企业的精益化运行，最主要的就是要找到差异性或者称为变异性，差异性的管理和控制是精益的精髓和最终目的。找出差异性的工作就是“对标”。

对标应该考虑两个维度，一个是空间的维度，比如说去和世界最先进的装置，或者同类装置去对标它的能耗、质量、生产成本等等。

一些标准化的装置或者通用性的装置，用这种办法是相当有效的。例如，规模接近的炼油厂、大宗化工产品装置都可以采用同类对标方法。但是，对于大部分的精细化工和特种化工流程，这种方法有很大局限性。因为每一套装置都有一些不同，特别是在催化剂特性、原料来源甚至地理位置等等，加上这类工艺往往对相关数据有较强的保密，从而带来了装置间的不可对比性。

所以，我们所谓的对标，特别是空间上和同行业对标，一定要注意有这些差异性和数据可靠性，不能简单地数字对数字。对标本身就是一个统计学意义上的事情，比方说某一类产品在世界上有不同的工艺，可能有几十家甚至上百家，他们有一个统计意义平均能耗或质量等指标，我们可以在统计意义上去比。这些数据在工业发达国家政府工业部门都是公开的。如果某种产品，总的需求量量就很少，世界上也许只有2-3个类似的工艺，这样去对标实际上是不科学的，在统计上也没有意义。

比方说所用的催化体系就有差异，各有特点，因为知识产权限制也不能完全一样，即便是最终产品相同，各项指标数据也难以简单“对标”。对标本身是一个统计学意义的差异性发现方法，并不是意味着找一个猫画一个虎，只能根据现有的生产工艺具体情况，去改进和优化现在的装置，而不是说别人怎么样，我们也做的怎么样，要注意科学性，勿戒形式主义和教条主义。

对标的另一个维度是在时间尺度上，我认为这种对标是更有意义。大部分企业现在已经有了相当好的数据积累，所谓对标，无非是把历史上最好的数据找出来，看看那时候究竟是发生了什么事情，那个期间整个的运行”模式”是怎样的，如果我们把一套现有的装置或一个企业都运行到了历史最好水平，这个企业一定不会差。另一个方面，如果找到了历史的最好水平，我们想办法不断向历史最好水平去靠近，同时又会产生一些新的数据，而这些新的数据，都是在历史最好水平附近的数据，再往前推动一点，就比历史最好水平更好，这才是真正的持续改进和优化，一步一步滚动方式往前进。

天天盯着别人看不一定是最科学和最有效的方法，很多事情应该是多看看自己的过去，把自己的事情做得更好，总结经验，在这个基础之上往前更进一步。这样可能来的更现实一点，也更容易操作。

回到企业数字化或工业大数据话题上来，数据是什么？数据就是过去发生过的信息记录，工业大数据方法论和技术，就是从历史数据里挖掘出规律性的东西，基于“历史相似性”、“事件遍历性”和“时间连续性”三大原理，对正在发生的事件进行“对标”，及时分辨出奇异（非正常）状态、优质状态和落后状态，提高系统运行的安全性、最优性和稳定性。

大数据的“大”，体现在空间和时间两个维度，时间维度就是历史的大范围信息。用历史性数据看对标问题，还有一个很重要的作用，就是能发现和杜绝信息的不真实性或片面性。举个例子，过去看到过的一个项目，完成上线之后，有个项目人员马上调出一个对自己有利的一段曲线说明效益如何好，请功领赏。但是，很快过了没有多久，看看大范围历史曲线和“历史模式”，并没有所声称的那么好。诸如此类的问题，只要用历史维度对标，很快就会发现和纠正了。

综述所述，对标是一个在统计学意义上，从空间和时间两个维度发现差异性的工作。通过对标工作，一是确认横向的和历史性的改进方向，同时也是对现有数据和信息真实性的验证和纠伪过程。

欢迎大家一起讨论。