很多人对现代工业的理解比较肤浅。一个重要的原因是：现代工业往往是在追求极限的过程中走向现代化的，如极限的效率、极限的速度、极限的质量、极限的成本等等。古人云，物极必反。追求极限的过程，往往会让技术的重点发生偏移。比如，在不断超越极限的过程中，技术原理和现实技术之间的差别会越来越大。所以，现代工业的核心技术往往不是技术原理本身，而是如何在高质量、高效率的前提下保持安全、稳定、可靠。

极限在什么地方呢？一般来说，理论上是有极限的。比如，我们可以用能量守恒的办法，计算一千克煤的极限发电量。但是，由于能量转化不可能是100%的，这种理想的目标往往不是现实的。所以，理论上的极限，往往不具备才考价值。如何才能找到现实可行的目标呢？传统上，逼近极限是通过持续改进实现的。企业经常用两种办法推进持续改进：PDCA和对标找差。PDCA把过去的最优结果作为目标，并争取在过去的基础上进步；而对标找差则是把别人能够实现的结果作为追求的目标。所以，这两种方法都具有较好的现实性。

我经常发现：理想的极限指标很容易计算，现实结果距离理想的极限值很远。导致这种现象的一个重要原因，就是对安全、稳定、可靠的考虑。为了避免不确定因素导致的意外，人们往往会留下较大的裕度，不敢追求极限的效率、极限的能耗等。这时，数字化技术就应该可以起到很好的作用。

典型的场景包括：流水线上的节奏、设备使用次数或周期、特定工序的能源消耗等，往往都与极限相差很远。比如，鱼雷罐车从高炉装载铁水，再从高炉运到转炉，往往不会超过一个小时的时间。但每天、每个鱼雷罐车只能装几次铁水。再如，热轧两卷钢之间，差不多有10秒左右的空余时间。这些都是看得到的差距。数字化技术的一个重要作用是减少不确定性，从而能够在提高指标的前提下，保证安全、稳定、可靠。

推进数字化技术时，不妨多从极限指标入手寻找优化空间。我们知道：搞数字化最麻烦的事情，往往就是不知道价值从哪里来。因为算不出效益，许多数字化项目无的放矢，导致缺乏经济性。从极限指标入手考虑目前的差距，就能解决这个大的难题，找到很多的机会。

现实中的不确定性，一部分是设备的不确定性导致的。这种不确定性往往就是参数 “常变化”；通过大数据分析，可以分析参数变化的规律，从而减少不确定性。我还发现：现场中的很多不确定性是数据质量本身的问题导致的。比如，很多人觉得实时决策指导或者控制软件比较困难，一个重要的原因就是需要合理地处置数据中的干扰。不过，数据质量是个比较宽泛的概念。数据质量相关的因素，就是会导致决策问题的相关因素。所以，数据质量不仅是数据精度问题，还包括采集时间的稳定性、数据之间的匹配关系等等。

在工业现场推进智能决策，数据质量很可能是关键问题，也是比较麻烦的问题。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。