中国制造2025跟工业的变革有点关系。工业的变革有1.0、2.0、3.0、4.0，有人说中国制造2025就是工业4.0，是吗？我先把这个问题留下。研究过程中我们发现美国有工业4.0战略，美国的工业4.0是工业互联网已成为美国先进制造伙伴计划，这是美国的工业4.0的核心。同时在欧洲地区，互联网时代处于劣势，在工业4.0时代他们的思路又是什么样的？他说用信息物理系统使生产设备获得智能，使工厂成为一个实现自律分散型系统的智能工厂。这是我发现的美国模式与德国模式的差异，美国模式讲究数据聚到核心、聚到云上，形成一个工业互联网。德国模式讲究的是把数据、把流程、把智能放到终端，让一堆智能终端设备去工作。

 

中国干什么？中国2025发展经历了一个阶段，但是中国对2025的目标定义是这样的。讲究的是创新能力、劳动正产率、两化融合、能耗物耗与污染物排放以及形成强大的跨国公司和产业集群。我发现好像2025的目标与今天几位讲的实现的东西不一致，为什么？中国的发展2.0时代是半成熟的，3.0时代有好多都没走过，以人工为主。现在说中国制造2025就是工业4.0确实太早了。在座的刚才讲的一些他们是孤独的领跑者、领路者，但这也是一个趋势。

 

2015年12月23号国务院发布了《中德高端装备制造产业园建设方案》的批复文件，大量的与德国企业在合作，并且选择在了中国老工业基地沈阳的铁西区。我们就发现了未来信息化或者我的数据库支撑信息化的时候，首先要支撑的是德国模式为主。其实德国模式和美国模式差异对数据库的要求很简单，一个是数据库能放到智能设备上，我们叫做嵌入式。另外一个方面就是把它云化，放在云的基础上。

 

大数据支撑，中国制造2025，可以实现一个从流程驱动和数据驱动的融合。像生产线、流水线、工艺自动化都是流程驱动。工业大数据的来源，企业的数据、CRM等等系统，以及机器生产数据以及来自互联网的数据，在工业大数据中最具有价值的可以为流程优化、工艺改良、故障诊断、设备维护等等提供决策的科学依据，而有一部分，是很小一部分的数据叫做SQL数据，就是过去我们见到的在企业信息化过程中产生的那一部分数据。这部分数据主要集中在企业的内部，它是引爆整个大数据产业，整个大数据价值发生的一个基础。我们的SQL数据库恰恰在储存这部分数据上有一个优势。

 

工业大数据有什么特点，简单说是大、快、多、高。我不多讲了，给大家讲讲故事，我们的数据库怎么支撑工业化应用。

 

第一个场景，设备维护的场景。在一个地方，达坂城的姑娘很出名，其实达坂城的风沙也很出名在新疆地区一过晚上7点车就不敢跑了。中国第一个风力发电厂就座落在达坂城，东西长约80公里，南北宽约15到20公里。到了那你就会发现版图很大的。现在总共有250台风车，年发电量在1800万瓦。在这样的地区，风车的叶片就成为一个主要的易损件，我们不能等它坏了以后再去换它，那有可能让风电停止很长时间，并且换它也是极其痛苦的一件事。拉叶片的车超长的车，它一走可能高速公路就容易堵了。

 

工作人员预测到250台风机里，有一台两个月以后叶片就要坏掉了，工作人员向叶片厂家下达了同种叶片生产的订单。250台风机可能来自于不同的厂家，每一台风机不是完全定制的。在一个风和日丽的早上，一定是一个好天气，一辆超长的货车直接从厂家拉着叶片到达了那台风机下面，与刚刚到达不久的配装车完成了换叶片的工作。这种场景是比较难实现的，或者说它需要数据库。

 

需要哪些数据？第一，一些基本信息。这个叶片是哪个厂家生产的、哪个型号，需要关系型数据库，都可以记录它这些信息，以及吊装更换的流程，货物生产周期，都是可以量化的。但是怎么提前两个月发现这个设备会坏，我们需要对设备的状态进行监控。叶片不是天天转的，风大了开始转，风小不转，每一个风机的工作使度，比如下大雪它是不是转了。以及表面的平整度，阻尼系数，叶轮转的时候遇到的阻力系数。发电运行状态进行数据的采集。数据的特点是格式固定，不同特性的特征采集周期不一致，采集点的数量极其多，一个风机上面采集点的数量都是成千上万的。采集到的数据需要高压缩存储，高压缩存储有一个典型的特点，第一次采到的值是这个值，第二次采到的如果跟第一次一样我就不变了。不可更改，一旦记录下来就不用更改了。预警模型，达到什么状态要提前预警告知。

 

必要时场景在线，比如在工业化的工厂里出现了什么故障。一家著名工控厂提到轧钢机的工控机，银行的业务可以停一小时、两小时算只顾，停15分钟不算事故，但是对于一个钢厂来说一个设备停3秒钟、2秒钟可能就是事故，为什么？钢水上来以后，如果控制系统停了一秒钟，轧钢机可能就坏掉了。遇到问题以后要提前预警，或出现问题以后要回过头来把当时的场景调出来，分析为什么会出现这种问题。一系列的数据记录都需要数据库支持时间序列特征。