五，稳定性控制和评估。在关键的生产过程中，有一些海量产出关键指标，比如半导体生产过程中的CD值，即关键的线宽要**在一定的范围内抖动。利用数据分析，通过SPC进行稳定性控制，实现相应的过程控制，以**关键过程产出的稳定性。

　　六，工艺仿真。在确定了输入和输出之间的关系后，能否通过回归或者神经网络找到一个线性、非线性的模型，当*终检验结果的良率从85%掉到70%时，调整输入到某个关键值就能把良率从70%再拉回到85%？这些都可以通过海量的工业数据分析实现。

　　以上这些都是围绕着实时工艺的数据采集、分析、建模的过程。通过运营效率的提升、数据分析、高效的运营规划，尽*大可能的提高工厂的产能和利润，包括结合财务指标、价格曲线、降成本等都能实现完整的分析。只要利用好数据分析，就可以产生极大的提升，很多时候创造的效能远远不止1%。

　　对于一个大型的发电厂或者大型化工企业，实时数据可以达到每秒钟几万到几百万万数据点。一方面，很多关键设备的关键工艺参数、环境参数以及外部的危险源，仅靠人工巡检、实时监控和**经验判断，是根本无法**、实时的企业级别的安全管控要求。通过大数据的方式，进行采集海量的实时数据并汇总、分析，基于历史数据构建起预测和风险模型，不仅能构建起**的防范体系，还能对关键的监控参数以及风险事件进行预测。

　　另一方面，通过将不同发电厂、化工企业的实时数据汇总到集团的工业互联网平台，不仅能实现对关键工艺参数、关键风险源、风险事件的管控和指挥，也有助于集团层面实现跨企业的对标分析和优化，并实现对下属单位生产、耗能、排放等数据的实时采集，降低数据失真带来的经营风险，从行政管控转向数据驱动的智能决策。

　　总的来说，高端制造行业工业互联网的核心，在于工业数据的分析，而不在于工业数据的采集。虽然国内有很多的工业互联网厂商，但大多都在做基础数据采集和展示。数据采集固然很重要，但在面对不同类型的企业时，优先级有很大区分。中小企业可能要看关键的几个指标做一些告警就够了，但高端制造客户还要实现对设备状态的**性分析、运营效率的分析、性能和良率预测等复杂的数据分析。

　　而在另一方面，工业是国内的立国之本，是实体经济的主战场。现在的国内工业大而不强，自主创新能力不强，产品还处在中低端，供给能力**不足。我国工业还存在着被空心化、边缘化等问题，亟待转型升级。而国内工业门类齐全，有41个大类、191个中类、525个小类；体量巨大，年增加值30万亿元，****。无疑，国内工业的数字化转型是一个巨大的ICT市场，存在着巨大的机会。

　　工业数字化转型包括智能制造和工业互联网两大战场。其中，智能制造主要是为制造设备和工厂等实现智能化、数字化和自动化，主要是将信息技术（IT）、数字技术（DT）与生产制造操作技术（OT）相结合。由于不同工业*域的特殊性，智能制造更多是面向细分工业*域的技术和解决方案，难以形成较大的创业机会。而工业互联网则是一个巨大的平台性机遇。不过需要注意的是工业互联网是互联网与物联网相结合的产物，同时融入了云平台、大数据分析和人工智能等新兴科技，是工业环境下人、机、物、企业、生态等的**互联，而不是简单的互联网模式，也缺乏相关的标准。

　　值得一提的是，2019年6月28号，**电信联盟未来网络与云计算工作组（ITU-T SG13）会议在瑞士日内瓦召开，由工业互联网产业联盟（简称“联盟/AII”）理事长单位国内信息通信研究院主导的**标准《工业互联网网络架构与技术要求（基于未来包交换网络演进）》在会议上成功立项，这是包括ITU、ISO、IEC在内的**标准化组织启动的**个工业互联网**标准项目。

　　随着5G的商用和**个工业互联网**标准项目的立项，2019年有望成为工业互联网启动之年，从前几年的概念热炒进入到了逐步落地的阶段。而在工业互联网*域各自为战的信息化企业和创业公司也在充分利用并购整合的策略快速成长占*市场，力争成为国内版的Uptake——工业互联网标杆企业。从现在开始关注工业互联网的创业公司和创业项目，不失为进入工业互联网赛道的*佳时机。