20170321-标准院-大数据系列报告之一_工业大数据白皮书（2017版）_89页_5mb

工业大数据白皮书（2017版）总结

核心内容概述

《工业大数据白皮书（2017版）》是由工业和信息化部信息化和软件服务业司、国家标准化管理委员会工业二部指导，中国电子技术标准化研究院主编，联合多个单位共同完成的报告。该白皮书旨在全面梳理国内外工业大数据发展现状，明确工业大数据的定义、特征、应用场景，提出工业大数据标准体系和参考架构，为推动工业大数据在智能制造中的应用和发展提供指导。

主要观点

工业大数据的定义与特征

• 定义：工业大数据是指在工业领域中，围绕智能制造模式，从产品全生命周期各个环节产生的数据及相关技术与应用的总称。
• 特征：包括价值性、实时性、准确性、闭环性，以及集成性、透明性、预测性等。

工业大数据与智能制造的关系

• 工业大数据是智能制造的关键技术，用于打通物理世界与信息世界，推动生产型制造向服务型制造转型。
• 工业大数据支撑智能制造的多个场景，如智能化设计、智能生产、网络化协同制造、智能化服务、个性化定制等。

工业大数据与大数据技术的关系

• 工业大数据是基于大数据技术，应用于工业设计、工艺、生产、管理、服务等环节。
• 工业大数据与商务大数据在采集、处理、存储、分析和可视化等方面存在差异，工业大数据更强调实时性、数据质量与闭环性。

工业大数据与工业软件、工业云的关系

• 工业软件是工业大数据采集和处理的重要载体，承担数据集成与信息贯通任务。
• 工业云为工业大数据提供资源和能力共享服务，是工业大数据应用的重要平台。

关键信息

全球工业大数据战略部署

• 美国：发布《先进制造业国家战略计划》，强调大数据在智能制造中的应用，推动制造模式变革。
• 德国：提出“工业4.0”战略，强调信息网络与工业生产系统的融合，实现智能化生产。
• 法国：推出“新工业法国战略”，注重工业向数字化、智能化转型，推动数据经济。
• 中国：发布《中国制造2025》战略，推动信息化与工业深度融合，建立智能制造标准体系。

工业大数据应用热点

• 设计领域：通过工业大数据支持智能化设计，实现基于模型和仿真的研发优化。
• 复杂生产过程优化：利用工业大数据进行设备诊断、能耗分析、质量控制和生产计划排程优化。
• 产品需求预测：通过大数据分析预测市场需求，支持企业进行产品策略调整。
• 工业供应链优化：实现供应链的高效协同，提升物流和仓储效率。
• 工业绿色发展：利用大数据技术监控和优化制造流程，实现绿色制造目标。

国内工业大数据现状与问题

• 工业大数据在企业信息化过程中逐步应用，但仍面临数据格式不统一、数据采集与处理技术不足、信息孤岛等问题。
• 标准体系尚未完善，存在标准化不统一、应用不足、数据管理薄弱等难点。

工业大数据参考架构

• 数据参考架构：涵盖数据源、数据收集与集成、数据处理与数据管理、典型应用场景四个层次。
• 技术参考架构：包括数据采集层、数据存储与集成层、数据建模层、数据处理层、数据交互应用层。
• 平台参考架构：涵盖数据提供方、数据服务消费方、数据服务合作方三类角色，形成完整的工业大数据生态体系。

工业大数据标准体系

• 标准体系包括基础标准、数据处理标准、数据管理标准、应用服务标准四类。
• 当前标准体系中，基础标准和数据管理标准尚不完善，需加快制定。
• 已有部分数据处理标准进入申请立项阶段，如《信息技术 工业大数据 术语》、《信息技术 工业大数据 参考架构》等。

工作重点建议

1. 加强核心基础技术研究：构建覆盖全流程的数据链，提升工业大数据平台的自主可控性。
2. 加强工业大数据标准研制和应用推广：建立统一的工业大数据标准体系，推动标准在智能制造中的应用。
3. 构建工业大数据流通共享平台：建设国家、行业、企业三级平台，实现数据共享和交互。
4. 探索示范应用：选择典型行业开展工业大数据应用示范，推动智能制造模式落地。

应用案例

• 兰石集团智能智造项目：通过统一的研发数据管理平台，实现设计、工艺、制造一体化，提升生产效率与质量控制能力。
• 项目覆盖兰石集团多个子公司和研究院，实现数据统一管理、流程标准化和智能化生产。

结论

《工业大数据白皮书（2017版）》为我国工业大数据发展提供了系统性的指导，明确了工业大数据的定义、特征、应用场景、参考架构与标准体系，有助于推动工业向智能制造转型，构建开放、共享、协作的工业大数据生态体系。