工業大數據參考框架，包括應用范圍、典型運營模式、數據架構、技術架和平臺參考等。

　　工業大數據是指在工業領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后服務、運維、報廢或回收再制造等整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱。

?工業大數據的主要來源有三類：

　　•生產經營相關業務數據：來自傳統企業信息化范圍，被收集存儲在企業信息系統內部。此類數據是工業領域傳統的數據資產，正在逐步擴大范圍

　　•設備物聯數據：工業生產設備和目標產品在物聯網運行模式下，實時產生收集的涵蓋操作和運行情況、工況狀態、環境參數等體現設備和產品運行狀態的數據，這是工業大數據新的、增長最快的來源

　　•外部數據：與工業企業生產活動和產品相關的企業外部互聯網來源數據

1． 工業大數據的地位

1．1 在智能制造標準體系中的定位

　　工業大數據位于智能制造標準體系結構圖的關鍵技術標準的左側，屬于智能制造標準體系五大關鍵技術之一。

 

1．2 與大數據技術的關系

　　工業領域的數據累積到一定量級，超出了傳統技術的處理能力，就需要借助大數據技術、方法來提升處理能力和效率，大數據技術為工業大數據提供了技術和管理的支撐。

　　工業大數據可以借鑒大數據的分析流程及技術，實現工業數據采集、處理、存儲、分析、可視化。工業制造過程中需要高質量的工業大數據，可以借鑒大數據的治理機制對工業數據資產進行有效治理。

1．3 與工業軟件和工業云的關系

　　工業軟件承載著工業大數據采集和處理的任務，是工業數據的重要產生來源，工業軟件支撐實現工業大數據的系統集成和信息貫通。

　　工業大數據技術與工業軟件結合，加強了工業軟件分析與計算能力，提升場景可視化程度，實現對用戶行為和市場需求的預測和判斷。

2． 主要國家戰略部署

2．1 美國先進制造業戰略

　　2012年2月，美國發布了《先進制造業國家戰略計劃》報告，將促進先進制造業發展提高到了國家戰略層面。從投資、勞動力和創新等方面提出了促進美國先進制造業發展的三大原則、五大目標及相應的對策措施。

　　2014年，美國白宮發布《2014年全球大數據白皮書》，指出美國大型企業在投資大數據科技方面的關鍵驅動因素：分析運營和交易數據的能力、洞察客戶線上消費的行為、以向市場提供新的高度復雜的產品、對組織中的機器和設備進行更加深入的感知。

2．2 德國工業4.0戰略

　　2015年4月，德國提出來“工業4．0”戰略。強調通過信息網絡與工業生產系統的充分融合，使產品與生產設備之間、工廠內部縱向之間、工廠與工廠之間，都能通過CPS（物理信息系統）聯結為一個整體，從而實現生產的智能化，提升制造業的靈活性和工程效率。

2．3 法國新工業戰略

　　2015年，法國推出“新工業法國戰略”，總體布局為“一個核心，九大支點”。一個核心即“未來工業”，主要內容是實現工業生產向數字化、智能化轉型。九大支點，包括新資源開發、可持續發展城市、環保汽車、網絡技術、大數據技術、新型醫藥等。

　　2015年5月，法國經濟、工業與就業部又公布了未來工業計劃，該計劃將在“新工業戰略”的第二階段中扮演核心角色，主要目標是建立更為互聯互通、更具有競爭力的法國工業，旨在使工業工具更加現代化，實現經濟增長模式轉變。

2．4 中國制造2025戰略

　　2015年5月，國務院正式印發《中國制造2025》規劃。規劃中提出將重點推動信息化與工業深度融合，把智能制造作為兩化深度融合的主攻方向，著力發展智能裝備和智能產品，推進生產過程智能化，培育新型生產方式。

同年12月，工信部、國標委聯合發布《國家智能制造標準體系建設指南（2015年版）》。為推動智能工廠的建設，國務院又發布了《促進大數據發展行動綱要》，建立面向不同行業、不同環節的工業大數據資源聚合和分析應用平臺。

3． 工業大數據應用熱點

　　工業大數據挖掘和分析的結果可廣泛應用于企業研發設計、復雜生產過程、產品需求預測、工業供應鏈優化和工業綠色發展等各個環節。

3．1 在設計領域的應用

　　工業設計大數據主要用于提高研發人員的研發創新能力、研發效率和質量，支持協同設計，具體體現為以下幾個方面：

（1）基于模型和仿真的研發設計

　　基于模型的研發設計。在數字化技術環境下的產品設計開發，從概念設計就以數字化模型為載體，不受到時間和空間等因素的限制對產品模型修改和完善，然后將最終方案的數據通過生產設備進行產品制作。

基于仿真的設計。通過數字化模型的顯示、仿真、快速成型、虛擬現實交互，可及早發現設計缺陷，優化產品，克服以往多種缺點。虛擬仿真技術還在不斷提高系統的智能型，逐步解決產品創新設計中的不確定性與模糊性。

（2）基于產品生命周期的設計

　　運用大數據相關技術，實現高度有序化的方式展示產品生命周期設計大數據的關系，方便地集成員工在設計中產方便地集成員工在設計中產生的新知識，使產品設計大數據得進一步豐富。

（3）融合消費者反饋的設計

　　利用工業數據平臺獲取消費者、市場等各維度的數據信息，達到生產者和消費者之間“信息粘性”的效果，利用這些關聯數據信息，通過大數據挖掘分析技術，實現客戶全面洞察，改進、創新設計產品的功能和款式。

3．2 在復雜生產過程優化的應用

（1）工業物聯網生產線

　　在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，有助于制造商改進其生產流程。在能耗分析方面，在設備生產過程中利用傳感器集中監控所有的生產流程，優化能源的消耗。

　　通過諸如AGV小車、智能分揀配對系統、智能吊掛系統與智能分揀送料系統的導入等，加快整個制造流程的物料循環，通過智能摘掛系統、信號識別系統、智能取料系統、智能裝配、智能定制等系統的導入實現整個制造流程的自動化。

（2）生產質量控制

　　利用工業大數據技術，挖掘產品質量特性與關鍵工藝參數之間的關聯規則，抽取過程質量控制知識，為在線工序質量控制、工藝參數優化提供指導性意見。

（3）生產計劃與排程

　　大數據給予企業更詳細的數據信息，發現歷史預測與實際的偏差概率，通過數據的關聯分析及監控，企業能更準確地制定計劃。

3．3 在產品需求預測中的應用

　　在產品開發方面，分析當前需求變化和組合形式，通過消費人群的關注點進行產品功能、性能的調整，設計制造更加符合核心需要的新產品，針對每一個群體策劃并推送針對性的營銷。

3．4 在工業供應鏈優化中的應用

　　供應鏈環節工業大數據的應用主要體現在供應鏈優化，即通過全產業鏈的信息整合，使整個生產系統達到協同優化，讓生產系統更加動態靈活，進一步提高生產效率和降低生產成本。主要應用有供應鏈配送體系優化和用戶需求快速響應。

3．5 在工業綠色發展中的應用

　　新一代信息技術通過對產品的配方、工藝及原材料采購、生產制造、倉儲、運輸、使用、大修和報廢的全過程進行監控和管理，以數據采集為前端，數據分析和挖掘為服務，為制造企業實現綠色制造提供有力保障。

4． 工業大數據參考框架

　　工業大數據參考架構以工業過程的業務需求為導向，基于工業系統的業務架構，規劃工業大數據的數據、技術和應用（平臺）架構，以搭建面向多業務領域、貫通多組織和應用層次的工業大數據IT架構。

4．1 數據參考架構

　　工業大數據應用的目標是構建覆蓋工業全流程、全環節和產品全生命周期的數據鏈，工業大數據在實際應用當中涉及到的主要環節：數據源、數據收集與集成、數據處理與數據管理、典型應用場景等四個層次。

4．2 技術參考架構

　　工業大數據技術架構共有五個部分，分別為數據采集層、數據存儲與集成層、數據建模層、數據處理層、數據交互應用層。

4．3 平臺參考架構

　　工業大數據平臺涵蓋了IT網絡架構和云計算基礎架構等基礎設施，專家庫、知識庫、業務需求庫等資源，及安全、隱私等管理功能。此外，還包含關聯工業大數據實際應用的三方面角色，即數據提供方、數據服務消費方、數據服務合作方。

 

5． 工業4.0國內領軍企業案例

　　速威智能在 “工業4.0”智能工廠與智慧物流領域擁有10多年專業經驗，是提供讓制造企業與高校兩化融合整體解決方案的著名供應商。比如深圳華為、廣州松下空調、創維、約克空調、延鋒江森等大型企業都與速威智能攜手打造智能化生產。2017年2月21日，速威智能助力中國航天科技(工業4.0)，與江西航天云網科技有限公司簽訂了戰略合作協議，標志了速威智能在打造中國市場智能工廠解決方案上又上了新的里程碑。