我国工业大数据发展概论

我国工业大数据发展概论

——《工业大数据白皮书》解读

2017年2月18日，全国信息安全标准化技术委员会大数据标准工作组工业大数据专题组发布了《工业大数据白皮书》。《工业大数据白皮书》由中国电子技术标准化研究院联合全国信息安全标准化技术委员会大数据标准工作组、中国智能制造系统解决方案供应商联盟、中国开放对象标识（OID）应用联盟以及30家企事业单位共同编制。其目标在于明确工业大数据的相关技术、应用以及发展路线，合理制定工业大数据的发展规划和建设路线，明确工业大数据落地推进工作重点，加快促进工业大数据在制造业中的落地应用。

一、我国工业大数据发展现状

2015年5月，国务院正式印发《中国制造2025》规划。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）》，指南中确定工业大数据属于智能制造标准体系五大关键技术之一，并制定了工业大数据标准。此后，在工信部指导下，部分高校、企事业单位联合成立中国工业大数据创新发展联盟、北京工业大数据产业发展联盟，旨在通过促进政、产、学、研、用的结合，推动工业大数据的发展。清华大学工业大数据研究中心、北京工业大数据创新中心、工业大数据应用技术国家工程实验室等创新平台将实现跨信息学科与工业学科的大数据研究融合，打造工业大数据产业发展合作与促进平台。

随着信息化和工业化融合的不断推进，计算机集成制造系统（CIMS）作为制造领域的先进技术，在我国工业企业有较为突出的应用成果。如徐工集团通过国家科委863自动化领域机器人主题和CIMS主题的共同支持，建立了先进的管理模式、制造模式，并用CIMS支持创新产品的开发，增强了快速反应市场的能力。CIMS还包括管理信息系统、工程设计自动化系统、制造自动化系统、质量保证系统、数据库管理系统等众多子系统，其在工业领域的集成应用为工业大数据提供了良好的基础。

伴随大数据采集、集成、计算和分析技术的发展，我国部分工业企业已进入工业大数据实践阶段。如三一重工自主研发的ECC（企业控制中心）系统集成了大数据与物联网技术，目前累计接入设备超过20万台，构建了基于大数据的远程诊断和服务系统。每台设备交付客户使用后，系统内都会自动产生保养订单。系统自动派单给服务工程师，使用客户逐步摆脱了设备故障只能求助现场服务工程师的传统模式。

随着工业与“互联网+”模式的结合，一些新型制造模式不断涌现。如青岛红领集团，通过自主开发出的基于工业大数据的个性化定制平台，实现“智能化的需求数据采集、研发设计、计划排产、制版”，以及“数据驱动的生产执行体系、物流和客服体系”等，把互联网、物联网、大数据等技术融入大批量定制，实现在一条流水线上制造出灵活多变的个性化产品。

二、工业大数据发展形势与问题分析

全球金融危机之后，工业化国家又开始重视制造业的发展。战略上，德国提出“工业4.0”战略，美国提出“先进制造业”战略，中国提出“中国制造2025”战略等。这些国家战略的聚焦点就是把互联网技术和制造技术能够更紧密的结合，突出工业大数据的重要性。从各个国家竞争的制高点来看，基于平台的标准化是全球在争夺的一个重要领域，比如德国的工业4.0、美国的先进制造业，均通过建立一个平台来制定规则、标准，这就意味着工业的很多标准都会发生颠覆性的变化。制高点的竞争对我们国家既是挑战也是机会，我们应当利用工业大数据发展的机会，克服我国工业发展中的短板，实现弯道超越。

目前，我国工业技术进步速度较快，发展势头良好，但实现向工业大数据、智能制造模式转型依旧存在很多的困难。经过近十几年的科技创新和设备改造升级，国内制造业信息化水平较上世纪末有了较大提升，但与发达国家相比仍有较大差距。

在工业大数据方面，还存在一些突出问题，包括：产品数据格式不统一、规范缺乏，互通融合困难；物联接入设备不能自主可控、高端设备读写困难；标准化不统一、应用不足，集成贯通困难；平台技术架构复杂、资源整合困难；信息化战略、业务战略不一致；网络安全、系统安全、数据安全等安全问题突出。

在大数据的应用方面，与徐工集团、三一重工、红领集团这样能够成熟应用工业大数据技术的企业相比，大多数的工业企业尚未对工业大数据技术形成明确的认识和技术上的应用，工业大数据的落地推广依旧存在很多的瓶颈，离形成工业大数据孕育工业应用生态的发展态势还有很长的路要走。

在工业大数据平台方面，工业大数据平台向下整合不同装备与控制系统数据，向上承载海量工业应用开发，必须由具有较强影响力的龙头企业主导才能成功。国内华为、和利时等企业虽也开始探索，但在产业资源整合上面临较大困难。我国工业基础技术薄弱，在工控系统、工业软件等方面仍与国外存在较大差距，我国国产软件企业在研发设计、业务管理和生产调度/过程控制三类软件中均有一定市场份额，但尚未占据优势地位，属于行业末端跟随者的角色，制约了工业大数据平台的发展。

三、工业大数据发展中的难点

在新型制造模式下，传统的制造模式将被突破，变为“人机料法环+智造系统”，数据在各个环节中按照流程顺序流动。在工业大数据研究与应用方面，产品大数据是核心，物联大数据是实现手段，集成贯通是基础（业务模式、商业和价值驱动、关键抽取和应用）。而在实践过程中，实现这三方面都存在不同程度的难点。

（一）产品大数据

产品大数据是工业大数据的根源与核心，但工业制造业领域涵盖十分广泛、行业种类繁多、产品种类数量巨大且仍在不断增长，如何规范产品大数据的定义与分类方法，建立规范的、属性明确的、可查询可追溯可定位的产品大数据，将是顺利应用工业大数据的前提。

（二）物联接入设备

物联大数据是实现工业大数据畅通流动的必要手段，但在工业实际应用中，工业软件、高端物联设备不具备国产自主可控性，物联接入的高端设备的读写不开放，形成设备的信息孤岛，数据流通不畅，突破以上瓶颈是实现工业大数据的关键。

（三）信息集成贯通

信息集成贯通是工业大数据的基础，集成贯通难点在于商业驱动、打通关键点和环节，掌控产品源和设备，持续优化。工业大数据来源多样，且具有不同的格式和标准，有来自于各种管理系统的关系型数据，还有生产流程数据、视频监控数据等非关系型数据存储的非结构化或半结构化数据。企业内部信息系统彼此独立，在不同的信息来源之间，同类型数据也可能因为软件厂家不同、设备生产商不同等因素导致数据格式千差万别，这对实现信息集成贯通产生了巨大的挑战，实际中经常存在孤立的信息岛。

因此，推动工业大数据的发展，就需要规范数据格式，搭建国家、行业、企业等不同等级的工业大数据平台，打通工业大数据信息孤岛，充分挖掘工业大数据价值。建设工业大数据不同等级平台作为发展工业大数据的必由之路，既是难点更是需要解决和突破的重点。

四、 我国工业大数据发展建议

（一）加强核心基础技术研究

核心基础技术研究是发展工业大数据的重要支撑，推动工业大数据应用发展，主要任务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，在此基础上形成基于数据分析的系统级工业智能。开放自主可控的制造业大数据平台软件和重点领域、重点业务环节应用软件；突破数据存储与管理技术，提升工业领域所需各类嵌入式数据库、实时数据库、关系型数据库产品的自主提供能力；结合各工业领域典型需求，突破工业大数据机理模型建模技术、知识推理技术、仿真测试、并行分析处理等高端新型工业软件核心技术，实现对海量工业数据的可靠存储与处理，并有效保障工业数据与工业系统的安全性。

（二）加强工业大数据标准研制和应用推广

“智能制造、标准先行”，充分发挥标准化工作在智能制造和工业大数据发展中的基础性和引导性作用。依据《国家智能制造标准体系建设指南》，统一不同部门、不同方向标准资源，建立并不断完善工业大数据标准体系，围绕大数据在工业产品研发设计、生产制造、物流、销售、维保服务等全生命周期的应用进行相关标准及技术框架研究制定，针对数据集成、互联互通等关键瓶颈问题，优先制定参考模型、元数据、数据采集、数据接口、标识解析、数据开放以及工业大数据平台管理等基础共性标准。完善标准应用环境，允许一些行业和地方对重点标准规范先行先试，在智能制造重大示范项目中率先探索工业大数据标准应用模式，发挥工业企业在工业大数据标准化中的资源优势，加强标准的试点示范和应用推广，全面有效推进工业大数据产业标准化，助推工业企业向智能制造方向转型。

（三）构建工业大数据流通共享平台

按照统一的元数据、数据质量、接口、导入规范，在全国范围内分布实施，建设国家、行业、企业三级架构的工业大数据服务平台，统一标准，加强共性平台建设，引导工业大数据平台开放共享发展，完善各级服务平台之间的数据共享交互机制。促进数据资源的融会贯通，打通各个环节数据链条，形成全流程的数据闭环。支持建设工业大数据平台，联合国内领先的工业系统及解决方案企业、信息技术企业和工业生产企业，共同开发能够实现底层设备数据集成、计算处理和分析的新型工业大数据平台，支持第三方开发工业大数据分析应用。提供工业大数据服务平台的测试与评价能力，指导和监督各级工业大数据服务平台规范建设。

（四）探索示范应用

遵循“需求为导向，应用促发展”的工作思路，实现工业大数据应用从报表、告警等简单的呈现事实型应用，逐步向更加智能的预测分析服务型转变。重点针对综合集成、协同设计、协同制造等工业软件关键能力，选择基础条件好、示范效应强、影响范围广的行业领域积极开展应用示范，探索大数据产业的新模式、新业态，开展工业大数据的集成应用创新实践，打造可复制推广样板。随着智能化改造的推进，逐步打破试点各自边界，建立试点间企业、客户、服务互联互通的信息物理融合系统网络，逐步扩大影响范围，为最终实现“工业4.0”提供管理和实践经验。