相对消费互联网，为什么工业互联网更需要高技术人才？(4)

同时，工业互联网还涉及人员操作存在的人身安全问题。不论是信息保护或者资产管理，工业互联网都会有更高更强的安全规范要求。以高空作业设备为例，作为一个危险的行业，中国建筑施工过程中超过50% 的建筑事故是高空坠落。随着高空作业日益频繁，加上国家对高空作业安全的重视程度越来越高，如何在高空作业设备上做好?

专注生产高空作业设备的企业星邦重工认为，在高空作业过程中，由于设备传统的信息流动模式，比如ERP 系统，或者电话、邮件沟通，信息的及时准确反馈比较难，对于高空作业车这种安全性要求极高的设备来说，是极其危险的，但行业普遍存在这样的难题，迟迟无法解决。

在工业领域当中，普遍来说和高空作业相似，锅炉行业、发电、纺织、机床等这些工业领域都属于“高危”行业，稍微不甚，其后果和损失不可设想。且不说造成的经济损失，大部分时候将涉及具体的操作工人。因此，工业互联网对产品安全性有极其严格的要求。

在大数据上，工业大数据体量巨大且增长迅速

大数据技术在互联网领域运用很久了，无论是消费互联网还是工业互联网，但这两个领域的大数据也有本质上的区别。

工业互联网的本质是以机器、原材料、控制系统、信息系统、产品及人之间的网络互联为基础，通过对工业数据的全面深度感知、实时传输交换、快速计算处理和高级建模分析，实现智能控制、运营优化等生产组织方式变革。所产生的大数据规模极其大，而且面临着的增长量和增长速度也是巨大的。

目前，中国大型的制造业企业，由人产生的数据规模一般在TB 级，形成了高价值密度的核心业务数据。机器数据规模将可达PB 级(1PB=1024TB)，是“大”数据的主要来源，但相对价值密度较低。以风机装备为例，根据IEC61400-25 标准，持续运转风机的故障状态其数据采样频率为50 Hz，单台风机每秒产生225K 字节传感器数据，按2 万风机计算，如果全量采集每秒写入速率为4.5GB / 秒。

随着智能制造和工业互联网技术的发展，产品制造阶段少人化、无人化程度越来越高，运维阶段产品运行状态监控度不断提升，未来人产生的数据规模的比重降低，机器产生的数据将出现指数级的增长。

另一方面，工业领域中的大数据不仅要采集速度快，而且要求处理速度快。越来越多的工业信息化系统以外的机器数据被引入大数据系统，特别是针对传感器产生的海量时间序列数据，数据的写入速度达到了百万数据点/秒-千万数据点/秒。数据处理的速度体现在设备自动控制的实时性，更要体现在企业业务决策的实时性，也就是工业4.0 所强调的基于“纵向、横向、端到端”信息集成的快速反应。