大数据系列报告之一：工业大数据白皮书（2017）

大数据系列报告之一：工业大数据白皮书2017版发布！

随着互联网与工业融合创新，智能制造时代的到来，工业大数据技术及应用将成为未来 提升制造业生产力、竞争力、创新能力的关键要素， 是驱动产品智能化、 生产过程智能化、 管理智能化、服务智能化、 新业态新模式智能化，支撑制造业转型和构建开放、共享、协作的智能制造产业生态的重要基础， 对实施智能制造战略具有十分重要的推动作用。

1 研究背景和目标

1.1 研究背景

随着互联网与工业融合创新，智能制造时代的到来，工业大数据技术及应用将成为未来 提升制造业生产力、竞争力、创新能力的关键要素， 是驱动产品智能化、 生产过程智能化、 管理智能化、服务智能化、 新业态新模式智能化，支撑制造业转型和构建开放、共享、协作 的智能制造产业生态的重要基础， 对实施智能制造战略具有十分重要的推动作用。 全国信息技术标准化技术委员会大数据标准工作组(以下简称“工作组”) 由工信部和国 标委共同指导， 主要承担大数据相关标准化工作， 已经发布了《大数据标准化白皮书( 2016) 版》。

为了充分发挥国家标准的规划与指导作用，促进我国工业大数据标准体系建设， 推动工 业大数据在智能制造中的发展应用，工作组联合中国智能制造系统解决方案供应商联盟和中 国开放对象标识( OID)应用联盟启动《 大数据系列报告之一： 工业大数据白皮书》的编制 工作， 旨在全面、客观地梳理国内外工业大数据相关工作基础和进展，根据业界最新实践、 认知水平，总结提炼工业大数据标准化需求， 提出标准化框架和发展建议。

1.2 研究目标及意义

本白皮书的目标在于明确工业大数据的相关技术、应用以及发展路线， 从数据架构、技 术架构和平台生态架构角度勾画出工业大数据发展的整体轮廓， 合理制定工业大数据的发展 规划和建设路线，明确工业大数据落地推进工作重点，加快促进工业大数据在制造业中的落 地应用。

本白皮书用于界定工业大数据的范畴和特征，明确工业大数据总体目标和现有研究基础， 是研究工业大数据的出发点。 通过综述全球主要国家在工业大数据上的战略部署、推进方法， 分析国内工业大数据的发展现状，总结国内推进工业大数据所存在的问题及难点，为下一步 发展理清思路和方向。 此外， 本白皮书确定了工业大数据的参考架构，包括研究范围、典型运营模式、数据架构、技术架构和平台参考架构等， 为进一步研究和推进工业大数据确定指导路线。 针对目前 工业大数据领域标准缺失的现状， 本白皮书提出工业大数据标准体系， 为推动工业大数据落 地和战略部署提供技术支撑。

2 工业大数据概述

2.1 工业大数据的定义及特征

2.1.1 工业大数据的定义

工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计 划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或 回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。

工业大数据的主要来源有三类：

第一类是生产经营相关业务数据。主要来自传统企业信息化范围，被收集存储在企业信 息系统内部，包括传统工业设计和制造类软件、企业资源计划( ERP)、产品生命周期管理 ( PLM)、供应链管理( SCM)、客户关系管理( CRM)和环境管理系统( EMS)等。通过这 些企业信息系统已累计大量的产品研发数据、生产性数据、经营性数据、客户信息数据、物 流供应数据及环境数据。此类数据是工业领域传统的数据资产，在移动互联网等新技术应用 环境下正在逐步扩大范围。

第二类是设备物联数据。主要指工业生产设备和目标产品在物联网运行模式下，实时产 生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此 类数据是工业大数据新的、增长最快的来源。狭义的工业大数据即指该类数据，即工业设备 和产品快速产生的并且存在时间序列差异的大量数据。

第三类是外部数据。 指与工业企业生产活动和产品相关的企业外部互联网来源数据，例 如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。

工业大数据技术[1]是使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方 法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据应用，则 是对特定的工业大数据集，集成应用工业大数据系列技术与方法，获得有价值信息的过程。 工业大数据技术的研究与突破，其本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息，从而促进工业企业的产品创新、 提升经营水平和生产运作效率以及 拓展新型商业模式。

2.1.2 工业大数据的特征

工业大数据具有一般大数据的特征(海量性、多样性等)，此基础上具有四个典型的特征： 价值性、实时性、准确性、闭环性。

( 1) 价值性( Value)： 工业大数据更加强调用户价值驱动和数据本身的可用性，包括： 提升创新能力和生产经营效率，以及促进个性化定制、服务化转型等智能制造新模式变革。

( 2) 实时性( Real-time)： 工业大数据主要来源于生产制造和产品运维环节，生产线、 设备、工业产品、仪器等均是高速运转，从数据采集频率、 数据处理、 数据分析、 异常发现 和应对等方面均具有很高的实时性要求。

( 3)准确性( Accuracy)： 主要指数据的真实性、完整性和可靠性，更加关注数据质量， 以及处理、分析技术和方法的的可靠性。

( 4)闭环性( Closed-loop)： 包括产品全生命周期横向过程中数据链条的封闭和关联， 以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场 景下的动态持续调整和优化。 除以上 4 个基本典型特征外，业界一般认为工业大数据还具有集成性、透明性、预测性 等特征。

2.2 与智能制造的关系

2.2.1 在智能制造中的应用

工业大数据是智能制造的关键技术， 主要作用是打通物理世界和信息世界，推动生产型 制造向服务型制造转型。 其在智能制造中有着广泛的应用前景， 在产品市场需求获取、产品 研发、制造、运行、服务直至报废回收的产品全生命周期过程中， 工业大数据在智能化设计、 智能化生产、网络化协同制造、智能化服务、个性化定制等场景都发挥出巨大的作用。

在智能化设计中， 通过对产品数据分析，实现自动化设计和数字化仿真优化; 在智能化 生产过程中， 工业大数据技术可以实现在生产制造中的应用， 如人机智能交互、工业机器人、 制造工艺的仿真优化、数字化控制、状态监测等，提高生产故障预测准确率，综合优化生产 效率;在网络化协同制造中，工业大数据技术可以实现智能管理的应用，如产品全生命周期 管理、客户关系管理、供应链管理、产供销一体等，通过设备联网与智能控制，达到过程协 同与透明化;在智能化服务中，工业大数据通过对产品运行及使用数据的采集、分析和优化， 可实现产品智能化及远程维修，同时，工业大数据可以实现智能检测监管的应用，如危险化 学品、食品、印染、稀土、农药等重点行业智能检测监管应用; 此外， 通过工业大数据的全 流程建模，对数据源进行集成贯通， 可以支撑以个性化定制为代表的典型智能制造模式。