大数据系列报告之一：工业大数据白皮书（2017）

2.2.2 在智能制造标准体系中的定位

工业大数据位于智能制造标准体系结构图[2]的关键技术标准的左侧(见图 2-1)，属于智 能制造标准体系五大关键技术之一。

图 2-1 智能制造标准体系结构

工业大数据在智能制造标准体系框架中的位置如图 2-2。

图 2-2 智能制造标准体系框架关键技术部分

《国家智能制造标准体系建设指南( 2015 年版)》 [2]中关于工业大数据标准给出了具体的 描述： 工业大数据标准主要包括面向生产过程智能化、产品智能化、新业态新模式智能化、 管理智能化以及服务智能化等领域的数据处理技术标准以及数据质量、能力成熟度、数据资 产管理、数据开放共享和交易等数据管理标准。

2.3 与大数据技术的关系

工业大数据应用是基于工业数据，运用先进的大数据相关思维、工具、方法，贯穿于工 业的设计、工艺、生产、管理、服务等各个环节，使工业系统、工业产品具备描述、诊断、 预测、决策、控制等智能化功能模式和结果。 工业领域的数据累积到一定量级，超出了传统 技术的处理能力，就需要借助大数据技术、方法来提升处理能力和效率， 大数据技术为工业 大数据提供了技术和管理的支撑。

首先， 工业大数据可以借鉴大数据的分析流程及技术，实现工业数据采集、处理、 存储、 分析、 可视化。 例如， 大数据技术应用在工业大数据的集成与存储环节时，支撑实现高实时 性采集、大数据量存储及快速检索; 大数据处理技术的分布式高性能计算能力，为海量数据 的查询检索、 算法处理提供性能保障等。 其次， 工业制造过程中需要高质量的工业大数据， 可以借鉴大数据的治理机制对工业数据资产进行有效治理。

虽然工业大数据基于大数据技术的基础， 但是在环节和应用上与传统大数据( 商务大数 据) 存在一定的区别，如表 2-1 所示。

表 2-1 工业大数据与商务大数据的区别

2.4 与工业软件和工业云的关系

2.4.1 与工业软件的关系

工业软件是指主要用于或专用于工业领域，为提高工业研发设计、业务管理、生产调度 和过程控制水平的相关软件与系统。 工业大数据与工业软件的关系：

首先， 工业软件承载着工业大数据采集和处理的任务，是工业数据的重要产生来源。

其次， 工业软件支撑实现工业大数据的系统集成和信息贯通。 比如， 传统工业软件以 ERP 为中心进行数据打通，新型工业软件将基于 PLM 等关键软件进行系统性集成。 通过对外部设 计工具、分散研发团队、 MES 与控制系统、第三方管理软件等多系统的集成，实现工厂从底层到上层的信息贯通，推动工厂内“信息孤岛”聚合为“信息大陆”。

同时， 工业大数据技术与工业软件结合， 加强了工业软件分析与计算能力， 提升场景可 视化程度，实现对用户行为和市场需求的预测和判断。

工业软件承担着对各类工业数据进行采集、集成、分析和应用的重要功能，是工业大数 据技术体系中负责优化、仿真、呈现、决策等关键职能的主要组成部分。

2.4.2 与工业云的关系

工业云是通过信息资源整合为工业提供服务支持的一种智能服务。通过云计算、物联网、 大数据和工业软件等技术手段，将人、机、物、知识等有机结合，为工业构建了一种特有的 服务生态系统，向用户提供资源和能力共享服务，如云存储服务、云应用服务、云社区服务、 云管理服务、云设计服务和云制造服务等。

工业大数据与工业云结合， 可实现物理设备与虚拟网络融合的数据采集、传输、协同处 理和应用集成，运用数据分析方法，结合领域知识，形成包括个性化推荐、设备健康管理、 物品追踪、产品质量管理等工业大数据应用系统。从“数据即服务”、“产品即服务”、“制造 即服务”三个视觉角度出发，帮助企业用户扩展产品价值空间，实现以产品为核心的经营模 式向“制造+服务”的模式转变。

《国家智能制造标准体系建设指南( 2015 年版)》 [2]中提到， 工业云标准主要包括接口和 协议等资源共享标准和服务能力标准两个部分，该部分标准的制定为工业云打通和集成工业 大数据奠定了基础。 工业软件和工业云作为工业大数据的主要载体， 也是工业大数据的采集、存储、集成、 协同共享重要通道， 两者与工业大数据的关系是密不可分的。

3 工业大数据发展现状及趋势分析

3.1 全球主要国家工业大数据相关战略部署

工业是国民经济的基础和支柱，也是一国经济实力和竞争力的重要标志。随着云计算、 大数据和物联网等新兴技术的发展，全球掀起了以制造业转型升级为首要任务的新一轮工业 变革，世界上主要的工业发达体纷纷制定工业再发展战略。

3.1.1 美国先进制造业战略

2012 年 2 月，美国发布了《先进制造业国家战略计划》报告，将促进先进制造业发展提 高到了国家战略层面。《先进制造业国家战略计划》 从投资、劳动力和创新等方面提出了促进 美国先进制造业发展的三大原则、 五大目标及相应的对策措施。 坚持完善先进制造业创新政 策、 加强“产业公地”建设和优化政府投资三大原则，实现加快中小企业投资、 提高劳动力 技能、 建立健全伙伴关系、 调整优化政府投资、 加大研发投资力度五大目标。 加强公共和私 营部门联合投资，确保所有部门参与标准制定并加快应用，鼓励企业对应用研究和示范设施 进行投资;扩大对制造业早期产品的政府采购，以帮助企业获取规模经济和生产经验、 加强 国家安全相关领域的投资; 及时更新制造业劳动力，强化先进制造业工人培训，为先进制造 业开发和维护具有竞争力的劳动力; 鼓励中小企业参与合作伙伴，通过较大程度地支持学术 机构、制造商、行业协会及中介组织等增强跨部门合作伙伴关系;加强基于集群的伙伴关系， 通过区域集群包括战略规划的协调，互补性资产采购和集群内的风险以及共用供应链的协同; 加强先进制造业投资组合，重点在先进材料、生产技术平台、先进制造工艺及设计与数据基 础设施等四个领域创建协调联邦政府的投资组合，以增强美国制造业的全球竞争力;超越任 何一个机构或私营部门，协调和管理跨领域的机构投资，降低市场创新的时间; 加强研究和 试验税收减免，使之成为永久化措施;扩大制造流程创新和先进工业材料的研发活动，削减 生产成本，提高产品质量，加快产品开发。

2014 年，美国白宫总统行政办公室发布《 2014 年全球大数据白皮书》，分析指出，美国 大型企业在投资大数据科技方面存在以下几个关键驱动因素：分析运营和交易数据的能力; 洞察客户线上消费的行为，以向市场提供新的高度复杂的产品;对组织中的机器和设备进行更加深入的感知。

3.1.2 德国工业4.0 战略

2015 年4 月，德国提出来“工业 4.0”战略。 强调通过信息网络与工业生产系统的充分 融合，使产品与生产设备之间、工厂内部纵向之间、工厂与工厂之间，都能通过 CPS( 物理 信息系统) 联结为一个整体，从而实现生产的智能化， 提升制造业的灵活性和工程效率。工 业 4.0 战略展现了一幅全新的工业蓝图：在现实和虚拟结合的网络世界里，互联网将渗透到 所有的关键领域，价值创造过程将会改变，原有的行业界限将会消失，新兴的产业链条将会 重组，全新的商业模式和合作模式将会出现。

工业 4.0 参考架构(如图 3-1 所示)的基本思路是在一个共同的模型中体现工业系统不同方面。

图 3-1 工业 4.0 参考架构

纵轴( IT 功能)上的各个层面从信息技术角度描述不同的视角，如：业务流程、功能描 述、数据映像、通信行为、硬件和设备等。横轴(生命周期和价值流)展现的是包括价值链 在内的产品生命周期维度。第三轴(企业纵向层)呈现的是工厂或设备内部功能和职责。

德国“工业 4.0”战略的实施重点在于信息互联技术与传统工业制造的结合， 其中大数据 分析作为关键技术将得到较大范围应用。一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现;二是“智能生产”， 主要涉及整个企业的生产物流管理、 人机互动以及 3D 技术在工业生产过程中的应用等;三是“智能物流”，主要通过互联网、物 联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，需求方则能够快速获 得服务匹配，得到物流支持。