很多人對現代工業的理解比較膚淺。一個重要的原因是：現代工業往往是在追求極限的過程中走向現代化的，如極限的效率、極限的速度、極限的質量、極限的成本等等。古人云，物極必反。追求極限的過程，往往會讓技術的重點發生偏移。比如，在不斷超越極限的過程中，技術原理和現實技術之間的差別會越來越大。所以，現代工業的核心技術往往不是技術原理本身，而是如何在高質量、高效率的前提下保持安全、穩定、可靠。

極限在什么地方呢？一般來說，理論上是有極限的。比如，我們可以用能量守恒的辦法，計算一千克煤的極限發電量。但是，由于能量轉化不可能是100%的，這種理想的目標往往不是現實的。所以，理論上的極限，往往不具備才考價值。如何才能找到現實可行的目標呢？傳統上，逼近極限是通過持續改進實現的。企業經常用兩種辦法推進持續改進：PDCA和對標找差。PDCA把過去的最優結果作為目標，并爭取在過去的基礎上進步；而對標找差則是把別人能夠實現的結果作為追求的目標。所以，這兩種方法都具有較好的現實性。

筆者經常發現：理想的極限指標很容易計算，現實結果距離理想的極限值很遠。導致這種現象的一個重要原因，就是對安全、穩定、可靠的考慮。為了避免不確定因素導致的意外，人們往往會留下較大的裕度，不敢追求極限的效率、極限的能耗等。這時，數字化技術就應該可以起到很好的作用。

典型的場景包括：流水線上的節奏、設備使用次數或周期、特定工序的能源消耗等，往往都與極限相差很遠。比如，魚雷罐車從高爐裝載鐵水，再從高爐運到轉爐，往往不會超過一個小時的時間。但每天、每個魚雷罐車只能裝幾次鐵水。再如，熱軋兩卷鋼之間，差不多有10秒左右的空余時間。這些都是看得到的差距。數字化技術的一個重要作用是減少不確定性，從而能夠在提高指標的前提下，保證安全、穩定、可靠。

推進數字化技術時，不妨多從極限指標入手尋找優化空間。我們知道：搞數字化最麻煩的事情，往往就是不知道價值從哪里來。因為算不出效益，許多數字化項目無的放矢，導致缺乏經濟性。從極限指標入手考慮目前的差距，就能解決這個大的難題，找到很多的機會。

現實中的不確定性，一部分是設備的不確定性導致的。這種不確定性往往就是參數 “常變化”；通過大數據分析，可以分析參數變化的規律，從而減少不確定性。筆者還發現：現場中的很多不確定性是數據質量本身的問題導致的。比如，很多人覺得實時決策指導或者控制軟件比較困難，一個重要的原因就是需要合理地處置數據中的干擾。不過，數據質量是個比較寬泛的概念。數據質量相關的因素，就是會導致決策問題的相關因素。所以，數據質量不僅是數據精度問題，還包括采集時間的穩定性、數據之間的匹配關系等等。

在工業現場推進智能決策，數據質量很可能是關鍵問題，也是比較麻煩的問題。

來源：儀表圈/作者：郭朝暉，工業自動化博士、教授級高工，專注于工業數字化轉型及技術創新研究領域