5月13日，工信部發布《關于工業大數據發展的指導意見》(以下簡稱《意見》)。對我國工業大數據發展進行了全面部署，進一步促進大數據與工業深度融合。
工業大數據是工業領域產品和服務全生命周期數據的總稱，包括工業企業在研發設計、生產制造、運營管理、運維服務等環節中生成和使用的數據，以及工業互聯網平臺中的數據等。其日益成為提升企業生產力、競爭力和創新力的關鍵要素，對于支撐智能制造和工業轉型升級方面有著舉足輕重的作用。
一、建設背景
“數據”引領變革，數據集中管控必不可少，如何做好數據共享和數據分析、如何發揮數據資產價值最大化是工業轉型升級的首要目標。
傳統的數據中心在應對海量數據存儲、非結構化數據處理、大數據挖掘分析等方面存在不足，有必要構建基于工業大數據的新一代數據中心，滿足企業對工業大數據集中管控、處理、分析及利用，為企業構建在線感知、實時分析、智能決策、精準執行的能力，支撐企業從生產型制造向服務型制造轉型。
二、問題與挑戰
缺乏統一的信息資源規劃
原有信息化建設缺乏統一的信息資源規劃，“信息孤島”現象嚴重，內部缺乏統一的數據標準，導致企業大量內部信息共享利用不暢。
缺乏海量數據管理能力
企業的工業大數據在數據采集、存儲、檢索、處理方面給傳統數據中心帶來巨大挑戰，傳統數據中心無法應對海量數據的高速采集、線性擴容、快速計算、高效檢索。
缺乏大數據整合能力
業務數據、圖文檔及音視頻數據、智能設備實時數據、外部數據等都是企業智能決策的有力支撐，傳統數據中心平臺缺乏各類數據整合處理能力。
無法滿足智能化需求
智能制造是大勢所趨，傳統數據中心關注數據集中管控，無法滿足數據的智能化應用需求。
三、解決方案
數據中心框架圖
數據集中管控
為產品全生命周期數據提供集中存儲，提供大數據統一管理平臺，包括但不限于數據質量管理、存儲管理、大數據計算管理、算法管理。
支持多源數據整合
提供各類源數據向數據中心的抽取、傳輸、轉換和加載，支持對海量及動態變化的物聯網數據集成，支持對各類文檔、視頻、模型、圖紙等非結構化數據的集成。
數據挖掘分析
基于大數據技術對工程制造、企業管理等方面的數據進行分析、挖掘。通過運營輔助決策、預算評估、風險預警等應用，為決策層提供科學的決策支撐;通過生產可視化、運營可視化、生產協同、采購協同等應用，為管理層提供生產運營過程的透明化管理;通過設備故障智能診斷、工藝參數優化、產品質量分析等應用，幫助執行層解決業務關鍵問題。
四、建設成果
1、建立825個核心數據實體模型，梳理了12972個標準屬性，對企業工業大數據資產進行全面盤點。
2、為企業構建新一代工業大數據中心平臺，包括大數據基礎平臺、大數據采集交換平臺、數據資產管理平臺、大數據分析平臺。
3、圍繞科研、生產、制造、質量構建173項智能決策指標，針對發動機試車故障診斷、發動機機匣摩擦原因分析、鼓筒慣性磨擦焊接異常等業務難點建設了5個專項大數據試點應用。
4、智能車間核心業務流程的數字化率提升至80%，企業核心業務流程數字化率達85%，企業及智能化車間核心業務指標覆蓋率達70%，產品質量合格率提升5%。
評論