【壓縮機網】現代一般企業往往停留在數字層面的應用更多，只是數據的原始搜集，建立一個數據庫后束之高閣。數字經濟的顯著特點是數據的搜集、識別、過濾、分析、轉化、使用，更高級別就是數據的自我修復（人工智能級應用）。“用數據說話”-“數據會說話”-“數據教說話”是數據經濟發展的三個層面。

　　“用數據說話”層面

　　在產品推廣的時候用到最多的就是“用數據說話”，如：一臺110KW-8bar（SF1.2）的機器，按一年運行8000h計算，一級能效（比功率6.4）產品比二級能效（比功率6.9）產品可以省電7.6萬度左右；一級能效產品比三級能效（比功率7.7）產品可以省電17萬度左右，對于能源合同管理或產品替代項目的產品會“掛表”監測，數據漂亮與否一目了然。“用數據說話”成為產品交易中的硬通貨，也成為議價的倚仗。

　　市場端的“數據”要求成為產品設計和制造端的輸入，產品能效如何提升？測試時候的各種數據監測、測試點選取，電機和主機效率的極致控制，三濾、散熱器、管路、油氣桶等影響系統壓降的極致控制都是節能過程中的必要工作。終端的能效品質勢必要求整機廠家的壓力傳遞，對下級供應商的產品品質控制提出更高的要求。

　　生產排單、采購申購，一些內部生產流程都需要銷售部門的準確市場需求和預測數據，每個環節的傳遞都要用“數據說話”。產品制造過程中各個工序之間周轉，原料入廠檢測等所有涉及到不合格品產生的環節都可以產生大量用于分析的數據，此時為“用數據說話”層面的數據積累階段。

　　“數據會說話”層面

　　前面的“數據池”收獲海量的沒有內在聯系的離散數據，如果沒法分析、轉化、運用就會形成“數據孤島”。服務端率先應用的“物聯”技術是典型的“數據會說話”應用，時時在線檢測空壓站的所有需要采集的運行參數，建立分析模型，可以完成“智能化”的告警管理、服務人員管理、工單處理等工作。系統可以實現對空壓機運行、點檢、維修/養護、大修等關鍵業務的信息化管理。

　　根據用戶使用的高峰用氣量的變化、用氣量、壓力的變化等等，包括后處理的一些運行數據的監測，進而進行優化，給用戶提供選型的科學依據，這些都是“數據說話”的典型應用。還可以進一步根據每臺空壓機的實際情況，分別設定其上述各項業務的作業規范和作業標準。對設備維保全過程進行全面監控，系統自動派單、任務接單、按單領取備品備件及相關材料、完工報告，空壓機現場管理人員對維保的完工報告進行確認后，工單結束。該過程可以完全用網絡或手機APP實現，做到服務端的“數據說話”。

　　生產端“數據說話”就是依據庫存數量、發貨數量、在產數量等數據的縱、橫向對比分析，及時調整計劃。生產端一般涉及以下模塊：計劃管理、質量管理、設備管理、看板管理、倉儲管理、生產統計、工藝管理等。對于生產而言，每天排什么型號的壓縮機、原材料入庫情況、每天生產排產的動態、完成率、不合格品率、合同訂單達成率等等這些都是要通過數據顯現，進而實現數據會說話。

　　“數據教說話”層面

　　“數據會說話”進一步發展就是要“數據教說話”。通過數據采集建立起龐大的數據庫，進而建立數學模型進行分析，找出內在的邏輯關系和相互之間的聯系。以設計為例：比如噴油量、壓損等對整機性能的影響。如果有準確的數學分析模型，整個設計可以進行自我完善。轉速調整匹配氣量和壓力需求，轉速確定后匹配合適噴油量等進行優化調整，使其達到最佳的節能效果。

　　比如銷售排單，如果有精準的推斷、計算，就可以及時的、準確的調整計劃，而非盲目的預測庫存。這樣會根據市場的動態，哪些機型比較暢銷，哪些配件用量比較大，作為一個基礎的分析判斷，實現數據“自我學習”。這種調整可以將產品種類和數量壓縮在更短的周期內完成，更加科學合理，可以有效避免積壓和大幅調整帶來的震蕩。

　　現在推崇的人工智能實際上就是對于普通的、簡單的基礎數據采集后，建立有效的科學算法，實現數據自我學習、自我修復的能力。比如說在用戶現場，根據不斷的數據提取分析在哪個時段是用氣的高峰，用氣的波動范圍是多少，壓力露點波動等，就可以利用大數據計算后給出預警，并提供合理的調整報告，設定壓縮機一定范圍內的氣量等參數調整，這樣就可以做到極致的精準節能。如果超出預定調整范圍會推送給用戶征得同意后自動調整。

　　“數據”如何教“說話”

　　1、大量的數據收集整理、分析、篩選。數據的選取范圍、寬度和廣度、有效數據的提取、無效數據的剔除等。

　　2、內在邏輯關系的分析、數學模型建立。研發、生產、銷售、服務，相互影響、制約因素的查找分析，時時數據與原始數據的比較以及對于未來概率事件的推演等。

　　3、算法的提煉、完善。最新一代網絡經濟的最大特點就是算法，這也是我們領先國外之處。對于傳統產品的應用不必像網絡算法一樣強大，我們基于不同板塊的具體應用即可，各個板塊之間相互關聯，單獨板塊的縱深挖潛。

　　4、自我學習的“復算”算法編程。基于計算機的“人工智能”就其本質來看，主要就是“數據”的收集、應用、修復。“學習”步驟主要是基于現有數據對未來趨勢的影響和判斷，進而剔除不利的影響因素，實現數據的“智能學習”。

　　分析我們壓縮機行業，要以發展的眼光、以未來的眼光來看現有技術的未來走向和趨勢，這樣我們做起來會更有目的、更有針對性。不得不說，隨著人工智能的普及和應用，我們壓縮機從設計到生產到服務，未來都可以實現基礎數據到智能數據的轉化，并搭載新興的技術領域再次起航。

來源：本站原創