《制造業數據管理的再認知》一文中我們將工業大數據分為公共資源數據、工程類數據、管理類數據和物聯數據。這篇文章主要談談物聯數據，也是數據管理部分的最后一篇了。傳統的管理系統將人作為數據采集端，用流程來固化組織的行為，用指標來衡量評價流程和組織的效率。工業企業的物聯網，就是要將人和物聯系起來，將系統和物聯系起來，將物作為數據采集端，由人或系統進行數據分析和決策。數據的分析與優化是物聯網的關鍵技術之一，也是未來物聯網發揮價值的關鍵點。物聯網在工業中有很多種應用方式，如物流倉儲、生產制造、產品運維等，我們這里重點講講生產制造和產品運維。

　　第一節物聯數據的組織方式

　　工業企業的生產制造物聯網應用一般稱為車間物聯網或者叫制造物聯，通過使用RFID傳感器、無線網絡通信、GPS定位、語音視頻系統等技術把制造計劃與制造資源“人、機、料、法、環”等信息鏈接起來，從而對五大制造資源智能化識別、定位、跟蹤、監控和管理，從而滿足企業指揮調度、環境監測等方面的管理要求。五大制造資源分為靜態屬性和動態屬性，如一臺機床設備的靜態屬性又可以分為管理信息（設備編碼、設備名稱、設備分類等）、靜態參數（工作環境、進給速度、切削參數等）、動態參數（機床狀態、車床完備率、車床負荷率、維修記錄等）。靜態屬性不受生產過程的影響，并在生產流程開始之前已經確定，是車間現場管理中的常量數據，但這些數據并非永遠固定不變，它們可在生產過程結束后由用戶進行調整；動態數據是一直處于變化中的數據，車間物聯網數據大多屬于動態數據。

　　第二節物聯數據的管理技術

　　車間物聯網是一種典型的復雜信息系統，涉及數據管理的各個方面，主要包括：數據質量控制、數據融合與集成、復雜事件處理、數據存儲與處理，以及安全訪問控制等。

　　數據質量控制：物聯網的數據質量可以用精確度、置信度和完整性三個指標來衡量。在提高射頻識別、傳感器網絡數據質量控制方面，主要采用清除多讀和誤讀數據、填補漏讀的數據。數據清洗通常采用概率統計和時空關聯的方法。

　　數據融合與集成：物聯網數據空間內數據對象的多態性表現在多類型、異構和無統一模式。因此，一方面需要構建車間統一的數據模型，用統一的方式表達數據；第二方面以統一數據模型為基礎，研究如何將異構數據映射和轉換到統一的數據框架中；第三方面物聯網中的數據源是分布、自治和獨立的。在數據集成過程中，有時需要自動地發現相關的數據源；第四方面要記錄數據的來源，從而實現數據的溯源；第五方面車間制造資源是不斷變化的，這種變化會對于數據的一致性、版本和模式更新等產生影響，要能夠記錄數據演化的過程。

　　復雜事件處理：在典型的物聯網應用中，上層系統負責監測各個物體的狀態和行為，并控制其按照既定的程序作出智能反應并完成相應行為。物體的行為通常以事件形式表達。

安全訪問控制：由于物聯網的開放性，如何保護好了傳感數據的隱私性成為一個棘手問題。因為這些海量數據很容易獲取、如果幾何互聯網檢索信息，使用復雜的推理技術，就可推演出隱私信息。物聯網的物體異構性和移動性增加了隱私保護的復雜性。

　　第三節物聯數據的應用模式

　　1、物聯車間的生產管控：車間生產指揮調度中心作為整個生產的“大腦”，需要統籌調度車間的各項資源及生產能力，該中心通過集成ERP、MES、MDC等系統數據，以電子大屏幕為載體，展示各生產現場作業情況、突發事件、事件跟蹤、改進情況等。結合精益生產理念，對各生產單元的生產任務執行進行全過程管理，通過統計、分析、歸納、預測后，實現生產數據可視化管理，為全景展示公司生產任務執行情況，提供企業決策支持分析，確保生產任務按質、按量的準時完成。

　　2、物聯車間的質量控制：某鋼鐵企業是中國最大的特種鋼材生產企業，在其某條硅鋼生產線上，由于多種復雜因素的作用，成品表面有時會形成一種稱為縱條紋的瓦楞狀缺陷。縱條紋缺陷不僅影響產品的外觀效果，而且對產品的物理性能如層間電阻，電磁性能和疊片性能等有著直接的影響，其縱條紋缺陷鋼占生產量的30%左右，每年給企業帶來巨大的損失。通過數據挖掘技術對生產工藝流程數據進行深入分析和挖掘，建立產品質量優化模型，減低次品率，提升產品質量。