2017工业大数据白皮书_87页_5mb

工业大数据白皮书（2017版）总结

核心内容

《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，旨在全面梳理国内外工业大数据的发展现状、趋势及标准化需求，推动工业大数据在智能制造中的应用。

主要观点

• 工业大数据的定义与特征：工业大数据是围绕智能制造模式，贯穿产品全生命周期各个环节的各类数据及相关技术的总称。其核心特征包括价值性、实时性、准确性和闭环性，同时具备集成性、透明性和预测性等附加特征。
• 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，贯穿于产品设计、生产、服务等各环节，支持智能制造的全面实现，是推动制造业向智能化转型的重要基础。
• 与大数据技术的关系：工业大数据基于大数据技术，但其应用场景和数据特征具有独特性，如数据采集的实时性、数据处理的复杂性及数据质量要求的高精度。
• 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结合，工业软件是数据采集与处理的核心，工业云则提供数据存储、服务共享等支持，推动工业系统向智能化、服务化发展。

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》，强调大数据技术在制造业中的应用，推动企业投资、创新和人才培养。
• 德国：提出“工业4.0”战略，通过CPS（物理信息系统）实现设备与产品之间的互联，推动生产智能化和制造灵活性。
• 法国：实施“新工业法国战略”，推动制造业向数字化和智能化转型，发展数据经济和智能物体等新兴领域。
• 中国：发布《中国制造2025》战略，推动信息化与工业化深度融合，发展智能制造，建设工业大数据平台。

工业大数据应用热点

• 设计领域：通过大数据支持产品设计与研发，实现个性化定制和协同设计，提升设计效率与创新能力。
• 生产过程优化：利用工业物联网技术，实现生产线的智能化管理，提升质量控制和生产计划与排程能力。
• 产品需求预测：通过大数据分析技术，实现对市场需求的精准预测，优化产品策略和供应链管理。
• 工业供应链优化：通过数据整合，实现供应链配送体系优化和用户需求快速响应，提高生产效率和降低运营成本。
• 工业绿色发展：利用大数据技术对产品全生命周期进行监控，推动绿色制造和可持续发展。

国内工业大数据现状

• 工业大数据应用已在部分企业中取得成效，如兰石集团、西航集团等。
• 当前主要问题包括：数据格式不统一、物联设备不自主可控、信息集成难度大、标准化体系尚不完善等。

工业大数据参考架构

工业大数据参考架构包括：

• 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、应用场景四个层次。
• 技术参考架构：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。
• 平台参考架构：包括数据提供方、数据服务消费方和数据服务合作方，构建数据流通共享平台。

工业大数据标准体系

工业大数据标准体系包括四个类别：

1. 基础标准：涵盖总则、术语、参考模型等，为整个体系提供统一规范。
2. 数据处理标准：包括数据采集、数据存储、数据集成、数据分析和可视化，规范数据处理流程。
3. 数据管理标准：涵盖数据质量、数据资产管理、数据操作管理、数据开放共享等，提升数据治理能力。
4. 应用服务标准：包括服务平台、重点领域和典型场景应用标准，推动工业大数据在实际中的应用。

我国工业大数据发展建议

• 加强核心基础技术研究：推动工业大数据平台软件、数据存储与管理技术、机理模型建模等核心技术的突破。
• 加强标准研制与应用推广：制定统一的工业大数据标准体系，加强标准在智能制造各环节的应用。
• 构建工业大数据流通共享平台：统一数据格式与接口规范，推动数据资源的共享与流通。
• 探索示范应用：选择重点行业开展工业大数据应用示范，推动新商业模式的形成与推广。

应用案例

• 兰石集团智能智造：通过统一的研发数据管理平台，实现设计、工艺、制造一体化，提升企业智能化管理水平。
• 西航集团智能制造解决方案：通过设备联网与数据采集，实现生产过程的数字化管理，提升生产效率与质量控制能力。

结论

工业大数据是推动智能制造的重要技术基础，具有广泛的应用前景和深远的产业影响。未来，我国需加快工业大数据标准化建设，推动平台发展与示范应用，以实现制造业的智能化转型和绿色发展。