2017工业大数据白皮书.pdf

大数据 系列报告之一：工业大数据白皮书 大数据系列报告之一： 工业大数据白皮书 (2017 版 ) 指导单位： 工业和信息化部信息化和软件服务业司 国家标准化管理委员会工业二部 主编 单位： 中国电子技术标准化研究院 全国信息技术标准化技术委员会大数据标准 工作组 联合 主编 单位： 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 二零一 七 年 二 月 大数据 系列报告之一：工业大数据白皮书 编写单位 （排名不分先后） 中国电子技术标准化研究院 上海计算机软件技术开发中心 奥维云网大数据科技有限公司 江苏中堃数据技术有限公 司 朗坤智慧科技股份有限公司 美林数据技术股份有限公司 广州赛宝认证中心服务有限公司 苏州中德宏泰电子科技股份有限公司 苏州罗想软件技术股份有限公司 重庆享控智能科技有限公司 中车株洲电力机车研究所有限公司 江苏海宝软件股份有限公司 苏州洞察云信息技术有限公司 联通系统集成有限公司江苏省分公司 北京数码大方科技股份有限公司 中兴通讯股份有限公司 中国电信江苏鸿信系统集成有限公司 哈工大大数据集团 中国人民大学 江苏徐工信息技术股份有限公司 软通动力信息技术 (集团 )有限公司 江苏寅源科技股份有限公司 华为技术 有限公司 勤智数码科技股份有限公司 无锡文思海辉信息技术有限公司 中新赛克科技有限责任公司 江苏蓝创智能科技股份有限公司 江苏中天科技软件技术有限公司 青岛海尔工业智能研究院有限公司 中航工业信息技术中心（金航数码） 大数据 系列报告之一：工业大数据白皮书 指导组 梅 宏 谢少锋 戴 红 孙文龙 刘大山 主 编 赵 波 林 宁 副主编 代 红 吴东亚 吴新松 编写 人员 （排名不分先后） 赵菁华 齐建军 张 巍 董 建 张 群 万 洋 卫凤林 朱道云 郑树泉 李 冰 黄 峥 梁 毅 杨 栋 薛祎亭 赵志强 蒋立军 周 彬 霍殿晔 白向红 毛旭初 陈晋川 吴垌沅 王 民 张启亮 黄 凯 程广明 栗越妍 宁 皓 王洪超 高三平 朱 松 郑云海 高海燕 黄运高 刘宇峰 高 翔 戴计生 文 峥 许雄杰 石 奥 张星星 陈隋和 薛 坤 张元元 曾 鲁 周卫国 尤丽蓉 王 飞 张维杰 于吉花 孙能林 沈洪才 梁建交 大数据 系列报告之一：工业大数据白皮书 版权声明 本 白皮书版权属于中国电子技术标准化研究院（工 业和信息化部电子 第四研究院 ）。 使用说明： 未经中国电子技术标准化研究院事先的书面授权，不得以任何方式复制、抄袭、影印、翻译本文档的任何部分。 凡转载或引用本文的观点、数据，请注明“来源：中国电子技术标准化研究院”。 大数据 系列报告之一：工业大数据白皮书 目 录 1 研究背景和目标 . 1 1.1 研究背景 . 1 1.2 研究目标及意义 . 1 2 工业大数据概述 . 3 2.1 工业大数据的定义及特征 . 3 2.1.1 工业大数据的定义 . 3 2.1.2 工业大数据的特征 . 4 2.2 与智能制造的关系 . 4 2.2.1 在智能制造中的应用 . 4 2.2.2 在智能制造标准体系中的定位 . 5 2.3 与大数据技术的关系 . 6 2.4 与工业软件和工业云的关系 . 7 2.4.1 与工业软件的关系 . 7 2.4.2 与工业云的关系 . 8 3 工业大数据发展现状及趋势分析 . 9 3.1 全球主要国家工业大数据相关战略部署 . 9 3.1.1 美国先进制造业战略 . 9 3.1.2 德国工业 4.0 战略 . 10 3.1.3 法国新工业战略 .11 3.1.4 中国制造 2025 战略 .11 3.2 工业大数据应用热点 . 12 3.2.1 在设计领域的应用 . 12 3.2.2 在复杂生产过程优化的应用 . 14 3.2.3 在产品需求预测中的应用 . 15 3.2.4 在工业供应链优化中的应用 . 16 3.2.5 在工业绿色发展中的应用 . 16 3.3 国内工业大数据现状 . 17 3.3.1 国内工业大数据应用现状 . 17 大数据 系列报告之一：工业大数据白皮书 3.3.2 存在的主要问题及难点分析 . 18 3.4 工业大数据发展形势分析 . 20 4 工业大数据参考架构 . 22 4.1 数据参考架构 . 22 4.2 技术参考架构 . 24 4.3 平台参考架构 . 26 5 工业大数据标准体系 . 28 5.1 工业大数据标准化相关工作基础 . 28 5.2 工业大数据标准体系框架 . 29 5.3 工业大数据标准明细表 . 32 6 我国工业大数据工作重点建议 . 34 6.1 加强核心基础技术研究 . 34 6.2 加强工业大数据标准研制和应用推广 . 34 6.3 构建工业大数据流通共享平台 . 34 6.4 探索示范应用 . 35 7 应用案例 . 36 7.1 概述 . 36 7.2 典型应用案例 . 37 8 参考文献 . 83 大数据 系列报告之一：工业大数据白皮书 1 1 研究背景和目标 1.1 研究背景 随着互联网与工业融合创新，智能制造时代 的 到来，工业大数据技术及应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素， 是 驱动产品智能化 、 生产过程智能化、管理智能化、服务智能化 、 新业态新模式智能化 ，支撑制造业转型 和构建开放、共享、协作的智能制造产业生态的重要基础 ， 对 实施 智能制造战略 具 有十分重要的推动 作用 。 全国 信息技术标准化技术委员会 大数据标准工作组 （以下简称“工作组”） 由工信部和国标委共同指导， 主要 承担 大数据 相关 标准化 工作 ， 已经 发布了大数据标准化白皮书（ 2016）版 。 为 了 充分发挥国家标准的规划 与指导作用，促进我国工业大数据标准体系建设， 推动工业大数据在智能制造中的发展应用，工作组联合 中国智能制造系统解决方案供应商联盟 和 中国开放对象标识（ OID）应用联盟 启动 大数据系列报告之一： 工业大数据 白皮书的 编制工作， 旨 在 全面、客观 地 梳理国内外工业大数据相关工作基础 和 进展，根据业界最新 实践、认知水平，总结提炼工业大数据 标准化需求 ， 提出 标准化框架和发展建议 。 1.2 研究目标及意义 本白皮书 的目标 在于 明确工业大数据 的相关 技 术、应用 以 及发展路线 ， 从数据架 构、技术架构和平台生态架构角度勾画 出 工业大数据发展的整体轮廓， 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 。 本 白皮书 用于界定工业大数据的范畴和特征，明确工业大数据总体目标和现有研究基础，是研究工业大数据的出发点。 通过 综 述 全球 主要国家在工业大数据上的战略部署、推进方法 ，分析国内工业大数据的发展现状，总结国内推进工业大数据所存在的问题及难点，为下一步发展理清思路和方向 。 此外， 本 白皮书 确定 了 工业大数据的参考架构，包括研究范围、典型运营模式、数据架 大数据 系列报告之一：工业大数据白皮书 2 构、技术架构和平台参考架构等， 为 进一步研究和推进工业大数据 确定 指导 路线。 针对 目前工业大数据领域标准缺失的现状， 本 白皮书 提出 工业大数据标准体系， 为 推 动 工业大数据 落地 和战略 部署 提 供 技术支撑 。 大数据 系列报告之一：工业大数据白皮书 3 2 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 大数据 系列报告之一：工业大数据白皮书 4 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。 大数据 系列报告之一：工业大数据白皮书 5 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。 大数据 系列报告之一：工业大数据白皮书 6 图 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 。 大数据 系列报告之一：工业大数据白皮书 7 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。 表 2-1 工业大数据与商务大数据的区别 环节和应用 商务大数据 工业大数据 采集 通过 交互渠道 （ 如 门户 网站、购物网站 社区、论坛 ）采集交易、偏好、浏览等数据； 对数据采集的时效性要求不高。 通过传感器 与 感知技术 ， 采集物联设备、生产经营过程业务数据、外部互联网数据等 ； 对数据采集 具有很高的实时性要求 。 处理 数据清洗、数据归约，去除大量 无关、不重要的数据 。 工业软件是基础，强调 数据 格式的转化 ； 数据信噪比低， 要求数据具有 真实性、完整性和可靠 性 ，更加关注 处理后的 数据质量。 存储 数据之间关联性不大，存储自由 。 数据关联性很强 ，存储复杂 。 分析 利用通用的 大数据 分析算法 ； 进行 相关性分析 ； 对分析结果要求 效率不要绝对精确 。 数据建模、分析更加复杂； 需要专业领域的算法（如轴承、发动机），不同行业、不同领域的算法差异很大 ； 对分析结果的精度和可靠度要求高。 可视化 数据结果展示可视化 。 数据分析结果可视化 及 3D 工业场景 可视化；对数据可视化要求强实时性，实现近乎实时的预警和趋势可视 。 闭环反馈控制 一般不需要闭环反馈 。 强调闭环性，实现过程调整和自动化控制。 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 大数据 系列报告之一：工业大数据白皮书 8 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 。 大数据 系列报告之一：工业大数据白皮书 9 3 工业大数据发展现状及趋势分析 3.1 全球 主要国家 工业大数据相关 战略部署 工业是国民经济的基础和支柱 ，也是一国经济实力和竞争力的重要标志。随着云计算、大数据和物联网等新兴技术的发展，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，世界上主要的工业发达体纷纷制定工业再发展战略。 3.1.1 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。 先进制造业国家战略计划 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。 坚持完善 先进制造业创新政策 、 加强“产业公地”建设 和 优化政府投资 三大原则 ，实现 加快中小企业投资 、 提高劳动力技能 、 建立健全伙伴关系 、 调整优化政府投资 、 加大研发投资力度 五大目标。 加强公共和私营部门联合投资，确保所有部门参与标准制定并加快应用，鼓励企业对应用研究和示范设施进行投资；扩大对制造业早期产品的 政府采购，以帮助企业获取规模经济和生产经验 、 加强国家安全相关领域的投资 ； 及时更新制造业劳动力，强化先进制造业工人培训，为先进制造业开发和维护具有竞争力的劳动力 ； 鼓励中小企业参与合作伙伴，通过较大程度地支持学术机构、制造商、行业协会及中介组织等增强跨部门合作伙伴关系；加强基于集群的伙伴关系，通过区域集群包括战略规划的协调，互补性资产采购和集群内的风险以及共用供应链的协同 ；加强先进制造业投资组合，重点在先进材料、生产技术平台、先进制造工艺及设计与数据基础设施等四个领域创建协调联邦政府的投资组合，以增强美国制造业 的全球竞争力；超越任何一个机构或私营部门，协调和管理跨领域的机构投资，降低市场创新的时间 ； 加强研究和试验税收减免，使之成为永久化措施；扩大制造流程创新和先进工业材料的研发活动，削减生产成本，提高产品质量，加快产品开发。 2014 年，美国白宫总统行政办公室发布 2014 年全球大数据白皮书，分析指出，美国大型企业在投资大数据科技方面存在以下几个关键驱动因素：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 大数据 系列报告之一：工业大数据白皮书 10 更加深入的感知。 3.1.2 德国工业 4.0 战略 2015 年 4 月， 德国 提出来