工業大數據

工業大數據是指在工業領域中，圍繞典型智能製造模式，從客户需求到銷售、訂單、計劃、研發、設計、工藝、製造、採購、供應、庫存、發貨和交付、售後服務、運維、報廢或回收再製造等整個產品全生命週期各個環節所產生的各類數據及相關技術和應用的總稱。其以產品數據為核心，極大延展了傳統工業數據範圍，同時還包括工業大數據相關技術和應用。其主要來源可分為以下三類：第一類是生產經營相關業務數據。第二類是設備物聯數據。第三類是外部數據。

工業大數據技術是使工業大數據中所藴含的價值得以挖掘和展現的一系列技術與方法，包括數據規劃、採集、預處理、存儲、分析挖掘、可視化和智能控制等。工業大數據應用，則是對特定的工業大數據集，集成應用工業大數據系列技術與方法，獲得有價值信息的過程。工業大數據技術的研究與突破，其本質目標就是從複雜的數據集中發現新的模式與知識，挖掘得到有價值的新信息，從而促進製造型企業的產品創新、提升經營水平和生產運作效率以及拓展新型商業模式。

工業大數據除具有一般大數據的特徵（數據量大、多樣、快速和價值密度低）外，還具有時序性、強關聯性、準確性、閉環性等特徵。

（1）數據容量大 (Volume)：數據的大小決定所考慮的數據的價值和潛在的信息；工業數據體量比較大，大量機器設備的高頻數據和互聯網數據持續湧入，大型工業企業的數據集將達到PB級甚至EB級別。

（2）多樣 (Variety)：指數據類型的多樣性和來源廣泛；工業數據分佈廣泛，分佈於機器設備、工業產品、管理系統、互聯網等各個環節；並且結構複雜，既有結構化和半結構化的傳感數據，也有非結構化數據。

（3）快速 (Velocity)：指獲得和處理數據的速度。工業數據處理速度需求多樣，生產現場級要求時限時間分析達到毫秒級，管理與決策應用需要支持交互式或批量數據分析。

（4）價值密度低 (Value)：工業大數據更強調用户價值驅動和數據本身的可用性，包括：提升創新能力和生產經營效率，及促進個性化定製、服務化轉型等智能製造新模式變革。

（5）時序性 (Sequence)：工業大數據具有較強的時序性，如訂單、設備狀態數據等。

（6）強關聯性 (Strong-Relevance)：一方面，產品生命週期同一階段的數據具有強關聯性，如產品零部件組成、工況、設備狀態、維修情況、零部件補充採購等；另一方面，產品生命週期的研發設計、生產、服務等不同環節的數據之間需要進行關聯。

（7）準確性 (Accuracy)：主要指數據的真實性、完整性和可靠性，更加關注數據質量，以及處理、分析技術和方法的可靠性。對數據分析的置信度要求較高，僅依靠統計相關性分析不足以支撐故障診斷、預測預警等工業應用，需要將物理模型與數據模型結合，挖掘因果關係。

（8）閉環性 (Closed-loop)：包括產品全生命週期橫向過程中數據鏈條的封閉和關聯，以及智能製造縱向數據採集和處理過程中，需要支撐狀態感知、分析、反饋、控制等閉環場景下的動態持續調整和優化。

由於以上特徵，工業大數據作為大數據的一個應用行業，在具有廣闊應用前景的同時，對於傳統的數據管理技術與數據分析技術也提出了很大的挑戰。 ^[1] 

大數據是製造業提高核心能力、整合產業鏈和實現從要素驅動向創新驅動轉型的有力手段。對一個製造型企業來説，大數據不僅可以用來提升企業的運行效率，更重要的是如何通過大數據等新一代信息技術所提供的能力來改變商業流程及商業模式。從企業戰略管理的視角，可看出大數據及相關技術與企業戰略之間的三種主要關係如下：

當前，工業領域主流的架構主要是從智能製造的視角進行設計，包括，德、美、中、日等，如下表所示。

為解決背景中提到的問題，上海產業技術研究院工程大數據服務創新中心提出了一種工業大數據參考架構 ^[4]  ，為跨產業的大數據應用提供了一個具有通用性和一致性的架構模板和方法論。該架構包含三個維度：生命週期與價值流、企業縱向層和IT價值鏈，其中，生命週期與價值流維度分為三個階段：研發與設計、生產與供應鏈管理及運維與服務，分別討論各階段的數據類型、應用及價值創新；企業縱向層從下至上包含信息物理系統CPS、管理信息系統MIS和互聯平台系統Internet+，分別討論企業各層為實現工業大數據應用及工業轉型所需進行的工作；IT價值鏈討論指導工業大數據落地的業務架構、信息系統架構和技術架構，且在技術架構中，針對工業大數據及工業企業的特點對實現工業大數據應用所需的技術組件進行了討論。工業大數據架構下圖。

工業大數據架構中的生命週期與價值流維度涵蓋了整個產品生命週期的各階段，即研發與設計、生產、物流、銷售、運維與服務五個階段，其中，生產、物流和銷售與產品可進一步歸類於生產與供應鏈領域，則生命週期與價值流維度包含了三個領域：研發與設計、生產與供應鏈及運維與服務三個領域，各領域的應用場景如下圖所示。

工業大數據架構的企業縱向層從物理域的角度自下而上共5層，分別為設備層、控制層、車間層、企業層和協同層；在設備層、控制層、車間層可利用物聯網，基於信息物理系統（CPS）實現智能工廠；在企業層和車間層，企業集成內部各種信息化應用，進行企業內部業務流程整合和改造（BPM），提升企業運行效率；協同層使用工業雲等平台技術，實現企業外部協同製造及製造業服務化等創新業務模式。企業縱向維度可以分成信息物理系統（CPS）、企業管理信息系統、互聯平台系統（Internet+）三個子系統，如下圖所示。

大數據的價值通過數據的收集、預處理、分析、可視化和訪問等活動來實現。在IT價值鏈維度上，大數據價值通過為大數據應用提供存放大數據的網絡、基礎設施、平台、應用工具及其他服務來實現運營效率的提高和業務創新的支撐。大數據技術支撐的企業架構，參考美國開放組織Open Group的TOGAF架構劃分方法，可分成業務架構、信息系統架構成及IT技術架構三個層次，如下圖所示。

工業大數據治理是對組織的工業大數據管理和利用進行評估、指導和監督的體系框架。它通過制定戰略方針、建立組織架構、明確職責分工等，實現工業大數據的風險可控、安全合規、績效提升和價值創造，並提供不斷創新的大數據服務。

工業大數據治理對於確保工業大數據的優化、共享和安全是至關重要的。有效的工業大數據治理計劃可通過改進決策、縮減成本、降低風險和提高安全合規等方式，將價值回饋於業務，並最終體現為增加收入和利潤。工業大數據治理的作用可概括為四點：（1）有效的工業大數據治理能夠促進工業大數據服務創新和價值製造；（2）科學的工業大數據治理框架有助於提升組織的工業大數據管理和決策水平；（3）有效的工業大數據治理能夠產生高質量的數據，增強數據可信度，降低成本；（4）有效的工業大數據治理有助於提高合規監管和安全控制，並降低風險 ^[4]  。