工業(yè)大數據作為新一代信息技術和產業(yè)發(fā)展的核心，正深刻影響著我國制造業(yè)的研發(fā)設計、生產制造、經營管理、銷售服務等全產業(yè)鏈各個環(huán)節(jié)，未來必將為推動傳統(tǒng)制造業(yè)轉型升級，實現“中國制造2025”制造強國戰(zhàn)略目標提供強有力的支撐。

一、工業(yè)大數據應用狀況分析

1.創(chuàng)新商業(yè)模式，催生制造業(yè)新業(yè)態(tài)

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(tǒng)、軟件、模型、數據、知識等）統(tǒng)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(yōu)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(yè)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(fā)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(yè)形態(tài)。同時，面向廣大制造業(yè)中小企業(yè)提供了開放性、社會化、協同式的創(chuàng)業(yè)創(chuàng)新服務，并使之成為推動“大眾創(chuàng)新，萬眾創(chuàng)業(yè)”政策落地的關鍵載體。

云制造所催生的制造業(yè)新生態(tài)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(chuàng)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(huán)境下市場需求自動采集、精準營銷、企業(yè)風險識別和預警、面向生產任務的企業(yè)動態(tài)聯盟、大規(guī)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(tài)調度和整合、制造業(yè)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(yōu)化、變革制造模式

■制造過程和系統(tǒng)的優(yōu)化

利用工業(yè)大數據技術，通過工業(yè)制造環(huán)境的各種傳感器、加工設備、加工對象、工控系統(tǒng)、工業(yè)軟件、工業(yè)管理信息系統(tǒng)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(guī)性監(jiān)測、設備狀態(tài)監(jiān)控與故障預警、工廠能耗分析、安全事故監(jiān)控及預警、工業(yè)供應鏈分析和優(yōu)化等，促進工業(yè)環(huán)境下的信息共享、系統(tǒng)互聯整合和業(yè)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(yè)大數據技術整合企業(yè)設計數據、工藝數據、制造執(zhí)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(fā)、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(yè)務環(huán)節(jié)的業(yè)務協同，提升工業(yè)企業(yè)的科研生產和運營管控能力。

■變革制造模式

工業(yè)大數據技術不斷促進工業(yè)企業(yè)創(chuàng)新產品和服務，推動傳統(tǒng)制造業(yè)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(huán)節(jié)，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(yè)企業(yè)產品創(chuàng)新設計，滿足個性化定制需求。在設計研發(fā)環(huán)節(jié)，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(chuàng)、眾包等研發(fā)新模式，提升企業(yè)利用社會化創(chuàng)新和資金資源能力。在制造執(zhí)行環(huán)節(jié)，以工業(yè)大數據為核心動態(tài)規(guī)劃構建柔性化制造過程，實現大規(guī)模個性化定制生產；在產品運維保障環(huán)節(jié)，利用產品中內置傳感器，企業(yè)能夠實時監(jiān)測產品的運行狀態(tài)，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(yōu)使用及運維解決方案等服務，推動工業(yè)企業(yè)服務化。

3.基于大數據的產品創(chuàng)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(tài)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(yōu)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(yōu)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(huán)反饋機制，不斷迭代，實現產品的創(chuàng)新設計。

4.基于大數據的供應鏈分析和優(yōu)化服務

利用大數據采集分析制造企業(yè)從訂單獲取到訂單交付全過程相關信息，推動制造企業(yè)供應鏈的不斷調整優(yōu)化，主要體現在如下方面：1）通過大數據技術采集分析企業(yè)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(yè)各生產環(huán)節(jié)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(yè)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(yè)的采購到貨及時情況、數量情況、質量情況等信息，并與企業(yè)制造計劃、生產準備以及現場制造執(zhí)行情況動態(tài)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(fā)運情況、物流運輸情況等信息進行采集，結合企業(yè)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(yōu)化企業(yè)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(yè)生產過程相關的產品定義信息、企業(yè)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(tài)分析生產過程的人機物績效，實時發(fā)現生產過程瓶頸因素，優(yōu)化制造企業(yè)的整體產出。

通過采集計劃排程信息和企業(yè)人機物等資源信息，實現企業(yè)制造執(zhí)行排程與生產準備的精準聯動，為制造執(zhí)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(zhí)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(zhí)行過程中的人機料法環(huán)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(zhí)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(yè)環(huán)境下，工業(yè)大數據首先面臨的多類型、多協議的工業(yè)通信協議，以及智能設備、傳感器、工控系統(tǒng)、工業(yè)軟件、工業(yè)管理信息等大量異質終端，如此種種決定了工業(yè)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(yè)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(tǒng)，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(yè)大數據應用架構、核心技術體系以及工業(yè)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(yè)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(tǒng)處理，隨后進行統(tǒng)一展示，方便用戶進行實時監(jiān)控和處理，如設備運行狀況等。

2.應用方面存在的問題

工業(yè)大數據技術的應用是大數據技術和工業(yè)行業(yè)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(guī)劃、制造執(zhí)行、生產保障以及產品的運維和保障等各個產業(yè)鏈環(huán)節(jié)，每個環(huán)節(jié)的工業(yè)大數據應用需求和場景也各異；另一方面工業(yè)企業(yè)細分行業(yè)眾多，各個細分行業(yè)之間應用場景差異巨大，如石化制藥等流程工業(yè)強調各種原材料的精確配比、生產過程的實時監(jiān)控分析與控制，離散工業(yè)強調生產的組織、策劃與制造執(zhí)行等，因此一個通用的工業(yè)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?？傮w上，當前我國工業(yè)企業(yè)在工業(yè)大數據應用方面存在的問題如下。

信息資源缺少總體規(guī)劃，數據質量堪憂。一方面由于工業(yè)企業(yè)信息化歷程的必然發(fā)展路徑使然，一方面由于工業(yè)企業(yè)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(guī)劃和企業(yè)信息資源的規(guī)劃，由此必然導致業(yè)務和信息系統(tǒng)的支撐關系不強，工業(yè)企業(yè)管控、制造執(zhí)行必需的信息系統(tǒng)或信息資源缺乏等現象，而缺少相應的信息系統(tǒng)和數據源支撐，工業(yè)大數據在此類工業(yè)企業(yè)當中的應用缺少數據基礎，更無論工業(yè)大數據應用實施效果。且由于對企業(yè)數據資源缺少整體梳理和規(guī)劃，必然導致各業(yè)務環(huán)節(jié)的數據散落在各業(yè)務部門，相關的數據編碼、處理機制各異等，從而導致企業(yè)數據可用性差、數據質量不高、業(yè)務環(huán)節(jié)之間數據集成共享困難，工業(yè)大數據技術手段難以發(fā)揮應用的價值。

工業(yè)企業(yè)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(yè)企業(yè)的信息化部門和業(yè)務部門相互獨立，信息化部對企業(yè)業(yè)務知之甚少，業(yè)務部門不了解信息化，以企業(yè)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(yè)務部門在業(yè)務開展過程中急需工業(yè)大數據支撐業(yè)務工作的開展，但苦于不懂工業(yè)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(yè)大數據相關技術，但對業(yè)務部門的應用場景并不了解，對工業(yè)大數據在業(yè)務過程中的應用場景、適用范圍以及能夠給企業(yè)帶來的價值不甚了解，難以圍繞業(yè)務的戰(zhàn)略規(guī)劃和發(fā)展提出明確的工業(yè)大數據需求，其信息化部門和業(yè)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(yè)方面存在的問題

工業(yè)大數據在產業(yè)方面存在的問題主要表現在工業(yè)大數據產業(yè)布局、工業(yè)大數據和工業(yè)產業(yè)鏈的融合兩個方面。

產業(yè)布局缺少基礎支撐，面臨空心化?？v觀歐美發(fā)達國家工業(yè)大數據產業(yè)全景，其在理論、基礎設施、平臺框架、典型工業(yè)場景應用等方面的產業(yè)布局已經完成，反觀我國工業(yè)大數據產業(yè)，我國在工業(yè)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(yè)大數據產業(yè)布局缺少基礎支撐，面臨空心化危機。

產業(yè)鏈融合程度低。我國一些制造企業(yè)在局部應用工業(yè)大數據方面已經取得了一定的成效，但多局限在內部業(yè)務的改善、產品成本的減少、質量控制、企業(yè)運營效率提升等方面，在工業(yè)大數據技術與制造需求獲取、產品研發(fā)、制造執(zhí)行、供應鏈管理、產品服務保障等業(yè)務環(huán)節(jié)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(yè)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(yè)大數據大規(guī)模應用的兩個重要前提。如前所述，我國多數工業(yè)企業(yè)的信息化建設基本上均是由業(yè)務部門在業(yè)務開展過程中根據自身的局部需求出發(fā)，開展建設，缺少統(tǒng)一規(guī)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(tǒng)之間不能相互通信，業(yè)務流程不能貫通，因此，我國工業(yè)企業(yè)無論在數據的總量上，還是數據的質量上，均和歐美發(fā)達國家制造企業(yè)存在較大差距，且由于行業(yè)壟斷或商業(yè)利益等原因，數據的開放程度也不高。

另一個制約我國工業(yè)大數據應用發(fā)展的重要因素是政策法規(guī)體系不健全。工業(yè)大數據的開發(fā)和利用既要滿足工業(yè)企業(yè)典型應用場景的業(yè)務發(fā)展需求，也要防止涉及國家、企業(yè)秘密的數據發(fā)生泄漏。而目前，我國在工業(yè)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(guī)尚有待進一步健全，在很大程度上抑制了工業(yè)大數據的應用廣度和深度，不利于工業(yè)大數據生態(tài)系統(tǒng)的建設和培育。

2.基于工業(yè)大數據的企業(yè)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(yè)軟件以及工業(yè)企業(yè)管理信息系統(tǒng)等在工業(yè)企業(yè)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(jiān)控現場制造加工狀況、物流情況、生產準備情況、技術狀態(tài)管理情況，并開展數據挖掘分析，急需工業(yè)大數據平臺和相關技術的支撐。

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

3.工業(yè)大數據人才缺乏制約產業(yè)發(fā)展

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

整體上，工業(yè)大數據對復合型人才的能力需求更強烈，目前我國工業(yè)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(fā)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(yè)大數據產業(yè)的發(fā)展。

三、技術、應用及產業(yè)發(fā)展趨勢

（一）工業(yè)大數據技術和應用發(fā)展趨勢

1.工業(yè)大數據應用的外部環(huán)境日益成熟

以工業(yè)4.0和工業(yè)互聯網為代表的智能化制造技術已成為制造業(yè)發(fā)展的趨勢，智能化制造技術的研究和應用推動了工業(yè)傳感器、控制器等軟硬件系統(tǒng)和先進技術在工業(yè)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(yè)數據的自由匯聚奠定基礎，另一方面進一步增強了工業(yè)大數據的應用需求，使得工業(yè)大數據應用的外部環(huán)境日益成熟。

2.人工智能和工業(yè)大數據融合加深

工業(yè)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(yè)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(yè)大數據反過來又促進人工智能技術的應用發(fā)展，兩者的深度融合成為發(fā)展的必然趨勢。

3.云平臺成為工業(yè)大數據發(fā)展的主要方向

工業(yè)大數據云平臺是推動工業(yè)大數據發(fā)展的重要抓手。使得傳統(tǒng)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(yè)大數據的技術壁壘，導致工業(yè)大數據解決方案非常昂貴，云平臺的出現，為工業(yè)企業(yè)特別是中小型工業(yè)企業(yè)隨時、按需、高效地使用工業(yè)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(yè)企業(yè)擁抱工業(yè)大數據的門檻和成本。

4.工業(yè)大數據將催生新的產業(yè)

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(yè)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(yè)可以自主利用工業(yè)大數據，做相對簡單的工業(yè)大數據分析，以及外包復雜的工業(yè)大數據應用需求給專業(yè)工業(yè)大數據服務公司。從而催生新產業(yè)，包括工業(yè)大數據存儲、清理、分析、可視化等相關的軟件開發(fā)、外包服務等。

（二）工業(yè)大數據技術和應用發(fā)展建議

工業(yè)大數據已經成為制造業(yè)轉型升級的核心要素，是工業(yè)企業(yè)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(yè)”各個層次協調發(fā)展，并持續(xù)建設工業(yè)大數據技術創(chuàng)新體系及人才培養(yǎng)體系。

在技術方面體現6個重視：重視工業(yè)大數據基礎理論、算法、決策分析問題的持續(xù)研究；重視工業(yè)大數據技術與信息通信技術、人工智能技術、系統(tǒng)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(yè)大數據云服務技術的研究；重視基于大數據的制造業(yè)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(yè)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(yè)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(yè)態(tài)的變革；突出制造三要素、五流的綜合集成化、優(yōu)化和智慧化。

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

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(fā)展報告（2017）》