工業大數據作為新一代信息技術和產業發展的核心，正深刻影響著我國制造業的研發設計、生產制造、經營管理、銷售服務等全產業鏈各個環節，未來必將為推動傳統制造業轉型升級，實現“中國制造2025”制造強國戰略目標提供強有力的支撐。

一、工業大數據應用狀況分析

1.創新商業模式，催生制造業新業態

2009年我國學者在國際上率先提出“云制造”理念，將現有網絡化制造和服務技術同云計算、云安全、高性能計算、物聯網等技術融合，實現各類制造資源（制造硬設備、計算系統、軟件、模型、數據、知識等）統一的、集中的智能化管理和經營，為制造全生命周期過程提供可隨時獲取的、按需使用的、安全可靠的、優質價廉的各類制造活動服務。自“云制造”理念提出以來，通過構建云制造支撐平臺，面向全社會整合制造資源，促進資源的有效共享、集成和整合，提升全社會工業生產要素利用效果和運行效率，推動形成了適應互聯網經濟發展要求的資源共享、能力協同，線上線下互動、合作各方互利共贏的產業形態。同時，面向廣大制造業中小企業提供了開放性、社會化、協同式的創業創新服務，并使之成為推動“大眾創新，萬眾創業”政策落地的關鍵載體。

云制造所催生的制造業新生態具有“泛在互聯、數據驅動、共享服務、跨界融合、自主智慧、萬眾創新”的“互聯網+”時代特征，其中數據驅動是重要核心支撐，在云環境下市場需求自動采集、精準營銷、企業風險識別和預警、面向生產任務的企業動態聯盟、大規模個性化定制需求采集及制造、資源的特征提取及虛擬化、資源的動態調度和整合、制造業務的協同、供需對接等方面，為云制造提供支撐。

2.促進制造過程優化、變革制造模式

■制造過程和系統的優化

利用工業大數據技術，通過工業制造環境的各種傳感器、加工設備、加工對象、工控系統、工業軟件、工業管理信息系統等的互聯互通，開展相關數據的采集、存儲和分析，實現制造合規性監測、設備狀態監控與故障預警、工廠能耗分析、安全事故監控及預警、工業供應鏈分析和優化等，促進工業環境下的信息共享、系統互聯整合和業務協同，推動制造過程的自動化、柔性化以及制造全過程的科學決策和智能化控制。

更進一步，利用工業大數據技術整合企業設計數據、工藝數據、制造執行數據、生產準備數據、庫房數據、質量數據、財務數據等，并開展數據挖掘分析，實現訂單需求獲取、產品研發、生產管控、供應鏈管理以及產品服務運維全流程的貫通和各業務環節的業務協同，提升工業企業的科研生產和運營管控能力。

■變革制造模式

工業大數據技術不斷促進工業企業創新產品和服務，推動傳統制造業的“產品+制造”為核心的經營模式向“產品+服務”的模式轉變。在需求分析環節，利用互聯網商務平臺，對獲取的產品銷售數據和用戶的個性化定制數據進行數據挖掘分析，推動工業企業產品創新設計，滿足個性化定制需求。在設計研發環節，基于社會化產品個性化定制需求，通過設計資源的社會化共享和參與，培育眾創、眾包等研發新模式，提升企業利用社會化創新和資金資源能力。在制造執行環節，以工業大數據為核心動態規劃構建柔性化制造過程，實現大規模個性化定制生產；在產品運維保障環節，利用產品中內置傳感器，企業能夠實時監測產品的運行狀態，并進行分析和預測，從而產品的遠程運維、故障的提前預警以及定制化的最優使用及運維解決方案等服務，推動工業企業服務化。

3.基于大數據的產品創新設計

基于大數據技術對市場潛在產品需求、產品設計、產品制造、產品維修保證等產品全生命周期過程相關信息進行采集，通過分析產品設計信息、制造信息、質量信息、運行狀態信息、維修保障信息等，對產品設計過程中的產品設計分離面優化調整、對產品制造過程中成本居高不下或產品制造過程中質量問題突出的零部件進行設計優化及工藝調整、對影響產品正常運行壽命的關鍵零部件進行定位追蹤等，與設計人員形成閉環反饋機制，不斷迭代，實現產品的創新設計。

4.基于大數據的供應鏈分析和優化服務

利用大數據采集分析制造企業從訂單獲取到訂單交付全過程相關信息，推動制造企業供應鏈的不斷調整優化，主要體現在如下方面：1）通過大數據技術采集分析企業產品相關的信息預測訂單需求，基于訂單需求和產品定義信息進一步展開為企業各生產環節所需的原材料、元器件、標準件、成附件等的需求數量和需求時間，為企業計劃人員和采購人員開展相關工作提供支撐；2）通過采集企業的采購到貨及時情況、數量情況、質量情況等信息，并與企業制造計劃、生產準備以及現場制造執行情況動態聯動，不斷提升供應鏈運行效率和精準性，并為供應商績效評估提供決策支持；3）通過對供應鏈的物料發運情況、物流運輸情況等信息進行采集，結合企業的生產計劃排程情況以及庫房情況，提升物流的精準性和及時性，減少供應鏈風險，并可以進一步優化企業庫存，減少資金積壓，降低制造成本。

5.大數據驅動下的生產管理

通過采集企業生產過程相關的產品定義信息、企業人機物等資源信息、訂單及計劃排程信息，并進行分析，可實現動態分析生產過程的人機物績效，實時發現生產過程瓶頸因素，優化制造企業的整體產出。

通過采集計劃排程信息和企業人機物等資源信息，實現企業制造執行排程與生產準備的精準聯動，為制造執行過程提供人員、設備、工具工裝、刀具、技術資料等保障，保障計劃排程的可執行性，減少生產準備導致的時間浪費，提升制造績效。

通過實時采集產品制造執行過程中的人機料法環等信息，對產品制造過程的相關質量狀況進行分析，精確跟蹤追溯不合格品的產品根源、影響的產品批次，并為質量歸零措施以及措施的執行貫徹提供保障和支持。

二、存在的問題和制約因素

（一）存在的問題

1.技術方面存在的問題

工業環境下，工業大數據首先面臨的多類型、多協議的工業通信協議，以及智能設備、傳感器、工控系統、工業軟件、工業管理信息等大量異質終端，如此種種決定了工業大數據必然呈現結構化、半結構化、非結構化數據混雜，采集頻率高、實時性強等特征，需要針對上述典型工業大數據場景，支撐構建高可用的，高可靠的、分布式的海量數據采集、聚合和傳輸的系統，提供符合大數據特點的存儲、分析與可視化展示，并保障數據分析展示的及時性、有效性和安全性，僅依靠互聯網大數據的架構和技術體系顯然不能滿足上述需求，從這個角度來說，技術方面存在的主要問題是工業大數據應用架構、核心技術體系以及工業大數據平臺和工具尚有待進一步完善。

參考互聯網大數據主流平臺相關架構，工業大數據應用架構主要包括數據采集及抽取、數據存儲、數據預處理、數據分析、資源管理與調度、數據展示等。數據采集及抽取通過傳感器、手工錄入、自動爬取、ETL中間抽取等多種方式完成數據的采集，采集的數據中一部分需要實時進行數據流分析的數據直接送到大數據實時分析處理引擎進行處理，引擎完成實時分析處理后，一方面根據具體情況，將分析處理后的信息傳遞給關系型數據倉庫進行存儲，同時將相關日志信息等數據傳遞給大數據存儲進行存儲，另一方面，將實時處理后的數據通過數據可視化處理系統處理，隨后進行統一展示，方便用戶進行實時監控和處理，如設備運行狀況等。

2.應用方面存在的問題

工業大數據技術的應用是大數據技術和工業行業全價值鏈典型場景的融合應用，一方面整個制造價值鏈涵蓋從需求訂單的獲取，到產品設計、工藝規劃、制造執行、生產保障以及產品的運維和保障等各個產業鏈環節，每個環節的工業大數據應用需求和場景也各異；另一方面工業企業細分行業眾多，各個細分行業之間應用場景差異巨大，如石化制藥等流程工業強調各種原材料的精確配比、生產過程的實時監控分析與控制，離散工業強調生產的組織、策劃與制造執行等，因此一個通用的工業大數據應用解決方案包打天下的情形基本不可能存在，即使存在，其針對性、實用性也欠佳。總體上，當前我國工業企業在工業大數據應用方面存在的問題如下。

信息資源缺少總體規劃，數據質量堪憂。一方面由于工業企業信息化歷程的必然發展路徑使然，一方面由于工業企業信息化投入不足，在信息化建設開展過程中，未能科學合理進行信息化規劃和企業信息資源的規劃，由此必然導致業務和信息系統的支撐關系不強，工業企業管控、制造執行必需的信息系統或信息資源缺乏等現象，而缺少相應的信息系統和數據源支撐，工業大數據在此類工業企業當中的應用缺少數據基礎，更無論工業大數據應用實施效果。且由于對企業數據資源缺少整體梳理和規劃，必然導致各業務環節的數據散落在各業務部門，相關的數據編碼、處理機制各異等，從而導致企業數據可用性差、數據質量不高、業務環節之間數據集成共享困難，工業大數據技術手段難以發揮應用的價值。

工業企業數據治理體制和機制有待進一步健全。由于歷史原因，我國多數工業企業的信息化部門和業務部門相互獨立，信息化部對企業業務知之甚少，業務部門不了解信息化，以企業數據資源管理為核心的數據治理體制和機制尚未建立或并不健全，業務部門在業務開展過程中急需工業大數據支撐業務工作的開展，但苦于不懂工業大數據相關技術，不能合理有效進行表達，信息化部門人員熟悉工業大數據相關技術，但對業務部門的應用場景并不了解，對工業大數據在業務過程中的應用場景、適用范圍以及能夠給企業帶來的價值不甚了解，難以圍繞業務的戰略規劃和發展提出明確的工業大數據需求，其信息化部門和業務部門相比往往處于弱勢地位，單靠信息化部門往往難以推動大數據的應用和推廣。

3.產業方面存在的問題

工業大數據在產業方面存在的問題主要表現在工業大數據產業布局、工業大數據和工業產業鏈的融合兩個方面。

產業布局缺少基礎支撐，面臨空心化。縱觀歐美發達國家工業大數據產業全景，其在理論、基礎設施、平臺框架、典型工業場景應用等方面的產業布局已經完成，反觀我國工業大數據產業，我國在工業大數據的平臺框架、重點核心技術和數據庫方面，均存在較大差距，整個工業大數據產業布局缺少基礎支撐，面臨空心化危機。

產業鏈融合程度低。我國一些制造企業在局部應用工業大數據方面已經取得了一定的成效，但多局限在內部業務的改善、產品成本的減少、質量控制、企業運營效率提升等方面，在工業大數據技術與制造需求獲取、產品研發、制造執行、供應鏈管理、產品服務保障等業務環節深度融合方面還有待進一步拓展和深化。

（二）制約因素

1.工業大數據安全和開放體系亟待建立

數據安全和數據開放體系建立是工業大數據大規模應用的兩個重要前提。如前所述，我國多數工業企業的信息化建設基本上均是由業務部門在業務開展過程中根據自身的局部需求出發，開展建設，缺少統一規劃，形成了部門割據的信息化煙囪，導致數據編碼不一致，系統之間不能相互通信，業務流程不能貫通，因此，我國工業企業無論在數據的總量上，還是數據的質量上，均和歐美發達國家制造企業存在較大差距，且由于行業壟斷或商業利益等原因，數據的開放程度也不高。

另一個制約我國工業大數據應用發展的重要因素是政策法規體系不健全。工業大數據的開發和利用既要滿足工業企業典型應用場景的業務發展需求，也要防止涉及國家、企業秘密的數據發生泄漏。而目前，我國在工業大數據的利用、評價、交換以及信息安全保護方面的法律法規尚有待進一步健全，在很大程度上抑制了工業大數據的應用廣度和深度，不利于工業大數據生態系統的建設和培育。

2.基于工業大數據的企業管理理念和運作模式變革

隨著智能設備、物聯網技術、智能傳感器、工業軟件以及工業企業管理信息系統等在工業企業的廣泛應用，綜合利用各種感知、互聯、分析以及決策技術，通過實時感知、采集、監控現場制造加工狀況、物流情況、生產準備情況、技術狀態管理情況，并開展數據挖掘分析，急需工業大數據平臺和相關技術的支撐。

工業大數據應用目的是推動工業企業基于對內外部環境相關數據的采集、存儲和分析，實現企業與內外部關聯環境的感知和互聯，并利用工業大數據分析技術開展挖掘分析，支撐工業企業基于數據進行決策管控，提升企業決策管控的針對性、有效性。

3.工業大數據人才缺乏制約產業發展

工業大數據技術應用的關鍵是揭示各種典型工業應用場景下，各種數據的內在關聯關系，因此，工業大數據技術的應用者不但要掌握工業大數據的相關知識和工具，還需要深刻了解制造業典型業務場景，并結合工業大數據的分析和可視化展示情況，結合業務場景進行合理解讀，此外，還需要結合業務場景進行解決方案的制定和管理決策，以上工業大數據人才的要求將大大制約工業大數據產業發展進程。

整體上，工業大數據對復合型人才的能力需求更強烈，目前我國工業大數據的高級管理決策人才、數據分析人才、平臺架構人員、數據開發工程師、算法工程師等多個方向均存在較大缺口，極大阻礙了工業大數據產業的發展。

三、技術、應用及產業發展趨勢

（一）工業大數據技術和應用發展趨勢

1.工業大數據應用的外部環境日益成熟

以工業4.0和工業互聯網為代表的智能化制造技術已成為制造業發展的趨勢，智能化制造技術的研究和應用推動了工業傳感器、控制器等軟硬件系統和先進技術在工業領域的應用，智能制造應用不斷成熟，一方面正在逐步打破數據孤島壁壘，實現人與機器、機器與機器的互聯互通，為工業數據的自由匯聚奠定基礎，另一方面進一步增強了工業大數據的應用需求，使得工業大數據應用的外部環境日益成熟。

2.人工智能和工業大數據融合加深

工業大數據的廣泛深入應用，離不開機器學習、數據挖掘、模式識別、自然語言理解等人工智能技術清理數據、提升數據質量和實現數據分析的智能化，工業大數據的應用和安全保障都離不開人工智能技術，而人工智能的核心是數據支持，工業大數據反過來又促進人工智能技術的應用發展，兩者的深度融合成為發展的必然趨勢。

3.云平臺成為工業大數據發展的主要方向

工業大數據云平臺是推動工業大數據發展的重要抓手。使得傳統的互聯網大數據處理方法、模型和工具難以直接使用，增加了工業大數據的技術壁壘，導致工業大數據解決方案非常昂貴，云平臺的出現，為工業企業特別是中小型工業企業隨時、按需、高效地使用工業大數據技術和工具提供了便宜、可擴展、用戶友好的解決方案，大大降低了工業企業擁抱工業大數據的門檻和成本。

4.工業大數據將催生新的產業

除了云平臺，新的大數據可視化和自動化軟件也能大大簡化了工業大數據的數據處理、分析過程，打破了大數據專家和外行之間的壁壘。這些軟件的出現使得企業可以自主利用工業大數據，做相對簡單的工業大數據分析，以及外包復雜的工業大數據應用需求給專業工業大數據服務公司。從而催生新產業，包括工業大數據存儲、清理、分析、可視化等相關的軟件開發、外包服務等。

（二）工業大數據技術和應用發展建議

工業大數據已經成為制造業轉型升級的核心要素，是工業企業智能制造和智慧服務實現智慧化的基礎，需要在“技術、應用、產業”各個層次協調發展，并持續建設工業大數據技術創新體系及人才培養體系。

在技術方面體現6個重視：重視工業大數據基礎理論、算法、決策分析問題的持續研究；重視工業大數據技術與信息通信技術、人工智能技術、系統工程技術與制造領域技術等多種技術的深度融合研究；重視對面向用戶的工業大數據云服務技術的研究；重視基于大數據的制造業全生命周期的新模式、流程、手段的技術研究；重視符合“共享經濟”的商業模式技術研究；重視安全技術及相關標準和評估指標體系技術研究；

在應用方面體現4個突出：突出制造特色、行業特點開展；突出問題為導向；突出大數據驅動下的智慧云制造管理運行的模式、手段和業態的變革；突出制造三要素、五流的綜合集成化、優化和智慧化。

在產業方面體現3個加強：加強大數據技術工具集和平臺的研發產業；加強大數據系統的構建與運行產業；加強工業云數據中心的運營服務產業。

作者：李伯虎，博士生導師，中國工程院院士

本文摘自《中國大數據應用發展報告（2017）》