工业大数据概述

2.1工业大数据的定义及特征

2.1.1工业大数据的定义

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。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。

工业大数据的主要来源有三类：

第一类是生产经营相关业务数据。主要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，包括传统工业设计和制造类软件、企业资源计划（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）、客户关系管理（CRM）和环境管理系统（EMS）等。通过这 些企业信息系统已累计大量的产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据。此类数据是工业领域传统的数据资产，在移动互联网等新技术应用环境下正在逐步扩大范围。

第二类是设备物联数据。主要指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。此类数据是工业大数据新的、增长最快的来源。狭义的工业大数据即指该类数据，即工业设备和产品快速产生的并且存在时间序列差异的大量数据。

第三类是外部数据。指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，例如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。

工业大数据技术[1]是使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据应用，则是对特定的工业大数据集，集成应用工业大数据系列技术与方法，获得有价值信息的过程。工业大数据技术的研究与突破，其本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息，从而促进工业企业的产品创新、提升经营水平和生产运作效率以及拓展新型商业模式。

2.1.2工业大数据的特征

工业大数据具有一般大数据的特征（海量性、多样性等），此基础上具有四个典型的特征： 价值性、实时性、准确性、闭环性。

（1）价值性（Value）：工业大数据更加强调用户价值驱动和数据本身的可用性，包括： 提升创新能力和生产经营效率，以及促进个性化定制、服务化转型等智能制造新模式变革。

（2）实时性（Real-time）：工业大数据主要来源于生产制造和产品运维环节，生产线、 设备、工业产品、仪器等均是高速运转，从数据采集频率、数据处理、数据分析、异常发现和应对等方面均具有很高的实时性要求。

（3）准确性（Accuracy）：主要指数据的真实性、完整性和可靠性，更加关注数据质量， 以及处理、分析技术和方法的的可靠性。

（4）闭环性（Closed-loop）：包括产品全生命周期横向过程中数据链条的封闭和关联， 以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场景下的动态持续调整和优化。

除以上4个基本典型特征外，业界一般认为工业大数据还具有集成性、透明性、预测性 等特征。

2.2与智能制造的关系

2.2.1在智能制造中的应用

工业大数据是智能制造的关键技术，主要作用是打通物理世界和信息世界，推动生产型制造向服务型制造转型。其在智能制造中有着广泛的应用前景，在产品市场需求获取、产品研发、制造、运行、服务直至报废回收的产品全生命周期过程中，工业大数据在智能化设计、 智能化生产、网络化协同制造、智能化服务、个性化定制等场景都发挥出巨大的作用。

在智能化设计中，通过对产品数据分析，实现自动化设计和数字化仿真优化；在智能化生产过程中，工业大数据技术可以实现在生产制造中的应用，如人机智能交互、工业机器人、 制造工艺的仿真优化、数字化控制、状态监测等，提高生产故障预测准确率，综合优化生产效率；在网络化协同制造中，工业大数据技术可以实现智能管理的应用，如产品全生命周期管理、客户关系管理、供应链管理、产供销一体等，通过设备联网与智能控制，达到过程协同与透明化；在智能化服务中，工业大数据通过对产品运行及使用数据的采集、分析和优化， 可实现产品智能化及远程维修，同时，工业大数据可以实现智能检测监管的应用，如危险化学品、食品、印染、稀土、农药等重点行业智能检测监管应用；此外，通过工业大数据的全流程建模，对数据源进行集成贯通，可以支撑以个性化定制为代表的典型智能制造模式。

2.2.2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[2]的关键技术标准的左侧（见图2-1），属于智 能制造标准体系五大关键技术之一。

图2-1智能制造标准体系结构

工业大数据在智能制造标准体系框架中的位置如图2-2。

2-2智能制造标准体系框架关键技术部分

《国家智能制造标准体系建设指南（2015 年版）》[2]中关于工业大数据标准给出了具体的 描述：工业大数据标准主要包括面向生产过程智能化、产品智能化、新业态新模式智能化、管理智能化以及服务智能化等领域的数据处理技术标准以及数据质量、能力成熟度、数据资产管理、数据开放共享和交易等数据管理标准。

2.3与大数据技术的关系

工业大数据应用是基于工业数据，运用先进的大数据相关思维、工具、方法，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统、工业产品具备描述、诊断、预测、决策、控制等智能化功能模式和结果。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。

首先，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。例如，大数据技术应用在工业大数据的集成与存储环节时，支撑实现高实时性采集、大数据量存储及快速检索；大数据处理技术的分布式高性能计算能力，为海量数据的查询检索、算法处理提供性能保障等。其次，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。

虽然工业大数据基于大数据技术的基础，但是在环节和应用上与传统大数据（商务大数据）存在一定的区别，如表2-1所示。

2.4与工业软件和工业云的关系

2.4.1与工业软件的关系

工业软件是指主要用于或专用于工业领域，为提高工业研发设计、业务管理、生产调度和过程控制水平的相关软件与系统。工业大数据与工业软件的关系：

首先，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。

其次，工业软件支撑实现工业大数据的系统集成和信息贯通。比如，传统工业软件以 ERP 为中心进行数据打通，新型工业软件将基于PLM等关键软件进行系统性集成。通过对外部设 计工具、分散研发团队、MES 与控制系统、第三方管理软件等多系统的集成，实现工厂从底层到上层的信息贯通，推动工厂内“信息孤岛”聚合为“信息大陆”。

同时，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。工业软件承担着对各类工业数据进行采集、集成、分析和应用的重要功能，是工业大数据技术体系中负责优化、仿真、呈现、决策等关键职能的主要组成部分。

2.4.2与工业云的关系

工业云是通过信息资源整合为工业提供服务支持的一种智能服务。通过云计算、物联网、 大数据和工业软件等技术手段，将人、机、物、知识等有机结合，为工业构建了一种特有的服务生态系统，向用户提供资源和能力共享服务，如云存储服务、云应用服务、云社区服务、 云管理服务、云设计服务和云制造服务等。

工业大数据与工业云结合，可实现物理设备与虚拟网络融合的数据采集、传输、协同处理和应用集成，运用数据分析方法，结合领域知识，形成包括个性化推荐、设备健康管理、物品追踪、产品质量管理等工业大数据应用系统。从“数据即服务”、“产品即服务”、“制造 即服务”三个视觉角度出发，帮助企业用户扩展产品价值空间，实现以产品为核心的经营模式向“制造+服务”的模式转变。

《国家智能制造标准体系建设指南（2015年版）》[2]中提到，工业云标准主要包括接口和 协议等资源共享标准和服务能力标准两个部分，该部分标准的制定为工业云打通和集成工业大数据奠定了基础。

工业软件和工业云作为工业大数据的主要载体，也是工业大数据的采集、存储、集成、协同共享重要通道，两者与工业大数据的关系是密不可分的。

来源：中国电子技术标准化研究院

以上为节选内容！完整版本按照下方提示：

1、长按识别图中二维码

或者搜索微信公众号：新瑞宏业自动化

2、关注公众号

3、点击资料汇总

4、工业大数据白皮书

阅读原文：工业设备远程维护监控系统??