很多人對現(xiàn)代工業(yè)的理解比較膚淺。一個重要的原因是：現(xiàn)代工業(yè)往往是在追求極限的過程中走向現(xiàn)代化的，如極限的效率、極限的速度、極限的質(zhì)量、極限的成本等等。古人云，物極必反。追求極限的過程，往往會讓技術(shù)的重點發(fā)生偏移。比如，在不斷超越極限的過程中，技術(shù)原理和現(xiàn)實技術(shù)之間的差別會越來越大。所以，現(xiàn)代工業(yè)的核心技術(shù)往往不是技術(shù)原理本身，而是如何在高質(zhì)量、高效率的前提下保持安全、穩(wěn)定、可靠。

極限在什么地方呢？一般來說，理論上是有極限的。比如，我們可以用能量守恒的辦法，計算一千克煤的極限發(fā)電量。但是，由于能量轉(zhuǎn)化不可能是100%的，這種理想的目標(biāo)往往不是現(xiàn)實的。所以，理論上的極限，往往不具備才考價值。如何才能找到現(xiàn)實可行的目標(biāo)呢？傳統(tǒng)上，逼近極限是通過持續(xù)改進實現(xiàn)的。企業(yè)經(jīng)常用兩種辦法推進持續(xù)改進：PDCA和對標(biāo)找差。PDCA把過去的最優(yōu)結(jié)果作為目標(biāo)，并爭取在過去的基礎(chǔ)上進步；而對標(biāo)找差則是把別人能夠?qū)崿F(xiàn)的結(jié)果作為追求的目標(biāo)。所以，這兩種方法都具有較好的現(xiàn)實性。

筆者經(jīng)常發(fā)現(xiàn)：理想的極限指標(biāo)很容易計算，現(xiàn)實結(jié)果距離理想的極限值很遠。導(dǎo)致這種現(xiàn)象的一個重要原因，就是對安全、穩(wěn)定、可靠的考慮。為了避免不確定因素導(dǎo)致的意外，人們往往會留下較大的裕度，不敢追求極限的效率、極限的能耗等。這時，數(shù)字化技術(shù)就應(yīng)該可以起到很好的作用。

典型的場景包括：流水線上的節(jié)奏、設(shè)備使用次數(shù)或周期、特定工序的能源消耗等，往往都與極限相差很遠。比如，魚雷罐車從高爐裝載鐵水，再從高爐運到轉(zhuǎn)爐，往往不會超過一個小時的時間。但每天、每個魚雷罐車只能裝幾次鐵水。再如，熱軋兩卷鋼之間，差不多有10秒左右的空余時間。這些都是看得到的差距。數(shù)字化技術(shù)的一個重要作用是減少不確定性，從而能夠在提高指標(biāo)的前提下，保證安全、穩(wěn)定、可靠。

推進數(shù)字化技術(shù)時，不妨多從極限指標(biāo)入手尋找優(yōu)化空間。我們知道：搞數(shù)字化最麻煩的事情，往往就是不知道價值從哪里來。因為算不出效益，許多數(shù)字化項目無的放矢，導(dǎo)致缺乏經(jīng)濟性。從極限指標(biāo)入手考慮目前的差距，就能解決這個大的難題，找到很多的機會。

現(xiàn)實中的不確定性，一部分是設(shè)備的不確定性導(dǎo)致的。這種不確定性往往就是參數(shù) “常變化”；通過大數(shù)據(jù)分析，可以分析參數(shù)變化的規(guī)律，從而減少不確定性。筆者還發(fā)現(xiàn)：現(xiàn)場中的很多不確定性是數(shù)據(jù)質(zhì)量本身的問題導(dǎo)致的。比如，很多人覺得實時決策指導(dǎo)或者控制軟件比較困難，一個重要的原因就是需要合理地處置數(shù)據(jù)中的干擾。不過，數(shù)據(jù)質(zhì)量是個比較寬泛的概念。數(shù)據(jù)質(zhì)量相關(guān)的因素，就是會導(dǎo)致決策問題的相關(guān)因素。所以，數(shù)據(jù)質(zhì)量不僅是數(shù)據(jù)精度問題，還包括采集時間的穩(wěn)定性、數(shù)據(jù)之間的匹配關(guān)系等等。

在工業(yè)現(xiàn)場推進智能決策，數(shù)據(jù)質(zhì)量很可能是關(guān)鍵問題，也是比較麻煩的問題。

來源：儀表圈/作者：郭朝暉，工業(yè)自動化博士、教授級高工，專注于工業(yè)數(shù)字化轉(zhuǎn)型及技術(shù)創(chuàng)新研究領(lǐng)域