1469
作者丨张琪玮
编辑丨赵晨
美编丨马利亚
监制丨连晓东
轻点购买图标，消费者的交易数据、个人信息、购买偏好等信息技术数据（IT数据）便“落袋”电商平台的数据库，以待未来为消费者提供更加便利、更加客制化的使用体验；工厂车间内，机器运作过程中的温度、压力、振动频率等状态都转化为一个个跳动的数字，作为操作技术数据（OT数据）被实时记录，为工业制造设备的“健康”保驾护航；一座偌大的工业园区内，大到厂房的整体结构，小到一颗螺丝、螺栓的属性，以及工艺与设备操作参数、技术要求，都作为工程技术数据（ET数据）被忠实地记录在案，从而实现“一比一复刻”的数字孪生，提高生产、管理效率……
近年来，随着数字化转型的浪潮席卷各行各业，“数据”已经成为驱动经济社会运作的“新血液”。对此，国家数据局局长刘烈宏表示：“数据作为一种新型生产要素，已经深刻地融入经济社会的各个领域。加快构建以数据为关键要素的数字经济，离不开强有力的数据产业的支撑。”
而随着各种领域、各种种类的数据呈现爆炸式增长，数据的治理在当今显得尤为重要。其中，在工业制造领域，及高端装备、基础设施等行业，数据治理，尤其是ET数据的治理，对于企业降本、提质、增效，确保安全、绿色生产起到关键作用。对此，互时科技CTO宋楠向《中国电子报》记者表示：“数据治理是数字化转型不可缺失的一环，而在工业制造场景下，规模越大、工艺及设备复杂程度越高，ET数据的治理价值就越大。”
什么是IT、OT和ET？
在介绍数据要素的重要概念时，宋楠提出了一个简明易懂的比喻：“如果将数据要素比作一颗大树，IT数据与OT数据就像大树的‘树叶’和‘枝条’，而ET数据作为数据要素中的‘骨干数据’，则可以比喻为支撑整颗大树的‘树干’。”
那么，IT、OT和ET数据究竟是什么呢？记者了解到，IT数据指信息技术数据，通常表示企业信息系统中的数据，用以支持企业的决策制定、运营管理和客户服务；OT数据指操作技术数据，具体涉及工厂车间、生产线、设备运行等现场操作产生的数据，主要用于确保生产流程顺畅、提高生产效率、预防设备故障等；ET数据则表示工程技术数据，代指工艺、机电仪等工程门类的技术数据，对于产品的创新设计、工艺优化、安全生产和设施的长期维护至关重要。
随后，宋楠对这三种数据做了更加深层的解构。他告诉《中国电子报》记者，行业中常谈的“大数据”是指IT数据、OT数据两类数据，它们主要由实时数据和过程管理数据构成，用以表示数据来源的状态与行为，更多是动态的、始终在变化的数据；而ET数据则是典型的“小数据”，以静态的基础数据为主，变化周期较长，主要用于反映数据来源的属性和特征。
宋楠向记者表示，长期以来，在数字化转型过程中，行业往往对IT、OT数据及两者的融合予以更多关注，在近年进入数字化时代后，才逐渐开始重视格式多样化的ET数据。基于此，在采访中，宋楠向记者着重强调了ET数据的重要性：“ET数据对于IT、OT数据的融合起到粘合剂和催化剂的作用，只有充分理解ET数据的价值，并实现其与IT、OT数据的关联与协同，才能成功实现数字化转型。”也正因此，互时科技选择了工业制造业中的ET数据治理作为当前专注的方向。
在工业制造领域这片特殊的土壤中，ET数据尤其发挥着更为关键的作用。宋楠告诉记者：“制造业工业企业中，如高端装备与基础设施等行业有着共同的行业特征：新建投资额较大、设备作为固定资产占比较大、上下游关联关系比较复杂……这类行业被称为资产密集型行业。”他指出，在这类行业中，工厂、设施、装备作为被管控对象较为复杂，而ET数据定义了这些对象的属性、特征与关联关系，因此，ET数据成为了深入了解对象、并对其进行数字化、精细化管控的重要依托。
“数据要有进有出”
谈到对数据治理的理解，宋楠告诉记者，数据治理的核心是“有进有出”：“数据治理，本质上就是把比较‘脏乱差’的数据输入进去，通过治理将其输出为高质量、高可用的优质数据。”他表示，要实现真正全生命周期的ET数据治理，无论是治理前还是治理后，都有需要兼顾的重要环节。
ET数据治理启动后首先要考虑的是“数据解析”的工作。记者得知，ET数据的核心来源是CAD工具的设计成果，往往包括了三维模型、设计图纸、材料表等等。通常情况下，一个工厂的设计又会涉及诸多专业，及诸多设计单位，这导致原始的ET数据呈现多源异构的特征，需要在数据治理的起始通过数据解析将数据转换成统一的数据格式，以便于后继的治理与管理工作。宋楠告诉记者，“得益于公司较强的CAD基因，互时目前已能对目前业界主流的CAD格式进行无损解析，所支撑的格式数量处于业界领先地位。”
数据解析之后，ET数据治理还需要经历数据聚合、校验、分发等重要环节。据宋楠介绍，这些环节需要全量信息模型、AI等关键技术的支撑，不但需要把数据治理妥当，还需要提升数据治理的自动化程度，从而实现效率的提升。
而在治理后的环节，宋楠则格外重视数据的应用。他直言：“‘治理’不是目的，让数据真正被用上、被用好才是数据治理的最终目标。没有应用，数据治理就没有价值。”在这一层面，宋楠向记者介绍了数据治理后的两方面应用：一是工业数字孪生体的构建，二是工业互联网平台的打造。“在工业数字孪生方面，互时能够帮助构建、优化全量全要素的信息模型，有力支撑数字孪生高阶模型的构建，为客户创造更多业务价值；而在工业互联网平台方面，互时提出‘双中台’方案，分别专注于ET数据及IT、OT数据的治理，既彼此独立，又能实现数据协同。”
据介绍，当前，互时科技聚焦石油、大型化工、核电、机场、航空等重点流程工业和基础设施产业，截至2023年底，已成功构建了超过2200个大规模复杂系统的数字孪生体，涉及固定资产1.2亿、物理对象16亿个，助力行业完成数字化转型，实现提质增效。
效率与认知是行业最大挑战
“由于业界长久以来对ET数据治理缺乏认知与重视，可以认为，目前我国的ET数据治理产业仍然处于起步阶段。”宋楠向记者坦言，“当前行业面临的痛点，主要聚焦两大方面：一是认知上不够成熟，二是技术上不够完善。”
谈到行业的“认知壁垒”，宋楠再次强调了当前ET数据备受忽视的行业现状：“提到数据治理，行业里更多想到的是IT、OT数据，采用的技术路线也更加针对大数据的特点。行业亟需认识到的一点是，ET数据的治理模式和技术手段是与大数据截然不同的，在重视ET数据治理的同时，也要转换思路，无论是制定方案还是研发产品，都要从适合ET数据的方向出发。”
而具体到技术上的不足，宋楠告诉记者，当前产业面临的技术痛点主要有二：“一方面，现有工具仍以人工为主要驱动方式，效率较低，如果不能尽快与人工智能技术结合、实现智能化转型，仍然会导致竞争力的下降；更重要的是，当前国内仍然缺乏聚焦完整生命周期的数据治理工具，这就导致在整个周期中涉及的众多环节都要靠独立的、分散的工具来进行，不仅流程冗长，还导致了成本虚高的现状。”
基于此，宋楠认为，要解决这三个痛点，同样要“对症下药”，从两方面入手：“一是提高智能化、自动化水平，尽量减少人工的参与，实现效率的显著提升；二是着手构建面向全生命周期的、完整的产品和解决方案。”针对当前ET数据治理行业发展现状，宋楠呼吁，希望产业对以ET数据为代表的数据治理予以持续关注。“数据治理是数字化转型不可或缺的一环，希望这一领域能够得到业界更多的关注与支持。”宋楠说。
下载ECAD模型
