20170321-标准院-大数据系列报告之一：工业大数据白皮书（2017版）_90页_4mb

工业大数据白皮书（2017版）总结

核心内容

本白皮书《工业大数据白皮书（2017版）》由中国电子技术标准化研究院主编，旨在梳理国内外工业大数据发展现状与趋势，明确工业大数据在智能制造中的定位，提出工业大数据参考架构与标准体系框架，为工业大数据的标准化与应用推广提供指导。

主要观点

1. 工业大数据的定义与特征

• 定义：工业大数据是指在工业领域中，围绕典型智能制造模式，从产品全生命周期各个环节产生的各类数据及相关技术和应用的总称。
• 特征：具有价值性、实时性、准确性、闭环性，同时具备集成性、透明性、预测性等特性。

2. 工业大数据与智能制造的关系

• 工业大数据是智能制造的关键技术，用于打通物理世界与信息世界，推动生产型制造向服务型制造转型。
• 在智能制造标准体系中，工业大数据属于五大关键技术之一，涵盖数据处理、数据质量、数据资产管理、数据开放共享和交易等。

3. 工业大数据与大数据技术、工业软件和工业云的关系

• 工业大数据基于大数据技术，但具有不同的应用和处理要求。
• 工业大数据与工业软件相辅相成，工业软件是数据采集与处理的载体，工业大数据提升其分析与控制能力。
• 工业云为工业大数据提供存储、计算和集成平台，推动工业数据的共享与服务化。

4. 工业大数据的发展现状与趋势

• 全球战略部署：美国、德国、法国、中国分别提出先进制造业、工业4.0、新工业战略和中国制造2025等战略，推动工业大数据的发展。
• 国内现状：工业大数据应用在研发设计、生产优化、需求预测、供应链管理、绿色发展等方面取得进展，但仍存在数据格式不统一、数据孤岛、技术薄弱等问题。
• 发展形势：工业大数据将成为制造业转型的重要手段，推动智能制造发展。

5. 工业大数据参考架构

• 数据参考架构：包括数据源、数据收集与集成、数据处理与管理、应用场景层。
• 技术参考架构：包括数据采集、数据存储与集成、数据建模、数据处理、数据交互应用。
• 平台参考架构：涵盖数据提供方、数据服务消费方、数据服务合作方，构建完整的工业大数据生态。

6. 工业大数据标准体系

• 工业大数据标准体系包括基础标准、数据处理标准、数据管理标准和应用服务标准。
• 当前标准研制处于起步阶段，需加强基础标准、数据处理与管理标准的制定，推动标准化与应用推广。

关键信息

1. 工业大数据应用场景

• 智能化设计：通过大数据分析，实现自动化设计、数字化仿真优化，提升研发效率。
• 复杂生产过程优化：包括设备诊断、能耗分析、质量控制、生产计划与排程等。
• 产品需求预测：基于大数据技术分析用户行为，优化产品策略与市场响应。
• 工业供应链优化：通过数据整合实现供应链协同优化与快速响应。
• 工业绿色发展：利用大数据监控和管理制造全过程，实现绿色制造目标。

2. 工业大数据发展建议

• 加强核心基础技术研究：包括数据存储、分析、建模等关键技术。
• 加强标准研制与应用推广：制定统一标准，推动数据共享与平台建设。
• 构建工业大数据流通共享平台：支持数据采集、存储、处理、分析与共享。
• 探索示范应用：以需求为导向，推动工业大数据从基础应用向预测分析服务转型。

3. 工业大数据平台建设

• 平台建设需关注数据格式统一、数据集成贯通、数据质量保障。
• 推动平台向智能化、服务化发展，支持企业实现从“制造”向“制造+服务”的转型。

4. 工业大数据标准化工作基础

• 由全国信息技术标准化技术委员会大数据标准工作组牵头，联合多个单位开展标准化工作。
• 已提出多项国家标准提案，涉及术语、参考架构、元数据、数据质量、数据资产管理等。

应用案例

本白皮书列举了13个典型应用案例，覆盖多个重点领域和应用场景，如：

• 海洋工程装备及高技术船舶：兰石集团智能智造项目。
• 航空航天装备：西航发动机智能制造方案、异构设备智能互联。
• 新一代信息技术产业：宝鸡电气智能工厂质量大数据、电子行业智慧生产系统。
• 高档数控机床和机器人：苏州明志科技大数据辅助智能制造项目。
• 先进轨道交通装备：中国中车株所轨道交通大数据平台。
• 电力装备：艾克威尔电机设备智能软起解决方案、发电设备全生命周期管理平台。
• 节能与新能源汽车：新能源光伏发电行业大数据平台应用。

结论

工业大数据是推动制造业智能化转型的重要手段，其发展依赖于技术突破、标准制定与平台建设。本白皮书为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，提出了参考架构与标准体系，为后续的工业大数据应用与推广奠定了基础。