2023-07-25-工业互联网产业联盟-工业互联网标识解析-标识数据模型白皮书_34页_1mb

工业互联网标识数据模型白皮书总结

1. 背景与目标

• 目的：推动工业互联网标识解析体系建设，规范标识数据模型，提升数据流通管理能力，促进全生命周期数据共享。
• 背景：响应国家政策如《工业互联网创新发展行动计划（2021-2023年）》，解决工业数据建模中数据杂、服务复用性弱、开发效率低等问题。
• 核心：建立统一数据模型框架，支撑制造业数字化转型和价值传递。

---

2. 标识数据模型概述

• 定义：
  • 标识数据模型（IDM）：对工业对象的特征进行数字抽象，构建其“数字画像”。
  • 可识别数字对象（IDO）：物理/虚拟实体的唯一标识及数字化描述，包含标识编码、解析记录和对象数据三大要素。
• 组成要素：
  • 对象数据：产品、设备等的属性与事件数据。
  • 解析记录：标识与网络资源的映射。
  • 标识编码：唯一标识符（如工业互联网标识解析体系的编码规则）。
• 作用：
  • 统一数据交互规范，降低开发成本。
  • 建立跨系统数据关联，提升信息共享能力。
  • 防止数据重复构建，弥合行业数据差异。

---

3. 国际经验借鉴

• 德国工业4.0：
  • 提出资产管理壳（AAS）框架，覆盖全生命周期数据管理。
  • 通过标准化子模型实现异构系统的集成。
• GS1全球数据模型（GDM）：
  • 制定通用数据模型（如食品、日用品领域），确保全球商品数据互通。
• 工业数据空间（IDSA）：
  • 规范数据共享框架，推出“数据连接器”实现安全互操作。

---

4. 关键技术

• 模型注册与解析：在各节点注册数据模型，支持查询与复用。
• 数据建模：构建层级化数据模型，逐步扩展至设备、材料等工业要素。
• 元数据管理：管理业务元数据、技术元数据和操作元数据。
• 数据字典：定义数据格式和属性，统一语义，支持跨企业交互。
• 数据语义化：借助自然语言处理等技术，优化跨域数据理解与处理。

---

5. 实施路径

• 层级架构：
  • 企业侧：建模企业级元数据。
  • 二级节点侧：构建行业元数据和数据模型库。
  • 顶级节点侧：协调核心元数据。
  • 公共服务侧：提供语义库和数据字典服务。
• 建模过程：
  1. 注册行业/企业级元数据。
  2. 编译标识数据模型，提供结构化数据服务。
  3. 建立公共模型资源库与语义库。

---

6. 行业实践案例

1. 仪器仪表行业：
   • 模型框架：设备属性、操作属性、管理属性、商业属性。
   • 应用：实现全生命周期追溯，提升计量检定和巡检效率。
2. 光纤光缆行业：
   • 数据模型覆盖生产、物流、运维全流程。
   • 应用：实现棒纤缆协同制造，降低运营成本。

---

7. 发展建议

• 加强顶层设计：完善数据交互架构及标准化规则。
• 推进标准体系：加快元数据、数据字典等领域标准研制。
• 研发数据工具：开发建模工具和公共服务平台，支持应用落地。

---