中联重科：工业大数据应用与县市级雪亮工程

工业大数据作为人类首次创造的生产资料，自工业现代化进程以来一直伴随着发展，并逐步走向智能化阶段。数据始终影响着人类工业化进程，高质量科学管理是现代工业化进程的基础。从工程设计语言的诞生到现代工业的定量化和标准化，再到数字计算机的应用开启了工业3.0时代。数据的发展历程显示，数据由简单的数值发展演变而来，具有精确性和实用性特征。计算方法与信息技术的发展使得数据在工业中的作用日益凸显。

中国作为制造业大国，正面临制造业升级转型的挑战。工业1.0、2.0、3.0并存的局面下，企业急需借助工业大数据来实现智能化升级。本方案通过县市级雪亮工程的整体规划，为中国制造业的弯道超车提供技术支持和战略指导。

工业大数据管理技术架构的功能分为四部分：数据采集与交换、数据预处理与存储、数据工程与数据建模。数据采集与交换层通过PLC、SCADA、DCS等系统实时采集机器设备数据，并通过数据交换接口获取物联网数据。该层还支持业务系统的结构化与非结构化数据采集，以及数据交换与互联网数据爬取。

6.2低质量数据处理技术的重要性突显，“大数据分析”期望通过数据规模弥补低质量数据的缺陷。工业数据中的变量具有明确的物理含义，低质量数据可能扭曲不同变量之间的函数关系，对工业大数据分析带来严重影响。当前制造业企业的信息系统数据质量问题依然突出，例如ERP系统中物料存储的“一物多码”问题。同时，物联网数据质量也面临诸多挑战，如无效工况和重名工况等。这些数据质量问题在实际案例中常常达到30%以上，严重限制了数据的深入分析，因此需要在进行数据分析之前进行系统的数据治理。在工业应用中，由于技术可行性和实施成本等因素，很多关键的量没有被充分测量或者没有被精确测量，这要求分析算法能够在数据条件不完备的情况下运作。在技术发展方向上，可以推广基于工业大数据分析的“软”测量技术，通过建立指标间的关联关系模型来提升生产过程的整体可观性和可控性。

这份白皮书深入探讨了大数据技术在工业领域的应用现状、挑战和未来趋势。内容涵盖了大数据在工业生产、供应链管理、产品生命周期管理等方面的具体应用案例，并分析了不同行业应用大数据的最佳实践。

利用物联网数据服务平台，挖掘工业大数据，通过数据挖掘技术发现工业生产中的模式和趋势，实现优化生产、提高效率。

这份报告深入探讨了2017年工业大数据领域的现状与趋势。它分析了工业大数据的应用场景、关键技术以及发展挑战，并为企业如何利用工业大数据提升效率、优化流程提供了宝贵的见解。

工业大数据技术架构白皮书是一份详细说明工业领域内大数据技术架构及其应用的指导文件。它由工业互联网产业联盟的工业大数据特设组发布，反映了该领域内的最新研究成果和应用实践经验。白皮书不仅讨论了大数据技术在工业环境中的核心地位，还提供了实际案例和具体技术组件的介绍，以及工业大数据系统建设的意义、目标、重点问题、架构实现等多方面内容。根据白皮书的内容，我们可以了解到以下知识点： 1. 工业大数据的定义和重要性：指的是在工业生产、运营过程中产生的大量数据的集合。这些数据来源于设备、传感器、控制系统和生产管理系统等，具有“4V”特征——大容量（Volume）、高速度（Velocity）、多样性（Variety）和真实性（Veracity）。2. 工业互联网与大数据：强调数据在推进工业系统智能化变革中的基础性作用。3. 工业大数据技术架构：包括数据的采集与交换、集成与处理、建模与分析、决策与控制等几个层面。4. 数据采集与交换：涉及到各种数据源的数据提取和转换。5. 数据集成与处理：确保数据质量、清洗和格式化。6. 数据建模与分析：利用数据挖掘和机器学习等方法形成可操作的模型。7. 决策与控制应用：为决策提供支持，提升生产效率和质量。8. 技术发展现状：讨论了各种新兴技术的应用和实现情况。9. 法律声明和知识产权：强调未经授权许可不得擅自使用报告内容的法律义务。10. 编写单位和编写组成员：由工业互联网产业联盟牵头，多家知名研究机构和企业参与编写，确保了报告的权威性。

工业大数据分析是指利用统计学、机器学习、信号处理等技术，结合行业知识，对工业生产过程中产生的海量数据进行处理、分析，并从中提取有价值信息和规律的过程。 区别于其他领域，工业大数据分析更强调数理逻辑与业务问题的结合。传统的基于历史数据的分析方法往往受限于工业生产的复杂机理约束，难以满足实际需求。因此，工业大数据分析需要采用数据驱动和模型驱动双轮驱动的方式，将数据与机理深度融合，才能有效解决实际工业问题。