发展工业大数据，助推疏浚智能化——专访中国科学院沈阳计算技术研究所于碧辉博士

随着新一代信息技术与制造业的深度融合，工业大数据已成为推动产业升级的关键引擎。在疏浚行业，智能化转型正悄然改变着传统的作业模式。本刊记者专访了中国科学院沈阳计算技术研究所的于碧辉博士，围绕“发展工业大数据，助推疏浚智能化”这一主题，深入探讨了数据技术在疏浚领域的研究进展与应用前景。

记者：于博士，您好。“工业大数据”成为热点词汇，您能否简要介绍下工业大数据在疏浚行业中的具体内涵？

于碧辉：工业大数据是指工业领域中以大容量、多类型、高速度、低价值密度为特征的数据集合，涵盖了设备运行、生产管理、环境感知等多维度信息。在疏浚行业中，工业大数据主要来源于疏浚船舶的传感器网络、施工参数记录、地质勘测数据、气象水文信息以及设备维护日志等。通过对这些数据进行采集、存储、分析和挖掘，可以实现对疏浚过程的精准感知、智能决策和优化控制，从而提升施工效率、降低能耗与安全风险。

记者：您所在的中科院沈阳计算技术研究所在数据技术研究方面有哪些积累？又如何与疏浚行业结合？

于碧辉：沈阳计算所长期从事数据技术、工业互联网、智能控制等领域的研究，在实时数据处理、分布式计算、机器学习算法等方面拥有深厚的技术沉淀。我们针对疏浚行业的特殊性，研发了面向疏浚装备的工业大数据平台，集成了数据采集、边缘计算、云存储与智能分析模块。例如，通过分析泥泵转速、排泥管压力、泥浆浓度等实时数据，结合历史施工案例与地质模型，能够动态推荐最佳施工参数，减少堵管、跑泥等现象。我们还利用数据挖掘技术预测设备故障，实现预测性维护，降低非计划停机时间。

记者：在您看来，当前疏浚智能化面临的主要挑战是什么？工业大数据如何助力突破这些瓶颈？

于碧辉：挑战主要体现在三个方面：一是数据孤岛现象严重，不同厂商的设备、不同的管理系统之间缺乏统一的数据标准与接口；二是疏浚环境复杂多变，水下地形、土质、流速等存在不确定性，对模型的泛化能力要求高；三是实时性要求强，传统离线分析难以满足现场施工的即时决策需求。工业大数据技术正是破解这些难题的钥匙。我们通过建立统一的数据中台，打破数据壁垒；利用迁移学习和强化学习提升模型在动态环境中的适应性；借助边缘计算与5G技术实现毫秒级响应。实践表明，应用大数据分析后，疏浚效率可提升10%以上，燃油消耗降低约8%。

记者：能否分享一个具体的应用案例？

于碧辉：以某大型耙吸式挖泥船为例，我们部署了工业大数据分析系统。系统实时采集了超过200个测点的数据，包括耙头位置、泥泵转速、航速、水深等。通过构建数据驱动的疏浚阻力模型与产量预测模型，操作员可以直观看到当前工况下的最优泥浆浓度与航速组合。在一次航道疏浚工程中，该系统帮助船舶在保证产量的避免了三次潜在的堵管事故，单船单日能耗较以往下降了12%。这充分证明了数据技术的实际价值。

记者：工业大数据在疏浚智能化方面还有哪些发展方向？

于碧辉：我认为有四个方向值得关注：一是数字孪生技术的深度应用，通过构建疏浚装备与施工环境的虚拟镜像，实现虚实交互与迭代优化；二是联邦学习，在保护各企业数据隐私的前提下，联合多方数据训练更强大的行业模型；三是多源数据融合，将卫星遥感、无人机测绘、水下机器人等数据纳入统一分析框架，形成全要素感知；四是自主决策与无人疏浚，结合人工智能与自动控制，逐步实现少人化乃至无人化作业。我们研究所正与疏浚企业合作，推进这些方向的试点示范。

记者：感谢于博士的精彩分享。请您对疏浚行业的数据技术发展提一点寄语。

于碧辉：工业大数据不是简单的技术堆砌，而是需要产学研用深度融合。希望疏浚行业能抓住数字化转型的机遇，以数据为纽带，连接设计、施工、运维全链条，真正实现安全、高效、绿色的智能化疏浚。我们也将继续深耕数据技术研究，为行业提供更坚实的支撑。