工业大数据创新竞赛（2018-2019）白皮书_154页_21mb

报告摘要

工业大数据创新竞赛白皮书（2018-2019）总结

核心内容

《工业大数据创新竞赛（2018-2019）白皮书》总结了第二届和第三届工业大数据创新竞赛的技术成果与实践应用，旨在为工业大数据领域的研究者与从业者提供有价值的参考。该白皮书由中国信息通信研究院、工业大数据创新竞赛组委会、工业互联网产业联盟联合编写，涵盖多个技术方向与创新方法，展现了工业大数据在制造业智能化变革中的关键作用。

主要观点

工业大数据竞赛的背景与意义：
- 工业互联网正在从概念普及走向实践深耕，大数据作为新型生产要素，是推动制造业智能化的重要动力。
- 中国信息通信研究院自2017年起，在工信部指导下举办工业大数据竞赛，已成为全国性权威赛事。
- 竞赛吸引了海内外近6800人参与，推动了产学研的深度融合，为成果转移转化提供了平台。
竞赛目标与主题：
- 竞赛主题为“赋能与赋智，构建工业大数据应用生态”，强调开放共享、协作共赢。
- 竞赛聚焦行业细分领域，如刀具寿命预测、仓储吞吐量预测等，具有较强的实践指导意义。
竞赛成果与技术亮点：
- 两届竞赛分别设置两个赛题，吸引大量优秀团队参与，其中第二届竞赛共收到来自高校和企业的近5000份参赛作品。
- 竞赛中涌现了多种创新算法模型，如基于经验模态分解（EMD）的非参数模式匹配方法、多传感器融合方法、深度学习与传统方法的融合模型等。
技术要素与工业人工智能：
- 提出了“ABCDEF”六大技术要素：Analytics（建模分析）、Big Data（大数据）、Cloud（云计算）、Domain Knowledge（领域知识）、Evidence（事实依据）、Feedback（反馈闭环）。
- 工业人工智能强调将算法与场景结合，关注实际问题的建模与求解。

关键信息

第二届竞赛赛题

赛题一：钢卷仓储吞吐量趋势预测

背景：来自成都积微物联集团股份的达海产业园，用于提升仓储效率与资源规划。
任务：预测未来4周和7天的冷卷、热卷的入库和出库重量。
数据：包括仓储数据、基础数据，鼓励使用外部公开数据，如市场数据、政策信息等。
评分方式：采用SMAPE评分准则，最终得分由决赛阶段五次测试集的平均值决定。

赛题二：机加工刀具剩余寿命预测

背景：刀具寿命预测对加工效率和成本控制至关重要。
数据：提供PLC信号与传感器信号，数据量大，噪声多，且无明确健康状态标签。
评分方式：采用自定义评分函数，根据预测值与实际值的误差进行加权计算，最终得分取所有测试集的平均值。

第二届竞赛优秀解法

基于经验模态分解的非参数模式匹配刀具寿命预测方法
- 方法特点：利用EMD分解信号，提取低频IMF特征，结合自定义相关函数进行模式匹配。
- 优点：无需大量训练数据，适用于非平稳信号，具有较高的预测精度。
- 改进方向：未来可引入不确定性区间估计，提高预测的可靠性。
基于多传感器融合的刀具寿命预测方法
- 方法特点：融合传感器数据与控制器数据，通过数据预处理与特征提取，构建磨损比预测模型。
- 数据处理：去除异常数据，采用MIX UP数据增强技术，提升模型泛化能力。
- 预测方式：使用深度神经网络（DNN）进行训练，通过Bagging方法进行模型融合，提高预测精度。
基于前馈神经网络的刀具剩余寿命预测
- 方法特点：采用前馈神经网络进行建模，通过时域与频域特征进行预测。
- 挑战：因数据标签不精确，需自定义“磨损比”作为标签，提高模型的适用性。
基于DTW退化特征和CNN+SVR网络的刀具剩余寿命预测
- 方法特点：结合动态时间规整（DTW）与卷积神经网络（CNN）和支持向量回归（SVR）进行融合预测。
- 应用价值：适用于非平稳信号，能够提取退化特征，提高预测的准确性。
基于DWT-LSTM网络的刀具剩余使用寿命预测
- 方法特点：采用离散小波变换（DWT）与长短期记忆网络（LSTM）进行信号处理与寿命预测。
- 优势：能够捕捉信号的时序特征，适用于刀具磨损过程的非线性变化。

第三届竞赛赛题

赛题：转子部件脱落故障预测，与PHM亚太学术论坛合作，提升竞赛的国际影响力。
数据来源：真实工业数据，具有较强的现实意义。
参赛人数：近5000人，其中80%为高校学生，涵盖多个相关领域。
竞赛成果：赛题中收录了7种优秀解法，包括LightGBM分类、生成对抗网络（GAN）、多模型融合等。

产业创新生态与平台

工业大数据产业创新平台：由信通院组织建设，提供数据下载、评分、交流、培训等支持。
产业意义：推动数据要素价值释放，助力制造企业解决实际问题。
发展愿景：竞赛将持续提升，形成品牌效应，为智能制造输送优秀人才。

参与单位与指导专家

编写单位：中国信息通信研究院、工业大数据创新竞赛组委会、工业互联网产业联盟。
指导专家：王建民、余晓晖、李杰、侍乐媛、李清源、赵敏、韩庆、郭翘、王友升、邢镔、郭朝晖、刘杰、吴振宇、李城梁、徐长恺、郭翘、晋文静、胥佳、崔必如、郑弘孟、孙可意、周映彤、谢彦守、江佴紘、林焱辉、黄亦翔、孟繁亮、赵志海、金超、田春华、傅若玮、韩庆等。

总结

《工业大数据创新竞赛（2018-2019）白皮书》系统总结了两届竞赛的技术成果与方法创新，展示了工业大数据在制造业中的实际应用价值。通过多学科融合与算法创新，竞赛促进了工业人工智能的发展，为智能制造提供了技术支撑与人才储备。未来，竞赛将继续推动工业大数据发展，助力构建以数据为核心驱动的工业互联网生态。

展开完整摘要