工业大数据白皮书（2019版）_62页_2mb

工业大数据白皮书（2019版）总结

核心内容

工业大数据是指在工业领域中，围绕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。它具有双重属性：价值属性和产权属性，能够提升制造过程的智能化水平，同时具备明确的权属关系和资产价值。工业大数据是智能制造和工业互联网的重要支撑，其应用涵盖了设计、生产、服务、供应链等多个环节。

主要观点

• 工业大数据是智能制造的重要载体和数据来源，是实现智能制造的关键技术之一。
• 工业大数据是工业互联网平台层（工业PaaS层）的重要组成部分，支持数据的高质量存储、管理与分析。
• 工业大数据技术架构包括数据采集层、存储管理层、分析层、服务层和应用层，为工业大数据应用提供了完整的体系支撑。
• 工业大数据的管理包括数据资源编目、数据质量管理、主数据管理、数据安全管理和数据生命周期管理。
• 工业大数据在智能制造中具有广泛的典型应用场景，如智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制。

关键信息

1. 工业大数据的定义与边界

• 工业大数据围绕产品全生命周期产生，包括业务数据、制造过程数据、企业外部数据。
• 工业大数据具有双重属性：价值属性和产权属性。

2. 与智能制造的关系

• 工业大数据是智能制造的重要支撑，用于数据驱动的分析与优化。
• 在智能制造标准体系中，工业大数据标准属于“智能赋能技术”部分，为智能制造提供技术和数据支撑。

3. 与工业互联网的关系

• 工业大数据是工业互联网平台的重要组成部分，支持平台的数据存储、分析、建模等功能。
• 工业大数据在工业互联网标准体系中处于“平台与数据”部分，涵盖数据交换、分析、管理、建模与服务等标准。

4. 工业大数据产业发展现状

• 国际工业大数据战略：

  • 美国：强调大数据分析和传感技术在制造业数字化转型中的作用。
  • 德国：提出“工业4.0”战略，通过信息物理系统（CPS）实现生产智能化。
  • 法国：推动“新工业法国战略”，聚焦数字化、智能化转型。

• 国内工业大数据政策：

  • 国务院和工信部发布多项政策，推动工业大数据在智能制造和工业互联网中的应用。
  • 政策包括《“互联网+”行动指导意见》、《大数据产业发展规划》和《工业互联网发展行动计划》等。

5. 工业大数据应用参考架构

• 工业大数据应用参考架构包括系统协调者、数据提供者、大数据应用提供者、大数据框架提供者、数据消费者、安全和隐私、管理等构件。
• 架构支持数据从采集、存储、分析到服务的全生命周期管理。

6. 典型应用场景

• 智能化设计：提升研发效率，实现产品设计与用户需求的深度融合。
• 智能化生产：通过数据分析优化生产流程，提高生产效率和产品质量。
• 网络化协同制造：促进产业链协同，实现制造资源的高效配置。
• 智能化服务：支持产品全生命周期服务，如在线健康检测、远程运维等。
• 个性化定制：通过数据驱动，实现大规模个性化定制，满足用户多样化需求。

7. 工业大数据关键技术

• 数据采集技术：包括时序数据、结构化数据、非结构化数据等，需要高性能的数据采集系统。
• 数据存储与管理技术：包括多源异构数据管理、多模态数据集成，支持数据的高效存储、查询和管理。
• 数据分析技术：包括时序模式分析、工业知识图谱、多源数据融合分析等，强调“数据驱动+机理驱动”双驱动模式。
• 前沿技术趋势：包括深度学习、知识图谱、虚拟现实等，推动工业场景的智能化发展。

8. 工业大数据管理

• 数据管理体系：包括数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用和数据生命周期管理。
• 数据资源编目：通过统一的数据资源目录，实现数据的可见、可管、可用。
• 数据质量管理：关注数据采集、存储、分析等环节的数据质量问题，提出数据质量检测和管理方法。
• 主数据管理：通过主数据管控体系和应用管理，实现企业数据资产的统一管理。
• 数据安全管理：构建覆盖硬件、软件和上层应用的安全防护体系，保障数据安全。

总结

工业大数据作为新一代信息技术与制造业深度融合的重要载体，正在成为推动工业转型升级的关键力量。其在智能制造和工业互联网中的应用，为产品创新、运营提质和管理增效提供了强有力的技术支撑。当前，工业大数据在政策、技术、平台、应用等方面均取得了一定进展，但仍面临数据获取难、数据格式不统一、数据产权不清晰、数据壁垒难以打破等问题。为推动工业大数据的健康发展，需要加强标准化建设，完善数据管理体系，提升数据治理能力，并探索前沿技术在工业场景中的应用。