【大数据】工业大数据发展指导意见系列解读

2020 年 7 月 24 日 产业智能官

《工业大数据发展指导意见》系列解读(一) | 构建和完善四大体系,推动工业大数据全面发展




近日,工业和信息化部印发《工业大数据发展指导意见》(以下简称“《意见》”)。《意见》贯彻了国家重大战略决策部署,顺应了科技产业变革发展趋势,凸显了我国制造业数字化转型客观实践要求,有利于统一认识,凝心聚力,加快推动工业大数据发展,为我国工业高质量发展培育强劲动力。


一、意义重大,加快发展工业大数据恰逢其时


加快发展工业大数据,是贯彻落实国家系列重大战略部署的重要举措。党中央、国务院高度重视发展工业大数据。习近平总书记在中共中央政治局第二次集体学习时强调,要系统推进工业互联网基础设施和数据资源管理体系建设,并做出一系列相关重要指示批示。《促进大数据发展行动纲要》《关于深化“互联网+先进制造业”发展工业互联网的指导意见》等国家政策文件把促进工业大数据的发展和应用作为重点任务。近日,党中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》也提出,要支持构建工业等领域规范化数据开发利用的场景,提升数据资源价值。发展工业大数据,是落实国家大数据战略、推动工业互联网创新发展、做大做强数字经济等国家重大战略部署的共同指向和重要抓手。


加快发展工业大数据,是抢抓科技产业变革机遇,推动制造业高质量发展的战略选择。当前,以数字化、网络化、智能化为主要特征的第四次工业革命蓬勃兴起,工业大数据成为最具活力的关键生产要素,正在对制造业生产方式、运行模式、生态体系产生重大而深远的影响。美德等制造强国纷纷出台数字化战略,促进工业经济向数据驱动型创新体系和发展模式转变,以重塑制造业全球竞争力。我国作为世界第一制造大国、网络大国,具有工业数据资源丰富、应用空间广阔、技术基础扎实等多重优势。第四次工业革命与我国推动制造业高质量发展形成历史性交汇,把握变革趋势和时间窗口,加快发展工业大数据,激发工业数据要素价值潜力,既有利于抢占新一轮产业竞争制高点,也有利于推动我国制造业由大到强的历史性转变。


加快发展工业大数据,是响应广大企业现实需求,构建数字时代竞争优势的关键途径。数字经济时代,数据逐渐成为工业企业获取、巩固和扩大竞争优势的关键资源要素。一方面,数据除了本身是生产资料,可以直接构建形成新的产品和服务,拓展新的收入来源外;另一方面,更重要的是,数据可以引领带动工业中的物资流、资金流等其他资源优化配置,激发企业生产力乘数效应,发挥增长引擎作用和新动能作用。当前,我国工业大数据已经从理念转向实践,技术产业不断进步,融合应用不断拓展,要把握机遇、立足产业基础、适应企业需求,加快推动工业大数据发展,不断强化数据要素对企业生产力竞争力放大、叠加和倍增作用的发挥,重塑新时代制造业的全球竞争优势。


二、全盘布局,构建发展工业大数据的政策体系架构


我国工业大数据的发展已从理念研究走向落地实施,资源日渐丰富、技术产业支撑更加坚实,融合应用持续活跃,总体上正加快进入纵深发展的新阶段。与此同时,工业大数据在资源汇聚、产业能力、深度融合和安全治理等方面深层次和结构性问题仍然存在。解决这些深层问题,全面激发工业数据价值是一项系统性工作,需要体系化地推动和发展。《意见》设置了6个重点方向,18项重点任务,从整体架构来看,这些举措充分考虑宏观和微观、供给侧和需求侧、发展与安全三方面辩证关系,构建了一个系统推进工业大数据发展的政策架构体系。


(一)处理好宏观和微观的关系,既强调在整体层面体系化全面推进,也明确把微观企业数据能力提升作为突破口。


工业大数据价值的释放,要求打通全产业数据链上的所有壁垒和堵点,构建数据采集汇聚、存储处理、分析利用、安全治理的应用闭环。综合考虑,《意见》着力做好数据资源采集汇聚(加强数据汇聚)与分析应用的平滑衔接(深化数据应用),做好技术产业支撑(促进产业发展)与融合应用牵引的相互促进,做好数据开放发展(推动数据共享)与安全保障(完善数据治理、强化数据安全)的合理平衡。同时,推进体系架构的落地生效,关键在于培育千千万万具有数据管理能力的微观主体。只有当企业的数据意识和能力上去了,产业和应用才能蓬勃发展。《意见》借鉴国内外的做法,参考两化融合管理评估和贯标工作的多年经验,通过标准引领和机遇标准的数据管理能力评估贯标,培育海量有能力管理好、经营好其数据的数据驱动型企业。


(二)处理好供给侧和需求侧的关系,既强调增强需求端应用的牵引力,也兼顾提升供给端技术产业的支撑力。


一方面,工业大数据必须与业务结合,面向业务发展的迫切需求,构建数据驱动闭环,以此为牵引力推动工业数据价值的激发释放。《意见》从需求侧发力,推动企业工业大数据融合应用的范围从单点局部走向系统全局、从浅层应用走向深化融合。另一方面,工业大数据的规模化应用超出工业企业一方的能力,需要强化供给侧支撑。《意见》不仅强调大力培育解决方案供应商企业,全面提升工业互联网平台的数据支撑能力等,也注重强化大数据技术产业的支撑能力。总体上,《意见》着力培育供给需求互相促进,打造工业企业、互联网企业、自动化企业和软件企业等多主体共同参与的产业生态,共同推动工业大数据发展步入快车道。


(三)处理好共享发展与治理安全的关系,既注重推动数据流通、共享和开放,也强调加强安全治理等制度保障。


数据共享与数据安全相互影响。随着第四次工业革命探索的不断拓展,数据日益成为工业发展最宝贵的战略资源和最活跃的生产要素。自主有序的流通是生产要素的内在有要求,是扩大和深化数据应用,释放数据价值潜力的重要基础。与此同时,数据在更大范围内的共享,可能带来更多安全问题。反过来,加强数据安全防护,防止数据窃取、数据滥用、数据误用,也就解决了流通中的一项重要的后顾之忧,可以有效促进数据有序共享流通。为此,《意见》在共享流通和保障安全之间做好平衡和衔接,一方面强调推动数据共享,构建并激活数据市场;另一方面也强调加强数据治理,提升安全水平。 


三、重点发力,立足四大体系建设推进工业大数据发展


《意见》在“加快数据汇聚”、“推动数据共享”、“深化数据应用”、“完善数据治理”、“强化数据安全”、“促进产业发展”6个重点方向设置了18项重点任务。综合来看,第一、二两个方向可以合并起来看,强调资源体系建设,第四、五两个方向可以合并起来看,强调治理体系建设。综合来看,《意见》围绕构建工业大数据的资源、融合、产业和治理四大体系,组织安排主要任务,提出要打造资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系。四个体系相互衔接、相辅相成,其中,资源体系建设是基础、融合体系建设是动力、产业体系建设是支撑、治理体系建设是保障。


(一)聚焦资源体系建设,夯实工业大数据发展基础


实现工业数据的资源转化是工业大数据发展的前提。当前我国企业信息化基础仍然薄弱、设备自主水平还比较低,同时还面临标准协议不统一、设备接口不开放等诸多难题,造成数据不可见、不贯通、不可管、不开放、不可用、不共享等问题。为解决这些问题,《意见》以“全面”、“互通”和“高质量”为要求,通过推动企业自动化、数字化改造升级、推动通信协议兼容贯通、建设工业数据平台等多种手段,推动数据全面采集、高效互通和高质量汇聚。此外,《意见》也针对国家对战略性、基础性数据资源的监督管理需求,提出建立国家工业大数据平台,把工业大数据资源管好用好。最后,《意见》通过打造工业数据空间、激活工业数据市场活力等手段,来促进工业数据的共享流通。


(二)聚焦融合体系建设,壮大工业大数据发展动力


融合应用是工业大数据价值体现的关键环节。传统工业企业普遍存在对工业大数据的认识不足,应用能力缺失、应用深度不足等问题,导致工业大数据的普及应用尚未完全展开,特别是高价值的深度应用更少,工业大数据的价值尚未充分体现。《意见》聚焦深化工业大数据创新应用,从需求和供给两端发力,通过开展试点示范、提升数据平台支撑作用、培育数去驱动的制造新模式新业态,打造工业大数据应用生态,推进数据融合应用从单点应用拓展到全局应用、从浅层应用扩展深化应用,全面释放工业大数据价值。


(三)聚焦治理体系建设,强化工业大数据发展保障


数据治理特别是数据安全治理是工业大数据大规模纵深应用的根本保障。工业大数据牵涉企业、平台和个人等多重责任,涉及多样数据的跨企业、跨行业、跨区域流动等相关问题,主体责任不清,分级分类管理难度大。全环节全系统的安全防护措施尚未健全,边缘端和云端均集中多种安全隐患,企业和用户在深度应用和安全运行方面存在很多顾虑,掣肘工业大数据价值和活力的激发释放。《意见》通过有序推进工业大数据分级分类管理应用推广,开展数据管理能力贯标、完善数据标准等手段,来优化提升工业数据的治理体系,同时,通过构建工业大数据安全管理体系,加强工业大数据安全技术和产品研发,提升工业大数据安全防护水平。


(四)聚焦产业体系建设,做强工业大数据发展支撑


大数据技术产业是实现融合应用和创新发展的基石。我国大数据技术能力仍然不足,特别是基础底层技术和共性技术成为制约高水平融合应用的瓶颈,大数据产业配套和集聚发展潜力仍然有待挖掘。《意见》着力提升工业大数据技术能力,强调通过构建产学研合作的创新生态,来推动关键底层技术、共性技术的突破,并强调通过推动数据技术产品和数据应用服务企业的培育来促进大数据核心产业的发展壮大,从而为工业大数据的应用提供强力支撑。



作者简介

王超贤,博士,中国信息通信研究院政策与经济研究所高级工程师,主要研究领域为数字经济、数字化转型等。

联系方式:wangchaoxian@caict.ac.cn


张伟东,博士,中国信息通信研究院政策与经济研究所工程师,主要研究领域为数字经济、数字化转型等。

联系方式:zhangweidong@caict.ac.cn


孙克,博士,中国信息通信研究院政策与经济研究所高级工程师,主要研究领域为数字经济、数据要素等。

联系方式:sunke@caict.ac.cn


施羽暇,博士,中国信息通信研究院政策与经济研究所高级工程师,主要研究领域为数据要素、工业大数据、人工智能、ICT产业等。


《工业大数据发展指导意见》系列解读(二) | 推动数据高质量采集汇聚,打好工业大数据发展的坚实基础


强化工业数据采集,推动数据高质量汇聚,使得数据可感、可见、可管、可用、可信,是发展工业大数据的基础和前提。近日,工业和信息化部发布了《工业大数据发展指导意见》(以下简称“《意见》”),其中重点提及要“推动工业大数据采集汇聚”,赋能制造业高质量发展。


一、推动工业大数据采集汇聚意义重大


推动工业数据高质量采集汇聚,是发展工业互联网的基础性工作,是推动数字化转型的先决条件。顾名思义,工业数据采集是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。工业互联网的核心是数据,强化数据的采集汇聚,是工业互联网体系的重要构成和应有之义。工业互联网平台体系架构中的边缘层,其核心功能,就是通过各类通信手段接入不同设备、系统和产品,采集大范围、深层次的工业数据,以及异构数据的协议转换与边缘处理,从而构建起来工业互联网平台的数据基础。


推进工业数据高质量采集汇聚,是响应广大企业现实需求,加快工业大数据发展的关键途径。在新一代信息技术的支撑下,工业系统由物理空间向信息空间、从可见世界向不可见世界延伸,工业数据的产生范围不断扩大。同时,工业企业中生产线处于高速运转,由工业设备所产生、采集和处理的包括设备状态参数、工况负载和作业环境等数据量呈爆发式增长。工业数据已经远大于企业中信息系统、人工产生的数据范围。把分散的、孤岛化的、碎片化的海量数据资源实时、全面、高质量、自动化、成体系地采集上来,汇聚起来,已经成为工业企业开发利用大数据的前提和基础。这个需求随着数据在工业中的重要性提升而变得日益迫切。


推动工业数据高质量采集汇聚,是落实国家政策部署的重要举措。国家高度重视强化数据采集汇聚这项基础性工作。2017年11月国务院发布的《关于深化“互联网+先进制造业”发展工业互联网的指导意见》强调要“强化复杂生产过程中设备联网与数据采集能力,实现企业各层级数据资源的端到端集成”。2020年4月9日发布的《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》中提出“发挥行业协会商会作用,推动人工智能、可穿戴设备、车联网、物联网等领域数据采集标准化。”“加强数据资源整合,探索建立统一规范的数据管理制度,提高数据质量和规范性”。


二、坚持问题导向,《意见》聚焦推动工业数据采集能力全面提升


总体上,当前工业数据采集汇聚面临三类突出问题:数字化基础薄弱导致数据采集不够全面、数据分散及数据孤岛现象导致数据采集效率低和互通性差、数据失真和失准及一致性差等因素导致数据汇聚质量不高。《意见》坚持问题导向,针对我国工业大数据采集现阶段的发展特点、主要问题和亟待取得突破的重点领域,《意见》围绕“全面、互通和高质量”三大要求,提出6大举措,全面高效推进数据高质量采集汇聚。


(一)推动工业数据全面采集


当前,我国工业数据采集中还存在不少问题。如,企业自动化不高,设备“聋哑傻”现象比比皆是,同时,大部分企业的信息化水平不高,数据采集能力弱,导致采集的数据不够全面,此外,一些工业设备的数据接口不开放,数据无法有效采集,等等。为此,《意见》部署了2大举措。第一,支持工业企业实施设备数字化改造,升级各类信息系统,推动研发、生产、经营、运维等全流程的数据采集。第二,支持重点企业研制工业数控系统,引导工业设备企业开放数据接口,实现数据全面采集。


(二)推动工业数据高效互通


工业数字化转型、工业互联网的发展对数据的实时性、互通性提出了新的更高要求。工业数据采集需要将互联网、物联网、云计算、边缘计算等技术和工业数据采集深度融合,推动数据全面采集、传输和互通。比如,一方面通过构建一套能够兼容、转换多种协议的技术产品体系和网络架构,实现工业数据互联互通互操作;另一方面通过 TSN 等低时延技术和部署边缘计算模块,实现数据的实时采集和在生产现场的轻量级运算、实时分析,缓解数据向云端传输、存储和计算压力,才能更好的满足工业互联网对工业数据采集的要求。但当前的设备互通、数据互通还存在不少问题,如很多设备和系统的数据开放性不够,工业协议标准不统一、互不兼容,导致协议适配、协议解析和数据互联互通困难。为此,《指导意见》部署了2大举措。第一,持续推进工业互联网建设,实现工业设备的全连接。第二,加快推动工业通信协议兼容统一,打破技术壁垒,形成完整贯通的数据链。


(三)推动工业数据高质量汇聚


工业大数据的高质量汇聚对数据分析应用至关重要。工业数据中变量代表着明确的物理含义,低质量数据会改变不同变量之间的函数关系,给工业大数据分析带来灾难性的影响。数据质量的问题往往表现为一个或多个质量维度存在缺失从而无法满足企业和用户的实际需要。主要表现在准确性、完整性、一致性、及时性、唯一性等方面。数据质量管理作为工业互联网的顶层设计、过程控制和事后评价的重要依据,如何建立客观、全面、可行的数据质量检测、治理与持续改善机制,是大数据是否能够良好服务于工业数字化发展的新挑战。但事实上工业企业的信息系统数据质量仍然存在大量的问题,例如 ERP 系统中物料存的“一物多码”等问题。这些质量问题都大大限制了对数据的深入分析为此,《指导意见》部署了2大举措。第一,组织开展工业数据资源调查,引导企业加强数据资源管理,实现数据的可视、可管、可用、可信。第二,支持企业建设数据汇聚平台,实现多源异构数据的融合和汇聚。


三、强化基础数据管理,《意见》强调统筹建设国家工业大数据平台


在国家层面,建设国家级的基础数据库,加强对基础性工业数据资源的统筹管理,可以更好地服务于政府精准施策、产业精准管理。为此,《指导意见》部署了3大举措。第一,整合重点领域统计数据和监测数据,在原材料、装备、消费品、电子信息等行业建设国家级数据库。第二,建设国家工业互联网大数据中心,汇聚工业数据,支撑产业监测分析,赋能企业创新发展,提升行业安全运行水平。第三,建立多级联动的国家工业基础大数据库,研制产业链图谱和供应链地图,服务制造业高质量发展。其中,对第三个重大举措补充说明如下:


从2015年开始,工信部开始布局建设国家制造强国产业基础大数据平台,这是一个以大数据为手段支撑政府精准施策、精准管理的平台,是推动制造强国和网络强国建设的重要举措,是改善决策、科学决策的重要手段,也是进一步完善我国产业基础大数据资源体系的重要途径。经过四年多的发展,平台逐渐完善了其功能、数据、工具、模型等方面的能力,最终形成了三大成果,一是产业大数据平台综合解决方案;二是产业大数据决策支撑专题应用;三是产业基础数据库及服务。


制造强国产业基础大数据平台在服务政府产业管理、危机应对等方面发挥了重要作用。特别是,在此次疫情爆发初期,针对物资保障需求不明、底数不清、对接不畅等困难,制造强国产业基础大数据平台助力工信部组织力量快速建成“国家重点医疗物资保障平台”,运用信息化手段保障重点医疗物资的科学调度、统筹平衡和高效供应,为打赢疫情防控阻击战提供有力支撑。2月1日,李克强总理考察平台建设情况并给予充分肯定。国内疫情平稳后,为有效推动产业链协同复工复产,应对国外疫情对我国产业链供应链的影响,同时针对数据信息不对称、管理不规范、过程透明度低、可追责性差等问题,工信部组织建设了基于制造强国产业基础大数据平台的“重点行业产业链供需对接平台”,编制实时产业全景图,在工业经济和重点行业的监测预测、关联分析、评价诊断、发展规划等方面提供决策支撑,加强供给侧结构性改革的有效工具和面向政府、企业及公众的公共服务,形成了对突发事件响应更加敏捷、适应性更高、弹性更好支撑的国家工业基础数据库,在疫情防控常态化条件下服务企业复工复产。


当前,制造强国产业基础大数据平台已经具备较好的应用基础,未来将进一步加强平台硬实力建设,完善平台功能,加快建成多级联动的数据平台体系。《指导意见》提出要加快建设“多级联动的国家工业基础大数据库”,将加速这一过程,从而为精准决策、科学决策提供更好的支撑手段,具有重要意义。



作者简介

李亚宁,博士,中国信息通信研究院信息化与工业化融合研究所工程师,主要从事工业智能、工业互联网、智能制造技术、应用和产业研究。


《工业大数据发展指导意见》系列解读(三) | 有序推动共享流通,加快拓展工业大数据价值




日前,工业和信息化部印发《工业大数据发展指导意见》(以下简称“《 意见》”),将“推动数据共享”作为发展工业大数据的一项重要任务,进行了系统部署。这充分体现了国家高度对数据共享流通的高度重视,对于加快工业数据共享流通,扩大工业数据价值具有重要意义。


一、推动数据共享流通意义重大


一方面,推动共享流通,是激发数据要素价值的关键举措。资源和要素是一组相对的、相互关联的范畴。生产要素是一种资源,但不是所有的资源都可以称之为生产要素,只有当一种资源具有价值性、通用性、全局性、流通性等多种属性之后,才可以称之为生产要素。其中,流通性是生产要素的基本属性,也是其经济价值实现的关键依靠。当数据可以有序流通、充分共享时,数据就能流向其可以产生最大价值的地方,继而把对经济社会的乘数效应推到最大,此时数据的生产要素价值才能得到最大程度的发挥。党中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》,强调要推动数据要素的市场化配置。推动流通共享,是促进工业数据要素市场化配置的重要举措,是扩大和深化工业数据价值的重要途径。


另一方面,推动共享流通,是响应企业现实需要的重要途径。新时代,互联网、大数据、人工智能等新技术的发展,特别是工业互联网的蓬勃兴起,正推动制造业数字化转型的范围、程度不断升级拓展。具体表现为,在企业内正从过去的单点局部优化,走向实现研发、生产、管理等不同业务的数字化协同,使企业整体达到最优;在企业间,则正走向全产业链贯通乃至跨区域、跨产业的全局协同。前者要求数据在企业内部全面共享,后者要求数据在整个供应链上跨企业流通。正是在这一背景下,工业企业对于数据合作的需求在大量增加。据《2018工业企业数据资产管理现状调查报告》的数据显示,超过半数的企业表示需要使用外部数据或对外提供数据,仅有2.7%企业表示暂时没有数据合作需求。加快推动共享流通,适应了企业现实需要,能够有力地促进制造业数字化转向迈向更高发展阶段。


二、工业大数据共享流通面临的问题与前沿探索经验


数据共享流通的需求在快速增长,现实中,企业、机构也都在纷纷开展数据共享流通试验,如天创信用、生意社等200余家会员将数据源通过贵阳大数据交易平台进行处理后,对接数据需求方。但总体上,数据共享流通还面临多重问题,局限在试点和探索阶段,亟待有序拓展。


从内部看,企业自身面临工业大数据治理的“严繁杂散”困境,增大了共享流通的难度。“严”:数据在利用过程中需要保证企业对产品工艺、生产流程、质量管理等核心知识产权和商业机密的安全可控;“繁”:工业数据相较其他行业,具有来源杂、批量大、频率高、维度多等特点,共享价值评估难度较高;“杂”:由于缺乏统一的数据治理体系,工业数据在采集、存储、处理等环节可能存在不科学、不规范等问题,导致错误数据、异常数据、缺失数据等脏数据产生,无法确保数据的一致性、完整性和准确性;“散”:企业内部信息孤岛现象普遍存在,部门间、企业间数据互通又存在标准缺失、风险较大等问题,导致难以进行数据整合和开放共享。


从外部看,数据流通制度不健全,导致数据流通缺乏信任基础。比如,数据的产权没有得到明确的界定、数据流通的合法合规性仍未解决,数据定价和评估机制缺少等,这使得企业担心在流通共享中无法获得预期的收益,又失去了数据主权或控制权。根据工业互联网产业联盟于2020年3月开展的《工业大数据利用与管理》问卷调查统计结果,在推进工业大数据共享流通时,有86%的企业表示最担心泄露商业机密,有33%的企业担心会失去数据的控制权从而破坏自身的信息不对称优势。原因在于现在更多的传感器和控制的引入、云平台的广泛应用、通用有线/无线网络技术的发展、工业控制系统的进一步软件化等,传统工业控制的专有性和封闭性被打破,越来越多的设备、系统、生产和服务过程暴露在工业互联网上,企业数据一旦共享出去,主权、控制权、商业机密等较难从技术上得到保障。


当前以国家政府、联盟协会、行业企业三种主体为代表,积极以工业数据空间为抓手,进行工业数据流通共享的前沿探索。欧盟以建设数字化单一市场为目标,通过制定严格律法打造工业数据空间的“欧盟标准”。《非个人数据在欧盟境内自由流动框架条例》于2019年5月正式生效。针对设备运行、企业交易等非个人数据,条例旨在消除各成员国的数据本地化要求、确保成员国有权机关能够及时获取数据、保障专业用户能够自由地迁移数据,进一步加强成员国数据流动。同时立足于区域内深厚的工业数据积累强化单一市场战略,2020年2月欧盟委员会发布《欧盟数据战略》文件,明确提出将建设通用的欧洲工业数据空间,将在近两年内围绕数据主权和开放共享开展立法研究,并将通过搭建治理框架提升工业数据互操作性和应用质量,实现工业数据价值的深度挖掘。


德国弗劳恩霍夫研究院打造基于工业数据空间参考架构模型的行业解决方案。2016年德国在工业4.0下启动工业数据空间子项目,由德国弗劳恩霍夫应用研究促进协会负责推进。该项目通过建立一个虚拟数据空间,结合相关标准规则和统一信息模型,促进工业生态系统中数据的便捷连接与安全交换,同时确保了数据所有者的数据主权。为了打造可信任的数据交易共享网络,IDS搭建“工业数据空间”参考架构,结合数据提供者、数据使用者、中间人、应用商店运营者、以及认证机构五种主体在数据共享交易中的作用,设计了一套包括数据主权、交易、定价等在内的完整的商业模型和交易规程,截至日前德国“工业数据空间”参考架构模型已经更新至第三版,应用案例增加至数十种,在医疗、能源、制造等领域均已开展相应探索试点。


龙头企业引领行业实践,探索形成工业数据空间典型应用路径。目前航空航天、钢铁、工程机械等数据资源共享协同需求强烈的行业以工业数据空间为抓手开展实践探索,形成两种典型路径。一方面从供应链端切入,通过构建物流数据空间提高生产活动的快速响应能力。如波音基于区块链技术构建包括多家零配件生产商、运输商在内的可信数据空间,基于供应物流数据的安全共享和分析实现对生产装配过程的实时调度调整。另一方面从研发端切入,通过共享设计运行等数据加快研发和生产速度。如蒂森克虏伯与IBM创建可信的数据共享平台,基于CAD数据的加密传输和生产的透明追溯实现3D打印中小企业与客户需求的精准对接,提升3D打印设备利用率。


三、《意见》多措并举促进共享流通,推动工业数据要素市场化配置


《意见》聚焦提升数据共享流通,坚持问题导向,从开放共享、流通技术、价值评估、交易机制四个方面进行部署。


一是推动数据开放共享。对于公共数据的开放共享,《意见》提出“鼓励相关单位通过共享、交换、交易等方式,提高数据资源价值创造的水平”。对于企业数据的共享,《意见》明确提出“支持优势产业上下游企业开放数据,加强合作,共建安全可信的工业数据空间,建立互利共赢的共享机制”。《意见》积极吸收欧盟工业数据空间建设的先进经验,适应我国国情,以产业链上下游局部企业间的开放共享探索为试点,逐步有序推广到更大的范围和更高层次,将有力地推动工业数据的开放共享。


二是发展数据流通技术。数据是一种特殊的“商品”或者“要素”,具有非竞争性,数据也牵涉到个人隐私、企业商业秘密,其交易流通和市场化配置离不开技术的支撑。《意见》中提出“支持开展数据流动关键技术的攻关,建设可信的工业数据流通环境”。当前,以区块链、多方安全计算为代表的前沿技术为解决数据的“非竞争性”和隐私保护等问题提供了新的途径,在数据流通领域愈发受到重视,为工业大数据安全有序流通提供了较为理想的技术方案,需要社会各界的共同努力推动。


三是完善数据价值评估。现代市场经济的发展表明,价格是市场体系运行的核心。科学合理的定价,可以显著提升数据的可交易性、可转让性,是推动数据要素市场化配置的核心基础。但目前数据定价问题是一个世界性难题,牵涉的问题极多,很难在短时间内得到解决。从数据价值评估入手,构建起合理的数据资产价值评估模式和体系,可以发现数据合理的内在价值,为市场这只“无形的手”来指导数据定价奠定了基础,是一个重要的切入点。《意见》提出“构建工业大数据资产价值评估体系”。工业领域可充分借鉴证券、金融等行业数据资产定价的先进经验,开展价值评估前沿探索。


四是建立数据交易机制。市场无法自主健康可持续运行,需要科学合理的规则制度体系作为基本保障。《意见》提出“研究制定公平、开放、透明的数据交易规则,加强市场监管和行业自律”,为工业数据市场健康运行指明了方向。当然,数据交易规则的制定和完善,不仅涉及法律、监管等多个领域规则的调整,也牵扯到个人、企业、行业协会等多方的利益平衡,是一个长期的、艰难的历史过程,需要全社会的共同努力。


中国信息通信研究院从2016年起就持续关注工业数据的共享流通问题,发布了《数据流通关键技术白皮书》,制定区块链、安全多方计算等多项技术标准并开展测试验证;连续三年举办工业大数据创新竞赛,基于企业实际生产场景开放真实数据资源悬赏征求最佳解决方案,累计超过6800人参赛。并搭建了工业大数据产业创新平台,当前已积累37组工业数据集,覆盖加工制造、轨道交通、能源电力等多个行业,未来将就数据集资源的开放共享模式开展探索研究。近期内工业大数据产业创新平台即将上线发布,敬请关注!


作者简介

王妙琼,硕士,中国信息通信研究院云计算与大数据研究所工程师,主要从事大数据技术产品、数据资产管理、大数据行业应用等领域研究及标准制定工作。

联系方式:wangmiaoqiong@caict.ac.cn


刘迎,硕士,中国信息通信研究院信息化与工业化融合研究所工程师,主要研究领域为工业大数据、工业互联网、智能制造等



《工业大数据发展指导意见》系列解读(四) | 强化安全保障 护航工业大数据有序发展

随着新一代信息技术与工业融合不断深入,数字世界和实体世界的安全边界被打破,工业领域日益成为数据泄露的高发领域。数据安全已经成为制约工业大数据全面发展的重要因素,亟待强化安全防护,在发展中强化安全,以安全促进发展。近期,工业和信息化部出台了《工业大数据发展指导意见》(以下简称“《意见》”),对工业大数据安全防护做了新的部署,提出要强化工业大数据安全,构建工业数据安全管理体系,加强工业数据安全产品研发,为工业大数据、工业互联网的健康有序发展保驾护航,响应了产业发展的现实需求,意义重大。


一、强化工业大数据安全保障刻不容缓


(一)应对严峻复杂的数据安全问题的客观需要


随着新一代信息技术与工业融合日渐深化、新场景不断涌现,工业大数据防护面临日益增加的安全威胁。近年来,工业大数据已成为黑客攻击的重点目标,相关网络安全事件呈井喷式增长。相关数据显示,2017年全球针对制造业的数据泄露事件多达620余起,泄露的数据包括行业秘密、商业计划、知识产权等,其中九成以上的被泄露数据都达到了机密级别,与企业利益紧密相关。2018年7月20日《纽约时报》报道,大众、克莱斯勒、福特、丰田、通用汽车、特斯拉、蒂森克虏伯等100多家汽车产业链上下游公司的敏感数据泄露。泄露的数据有公司蓝图规划、工厂图表、制造细节、工作计划、客户资料、保密协议以及包括驾照、护照等信息在内的员工隐私信息,共计157GB,4.7万份文件。


产业融合扩大安全风险,工业大数据安全防护难度进一步加大。传统数据安全保护技术和保护策略面临“失效”风险。安全问题已经成为制约工业大数据全面发展的重要因素,加强工业大数据安全防护,以安全保发展,刻不容缓。


(二)落实国家工业大数据安全保护重要部署的必然要求


国家高度重视工业大数据保护。2017年,《国务院深化“互联网+先进制造业”发展工业互联网的指导意见》提出建立数据安全保护体系,建立工业互联网全产业链数据安全管理体系,明确相关主体的数据安全保护责任和具体要求,加强安全防护能力,建立工业数据分级分类的管理制度。2018年,《工业互联网发展行动计划(2018-2020年)》就落实建立工业互联网全产业链数据安全管理体系,强化平台及数据安全监督检查和风险评估等作出进一步部署。2019年,《加强工业互联网安全工作的指导意见》要求全面提升工业互联网数据安全保护能力。2020年《工业数据分类分级指南》通过落实主体责任,强化数据分类分级管理,为强化工业数据安全打好基础。


二、强化工业大数据安全防护面临三大问题


(一)工业大数据安全责任体系还不完善,监管体系不够健全


工业大数据涉及研发设计、生产制造、产品流通及售后服务等全产业链多个环节,运营单位、工业互联网平台提供商等多方主体,各企业主体在工业大数据安全方面的责任和义务划分尚不清晰,难以有效督促企业落实工业大数据安全保护要求。此外,工业大数据安全管理、协调等诸多层面的监管职能分散于制造业、汽车等多个行业主管部门,缺乏责权清晰的监管体系。


(二)工业大数据相关企业安全意识较为薄弱,安全技术能力建设水平低


工业企业普遍存在重发展轻安全的情况,对工业大数据安全缺乏足够认识。与此同时,我国工业大数据安全技术能力建设水平较低,对数据的延伸控制缺乏有效的技术保护手段,数据开放顾虑重重,无法权衡数据开放促进发展与确保数据安全。


(三)工业大数据安全核心技术产品研发不够,产业支撑力远远不够


我国整体工业互联网安全才刚开始起步建设,其中针对工业大数据在传统工业领域应对新型攻击防篡改、防窃取、防泄漏的安全核心技术能力还远远不足。此外,我国针对工业大数据安全产品的创新研发缺少活力,缺乏行业认可的第三方机构开展工业大数据安全审查及评估认证,难以保证产品和服务的安全性。


三、《意见》是坚持问题导向,构建工业大数据安全保障体系的根本要求


《意见》坚持以安全保发展、以发展促安全,完善多方参与、权责明确的安全防护体系,强化统筹管理与协调监督,全面提升工业大数据的安全性、可靠性,促进工业大数据合理有序开发利用。


(一)《意见》强调工业企业落实主体责任,构建工业大数据安全管理体系


《意见》针对工业大数据跨界融合安全防护难度加大、工业大数据安全责任体系还不完善,监管体系不够健全等问题,明确企业安全主体责任和各级政府监督管理责任,构建工业数据安全责任体系。


(二)《意见》提出加强企业安全技术能力建设,全面保障工业大数据安全


《意见》针对工业大数据相关企业安全意识较为薄弱,安全技术能力建设水平低等问题,指出应加强态势感知、测试评估、预警处置等工业大数据安全能力建设,实现闭环管理,全面保障数据安全。


(三)《意见》提出加强工业数据安全产品研发,营造良好的工业大数据安全产业生态


《意见》针对工业大数据安全核心技术产品研发不够,产业支撑力远远不够等问题,指出开展加密传输、访问控制、数据脱敏等安全技术攻关,提升防篡改、防窃取、防泄漏能力。加快培育安全骨干企业,增强数据安全服务,培育良好安全产业生态。



作者简介

刘晓曼,硕士,中国信息通信研究院安全研究所工程师,主要从事工业互联网、车联网的安全技术、产业和政策研究。


先进制造业+工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的产业智能化平台;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。


产业智能化平台作为第四次工业革命的核心驱动力,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; 重构设计、生产、物流、服务等经济活动各环节,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、新业态和新模式; 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。

产业智能化技术分支用来的今天,制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中, 利用工业互联网形成数字化、网络化和智能化力量,实现行业的重新布局、企业的重新构建和焕然新生。

版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。




登录查看更多
2

相关内容

专知会员服务
91+阅读 · 2020年8月7日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
2019中国硬科技发展白皮书 193页
专知会员服务
80+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
135+阅读 · 2019年12月12日
解读《中国新一代人工智能发展报告2019》
走向智能论坛
32+阅读 · 2019年6月5日
《人工智能标准化白皮书(2018版)》发布|附下载
人工智能学家
17+阅读 · 2018年1月21日
【工业大数据】一文带你读懂《工业大数据白皮书》
产业智能官
14+阅读 · 2018年1月20日
Single-frame Regularization for Temporally Stable CNNs
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Viewpoint Estimation-Insights & Model
Arxiv
3+阅读 · 2018年7月3日
Arxiv
5+阅读 · 2018年4月13日
Arxiv
10+阅读 · 2018年3月23日
VIP会员
Top
微信扫码咨询专知VIP会员