lian)性(xing)的(de)機(ji)理(li)邏(luo)輯(ji)。第(di)二(er)覆(fu)蓋(gai)工(gong)業(ye)過(guo)程(cheng)中(zhong)的(de)各(ge)類(lei)場(chang)景(jing)條(tiao)件(jian)，提(ti)取(qu)能(neng)反(fan)映(ying)對(dui)象(xiang)真(zhen)實(shi)狀(zhuang)態(tai)的(de)全(quan)麵(mian)工(gong)業(ye)數(shu)據(ju)信(xin)息(xi)。第(di)三(san)在(zai)大(da)數(shu)據(ju)的(de)前(qian)提(ti)下(xia)，保(bao)證(zheng)工(gong)業(ye)數(shu)據(ju)的(de)質(zhi)量(liang)
，冗(rong)餘(yu)的(de)數(shu)據(ju)要(yao)去(qu)掉(diao)。

第二是數據匹配技術。第三是機器學習，這涉及到算法，目前國內還在應用層麵。第四是知識工程
，包括知識獲取、知識表達及知識使用三個層麵。第五是模式識別。第六是數字孿生。