【工业大数据】一文带你读懂《工业大数据白皮书》

会员服务 ·

【工业大数据】一文带你读懂《工业大数据白皮书》

2018 年 1 月 20 日 产业智能官

来源：工信部、工业互联网城市

物联网智库整理发布

转载请注明来源和出处

------ 【导读】 ------

工业大数据参考框架，包括应用范围、典型运营模式、数据架构、技术架和平台参考等。

工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。

工业大数据的主要来源有三类：

生产经营相关业务数据：来自传统企业信息化范围，被收集存储在企业信息系统内部。此类数据是工业领域传统的数据资产，正在逐步扩大范围
设备物联数据：工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据，这是工业大数据新的、增长最快的来源
外部数据：与工业企业生产活动和产品相关的企业外部互联网来源数据

分割线

工业大数据的地位

在智能制造标准体系中的定位

工业大数据位于智能制造标准体系结构图的关键技术标准的左侧，属于智能制造标准体系五大关键技术之一。

与大数据技术的关系

工业领域的数据累积到一定量级，超出了传统技术的处理能力，就需要借助大数据技术、方法来提升处理能力和效率，大数据技术为工业大数据提供了技术和管理的支撑。

工业大数据可以借鉴大数据的分析流程及技术，实现工业数据采集、处理、存储、分析、可视化。工业制造过程中需要高质量的工业大数据，可以借鉴大数据的治理机制对工业数据资产进行有效治理。

与工业软件和工业云的关系

工业软件承载着工业大数据采集和处理的任务，是工业数据的重要产生来源，工业软件支撑实现工业大数据的系统集成和信息贯通。

工业大数据技术与工业软件结合，加强了工业软件分析与计算能力，提升场景可视化程度，实现对用户行为和市场需求的预测和判断。

主要国家战略部署

美国先进制造业战略

2012年2月，美国发布了《先进制造业国家战略计划》报告，将促进先进制造业发展提高到了国家战略层面。从投资、劳动力和创新等方面提出了促进美国先进制造业发展的三大原则、五大目标及相应的对策措施。

2014年，美国白宫发布《2014年全球大数据白皮书》，指出美国大型企业在投资大数据科技方面的关键驱动因素：分析运营和交易数据的能力、洞察客户线上消费的行为、以向市场提供新的高度复杂的产品、对组织中的机器和设备进行更加深入的感知。

德国工业4.0战略

2015年4月，德国提出来“工业4.0”战略。强调通过信息网络与工业生产系统的充分融合，使产品与生产设备之间、工厂内部纵向之间、工厂与工厂之间，都能通过CPS（物理信息系统）联结为一个整体，从而实现生产的智能化，提升制造业的灵活性和工程效率。

法国新工业战略

2015年，法国推出“新工业法国战略”，总体布局为“一个核心，九大支点”。一个核心即“未来工业”，主要内容是实现工业生产向数字化、智能化转型。九大支点，包括新资源开发、可持续发展城市、环保汽车、网络技术、大数据技术、新型医药等。

2015年5月，法国经济、工业与就业部又公布了未来工业计划，该计划将在“新工业战略”的第二阶段中扮演核心角色，主要目标是建立更为互联互通、更具有竞争力的法国工业，旨在使工业工具更加现代化，实现经济增长模式转变。

中国制造2025战略

2015年5月，国务院正式印发《中国制造2025》规划。规划中提出将重点推动信息化与工业深度融合，把智能制造作为两化深度融合的主攻方向，着力发展智能装备和智能产品，推进生产过程智能化，培育新型生产方式。

同年12月，工信部、国标委联合发布《国家智能制造标准体系建设指南(2015年版)》。为推动智能工厂的建设，国务院又发布了《促进大数据发展行动纲要》，建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。

工业大数据应用热点

工业大数据挖掘和分析的结果可广泛应用于企业研发设计、复杂生产过程、产品需求预测、工业供应链优化和工业绿色发展等各个环节。

在设计领域的应用

工业设计大数据主要用于提高研发人员的研发创新能力、研发效率和质量，支持协同设计，具体体现为以下几个方面：

（1）基于模型和仿真的研发设计

基于模型的研发设计。在数字化技术环境下的产品设计开发，从概念设计就以数字化模型为载体，不受到时间和空间等因素的限制对产品模型修改和完善，然后将最终方案的数据通过生产设备进行产品制作。

基于仿真的设计。通过数字化模型的显示、仿真、快速成型、虚拟现实交互，可及早发现设计缺陷，优化产品，克服以往多种缺点。虚拟仿真技术还在不断提高系统的智能型，逐步解决产品创新设计中的不确定性与模糊性。

（2）基于产品生命周期的设计

运用大数据相关技术，实现高度有序化的方式展示产品生命周期设计大数据的关系，方便地集成员工在设计中产方便地集成员工在设计中产生的新知识，使产品设计大数据得进一步丰富。

（3）融合消费者反馈的设计

利用工业数据平台获取消费者、市场等各维度的数据信息，达到生产者和消费者之间“信息粘性”的效果，利用这些关联数据信息，通过大数据挖掘分析技术，实现客户全面洞察，改进、创新设计产品的功能和款式。

在复杂生产过程优化的应用

（1）工业物联网生产线

在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，有助于制造商改进其生产流程。在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，优化能源的消耗。

通过诸如AGV小车、智能分拣配对系统、智能吊挂系统与智能分拣送料系统的导入等，加快整个制造流程的物料循环，通过智能摘挂系统、信号识别系统、智能取料系统、智能装配、智能定制等系统的导入实现整个制造流程的自动化。

（2）生产质量控制

利用工业大数据技术，挖掘产品质量特性与关键工艺参数之间的关联规则，抽取过程质量控制知识，为在线工序质量控制、工艺参数优化提供指导性意见。

（3）生产计划与排程

大数据给予企业更详细的数据信息，发现历史预测与实际的偏差概率，通过数据的关联分析及监控，企业能更准确地制定计划。

在产品需求预测中的应用

在产品开发方面，分析当前需求变化和组合形式，通过消费人群的关注点进行产品功能、性能的调整，设计制造更加符合核心需要的新产品，针对每一个群体策划并推送针对性的营销。

在工业供应链优化中的应用

供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。

在工业绿色发展中的应用

新一代信息技术通过对产品的配方、工艺及原材料采购、生产制造、仓储、运输、使用、大修和报废的全过程进行监控和管理，以数据采集为前端，数据分析和挖掘为服务，为制造企业实现绿色制造提供有力保障。

工业大数据参考框架

工业大数据参考架构以工业过程的业务需求为导向，基于工业系统的业务架构，规划工业大数据的数据、技术和应用（平台）架构，以搭建面向多业务领域、贯通多组织和应用层次的工业大数据IT架构。

数据参考架构

工业大数据应用的目标是构建覆盖工业全流程、全环节和产品全生命周期的数据链，工业大数据在实际应用当中涉及到的主要环节：数据源、数据收集与集成、数据处理与数据管理、典型应用场景等四个层次。

技术参考架构

工业大数据技术架构共有五个部分，分别为数据采集层、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

工业大数据平台涵盖了IT网络架构和云计算基础架构等基础设施，专家库、知识库、业务需求库等资源，及安全、隐私等管理功能。此外，还包含关联工业大数据实际应用的三方面角色，即数据提供方、数据服务消费方、数据服务合作方。

应用案例

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。