1、大數據系列報告之一：工業大數據白皮書 大數據系列報告之一：大數據系列報告之一： 工業大數據白皮書工業大數據白皮書( (2017 版版) ) 指導單位：指導單位：工業和信息化部信息化和軟件服務業司工業和信息化部信息化和軟件服務業司 國家標準化管理委員會工業二部國家標準化管理委員會工業二部 主編主編單位：單位： 中國電子技術標準化研究院中國電子技術標準化研究院 全國信息技術標準化技術委員會大數據標準全國信息技術標準化技術委員會大數據標準工作組工作組 聯合聯合主編主編單位：單位： 中國中國智能制造系統解決方案供應商聯盟智能制造系統解決方案供應商聯盟 中國開放對象標識中國開放對象標識(OID)應用聯盟

2、應用聯盟 二零一二零一七七年年二二月月 大數據系列報告之一：工業大數據白皮書 目 錄 1 研究背景和目標 . 1 1.1 研究背景 . 1 1.2 研究目標及意義 . 1 2 工業大數據概述 . 3 2.1 工業大數據的定義及特征 . 3 2.1.1 工業大數據的定義 . 3 2.1.2 工業大數據的特征 . 4 2.2 與智能制造的關系 . 4 2.2.1 在智能制造中的應用 . 4 2.2.2 在智能制造標準體系中的定位 . 5 2.3 與大數據技術的關系 . 6 2.4 與工業軟件和工業云的關系 . 7 2.4.1 與工業軟件的關系 . 7 2.4.2 與工業云的關系 . 8 3 工業大

3、數據發展現狀及趨勢分析 . 9 3.1 全球主要國家工業大數據相關戰略部署 . 9 3.1.1 美國先進制造業戰略 . 9 3.1.2 德國工業 4.0 戰略 . 10 3.1.3 法國新工業戰略 .11 3.1.4 中國制造 2025 戰略 .11 3.2 工業大數據應用熱點 . 12 3.2.1 在設計領域的應用 . 12 3.2.2 在復雜生產過程優化的應用 . 14 3.2.3 在產品需求預測中的應用 . 15 3.2.4 在工業供應鏈優化中的應用 . 16 3.2.5 在工業綠色發展中的應用 . 16 3.3 國內工業大數據現狀 . 17 3.3.1 國內工業大數據應用現狀 . 17

4、 大數據系列報告之一：工業大數據白皮書 3.3.2 存在的主要問題及難點分析 . 18 3.4 工業大數據發展形勢分析 . 20 4 工業大數據參考架構 . 22 4.1 數據參考架構 . 22 4.2 技術參考架構 . 24 4.3 平臺參考架構 . 26 5 工業大數據標準體系 . 28 5.1 工業大數據標準化相關工作基礎 . 28 5.2 工業大數據標準體系框架 . 29 5.3 工業大數據標準明細表 . 32 6 我國工業大數據工作重點建議 . 34 6.1 加強核心基礎技術研究 . 34 6.2 加強工業大數據標準研制和應用推廣 . 34 6.3 構建工業大數據流通共享平臺 . 3

5、4 6.4 探索示范應用 . 35 7 應用案例 . 36 7.1 概述 . 36 7.2 典型應用案例 . 37 8 參考文獻 . 83 大數據系列報告之一：工業大數據白皮書 1 1 研究背景和目標研究背景和目標 1.1 研究背景研究背景 隨著互聯網與工業融合創新，智能制造時代的到來，工業大數據技術及應用將成為未來提升制造業生產力、競爭力、創新能力的關鍵要素，是驅動產品智能化、生產過程智能化、管理智能化、服務智能化、新業態新模式智能化，支撐制造業轉型和構建開放、共享、協作的智能制造產業生態的重要基礎，對實施智能制造戰略具有十分重要的推動作用。 全國信息技術標準化技術委員會大數據標準工作組（以

6、下簡稱“工作組” ）由工信部和國標委共同指導，主要承擔大數據相關標準化工作，已經發布了大數據標準化白皮書（2016）版 。為了充分發揮國家標準的規劃與指導作用，促進我國工業大數據標準體系建設，推動工業大數據在智能制造中的發展應用，工作組聯合中國智能制造系統解決方案供應商聯盟和中國開放對象標識（OID）應用聯盟啟動大數據系列報告之一：工業大數據白皮書的編制工作，旨在全面、客觀地梳理國內外工業大數據相關工作基礎和進展，根據業界最新實踐、認知水平，總結提煉工業大數據標準化需求，提出標準化框架和發展建議。 1.2 研究目標及意義研究目標及意義 本白皮書的目標在于明確工業大數據的相關技術、應用以及發展路

7、線，從數據架構、技術架構和平臺生態架構角度勾畫出工業大數據發展的整體輪廓，合理制定工業大數據的發展規劃和建設路線，明確工業大數據落地推進工作重點，加快促進工業大數據在制造業中的落地應用。 本白皮書用于界定工業大數據的范疇和特征， 明確工業大數據總體目標和現有研究基礎，是研究工業大數據的出發點。 通過綜述全球主要國家在工業大數據上的戰略部署、 推進方法，分析國內工業大數據的發展現狀，總結國內推進工業大數據所存在的問題及難點，為下一步發展理清思路和方向。 此外，本白皮書確定了工業大數據的參考架構，包括研究范圍、典型運營模式、數據架 大數據系列報告之一：工業大數據白皮書 2 構、技術架構和平臺參考架

8、構等，為進一步研究和推進工業大數據確定指導路線。針對目前工業大數據領域標準缺失的現狀，本白皮書提出工業大數據標準體系，為推動工業大數據落地和戰略部署提供技術支撐。 大數據系列報告之一：工業大數據白皮書 3 2 工業大數據工業大數據概述概述 2.1 工業大數據的工業大數據的定義及定義及特征特征 2.1.1 工業大數據的工業大數據的定義定義 工業大數據是指在工業領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后服務、運維、報廢或回收再制造等整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱。其以產品數據為核心， 極大

9、延展了傳統工業數據范圍， 同時還包括工業大數據相關技術和應用。 工業大數據的主要來源有三類： 第一類是生產經營相關業務數據。主要來自傳統企業信息化范圍，被收集存儲在企業信息系統內部，包括傳統工業設計和制造類軟件、企業資源計劃（ERP） 、產品生命周期管理（PLM） 、供應鏈管理（SCM） 、客戶關系管理（CRM）和環境管理系統（EMS）等。通過這些企業信息系統已累計大量的產品研發數據、生產性數據、經營性數據、客戶信息數據、物流供應數據及環境數據。此類數據是工業領域傳統的數據資產，在移動互聯網等新技術應用環境下正在逐步擴大范圍。 第二類是設備物聯數據。主要指工業生產設備和目標產品在物聯網運行模式

10、下，實時產生收集的涵蓋操作和運行情況、工況狀態、環境參數等體現設備和產品運行狀態的數據。此類數據是工業大數據新的、增長最快的來源。狹義的工業大數據即指該類數據，即工業設備和產品快速產生的并且存在時間序列差異的大量數據。 第三類是外部數據。指與工業企業生產活動和產品相關的企業外部互聯網來源數據，例如，評價企業環境績效的環境法規、預測產品市場的宏觀社會經濟數據等。 工業大數據技術1是使工業大數據中所蘊含的價值得以挖掘和展現的一系列技術與方法，包括數據采集、預處理、存儲、分析挖掘、可視化和智能控制等。工業大數據應用，則是對特定的工業大數據集，集成應用工業大數據系列技術與方法，獲得有價值信息的過程。工

11、業大數據技術的研究與突破，其本質目標就是從復雜的數據集中發現新的模式與知識，挖 大數據系列報告之一：工業大數據白皮書 4 掘得到有價值的新信息，從而促進工業企業的產品創新、提升經營水平和生產運作效率以及拓展新型商業模式。 2.1.2 工業大數據的特征工業大數據的特征 工業大數據具有一般大數據的特征 （海量性、 多樣性等） ， 此基礎上具有四個典型的特征：價值性、實時性、準確性、閉環性。 （1）價值性（Value） ：工業大數據更加強調用戶價值驅動和數據本身的可用性，包括：提升創新能力和生產經營效率，以及促進個性化定制、服務化轉型等智能制造新模式變革。 （2）實時性（Real-time） ：工業

12、大數據主要來源于生產制造和產品運維環節，生產線、設備、工業產品、儀器等均是高速運轉，從數據采集頻率、數據處理、數據分析、異常發現和應對等方面均具有很高的實時性要求。 （3）準確性（Accuracy） ：主要指數據的真實性、完整性和可靠性，更加關注數據質量，以及處理、分析技術和方法的的可靠性。 （4）閉環性（Closed-loop） ：包括產品全生命周期橫向過程中數據鏈條的封閉和關聯，以及智能制造縱向數據采集和處理過程中，需要支撐狀態感知、分析、反饋、控制等閉環場景下的動態持續調整和優化。 除以上 4 個基本典型特征外，業界一般認為工業大數據還具有集成性、透明性、預測性等特征。 2.2 與智能制

13、造的關系與智能制造的關系 2.2.1 在在智能制造智能制造中的應用中的應用 工業大數據是智能制造的關鍵技術，主要作用是打通物理世界和信息世界，推動生產型制造向服務型制造轉型。其在智能制造中有著廣泛的應用前景，在產品市場需求獲取、產品研發、制造、運行、服務直至報廢回收的產品全生命周期過程中，工業大數據在智能化設計、智能化生產、網絡化協同制造、智能化服務、個性化定制等場景都發揮出巨大的作用。 大數據系列報告之一：工業大數據白皮書 5 在智能化設計中，通過對產品數據分析，實現自動化設計和數字化仿真優化；在智能化生產過程中，工業大數據技術可以實現在生產制造中的應用，如人機智能交互、工業機器人、制造工藝

14、的仿真優化、數字化控制、狀態監測等，提高生產故障預測準確率，綜合優化生產效率；在網絡化協同制造中，工業大數據技術可以實現智能管理的應用，如產品全生命周期管理、客戶關系管理、供應鏈管理、產供銷一體等，通過設備聯網與智能控制，達到過程協同與透明化；在智能化服務中，工業大數據通過對產品運行及使用數據的采集、分析和優化，可實現產品智能化及遠程維修，同時，工業大數據可以實現智能檢測監管的應用，如危險化學品、食品、印染、稀土、農藥等重點行業智能檢測監管應用；此外，通過工業大數據的全流程建模，對數據源進行集成貫通，可以支撐以個性化定制為代表的典型智能制造模式。 2.2.2 在智能制造在智能制造標準體系標準體

15、系中的定位中的定位 工業大數據位于智能制造標準體系結構圖2的關鍵技術標準的左側（見圖 2-1） ，屬于智能制造標準體系五大關鍵技術之一。 圖 2-1 智能制造標準體系結構 工業大數據在智能制造標準體系框架中的位置如圖 2-2。 大數據系列報告之一：工業大數據白皮書 6 圖 2-2 智能制造標準體系框架關鍵技術部分 國家智能制造標準體系建設指南 （2015 年版） 2中關于工業大數據標準給出了具體的描述：工業大數據標準主要包括面向生產過程智能化、產品智能化、新業態新模式智能化、管理智能化以及服務智能化等領域的數據處理技術標準以及數據質量、能力成熟度、數據資產管理、數據開放共享和交易等數據管理標準

16、。 2.3 與大數據技術的關系與大數據技術的關系 工業大數據應用是基于工業數據，運用先進的大數據相關思維、工具、方法，貫穿于工業的設計、工藝、生產、管理、服務等各個環節，使工業系統、工業產品具備描述、診斷、預測、決策、控制等智能化功能模式和結果。工業領域的數據累積到一定量級，超出了傳統技術的處理能力，就需要借助大數據技術、方法來提升處理能力和效率，大數據技術為工業大數據提供了技術和管理的支撐。 首先，工業大數據可以借鑒大數據的分析流程及技術，實現工業數據采集、處理、存儲、分析、可視化。例如，大數據技術應用在工業大數據的集成與存儲環節時，支撐實現高實時性采集、大數據量存儲及快速檢索；大數據處理技

17、術的分布式高性能計算能力，為海量數據的查詢檢索、算法處理提供性能保障等。其次，工業制造過程中需要高質量的工業大數據，可以借鑒大數據的治理機制對工業數據資產進行有效治理。 大數據系列報告之一：工業大數據白皮書 7 雖然工業大數據基于大數據技術的基礎，但是在環節和應用上與傳統大數據（商務大數據）存在一定的區別，如表 2-1 所示。 表 2-1 工業大數據與商務大數據的區別 環節和應用 商務大數據 工業大數據 采集 通過交互渠道（如門戶網站、購物網站社區、論壇）采集交易、偏好、瀏覽等數據； 對數據采集的時效性要求不高。 通過傳感器與感知技術， 采集物聯設備、 生產經營過程業務數據、外部互聯網數據等；

18、 對數據采集具有很高的實時性要求。 處理 數據清洗、數據歸約，去除大量無關、不重要的數據。 工業軟件是基礎，強調數據格式的轉化； 數據信噪比低， 要求數據具有真實性、 完整性和可靠性，更加關注處理后的數據質量。 存儲 數據之間關聯性不大，存儲自由。 數據關聯性很強，存儲復雜。 分析 利用通用的大數據分析算法；進行相關性分析；對分析結果要求效率不要絕對精確。 數據建模、分析更加復雜； 需要專業領域的算法（如軸承、發動機） ，不同行業、不同領域的算法差異很大； 對分析結果的精度和可靠度要求高。 可視化 數據結果展示可視化。 數據分析結果可視化及 3D 工業場景可視化； 對數據可視化要求強實時性，

19、實現近乎實時的預警和趨勢可視。 閉環反饋控制 一般不需要閉環反饋。 強調閉環性，實現過程調整和自動化控制。 2.4 與與工業軟件工業軟件和和工業云工業云的的關系關系 2.4.1 與工業軟件的關系與工業軟件的關系 工業軟件是指主要用于或專用于工業領域，為提高工業研發設計、業務管理、生產調度和過程控制水平的相關軟件與系統。工業大數據與工業軟件的關系： 首先，工業軟件承載著工業大數據采集和處理的任務，是工業數據的重要產生來源。 其次， 工業軟件支撐實現工業大數據的系統集成和信息貫通。 比如， 傳統工業軟件以 ERP 為中心進行數據打通，新型工業軟件將基于 PLM 等關鍵軟件進行系統性集成。通過對外部

20、設計工具、分散研發團隊、MES 與控制系統、第三方管理軟件等多系統的集成，實現工廠從底 大數據系列報告之一：工業大數據白皮書 8 層到上層的信息貫通，推動工廠內“信息孤島”聚合為“信息大陸” 。 同時，工業大數據技術與工業軟件結合，加強了工業軟件分析與計算能力，提升場景可視化程度，實現對用戶行為和市場需求的預測和判斷。 工業軟件承擔著對各類工業數據進行采集、集成、分析和應用的重要功能，是工業大數據技術體系中負責優化、仿真、呈現、決策等關鍵職能的主要組成部分。 2.4.2 與工業云的關系與工業云的關系 工業云是通過信息資源整合為工業提供服務支持的一種智能服務。 通過云計算、 物聯網、大數據和工業

21、軟件等技術手段，將人、機、物、知識等有機結合，為工業構建了一種特有的服務生態系統，向用戶提供資源和能力共享服務，如云存儲服務、云應用服務、云社區服務、云管理服務、云設計服務和云制造服務等。 工業大數據與工業云結合，可實現物理設備與虛擬網絡融合的數據采集、傳輸、協同處理和應用集成，運用數據分析方法，結合領域知識，形成包括個性化推薦、設備健康管理、物品追蹤、產品質量管理等工業大數據應用系統。從“數據即服務” 、 “產品即服務” 、 “制造即服務”三個視覺角度出發，幫助企業用戶擴展產品價值空間，實現以產品為核心的經營模式向“制造+服務”的模式轉變。 國家智能制造標準體系建設指南（2015 年版） 2

22、中提到，工業云標準主要包括接口和協議等資源共享標準和服務能力標準兩個部分，該部分標準的制定為工業云打通和集成工業大數據奠定了基礎。 工業軟件和工業云作為工業大數據的主要載體，也是工業大數據的采集、存儲、集成、協同共享重要通道，兩者與工業大數據的關系是密不可分的。 大數據系列報告之一：工業大數據白皮書 9 3 工業大數據發展現狀及趨勢分析工業大數據發展現狀及趨勢分析 3.1 全球全球主要國家主要國家工業大數據相關工業大數據相關戰略部署戰略部署 工業是國民經濟的基礎和支柱，也是一國經濟實力和競爭力的重要標志。隨著云計算、大數據和物聯網等新興技術的發展，全球掀起了以制造業轉型升級為首要任務的新一輪工

23、業變革，世界上主要的工業發達體紛紛制定工業再發展戰略。 3.1.1 美國先進制造業戰略美國先進制造業戰略 2012 年 2 月，美國發布了先進制造業國家戰略計劃報告，將促進先進制造業發展提高到了國家戰略層面。 先進制造業國家戰略計劃從投資、勞動力和創新等方面提出了促進美國先進制造業發展的三大原則、五大目標及相應的對策措施。堅持完善先進制造業創新政策、加強“產業公地”建設和優化政府投資三大原則，實現加快中小企業投資、提高勞動力技能、建立健全伙伴關系、調整優化政府投資、加大研發投資力度五大目標。加強公共和私營部門聯合投資，確保所有部門參與標準制定并加快應用，鼓勵企業對應用研究和示范設施進行投資；擴

24、大對制造業早期產品的政府采購，以幫助企業獲取規模經濟和生產經驗、加強國家安全相關領域的投資；及時更新制造業勞動力，強化先進制造業工人培訓，為先進制造業開發和維護具有競爭力的勞動力；鼓勵中小企業參與合作伙伴，通過較大程度地支持學術機構、制造商、行業協會及中介組織等增強跨部門合作伙伴關系；加強基于集群的伙伴關系，通過區域集群包括戰略規劃的協調， 互補性資產采購和集群內的風險以及共用供應鏈的協同；加強先進制造業投資組合，重點在先進材料、生產技術平臺、先進制造工藝及設計與數據基礎設施等四個領域創建協調聯邦政府的投資組合，以增強美國制造業的全球競爭力；超越任何一個機構或私營部門，協調和管理跨領域的機構投

25、資，降低市場創新的時間；加強研究和試驗稅收減免，使之成為永久化措施；擴大制造流程創新和先進工業材料的研發活動，削減生產成本，提高產品質量，加快產品開發。 2014 年，美國白宮總統行政辦公室發布2014 年全球大數據白皮書 ，分析指出，美國大型企業在投資大數據科技方面存在以下幾個關鍵驅動因素：分析運營和交易數據的能力；洞察客戶線上消費的行為，以向市場提供新的高度復雜的產品；對組織中的機器和設備進行 大數據系列報告之一：工業大數據白皮書 10 更加深入的感知。 3.1.2 德國工業德國工業 4.0 戰略戰略 2015 年 4 月，德國提出來“工業 4.0”戰略。強調通過信息網絡與工業生產系統的充

26、分融合，使產品與生產設備之間、工廠內部縱向之間、工廠與工廠之間，都能通過 CPS（物理信息系統）聯結為一個整體，從而實現生產的智能化，提升制造業的靈活性和工程效率。工業 4.0 戰略展現了一幅全新的工業藍圖：在現實和虛擬結合的網絡世界里，互聯網將滲透到所有的關鍵領域，價值創造過程將會改變，原有的行業界限將會消失，新興的產業鏈條將會重組，全新的商業模式和合作模式將會出現。 工業 4.0 參考架構（如圖 3-1 所示）的基本思路是在一個共同的模型中體現工業系統不同方面。 圖 3-1 工業 4.0 參考架構 縱軸（IT 功能）上的各個層面從信息技術角度描述不同的視角，如：業務流程、功能描述、數據映像

27、、通信行為、硬件和設備等。橫軸（生命周期和價值流）展現的是包括價值鏈在內的產品生命周期維度。第三軸（企業縱向層）呈現的是工廠或設備內部功能和職責。 德國“工業 4.0”戰略的實施重點在于信息互聯技術與傳統工業制造的結合，其中大數據分析作為關鍵技術將得到較大范圍應用。 一是 “智能工廠” ， 重點研究智能化生產系統及過程， 大數據系列報告之一：工業大數據白皮書 11 以及網絡化分布式生產設施的實現；二是“智能生產” ，主要涉及整個企業的生產物流管理、人機互動以及 3D 技術在工業生產過程中的應用等；三是“智能物流” ，主要通過互聯網、物聯網、物流網，整合物流資源，充分發揮現有物流資源供應方的效率

28、，需求方則能夠快速獲得服務匹配，得到物流支持。 3.1.3 法國法國新工業戰略新工業戰略 2015 年，法國推出“新工業法國戰略” ，總體布局為“一個核心，九大支點” 。一個核心即“未來工業” ，主要內容是實現工業生產向數字化、智能化轉型，以生產工具的轉型升級帶動商業模式轉型。九大支點，包括新資源開發、可持續發展城市、環保汽車、網絡技術、大數據技術、新型醫藥等，一方面旨在為“未來工業”提供支撐，另一方面重在滿足人們日常生活的新需求。該戰略為期十年，主要解決三大問題：能源、數字革命和經濟生活。 2015 年 5 月，法國經濟、工業與就業部又公布了未來工業計劃，該計劃將在“新工業戰略”的第二階段中

29、扮演核心角色，主要目標是建立更為互聯互通、更具有競爭力的法國工業，旨在使工業工具更加現代化，并通過數字技術幫助企業轉變經營模式、組織模式、研發模式和商業模式，實現經濟增長模式轉變。未來工業計劃提倡在一些優先領域發展工業模式，例如新資源、可持續發展城市、未來交通、未來醫藥、數據經濟、智能物體、數字安全和智能電網等。 3.1.4 中國制造中國制造 2025 戰略戰略 2015 年 5 月，國務院正式印發中國制造 2025規劃。規劃中提出將重點推動信息化與工業深度融合，把智能制造作為兩化深度融合的主攻方向，著力發展智能裝備和智能產品，推進生產過程智能化，培育新型生產方式，通過智能工廠的建設從而實現智

30、能生產和智能制造，實現由集中生產向網絡化異地協同生產轉變、由傳統制造企業向跨界融合企業轉變以及由大規模批量生產向大規模定制生產轉變，全面提升企業研發、生產、管理和服務的智能化水平。同年 12 月，工信部、國標委聯合發布國家智能制造標準體系建設指南(2015 年版) 。指南中計劃智能制造標準體系2將在 5 年內建成并逐步完善，解決標準體系融合貫通、基礎標準缺失的問題，建立起較為完善的智能制造標準體系。指南中確定工業大數據屬于智能制 大數據系列報告之一：工業大數據白皮書 12 造標準體系五大關鍵技術之一，并定義了工業大數據標準。 為推動智能工廠的建設，國務院又發布了促進大數據發展行動綱要3，系統部

31、署大數據發展工作，推動大數據在工業研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，分析感知用戶需求，提升產品附加價值，打造智能工廠。建立面向不同行業、不同環節的工業大數據資源聚合和分析應用平臺。抓住互聯網跨界融合機遇，促進大數據、物聯網、云計算和三維（3D）打印技術、個性化定制等在制造業全產業鏈集成運用，推動制造模式變革和工業轉型升級。 隨著世界主要國家的制造智能化轉型戰略的相繼實施，工業大數據將日益成為全球制造業挖掘價值、推動變革的重要手段。 3.2 工業大數據工業大數據應用應用熱點熱點 工業大數據挖掘和分析的結果可廣泛應用于企業研發設計、復雜生產

32、過程、產品需求預測、工業供應鏈優化和工業綠色發展等各個環節。 3.2.1 在設計領域的應用在設計領域的應用 傳統的研發設計需經歷多次產品生產全周期的試制、修訂和迭代，才能獲得成品，工業大數據為研發設計帶來新優勢。從傳統產品研發設計過程來看，在研發設計的開始階段，需要設計師從前期調查入手，洞察客戶的需求為出發點，進而利用發散思維找出市場漏洞以及相關鏈接點。而工業大數據影響下的產品研發設計，設計師可以在網上發布設計，喜歡的用戶不僅可以通過同樣的平臺為這些設計買單， 還可以加上自己的想法， 形成個性化定制產品。這樣，設計師依靠開放性平臺探聽多變消費者不同時段的需求來進行設計，可明顯提高設計效率，同時

33、可以獲得其設計思維的商業價值。 工業設計大數據主要用于提高研發人員的研發創新能力、研發效率和質量，支持協同設計，具體體現為以下幾個方面： （1）基于模型和仿真的研發設計 大數據系列報告之一：工業大數據白皮書 13 基于模型的研發設計。在數字化技術環境下的產品設計開發，從概念設計就以數字化模型為載體，設計階段對設計師、工程師、產品銷售部門等歷史數據信息進行采集、整理、分析，構建全方位的產品數據模型，并可根據應用的具體情況，不受到時間和空間等因素的限制對產品模型修改和完善，然后將最終方案的數據通過生產設備進行產品制作。 基于仿真的設計。產品的設計信息附著在產品數據模型上，產品模型一經修改，設計信息

34、即發生變化， 由于設計數據具有關聯性， 改變的內容不僅影響到正在操作的設計模型本身，還會傳遞到分析測試模型、生產模型、工程圖等其他模型?；谔摂M仿真平臺，可以存儲各方的技術知識和產品開發過程所需的數據，為產品設計提供精確的科學依據。仿真技術能有效地對產品進行綜合的驗證，看是否合理以及是否有生產制造的可行性。通過數字化模型的顯示、仿真、快速成型、虛擬現實交互，可及早發現設計缺陷，優化產品外形、尺寸和結構，克服以往被動、靜態、單純依賴人的經驗的缺點。目前，虛擬仿真技術還在不斷提高系統的智能型，逐步解決產品創新設計中的不確定性與模糊性。 中航工業一飛院/中航飛機研發中心在基于模型的系統工程（Mode

35、l Based System Engineering ，MBSE）技術研究及應用推進過程中，運用基于模型的系統工程思想，將原先分散的設計過程和仿真分析，綜合到一個統一的設計平臺、數據共享平臺，通過綜合設計、分析手段和多學科優化技術，實現各專業學科要求的綜合權衡，并使設計人員能迅速了解設計方案變更對相關系統和飛機性能的影響，減少設計中的錯誤和不必要的反復，獲得全系統的整體最優或次優解。通過構建“虛擬飛機” ，實現對方案、設計的快速迭代驗證、優化，盡早發現設計缺陷，提高設計質量。 （2）基于產品生命周期的設計 產品生命周期設計涉及廣泛的知識領域和多學科協同設計，綜合考慮環境、功能、成本、美學等設計

36、準則，所涉及的數據量大，數據來源廣（遠程監控數據、能耗數據、故障維修數據、生產加工工藝知識數據等） ，運用大數據相關技術如數據檢索技術、大數據分析技術、大數據解釋技術等，將產品生命周期設計所需的知識大數據與各種設計過程集成，實現高度有序化的方式展示產品生命周期設計大數據的關系，使產品生命周期大數據在設計過程中得到 大數據系列報告之一：工業大數據白皮書 14 有效應用的同時，被評價和推薦，并快速地推送給所需要的人，方便地集成員工在設計中產生的新知識，使產品設計大數據得進一步豐富。 （3）融合消費者反饋的設計 利用工業數據平臺獲取消費者、 市場等各維度的數據信息， 包括企業所關注的產品反饋、市場需

37、求、消費者習慣等信息，達到生產者和消費者之間“信息粘性”的效果，并利用這些關聯數據信息，通過大數據挖掘分析技術，構建大量的相關性標簽體系去匹配產品需求、細分客戶類型、分析興趣愛好、挖掘關注點，實現客戶全面洞察，改進、創新設計產品的功能和款式。此外，利用平臺門戶與消費者直接交互，為消費者提供定制和配置工具，捕捉他們個性化的解決方案，使得消費者更直接、深入地參與到產品創新設計的過程中來。 3.2.2 在復雜生產過程優化的應用在復雜生產過程優化的應用 （1）工業物聯網生產線 面向復雜生產過程的現代化工業制造生產線安裝有大量的傳感器設備，利用實時采集到的數據可以實現很多形式的分析，包括設備診斷、用電量

38、分析、能耗分析、質量事故分析（包括違反生產規定、零部件故障）等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標準工藝，就會產生一個報警信號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用大數據技術，還可以對工業產品的生產過程建立虛擬模型，仿真并優化生產流程，當所有流程和績效數據都能在系統中重建時， 這種透明度將有助于制造商改進其生產流程。 再如，在能耗分析方面，在設備生產過程中利用傳感器集中監控所有的生產流程，能夠發現能耗的異?；蚍逯登樾?，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低

39、能耗。 生產線的智能化升級是基于 MES、WMS、APS 等系統的實施，通過信息的讀取與交互，與自動化設備相結合，促進制造自動化，流程智能化。通過諸如 AGV 小車、智能分揀配對系統、智能吊掛系統與智能分揀送料系統的導入等，加快整個制造流程的物料循環，通過智能摘掛系統、信號識別系統、智能取料系統、智能裝配、智能定制等系統的導入實現整個制 大數據系列報告之一：工業大數據白皮書 15 造流程的自動化。除此之外，還可利用大數據分析解決生產線平衡和瓶頸問題，使之達到產能最大化、排程最優化及庫存和成本的最小化。 （2）生產質量控制 重點解決質量分析問題和質量預測問題。利用工業大數據技術，基于訂單、機器、

40、工藝、計劃等生產歷史數據、實時數據及相關生產優化仿真數據，采用聚類、規則挖掘等數據挖掘方法及預測機制建立多類基于數據的生產優化特征模型。包括面向質量控制主題的制造大數據多維數據倉庫結構和數據模型、制造質量影響因素模糊關聯規則挖掘模型等。挖掘產品質量特性與關鍵工藝參數之間的關聯規則，抽取過程質量控制知識，為在線工序質量控制、工藝參數優化提供指導性意見。此外，基于質量特征值的在制品質量跟蹤方法，建立與工位節點設備、人員、工藝、物料等動態實時信息的多維視圖，挖掘質量缺陷分布規律，為在制品裝配過程的質量跟蹤與追溯管理提供依據。 （3）生產計劃與排程 制造業面對多品種小批量的生產模式，數據的精細化自動及

41、時采集（MES/DCS）及多變性導致數據劇烈增大。 大數據給予企業更詳細的數據信息， 發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化算法，制定預計劃排產，并監控計劃與現場實際的偏差，動態地調整計劃排產。通過數據的關聯分析及監控，企業能更準確地制定計劃。 3.2.3 在在產品需求產品需求預測預測中中的應用的應用 在產品開發方面， 分析當前需求變化和組合形式， 通過消費人群的關注點進行產品功能、性能的調整。利用互聯網網絡爬蟲技術、Web 服務等不同技術，獲取互聯網相關基礎數據、企業內部數據、用戶的行為數據及第三方數據，通過用戶畫像能客觀、準確的

42、目標用戶屬性描述，做出用戶喜好、功能需求統計，從而設計制造更加符合核心需要的新產品，為企業提供更多的潛在銷售機會，并且畫像可讓系統進行智能分組，獲得不同類型的目標用戶群，針對每一個群體策劃并推送針對性的營銷。此外，通過歷史數據的多維度組合，可以看出區域性需求占比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等， 大數據系列報告之一：工業大數據白皮書 16 以此來調整產品策略和鋪貨策略。 3.2.4 在在工工業供應鏈業供應鏈優化優化中中的應用的應用 供應鏈環節工業大數據的應用主要體現在供應鏈優化，即通過全產業鏈的信息整合，使整個生產系統達到協同優化，讓生產系統更加動態靈活，進

43、一步提高生產效率和降低生產成本。主要應用有供應鏈配送體系優化和用戶需求快速響應。 供應鏈配送體系優化，主要是通過 RFID 等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據。利用銷售數據、產品的傳感器數據和出自供應商數據庫的數據，工業制造企業可準確地分析和預測全球不同區域的需求，從而提高配送和倉儲的效能。利用產品中傳感器所產生的數據，分析產品故障部分，確認配件需求，可以預測何處以及何時需要零件。這將會極大地提高產品時效性、減少庫存，優化供應鏈。 用戶需求快速響應。即利用先進數據分析和預測工具，對實時需求預測與分析，增強商業運營及用戶體驗。例如，電子商務

44、企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。 3.2.5 在在工業綠色發展工業綠色發展中的應用中的應用 綠色制造的目標是實現產品從設計、制造、使用到報廢整個產品生命周期中能源消耗最低、不產生環境污染或環境污染最小化。綠色制造系統除了涉及普通制造系統的所有信息及其集成考慮外， 還特別強調與資源消耗信息和環境影響信息有關的信息應集成地處理和考慮，并且將制造系統的信息流、物料流和能量流有機地結合，系統地加以集成和優化處理。新一代信息技術通過對產品的配方、工藝及原材料采購、生產制造、倉儲、運輸、使用、大修和報廢的全過程進行監控和管理，以數據

45、采集為前端，數據分析和挖掘為服務，為制造企業實現綠色制造提供有力保障。工信部正式對外發布的2015 年工業綠色發展專項行動實施方案 ，將“組織實施數字能效推進計劃”列入了重點工作，其中包括推進重點行業企業綠色數據中心試點建設及全國工業節能監測分析平臺建設?；ヂ摼W、云計算、大數據和工業機器人等新技術將引導并推動工業裝備綠色化發展，開發和完善基于工業大數據的裝備行業制造改 大數據系列報告之一：工業大數據白皮書 17 進方案，必將對我國的工業轉型升級發展、環保綠色發展，產生積極的重要影響。 3.3 國內工業大數據現狀國內工業大數據現狀 3.3.1 國內工業大數據國內工業大數據應用現狀應用現狀 （1）

46、科研機構的研究現狀 中國電子技術標準化研究院自 2014 年以來不斷開展智能制造工業大數據的相關研究， 承擔工業大數據等多項國家智能制造專項，相關成果不斷向江蘇省等地方推廣應用。2016 年 11月，在工信部指導下，中國電子技術標準化研究院聯合智能制造相關領域的系統解決方案供應商、行業用戶和研究院所共同發起成立智能制造系統解決方案供應商聯盟，其宗旨是培育和壯大智能制造系統解決方案供應商，搭建智能制造系統集成技術研發、行業應用和市場推廣的一體化公共服務平臺，促進智能制造系統集成共性技術和核心技術的交流與研究，為政府制定相關戰略、規劃和政策提供支撐服務，為國內各類智能制造項目的實施提供咨詢服務和解

47、決方案，帶動國產智能制造裝備發展，推動制造業轉型升級。作為實現智能制造的重要驅動力，工業大數據將為企業制造與管理流程優化，產品、服務和商業模式創新，以及整個行業生態圈的快速聚合提供有效支撐。 此外，2016 年 10 月，清華大學數據科學研究院成立了工業大數據研究中心，實現跨信息學科與工業學科的大數據研究融合，旨在打造自主創新的工業大數據平臺。2016 年 9 月，工信部和北京市經信委指導成立北京工業大數據創新中心，致力于打造核心技術突破、應用推廣、標準制定、產業孵化、人才培養和國際合作六位一體的工業大數據產業協同創新基地。2015 年 8 月，中國工業大數據創新發展聯盟在工信部指導下成立，主

48、要研究制定工業大數據創新發展指導意見，交流展示兩化融合發展的成功經驗。 （2）企業生產實踐中的現狀 隨著信息化和工業化融合的不斷推進，計算機集成制造系統（CIMS）作為制造領域的先進技術，在我國工業企業有較為突出的應用成果。如徐工集團通過國家科委 863/自動化領域機器人主題和 CIMS 主題的共同支持，建立了先進的管理模式、制造模式，并用 CIMS 支持 大數據系列報告之一：工業大數據白皮書 18 創新產品的開發，增強了快速反應市場的能力。CIMS 還包括管理信息系統、工程設計自動化系統、制造自動化系統、質量保證系統、數據庫管理系統等眾多分系統，其在工業領域的集成應用為工業大數據提供了良好的

49、基礎。 伴隨大數據采集、集成、計算和分析技術的發展，我國一些工業企業也已經進入工業大數據實踐階段。如三一重工自主研發的 ECC（企業控制中心）系統集成了大數據與物聯網技術，目前累計接入設備超過 20 萬臺，構建了基于大數據的遠程診斷和服務系統。每臺設備交付客戶使用后，系統內都會自動產生保養訂單。系統自動派單給服務工程師，使用客戶逐步擺脫了設備故障只能求助現場服務工程師的傳統模式。 隨著工業與“互聯網+”模式的結合，涌現了眾多新型制造模式。如青島紅領集團，通過自主開發出的基于工業大數據的個性化定制平臺，實現“智能化的需求數據采集、研發設計、計劃排產、制版” ，以及“數據驅動的生產執行體系、物流和

50、客服體系”等，把互聯網、物聯網、 大數據等技術融入大批量定制， 實現在一條流水線上制造出靈活多變的個性化產品。 目前我國工業技術進步速度較快，發展勢頭良好，但實現向工業大數據、智能制造模式轉型依舊存在很多的困難。經過近十幾年的科技創新和設備改造升級，國內制造業信息化水平較上世紀末有了較大提升，但與發達國家相比仍有較大差距。在大數據的應用上面，與徐工集團、三一重工、紅領集團這樣能夠成熟應用工業大數據技術的企業相比，大多數的工業企業尚未對工業大數據技術形成明確的認識和技術上的應用，工業大數據的落地推廣依舊存在很多的瓶頸，離工業大數據孕育工業應用生態的發展態勢還有很長的路要走。 3.3.2 存在的存