复旦大学汪卫教授：多模态、高通量、强关联的工业大数据，与智能分析支撑工业物联网发展

【猎云网海南】12月30日报道 （文/郑丽萍）

12月29日，由海南省大数据联盟主办的第三届中国人工智能与大数据海南高峰论坛暨2019年海南省大数据产业联盟年会在海口成功举行，峰会以“智慧海南·数据赋能”为主题，从物联网发展、芯片以及云计算、智慧服务、大数据、区块链技术、AI赋能等方面，阐述数字经济大数据如何与产业融合、促进产业发展，来自各行各业的大咖也就数字时代未来趋势发表了自身见解。

复旦大学计算机科学技术学院教授、博士生导师、副院长汪卫就《物联网大数据技术挑战与应用》做了主题分享：

纵观人类的每一次进步，都离不开工业的迭代：18世纪，第一次工业革命作为技术发展史上的巨大革新，开创了以机器代替手工劳动的时代；19世纪中期，第二次工业革命促进生产力飞跃发展，改变了社会面貌，形成西方先进、东方落后的局面；上世纪90年代，美国引领全球走上信息高速公路，将第三次工业革命推向高潮；第四次工业革命则以智能化、数字化、网络化和生物科技等新经济为代表，正在席卷全球。

汪卫表示，这一次工业革命蕴藏着巨大机会。以工业物联网为例，无论是依靠CPS系统的德国工业4.0，还是以5G技术与NB-IoT物联网方案为核心的美国工业互联网，还是下一个五年计划的中国制造2025，工业物联网都在不断地颠覆产业，甚至影响世界格局。

大数据和智能分析是支撑工业物联网发展的关键手段。据德国GE工业互联网白皮书调查发现：工业4.0所面临的机遇和挑战，数据的整合分析以及使用是非常重要的能力；物联网大数据分析分别从生产全过程的感知掌控、产品使用以及运行状态、操作人员状态三方面去支撑智能制造，从而达到提高生产效率、降低成本、降低故障率、创新服务模式以及提高管理水平的目的。

这时，工业大数据显得尤为重要，作为工业领域信息化相关应用中所产生的的海量数据，来源余企业内部、客户、以及产业链物联网，汇聚产业链跨界数据、机器设备数据、制造业信息化数据，实现全生命周期的数据把控，而工业大数据也呈现着多模态、高通量、强关联的特征。

同时，工业物联网的大数据也在面临着挑战，一是在传感器数据低语义层次数据和业务分析基于高语义层次信息之间存在的数据语义鸿沟；二是在领域专家、实现方法、分析方法如何达成目标分析的分析方法鸿沟；如何克服挑战，则要用到工业物联网大数据的主要技术：

技术主要从两方面去发力：大规模工业数据管理方面，海量时序/流数据的管理和查询技术、面向全生命周期的工业数据建模、多语义层次的特征定义和提取、多语义层次的数据融合、多类/多道数据的协同查询等；在工业物联网大数据分析方面，通过异构数据的关联分析（如时间序列数据/BIM数据/结构数据/建立业务语义与事件语义关联）、语义融合（全局状态的语义集成、数据设备工况的语义层面融合）去解决。

汪卫就工业物联网大数据在桥梁结构健康监控的应用做了举例，近年来我国的多起重大桥梁倒塌事故，影响人民生命财产安全以及经济建设，也进一步促进管理部门对桥梁结构安全掌控的需求；融合多座桥梁、多种传感器的海量监测数据，每座桥梁涉及多种传感器类型以及上千个传感器，实现每秒流入数据超过10000个数据节点。

在异常监测方面，利用单通道预警算法和多通道预警算法，保障平台能够第一时间作出预警；同时，平台也支持基于监测数据的各种事件建模和自动识别，如桥墩被撞、地震、爆破、重车经过等；实现一整套故障分析技术，包括故障前的先兆分析、故障后的原因定位以及影响分析，期望构造基于云计算技术的桥梁结构健康监测数据管理平台。