無論是歐美老牌國家制造業的重振，還是中國制造業的轉型提升，工業大數據都將發揮不可替代的作用。

當前，全球主要國家掀起了新一輪以“信息技術與制造業融合”為共同特征的工業革命，加速發展新一代信息技術，并推動其與全球工業系統的深入融合，以期搶占新一輪產業競爭的制高點。無論是歐美老牌國家制造業的重振，還是中國制造業的轉型提升，工業大數據都將發揮不可替代的作用。

何為工業大數據

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，工業大數據以產品數據為核心，極大延展了傳統工業數據范圍，同時還包括工業大數據相關技術和應用。

工業大數據具備雙重數據，即價值屬性和產權屬性。一方面，通過工業大數據分析等關鍵技術能夠實現設計、工藝、生產、管理、服務等各個環節智能化水平的提升，滿足用戶定制化需求，提高生產效率并降低生產成本，為企業創造可量化的價值；另一方面，這些數據具有明確的權屬關系和資產價值，企業能夠決定數據的具體使用方式和邊界，數據產權屬性明顯。工業大數據的價值屬性實質上是基于工業大數據采集、存儲、分析等關鍵技術，對工業生產、運維、服務過程中數據實現價值的提升或變現；工業大數據的產權屬性則偏重于通過管理機制和管理方法幫助工業企業明晰數據資產目錄與數據資源分布，確定所有權邊界，為其價值的深入挖掘提供支撐。

工業大數據產業現狀

工業是國民經濟的基礎和支柱，也是一國經濟實力和競爭力的重要標志。

近年來，工業大數據作為我國“智能制造”和“工業互聯網”的關鍵技術支撐以及兩化融合的重要基礎備受關注。黨中央、出臺了一系列“大數據”“兩化融合”“互聯網與制造業融合”等綜合性政策與指示，其中對工業大數據發展提出了明確的要求，全面指導我國工業大數據技術發展、產業應用及其標準化進程。

國家工業大數據相關政策

從供給側看，工業大數據供給側能力持續提升，涌現出一批專精特新企業，成為推動我國工業大數據發展的中堅力量。一是由傳統工業制造企業數字化、軟件化、平臺化發展，出現了一批具有較強數據匯聚能力的衍生型企業，如航天云網、樹根互聯等；二是軟件企業向工業領域滲透，出現的技術型企業，如昆侖智匯、東方國信等企業在工業數據建模、分析處理等領域不斷突破核心技術；三是互聯網企業積極進入工業領域，如阿里推出“ET工業大腦”等產品和服務，騰訊推出工業互聯網“木屋云”平臺。

從需求側看，隨著智能制造、工業互聯網等國家戰略的逐一推進，個性化定制、網絡化延伸以及智能化設計、生產、服務等新模式不斷出現，對于工業大數據技術、產品、平臺的需求不斷增大，為工業大數據提供了充足的應用場景。

然而，在我國工業大數據產業發展不斷優化提升的同事，仍需要清楚認識到我國工業大數據的仍存在物聯數據無法獲取、格式不同意，數據產權不清晰、數據壁壘難以打破，全產業鏈數據應用不足等問題。主要原因在于，*，在我國國產工業軟件、高端物聯設備核心技術供給不足，而國外設備讀寫不開放，數據無法讀取或者格式多樣，無法直接利用；第二，面對體量大、分布廣、結構復雜、類型多樣化的工業數據，目前工業行業整體數據資源管理水平不足，難以管理企業內部和外部各類數據，更無法充分分析和利用。第三，缺乏可用、好用、可信的工業大數據平臺，難以充分利用工業全產業鏈上下游的數據，以實現人、機、物等各類工業要素、工業業務流程以及產業鏈上下游企業間更大范圍的實施鏈接與智能交互，推動工業生產的資源優化、協同制造和服務延伸。

與智能制造、工業互聯網的關系

與智能制造的關系

智能制造是工業大數據的載體和產生來源，其各環節信息化、自動化系統所產生的數據構成了工業大數據的主題。另一方面，智能制造又是工業大數據形成的數據產品*終的應用場景和目標。工業大數據描述了智能制造各生產階段的真實情況，為人類讀懂、分析和優化制造提供了寶貴的數據資源，是實現智能制造的智能來源。工業大數據、人工智能模型和機理模型的結合，可有效提升數據的利用價值，是實現更高階的智能制造的關鍵技術之一。

工業大數據標準在智能制造標準化體系中的定位

與工業互聯網的關系

與智能制造的場景有所區別，工業互聯網更為關注制造業企業如何以工業為本，通過“智能+”打通、整合、協同產業鏈，催生個性化定制、網絡化協同、服務化延伸等新模式，從而提升企業、整體行業價值鏈或是區域產業集群的效率。與智能制造相似的，工業互聯網既是工業大數據的重要來源，也是工業大數據重要的應用場景。尤其在工業互聯網平臺的建設中，工業大數據扮演著重要的角色。

在工業互聯網平臺功能架構中，工業大數據技術、工業大數據系統是工業互聯網平臺層的重要核心。一方面，借助工業大數據處理、預處理、分析等技術，基于工業大數據系統，平臺層得以實現對邊緣層，IaaS層產生的海量數據進行高質量存儲與管理；另一方面通過工業大數據建模、分析、可視化等技術，將數據與工業生產實踐經驗相結合，構建機理模型，支撐應用層各種分析應用的實現。

工業大數據如何管理

數據質量管理

工業大數據的質量存在很多問題。一是數據失真和失準。受制于工業現場的一系列惡劣工況，在工業OT域，現場物聯網絡、生產制造裝備、過程控制設備均不同程度地存在數據失真。二是數據一致性差。對于來源于IT域的工業大數據，由于工業企業現有的信息化系統均不同程度的存在“系統林立”的問題，難以在數據生產過程中采用有效的控制手段來保障各個工業IT系統所產生的數據的一致性。三是對歷史數據缺乏“再生”機制。工業歷史數據的“再生”將有助于提升工業全生命周期管理能力。四是缺乏標準化的數據質量管理框架。在不同的業務場景中，各種結構化和非結構化數據集被多個使用者共享和使用。五是數據質量補償手段尚未得到廣泛應用。

工業大數據的質量管理需要工業企業建立完善的工業大數據質量管理組織架構，明確數據權屬、管理者、使用者；面對不同的工業大數據質量問題，制定質量為的定義、等級、處理及復盤機制，制定規范的數據質量改善流程，形成面向多樣化的工業大數據應用場景的數據質量管理閉環。

數據安全管理

大數據技術應用于工業領域給企業帶來巨大的效益，然而工業大數據對工業企業來說既是機遇也是挑戰，在給企業帶來巨大經濟利益的同事，其本身所存在的安全問題也讓企業面臨著巨大的風險。一方面，由于工業控制系統的協議多采用明文形式、工業環境多采用通用操作系統且不及時更新、從業人員的網絡安全意識不高，再加上工業數據的來源多樣，其有不同的格式和標準，使其存在諸多可以被利用的漏洞。另一方面，在工業應用環境中，對數據安全有著更高的要求，任何信息安全事件的發生都有可能威脅工業生產運行安全、人員生命安全甚至國家安全等。因而，研究工業大數據安全管理，加強對工業企業的安全保護變得尤為重要。

工業大數據安全是跨多工業領域與學科的綜合性問題，需要結合法律法規、行業特點、工業技術等多維度進行研究。考慮到工業大數據平臺所承載的工業數據的巨大價值，因此將整個工業大數據安全技術體系分為工業大數據接入安全、工業大數據平臺安全、工業大數據應用安全三個層次。其中工業大數據接入安全為工業現場數據的采集、傳輸、轉換流程提供安全保障機制；工業大數據平臺安全為工業數據存儲、計算提供安全保障基礎；工業大數據應用安全為上層應用的接入、數據訪問等提供強力的安全管控。

工業大數據應用安全應從幾方面考慮：支持應用訪問簽名機制，確保只有授權的應用才能提交數據訪問請求；支持應用數據按需訪問，避免數據訪問范圍的擴大化；支持應用行為實時監控，實時攔截應用中包含的攻擊行為，包括數據訪問范圍、頻率、SQL語句合法性等；建立完整的應用流程管理機制，包括應用的提交、執行、狀態監控、結果審計等，確保每個應用的審批、控制于追責有效結合，避免高權限人員的惡意操縱或誤操作行為；構建完備的應用測試環境及測試規范，確保只有符合安全策略的應用可以審批執行。