背景
2018年3月29日，“2018全國大數據標準化工作會議暨全國信標委大數據標準工作組第五次全會”在北京國際會議中心召開。會議發佈了《大數據標準化白皮書（2018版）》，白皮書對大數據國內外政策、產業及標準化現狀和應用做了全面梳理和分析，完善了大數據標準體系，介紹了重點國家標準，並提出了下一步工作方向。
伴隨著“智能製造 2025”國家戰略的實施，大數據應用已成為製造業生產力、競爭力、創新能力提升的關鍵，是驅動製造過程、產品、模式、管理及服務標準化、智能化的重要基礎，體現在產品全生命週期中的各個階段，工業大數據正在加速製造業的轉型升級。
製造業大數據的應用
首先，基於統一標準化思路驅動的工業大數據產品研發設計，實現研發過程的智能化，提升了創新能力、研發效率和設計質量。通過產品全生命週期數據的採集，工業大數據建模和數字仿真技術優化設計模型，及早發現設計缺陷，減少試製實驗次數，降低研發成本、提升設計效率，縮短了產品研發週期。
其次，綜合製造過程中設備、效率、成本、耗能等數據展開建模分析，實現了運行過程的狀態監測與優化工藝參數推薦。通過生產工藝過程參數，設備運行狀態參數與產品質量性能、生產線排產負荷、耗能等數據進行關聯性深度挖掘，形成數據閉環，可得出工藝參數的最優區間、車間排產計劃的最優方案、廠房能效優化的最佳調控手段等。
工業大數據技術的發展和相關標準化工作的推進，也帶來了製造業產業鏈上下游企業間各協同環節的信息共享和同步升級，企業可根據自身優劣勢分析對業務進行重新取捨，整合資源實現平臺化運營，優化價值鏈。
另外，基於大數據構建的產品故障預測系統，能幫助用戶實時掌握產品狀態，在產品出現異常前展開預測性維修。基於數據標準化思路的企業全流程的數據集成貫通與工業大數據建模分析，支撐了大規模定製為代表的典型智能製造模式。基於研發知識庫的大數據產品模塊化分析，以及協同創新平臺所整合的內外部產業鏈協同設計能力，可實現產品的個性化設計；基於工業生產大數據的互聯工廠柔性化生產能力，保障了個性化設計訂單低成本高效率的製造；結合物流大數據分析優化的物流配送系統，可充分保障個性化定製產品在最短時間內按承諾交付至用戶。
相關成功案例
案例一
海爾 COSMO Plat 空調噪音大數據智能分析
應用領域：家電行業、智能製造
應用背景：海爾膠州空調互聯工廠部署有國內唯一的分貝檢測設備，當空調測試分貝大於標準分貝時，系統判斷為不合格並將結果輸出至 COSMOPlat-IM（MES）系統，但此設備無法識別空調運行中的異音，如摩擦音、共振音、口哨音等。此外，每天快節拍、高強度的空調裝配流水線工作導致檢測工人聽取噪音時間過長，易產生疲勞和誤判，偶爾有不合格品流到下線，影響產線整體檢驗的可靠性。因此，急需找到新式噪音識別方法，解決企業當前痛點。
核心方案：基於標準化思路的核心問題研究：COSMOPlat 是海爾自主研發、自主創新的共創共贏工業互聯網平臺，通過整合平臺上的軟件及硬件資源，與美林數據共同開發了空調噪音智能檢測系統，有效地解決了無法準確、可靠識別異音的痛點。解決方案包括非結構化音頻數據實時採集與存儲、分析建模與智能識別、結果輸出與可視化展現三大部分，核心過程如下：
階段 1：模型搭建的標準化研究
針對生產線採集的大量歷史檢測音頻，利用端點檢測技術對產品運轉過程中起、停機階段的音頻區段進行智能切割，利用數字濾波技術自動對音頻進行降噪。通過特徵自動提取與樣本標定，利用機器學習技術構建智能分類模型，模擬人工判斷行為，構建標準化的模型研究思路。
階段 2：參數調優的標準化思路
智能分類模型需通過大量音頻數據進行模型訓練與優化，並驗證其準確性。算法專家利用歷史音頻對模型進行驗證與參數調優，通過不斷擴充訓練樣本及模型自學習，確保識別準確率滿足生產線質檢精度要求，最終形成一套基於標準化思路的調優方法。
階段 3：上線實施，技術標準研究成果的應用
構建音頻採集系統，實現產品分貝檢測產線對音頻的實時同步採集與型號關聯。智能識別模型自動完成音頻文件的接入、特徵提取、智能判別等工作，輸出對應產品條碼號的實時判別結果，對異音自動報警，並針對識別結果對產品異音原因進行智能分類，輔助返修排故。系統將智能檢驗結果實時反饋至企業COSMOPlat 工業互聯網平臺，支持產線質量問題在線統計與分析。
系統核心思路
項目實施過程中參考了《信息技術 大數據 術語》《非結構化數據管理系統技術要求》《信息安全技術 數據庫管理系統安全技術要求》等大數據相關標準，並與海爾工業智能研究院有限公司一起，結合項目具體實施過程中的現場問題和解決過程為《信息技術 大數據 存儲與處理系統功能測試規範》《非結構化數據訪問接口規範》《實時數據庫通用接口規範》等在研以及擬研製的大數據相關國家標準反饋了標準立項訴求和標準內容建議。
實際效果：海爾 COSMOPlat 空調噪音大數據智能分析項目通過傳感器、分貝檢測系統、業務系統、模型算法的集成與交互，在企業解放人力、減少誤判、提高檢驗可靠性等方面均有了極大提升。此項智能檢測系統的實施充分利用了設備端的嵌入式智能計算技術，以分佈式信息處理的方式實現了設備端的智能和自治，通過服務器、業務系統間的交互協作，實現了檢測系統整體的智能化。項目的實施為海爾集團在旗下其他分廠生產線部署基於聲音檢測的空調狀態智能識別系統積累了豐富經驗，為行業內公司在產線智能化改造與轉型升級等方面做出了示範。
案例二
長安汽車智能製造技術研究所衝壓質量大數據項目
應用領域：汽車工業、智能製造
長安汽車作為中國知名汽車製造企業，中國品牌汽車產銷累計已突破 1000萬輛，並連續 10 年位於中國品牌汽車銷量前茅。近些年，長安總體戰略也是從傳統汽車製造企業轉向智能製造服務型企業，重點發展科技、智能製造、服務三大方面，並在重慶本部成立了智能化中心。長安汽車某工廠衝壓車間共建有三條衝壓生產線，主要負責生產側圍、翼子板、車門、引擎蓋等輪廓尺寸較大且具有空間曲面形狀的乘用車車身覆蓋件。
目前在衝壓生產過程中，一方面由於衝壓設備性能、板材材料性能、生產加工過程參數等波動，部分側圍在拉伸工序中易產生局部開裂現象，需反覆進行參數調整與試製；另一方面，在衝壓產線線尾，需對沖壓件外觀質量進行統一檢測，現有檢測方式為人工手動檢測，需在有限生產節拍時間內，快速分揀出帶有開裂、刮傷、滑移線、凹凸包等表面缺陷的衝壓件，檢測標準不統一、穩定性不高、質檢數據難以有效量化和存儲，不利於企業數據資源收集、質量問題分析與追溯。
美林數據通過建設大數據存儲與處理平臺，實現了工廠衝壓車間的所有設備、
模具、材料、生產製造過程數據、質量檢驗數據的集成、存儲與統一管控。平臺
建設過程參考了《信息技術大數據參考架構》《大數據存儲與處理平臺技術要求》《信息技術數據質量評價指標》《非結構化數據訪問接口規範》等標準。
解決方案
依據大數據存儲與處理平臺，藉助基於機器學習的數據挖掘、基於機器視覺的智能檢測技術，實現了衝壓側圍件開裂預測與產品件表面缺陷的智能識別檢驗。
▶ 依據衝壓設備加工參數、板材參數、模具性能參數及維修記錄等，通過數據挖掘機器學習算法，建立衝壓工藝側圍開裂智能預測模型。通過樣本積累與模型訓練調優，準確預測衝壓側圍件的開裂風險。 最後，確定了衝壓製造過程影響因素間的相關性，制定了生產過程參數組合控制策略，為衝壓製造過程工藝優化和質量把控提供支持。
▶ 基於機器視覺的衝壓件缺陷智能識別檢測，立足生產線現有條件，設計圖像採集系統，通過圖像實時採集與智能分析，快速識別衝壓件是否存在表面缺陷，並自動將所有檢測圖像及過程處理數據存儲至大數據平臺。通過質檢數據、生產過程工藝參數、產品設計參數間的關聯，藉助大數據分析技術，形成衝壓產品質量問題分析管理的閉環連接，實現衝壓產品質量的精確控制和優化提升。
▶ 項目實施總體框架如下：
項目實施總體框架圖
在項目具體實施過程中，美林數據通過與長安汽車項目團隊進行業務研討及評定，綜合製造業底層數據採集、平臺數據規範設計、數據質量檢測、大數據分析總體技術要求等方面內容，編寫了企業級《製造業大數據分析業務指南》。此外，根據項目實施經驗，為工業大數據領域相關標準、應用規範的立項、研製、發佈等提供了信息反饋和經驗積累，後續將協助大數據標準工作組確定並推出相關標準內容。
案例三
江蘇省重點領域共性技術攻關項目---工業大數據元數據規範與驗證技術攻關專題---工業大數據標準體系研究及重點標準編制
應用領域：工業
1、主要攻關內容分為兩大部分：工業大數據標準體系研究和重點標準編制。
（1）工業大數據標準體系研究
全面分析智能製造發展的要求和工業大數據產業發展趨勢，研究智能製造企業的研發、生產、運營、營銷和管理方式，分析國內外工業大數據服務產業標準的現狀、趨勢和需求，梳理相關國際標準、國家標準、行業標準、團體標準、企業標準，提出符合針對智能製造相關技術研發和業務應用需求，研究工業大數據標準化需求，以指導成體系成系統的標準制定工作，形成工業大數據發展趨勢的標準體系框架和標準體系表。
（2）重點標準編制。
結合產業需求，針對現階段工業領域急需解決的問題，採用急用先行的原則，結合工業大數據標準體系框架，研製《工業大數據產品核心元數據規範》、《工業大數據 OID 標識分配與註冊解析規範》、《工業大數據 OID 對象標識符編碼與存儲規範》等重點關鍵的工業大數據領域重點標準。
2、本案例先進性和技術路線
（1）總體設計
1）各項研究任務協調配合、有機互動、整體推進
本項目研究內容包括相關技術、相關標準體系和文本的研製工作。各項工作相互配合，相互促進。
工作流程圖
2）標準研究與標準驗證、應用驗證等內容協調互動
工業大數據相關業務、產品和標準化三者之間是相互促進、相互制約的，標準的需求主要來自業務和系統的需求。這三者之間相互依託，層層遞進，協同完成項目目標。
邏輯結構圖
3）相關標準研製
工業大數據相關服務標準的制定將徵集用戶需求，並針對尚未規範化的、緊迫需要規範和統一的內容，適時推出標準內容。
以現有技術為基礎，提煉適合系統的技術及參數要求，結合技術發展趨勢，聯合相關生產廠商、學術機構、高等院校和行業協會及用戶等各方組成標準起草組共同研究標準內容。
（2）項目實施
按照標準化法規定，標準在研製過程中主要經歷起草、徵求意見、送審和報批等四個階段。
項目實施階段說明
3、案例實施
（1）江蘇中堃數據技術有限公司基於公關專題，結合工業大數據重點在線纜行業的能耗分析和預警預測、營銷分析和預警預測突破。其中通過能耗橫向對比分析，縱向時間序列分析，發現企業耗能設備，並結合入廠時間，單位產量能耗等指標，幫助企業能耗下降 5%。通過設備能源利用率分析，為企業提升10%左右的產品產量。營銷分析預測是通過分析同行業的相關數據，為決策者提供有力的決策支撐，輔助決策者做出最優的選擇。
（2）在新能源領域，江蘇中天科技軟件技術有限公司在相關標準的指導下構建智慧能源管理平臺，實現了集中數據存儲和大數據分析評估，可以輸出多維度報表；支持平臺電站資產評估分析，投融資決策；充分考慮了大數據的採集和處理穩定性和安全性。
（3）徐工信息公司結合工業大數據重點服務標準的研製和標準試點驗證系統建設，在工程機械智能製造新模式探索中積極應用該標準系統，同步開展產品核心元數據規範和 OID 標識管理規範標準驗證試點工作，同時擴展行業推廣應用。
（4）江蘇藍創智能科技股份有限公司將在橡膠機械行業智能製造新模式中推廣應用系列標準，驗證標準在該行業中產品數據描述匹配能力，提高企業有效維護和管理產品數據的能力，提升工業產品生產溯源查詢和產品數據共享能力。
（5）徐工集團牽頭承擔了標準試點驗證項目，積極參與了標準草案和驗證系統方案的編寫及討論，並在子企業進行試點，開展驗證系統對接研發和驗證系統的應用與驗證，輸出工程機械行業的標準驗證效果和相應的《應用指南》。
（6）蘇州洞察雲信息技術有限公司——星雲測試精準測試系統為銳捷網絡的大型核心交換機程序提供可視化、智能化全生命週期測試解決方案，實現以極低的硬件消耗採集設備內部進程高速運行的代碼邏輯數據，提供達到航天級別的測試數據和智能測試分析結果。
閱讀更多 兮易強企閱聞 的文章
