2017-大数据系列报告之一：_工业大数据白皮书_90页-4mb

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）》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，旨在系统梳理工业大数据的发展现状与趋势，明确其在智能制造中的定位，构建工业大数据参考架构与标准体系，推动工业大数据在制造业中的落地应用。

主要观点

• 工业大数据定义与特征
  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的总称。其具有价值性、实时性、准确性、闭环性等特征，并在智能化设计、智能化生产、网络化协同制造、智能化服务、个性化定制等场景中发挥重要作用。

• 与智能制造的关系
  工业大数据是智能制造的关键技术之一，位于智能制造标准体系框架的关键技术部分。它通过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，支撑智能制造的全面发展。

• 与大数据技术的关系
  工业大数据是基于大数据技术的延伸和深化，但其在数据采集、处理、存储、分析等方面具有更高的实时性、数据质量要求和闭环性。与传统商务大数据相比，工业大数据更强调数据的真实性和完整性。

• 与工业软件和工业云的关系
  工业大数据与工业软件和工业云紧密相关，工业软件是工业大数据的重要来源和支撑系统，而工业云为工业大数据提供共享平台和生态系统，两者共同构成工业大数据应用的基础。

关键信息

3.1 全球主要国家工业大数据战略部署

• 美国：提出《先进制造业国家战略计划》和《2014年全球大数据白皮书》，强调大数据在制造流程优化、产品智能化、提升生产效率等方面的作用。
• 德国：提出“工业4.0”战略，通过CPS（物理信息系统）实现产品与设备、工厂之间的智能连接，推动生产智能化。
• 法国：提出“新工业法国战略”，注重数字化、智能化转型，强调大数据在制造业中的应用和对商业模式的变革。
• 中国：发布《中国制造2025》战略，将工业大数据作为推动智能制造的重要支撑，提出建立工业大数据标准体系和平台。

3.2 工业大数据应用热点

• 智能化设计：利用工业大数据支持基于模型和仿真的研发设计，实现协同设计和快速迭代优化。
• 复杂生产过程优化：包括工业物联网生产线、生产质量控制、生产计划与排程等，通过数据采集、分析与反馈，实现生产流程的优化。
• 产品需求预测：利用大数据分析技术进行用户画像，支持产品功能、性能调整，提升市场响应能力。
• 工业供应链优化：通过大数据实现供应链的协同优化和快速响应，提升物流效率和库存管理水平。
• 工业绿色发展：通过大数据技术对产品生命周期进行监控与管理，实现绿色制造目标。

3.3 国内工业大数据现状

• 应用现状：部分领先企业已进入工业大数据实践阶段，如徐工集团、三一重工、青岛红领集团等。
• 存在问题：数据格式不统一、物联设备缺乏自主可控、数据集成困难、平台技术复杂、标准化滞后等。

4.1 数据参考架构

工业大数据参考架构包括数据收集与集成层、数据处理与数据管理层、应用场景层，旨在构建覆盖工业全流程、全环节和产品全生命周期的数据链。

4.2 技术参考架构

技术架构分为数据采集层、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，涉及采集、存储、建模、处理和可视化等关键技术。

4.3 平台参考架构

平台架构包括数据提供方、数据服务消费方、数据服务合作方三类角色，旨在构建一个开放、共享、协同的工业大数据平台生态系统。

5.1 工业大数据标准化工作基础

• 工业大数据专题组于2015年成立，提出多项国家标准提案，包括术语、参考模型、数据采集、数据集成、数据管理等。
• 国家智能制造标准体系建设指南明确了工业大数据标准的定位，包括数据处理、数据管理、应用服务等方向。

5.2 工业大数据标准体系框架

工业大数据标准体系由四个类别构成：基础标准、数据处理标准、数据管理标准、应用服务标准。其中：

• 基础标准：包括总则、术语、参考模型。
• 数据处理标准：涵盖数据采集、存储、集成、分析、可视化。
• 数据管理标准：涉及数据质量、能力成熟度、数据资产管理、数据开放共享等。
• 应用服务标准：聚焦于工业大数据平台、重点领域和典型场景应用。

5.3 工业大数据标准明细表

共提出17项国家标准，包括：

• 基础标准：3项（拟研制）。
• 数据处理标准：11项（拟研制或申请立项）。
• 数据管理标准：3项（拟研制）。

6.1 工作重点建议

• 加强核心基础技术研究：构建覆盖工业全流程的数据链，发展自主可控的工业大数据平台。
• 加强标准研制和应用推广：制定工业大数据标准体系，推动标准化在智能制造中的应用。
• 构建工业大数据流通共享平台：建立国家、行业、企业三级架构平台，实现数据共享与流通。
• 探索示范应用：推动工业大数据在重点行业和场景中的应用，形成可复制推广的案例。

应用案例

• 兰石集团智能智造项目：通过研发数据管理平台，实现设计、工艺、制造一体化，支持无纸化生产。
• 与CAXA平台集成：实现PLM与ERP系统集成，提升设计与制造协同能力。
• 数据采集与分析：实现对产品过程数据的及时采集和关键节点的管控，提升生产效率与质量。
• 生产质量追溯：通过全生命周期数据采集，实现质量追溯和实时监控，为决策提供依据。

结论

《工业大数据白皮书（2017版）》为我国工业大数据的发展提供了系统性的指导，明确了其在智能制造中的定位与作用，提出了工业大数据的参考架构与标准体系，为工业大数据的落地应用奠定了基础。未来需进一步加强核心基础技术研究、推动标准化进程、构建共享平台，并通过示范应用实现工业大数据在制造业的全面推广与应用。