《工業(yè)大數(shù)據(jù)導(dǎo)論》 課件 第2章 工業(yè)大數(shù)據(jù)概述

工業(yè)大數(shù)據(jù)概述工業(yè)大數(shù)據(jù)與智能制造工業(yè)大數(shù)據(jù)與大數(shù)據(jù)目錄工業(yè)大數(shù)據(jù)基本概念010103國內(nèi)現(xiàn)狀與前景040102學(xué)習(xí)目標(biāo)1.掌握工業(yè)大數(shù)據(jù)的定義2.了解工業(yè)大數(shù)據(jù)的特征3.掌握工業(yè)大數(shù)據(jù)的數(shù)據(jù)架構(gòu)4.了解工業(yè)大數(shù)據(jù)的技術(shù)架構(gòu)與應(yīng)用（平臺）架構(gòu)5.了解工業(yè)大數(shù)據(jù)與大數(shù)據(jù)、數(shù)據(jù)科學(xué)的區(qū)別6.了解新一代智能制造及其與工業(yè)大數(shù)據(jù)的關(guān)系01工業(yè)大數(shù)據(jù)基本概念工業(yè)大數(shù)據(jù)基本概念工業(yè)大數(shù)據(jù)基本概念工業(yè)大數(shù)據(jù)發(fā)展背景工業(yè)大數(shù)據(jù)定義工業(yè)大數(shù)據(jù)特征工業(yè)大數(shù)據(jù)數(shù)據(jù)架構(gòu)工業(yè)大數(shù)據(jù)應(yīng)用（平臺）架構(gòu)工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)工業(yè)大數(shù)據(jù)發(fā)展背景大數(shù)據(jù)技術(shù)的發(fā)展，使得上世紀90年代第二次陷入低谷的人工智能領(lǐng)域再次迎來曙光，并進入到“新一代人工智能”時代。相應(yīng)的，工業(yè)領(lǐng)域也因工業(yè)大數(shù)據(jù)技術(shù)等的突破而正式迎來“第四次工業(yè)革命”，這也引起世界各國的高度重視。近年來，世界上的工業(yè)巨頭國家紛紛推出針對性的國家戰(zhàn)略，以期占領(lǐng)新工業(yè)的制高點。12012年2月，美國發(fā)布《先進制造業(yè)國家戰(zhàn)略計劃》報告，后發(fā)布《2014年全球大數(shù)據(jù)白皮書》，指出：要提高分析運營和交易數(shù)據(jù)的能力；洞察客戶線上消費行為以提供新的高度復(fù)雜產(chǎn)品；對重點機器和設(shè)備進行更加深入的感知。工業(yè)大數(shù)據(jù)發(fā)展背景22013年4月，德國將“工業(yè)4.0”上升至國家戰(zhàn)略，強調(diào)通過信息互聯(lián)技術(shù)與傳統(tǒng)工業(yè)制造的深度融合，使產(chǎn)品與設(shè)備之間、工業(yè)內(nèi)部縱向之間、工廠與工廠之間，都能通過信息物理系統(tǒng)連接為一個整體，從而實現(xiàn)智能化生產(chǎn)。32015年，法國推出“新工業(yè)法國Ⅱ”計劃，全面學(xué)習(xí)德國工業(yè)4.0，又在同年5月公布未來工業(yè)計劃，主要目標(biāo)是建立更為互聯(lián)互通、更具競爭力的法國工業(yè)。工業(yè)大數(shù)據(jù)發(fā)展背景42015年5月，中國國務(wù)院印發(fā)《中國制造2025》規(guī)劃，提出將重點推動兩化（信息化與工業(yè)化）深度融合，把智能制造作為主攻方向，著力發(fā)展智能設(shè)備和智能產(chǎn)品，推進生產(chǎn)過程智能化；同年12月，《國家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2015年版）》發(fā)布，并確定工業(yè)大數(shù)據(jù)屬于智能制造標(biāo)準(zhǔn)體系五大關(guān)鍵技術(shù)之一。工業(yè)大數(shù)據(jù)定義工業(yè)大數(shù)據(jù)：指在工業(yè)領(lǐng)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(fā)、設(shè)計、工藝、制造、采購、發(fā)貨和交付、售后服務(wù)、運維、報廢或回收再制造等整個產(chǎn)品全生命周期各個環(huán)節(jié)所產(chǎn)生的各類數(shù)據(jù)及相關(guān)技術(shù)和應(yīng)用的總稱。廣義的工業(yè)大數(shù)據(jù)應(yīng)分為各類工業(yè)數(shù)據(jù)、工業(yè)大數(shù)據(jù)技術(shù)和工業(yè)大數(shù)據(jù)應(yīng)用三大部分。工業(yè)大數(shù)據(jù)定義：工業(yè)數(shù)據(jù)來源企業(yè)信息化數(shù)據(jù)包括產(chǎn)品研發(fā)數(shù)據(jù)、生產(chǎn)性數(shù)據(jù)、經(jīng)營性數(shù)據(jù)、客戶信息數(shù)據(jù)、物流供應(yīng)數(shù)據(jù)以及環(huán)境數(shù)據(jù)，以上均屬于工業(yè)領(lǐng)域的傳統(tǒng)數(shù)據(jù)資產(chǎn)。企業(yè)信息化數(shù)據(jù)工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)外部跨界數(shù)據(jù)工業(yè)數(shù)據(jù)三大來源工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)指工業(yè)設(shè)備和產(chǎn)品快速產(chǎn)生的且存在時間序列差異的大量數(shù)據(jù)，也是新的、增長最快的數(shù)據(jù)來源。外部跨界數(shù)據(jù)則是由企業(yè)外部互聯(lián)網(wǎng)來源的數(shù)據(jù)，如環(huán)境法規(guī)、宏觀社會經(jīng)濟數(shù)據(jù)等。工業(yè)大數(shù)據(jù)定義：工業(yè)大數(shù)據(jù)技術(shù)工業(yè)大數(shù)據(jù)技術(shù)包括數(shù)據(jù)采集、預(yù)處理、數(shù)據(jù)存儲、數(shù)據(jù)分析、可視化以及智能控制等，與傳統(tǒng)數(shù)據(jù)挖掘的過程相似，即從大量的、不完全的、有噪聲的、隨機的數(shù)據(jù)中提取隱藏而有用的信息和知識。但在大數(shù)據(jù)背景下，傳統(tǒng)技術(shù)不再具備處理海量數(shù)據(jù)集的能力，因此進行數(shù)據(jù)準(zhǔn)備與數(shù)據(jù)處理的工具和技術(shù)因此發(fā)生了巨大的更替。工業(yè)大數(shù)據(jù)定義：工業(yè)大數(shù)據(jù)應(yīng)用工業(yè)大數(shù)據(jù)應(yīng)用是指對特定的工業(yè)大數(shù)據(jù)集，集成應(yīng)用工業(yè)大數(shù)據(jù)技術(shù)，以獲得有價值信息的過程。智能化設(shè)計智能化生產(chǎn)智能化服務(wù)網(wǎng)絡(luò)協(xié)同化制造個性化定制等工業(yè)大數(shù)據(jù)典型應(yīng)用工業(yè)大數(shù)據(jù)特征作為工業(yè)領(lǐng)域中的大數(shù)據(jù)，工業(yè)大數(shù)據(jù)既具有大數(shù)據(jù)的普適特征，也具有獨有的特征。海量性（Volume）數(shù)據(jù)量的大小決定所考慮的數(shù)據(jù)的價值和潛在的信息；大量機器設(shè)備的高頻數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)持續(xù)涌入，使得工業(yè)數(shù)據(jù)體量較大，大型工業(yè)企業(yè)的數(shù)據(jù)集將達到PB級，甚至EB級別。多樣性（Variety）數(shù)據(jù)類型的多樣性和來源廣泛；工業(yè)數(shù)據(jù)分布廣泛，分布于機器設(shè)備、工業(yè)產(chǎn)品、管理系統(tǒng)、互聯(lián)網(wǎng)等各個環(huán)節(jié)，并且結(jié)構(gòu)復(fù)雜，既有結(jié)構(gòu)化和半結(jié)構(gòu)化的傳感數(shù)據(jù)，也有非結(jié)構(gòu)化數(shù)據(jù)。工業(yè)大數(shù)據(jù)特征價值性（Value）即價值密度低，任何有價值的信息的提取都是基于海量的數(shù)據(jù)；相反也說明個別數(shù)據(jù)的缺失或錯誤并不會對大數(shù)據(jù)價值的提取造成巨大影響?？焖傩裕╒elocity）指獲取和處理數(shù)據(jù)的速度快，工業(yè)數(shù)據(jù)處理速度需求多樣，生產(chǎn)現(xiàn)場要求時間分析達到毫秒級，即接近實時的要求；管理與決策應(yīng)用則需要支持交互式或批量數(shù)據(jù)分析。工業(yè)大數(shù)據(jù)特征準(zhǔn)確性（Accuracy）工業(yè)大數(shù)據(jù)更加關(guān)注數(shù)據(jù)質(zhì)量，對數(shù)據(jù)分析的置信度要求較高，僅依靠統(tǒng)計相關(guān)性分析不足以支撐故障診斷、預(yù)測預(yù)警等工業(yè)應(yīng)用，需要將物理模型與數(shù)據(jù)模型結(jié)合，挖掘因果關(guān)系。強關(guān)聯(lián)性（Strong-relevance）一方面指產(chǎn)品生命周期同一階段的數(shù)據(jù)具有強關(guān)聯(lián)性，如產(chǎn)品零部件組成、工況、設(shè)備狀態(tài)、維修情況、零部件補充采購等；另一方面指產(chǎn)品生命周期的研發(fā)設(shè)計、生產(chǎn)、服務(wù)等不同環(huán)節(jié)的數(shù)據(jù)之間需要進行關(guān)聯(lián)。工業(yè)大數(shù)據(jù)特征閉環(huán)性（Closed-loop）包括產(chǎn)品全生命周期橫向過程中數(shù)據(jù)鏈條的封閉和關(guān)聯(lián)，以及縱向數(shù)據(jù)采集和處理過程中，需要支撐狀態(tài)感知、分析、反饋、控制等閉環(huán)場景下的動態(tài)持續(xù)調(diào)整和優(yōu)化。工業(yè)大數(shù)據(jù)數(shù)據(jù)架構(gòu)工業(yè)領(lǐng)域的海量數(shù)據(jù)本身并不是人們關(guān)注的重點，關(guān)鍵在于工業(yè)數(shù)據(jù)所能帶來的價值，而這主要通過企業(yè)維的縱向數(shù)據(jù)以及產(chǎn)品維的橫向數(shù)據(jù)進行集成以在價值維度上實現(xiàn)價值增長。工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)企業(yè)維度描述企業(yè)信息化數(shù)據(jù)產(chǎn)品維度描述工業(yè)大數(shù)據(jù)數(shù)據(jù)架構(gòu)：企業(yè)維就企業(yè)維度而言，企業(yè)在生產(chǎn)制造過程中主要會產(chǎn)生以下數(shù)據(jù)?！驹O(shè)備層】設(shè)備層的物理器件由機床、機器人以及相關(guān)的傳感器、儀表等組成，產(chǎn)生的數(shù)據(jù)包括設(shè)備內(nèi)部運行狀態(tài)數(shù)據(jù)、設(shè)備外部環(huán)境狀態(tài)數(shù)據(jù)等。【控制層】控制層由可編程邏輯控制器（PLC）、數(shù)控機床（CNC）、數(shù)據(jù)采集與監(jiān)控系統(tǒng)（SCADA）、分布式控制系統(tǒng)（DCS）和現(xiàn)場總線等組成，主要完成設(shè)備控制命令的下達、設(shè)備數(shù)據(jù)的采集與傳輸?shù)?。【車間層】車間層即制造執(zhí)行系統(tǒng)（MES），主要產(chǎn)生由制造數(shù)據(jù)管理、計劃排程管理、生產(chǎn)調(diào)度管理、庫存管理、質(zhì)量管理和人力資源管理等包含的數(shù)據(jù)?！酒髽I(yè)層】企業(yè)層數(shù)據(jù)包括產(chǎn)品設(shè)計數(shù)據(jù)、工藝過程設(shè)計數(shù)據(jù)、客戶關(guān)系管理數(shù)據(jù)、企業(yè)資源管理數(shù)據(jù)、企業(yè)資產(chǎn)管理數(shù)據(jù)、供應(yīng)鏈管理數(shù)據(jù)和運行維護數(shù)據(jù)等。【協(xié)同層】協(xié)同層包括企業(yè)與企業(yè)間協(xié)同和企業(yè)與用戶間協(xié)同，前者產(chǎn)生的數(shù)據(jù)包括協(xié)同制造、產(chǎn)能共享等，后者包括個性化定制、服務(wù)型制造的商業(yè)模式等。工業(yè)大數(shù)據(jù)數(shù)據(jù)架構(gòu)：產(chǎn)品維就產(chǎn)品維度而言，產(chǎn)品的全生命周期主要會產(chǎn)生下列數(shù)據(jù)?！驹O(shè)計】設(shè)計層包括用戶需求與產(chǎn)品設(shè)計兩大方面，用戶的個性化定制需求是產(chǎn)品設(shè)計數(shù)據(jù)來源，而產(chǎn)品設(shè)計則是根據(jù)需求進行計算機輔助設(shè)計（CAD）、計算機輔助分析工程（CAE）、計算機輔助工藝過程設(shè)計（CAPP）、計算機輔助制造（CAM）?！旧a(chǎn)】生產(chǎn)層即產(chǎn)品在制造過程中產(chǎn)生的數(shù)據(jù)，如產(chǎn)品制造狀態(tài)數(shù)據(jù)等?！疚锪鳌课锪鲗影ㄟ\輸、倉儲、搬運裝卸、包裝及流通加工等貨物流通環(huán)節(jié)涉及的數(shù)據(jù)?！句N售】銷售層包括商品類型、尺寸、型號、銷售類別、售價、銷量以及贈品等方面的數(shù)據(jù)?！痉?wù)】服務(wù)層包括產(chǎn)品安裝、調(diào)試，技術(shù)指導(dǎo)以及定期保養(yǎng)維護等方面的數(shù)據(jù)。工業(yè)大數(shù)據(jù)數(shù)據(jù)架構(gòu)：價值維價值維度可由縱向集成、橫向集成以及端到端集成共同實現(xiàn)?？v向集成橫向集成端到端集成從企業(yè)角度，將設(shè)備層產(chǎn)生的數(shù)據(jù)到協(xié)同層的數(shù)據(jù)層層打通，實現(xiàn)縱向集成，則企業(yè)的生產(chǎn)在更加高效、低成本同時，更能有效提高產(chǎn)品質(zhì)量；因此，縱向數(shù)據(jù)價值的根本落腳點在于產(chǎn)品質(zhì)量保障，故可稱縱向數(shù)據(jù)為“制造型數(shù)據(jù)”。從產(chǎn)品的角度，將設(shè)計環(huán)節(jié)到售后服務(wù)乃至產(chǎn)品報廢或回收再利用的全生命周期內(nèi)產(chǎn)生的數(shù)據(jù)打通，實現(xiàn)橫向集成，則產(chǎn)品設(shè)計制造更符合用戶需求，物流更精準(zhǔn)快捷，銷售更便捷透明，服務(wù)更及時周到，無不體現(xiàn)出橫向數(shù)據(jù)價值的根本落腳點在于用戶滿意度保障，故可稱橫向數(shù)據(jù)為“服務(wù)型數(shù)據(jù)”。企業(yè)還應(yīng)充分利用端到端集成的優(yōu)勢，即在縱向?qū)优c橫向?qū)拥乃协h(huán)節(jié)中，企業(yè)應(yīng)牢牢抓住幾個關(guān)鍵環(huán)節(jié)實現(xiàn)端到端自主控制以“揚長”，又應(yīng)借助云平臺環(huán)境使其他環(huán)節(jié)變得易于實現(xiàn)以“補短”，從而達到產(chǎn)品讓用戶滿意的最終目的。工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)主要分為四個層次，分別為數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)分析層以及數(shù)據(jù)應(yīng)用層?！緮?shù)據(jù)采集層】這是連接工業(yè)現(xiàn)場與非工業(yè)現(xiàn)場的環(huán)節(jié)，主要通過各類傳感器對所需數(shù)據(jù)進行監(jiān)測以及數(shù)據(jù)采集，并通過以太網(wǎng)或局域網(wǎng)進行數(shù)據(jù)的實時傳輸至PC；而某些情況下采集的源數(shù)據(jù)是多維異構(gòu)的，則還需要進行數(shù)據(jù)清洗、規(guī)約等預(yù)處理。【數(shù)據(jù)存儲層】是將采集的工業(yè)數(shù)據(jù)進行本地化、邊緣化存儲，或?qū)?shù)據(jù)上傳至云端存儲，甚至也可存于移動端中；而根據(jù)數(shù)據(jù)的實時性，存儲的數(shù)據(jù)可分為實時數(shù)據(jù)和歷史數(shù)據(jù)。工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)主要分為四個層次，分別為數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)分析層以及數(shù)據(jù)應(yīng)用層?！緮?shù)據(jù)分析層】包括數(shù)據(jù)提取和挖掘分析，通過從大數(shù)據(jù)存儲系統(tǒng)中抽取所需的數(shù)據(jù)并分析，來獲取有價值的特征信息；其中數(shù)據(jù)分析可借助Spark、Storm或Flink等計算引擎。【數(shù)據(jù)應(yīng)用層】利用數(shù)據(jù)挖掘分析得到的結(jié)果切實應(yīng)用于實際生產(chǎn)生活中，使得企業(yè)或用戶的需求得到更好的滿足；以數(shù)據(jù)可視化為例，譬如機床健康保障，雷達圖的應(yīng)用使得機床關(guān)鍵部件的健康狀態(tài)分布呈現(xiàn)得更加直觀，為機床維護提供及時的參考信息等。工業(yè)大數(shù)據(jù)應(yīng)用（平臺）架構(gòu)工業(yè)大數(shù)據(jù)技術(shù)作為智能制造關(guān)鍵技術(shù)之一，在智能制造產(chǎn)業(yè)鏈中主要有大規(guī)模個性化定制、智能化設(shè)計、智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同制造和智能化服務(wù)五大典型應(yīng)用；這幾乎包含了產(chǎn)品生命周期大部分環(huán)節(jié)，但也說明了工業(yè)大數(shù)據(jù)技術(shù)給整個產(chǎn)業(yè)鏈帶來的顛覆性變化?！暗谒纳a(chǎn)要素”——工業(yè)大數(shù)據(jù)如果說傳統(tǒng)的三大生產(chǎn)要素是土地、資本和勞動力，那么大數(shù)據(jù)，將可以稱得上是“第四生產(chǎn)要素”，簡言之，工業(yè)大數(shù)據(jù)的價值就是通過精準(zhǔn)對接需求與資源耗費，達到人與自然和諧相處、人與人和諧相處的目的。。02工業(yè)大數(shù)據(jù)與大數(shù)據(jù)工業(yè)大數(shù)據(jù)與大數(shù)據(jù)大數(shù)據(jù)與數(shù)據(jù)科學(xué)工業(yè)大數(shù)據(jù)與傳統(tǒng)大數(shù)據(jù)工業(yè)大數(shù)據(jù)與大數(shù)據(jù)大數(shù)據(jù)與數(shù)據(jù)科學(xué)：大數(shù)據(jù)大數(shù)據(jù)改變了傳統(tǒng)的思維模式：從過去的“數(shù)據(jù)-知識-問題”的知識范式變成如今的“數(shù)據(jù)-問題”的數(shù)據(jù)驅(qū)動范式。大數(shù)據(jù)顛覆了傳統(tǒng)意義上對數(shù)據(jù)功能屬性的認識：智能化提升的途徑從原來認為的更復(fù)雜化算法轉(zhuǎn)變?yōu)椤昂Ａ繑?shù)據(jù)+簡單算法=最優(yōu)模型”。大數(shù)據(jù)令問題的剖析從以往的解釋性分析過渡到通過事物間的相關(guān)性來進行預(yù)測，但也不能完全忽略根本上的因果關(guān)系。大數(shù)據(jù)也顛覆了傳統(tǒng)的人才培養(yǎng)模式：較以往執(zhí)行數(shù)據(jù)組織、管理、備份恢復(fù)等工作的“數(shù)據(jù)工程師”，數(shù)據(jù)相關(guān)人才將晉升為基于數(shù)據(jù)的管理，進行數(shù)據(jù)分析決策、數(shù)據(jù)產(chǎn)品開發(fā)和業(yè)務(wù)定義等創(chuàng)造性工作的“數(shù)據(jù)科學(xué)家”。大數(shù)據(jù)（BigData）：指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)與數(shù)據(jù)科學(xué)：數(shù)據(jù)科學(xué)數(shù)據(jù)科學(xué)：是大數(shù)據(jù)背景下催生的一門新興學(xué)科。專業(yè)數(shù)據(jù)科學(xué)專業(yè)中的數(shù)據(jù)科學(xué)數(shù)據(jù)科學(xué)大數(shù)據(jù)與數(shù)據(jù)科學(xué)：數(shù)據(jù)科學(xué)數(shù)據(jù)科學(xué)：是大數(shù)據(jù)背景下催生的一門新興學(xué)科。專業(yè)數(shù)據(jù)科學(xué)專業(yè)數(shù)據(jù)科學(xué)強調(diào)大數(shù)據(jù)的基礎(chǔ)性、系統(tǒng)性和普適性的獨立于傳統(tǒng)科學(xué)的新興學(xué)科，旨在研究出一套完整的關(guān)于大數(shù)據(jù)的知識體系。專業(yè)中的數(shù)據(jù)科學(xué)指依存于某一專業(yè)領(lǐng)域的大數(shù)據(jù)研究，與專業(yè)的耦合度較高，強調(diào)學(xué)科交叉性，其研究有消費大數(shù)據(jù)、健康大數(shù)據(jù)、工業(yè)大數(shù)據(jù)以及生物大數(shù)據(jù)等。專業(yè)中的數(shù)據(jù)科學(xué)工業(yè)大數(shù)據(jù)與傳統(tǒng)大數(shù)據(jù)工業(yè)大數(shù)據(jù)以及其他傳統(tǒng)大數(shù)據(jù)均屬于“專業(yè)中的數(shù)據(jù)科學(xué)”范疇，但作為工業(yè)領(lǐng)域中的大數(shù)據(jù)，工業(yè)大數(shù)據(jù)與傳統(tǒng)大數(shù)據(jù)在環(huán)節(jié)和應(yīng)用上仍存在較大差異，以工業(yè)大數(shù)據(jù)與消費大數(shù)據(jù)的對比為例，如下表所示。環(huán)節(jié)和應(yīng)用消費大數(shù)據(jù)工業(yè)大數(shù)據(jù)數(shù)據(jù)采集通過門戶網(wǎng)站等交互渠道采集，對實時性要求不高通過傳感器等感知技術(shù)采集，對實時性要求較高數(shù)據(jù)存儲數(shù)據(jù)關(guān)聯(lián)性低，存儲自由數(shù)據(jù)關(guān)聯(lián)性高，存儲復(fù)雜數(shù)據(jù)分析通用的大數(shù)據(jù)分析算法進行相關(guān)性分析專業(yè)算法進行精確性分析數(shù)據(jù)可視化數(shù)據(jù)分析結(jié)果可視化數(shù)據(jù)分析結(jié)果可視化、3D工業(yè)場景可視化閉環(huán)控制一般無需閉環(huán)反饋自動化閉環(huán)反饋控制工業(yè)大數(shù)據(jù)與消費大數(shù)據(jù)對照表03工業(yè)大數(shù)據(jù)與智能制造工業(yè)大數(shù)據(jù)與智能制造新一代智能制造工業(yè)大數(shù)據(jù)在智能制造作用工業(yè)大數(shù)據(jù)與智能制造新一代智能制造制造業(yè)的發(fā)展史如下表所示。制造模式制造系統(tǒng)功能機械化制造HPS（人-物理系統(tǒng)）代替部分體力勞動（執(zhí)行）數(shù)字化制造、數(shù)字化網(wǎng)絡(luò)化制造HCPS(人-信息-物理系統(tǒng))代替大量體力勞動（執(zhí)行）；代替部分腦力勞動，人的相關(guān)制造經(jīng)驗和知識轉(zhuǎn)移到信息系統(tǒng)（感知、分析決策、控制）新一代智能制造新一代HCPS（新一代人-信息-物理系統(tǒng)）代替更多體力勞動（執(zhí)行）；代替大量腦力勞動包括部分創(chuàng)造性腦力勞動（感知、分析決策、學(xué)習(xí)認知、控制）各種制造模式下的技術(shù)機理對照表以機床為例，傳統(tǒng)機床需要手工對刀、加工、變速等，盡管機床輔助人力實現(xiàn)了工件加工，但許多步驟還需人控制，使得加工精度和效率較低；數(shù)控機床則通過數(shù)控編程與控制技術(shù)有效改善了上述情況，但工件的上下料、加工軌跡的制定等某些環(huán)節(jié)仍舊依賴于人力；而新一代智能制造下的智能機床則不僅能通過智能機器人實現(xiàn)物料儲運，還能在省去人力編程同時，通過學(xué)習(xí)認知以優(yōu)化加工，實現(xiàn)更高質(zhì)高效的制造。新一代智能制造新一代智能制造（即數(shù)字化網(wǎng)絡(luò)化智能化制造）的興起由多項因素共同決定。因此，新一代智能制造最本質(zhì)的特征便是具備認知和學(xué)習(xí)的能力，這極大地解放了人的體力和腦力，使人可以從事更有意義的創(chuàng)造性工作；同時也實現(xiàn)人機深度融合，從根本上提高制造系統(tǒng)處理復(fù)雜性、不確定性問題的能力，極大地優(yōu)化制造系統(tǒng)的性能。1.廣大的用戶群體提出不斷增長的個性化消費需求；2.自然資源能源環(huán)境的約束進一步加大；而現(xiàn)有的制造業(yè)體系和制造水平已難以滿足高端、個性、智能化產(chǎn)品和服務(wù)的需求；3.新一代人工智能技術(shù)，包括大數(shù)據(jù)、云計算等新一代信息技術(shù)取得戰(zhàn)略性突破；這極大地提高了新一代智能制造的可行性。工業(yè)大數(shù)據(jù)在智能制造的作用由下圖智能制造標(biāo)準(zhǔn)體系結(jié)構(gòu)可知，實現(xiàn)智能制造的技術(shù)路徑主要有五大關(guān)鍵技術(shù)：智能設(shè)備、智能工廠、智能服務(wù)、工業(yè)軟件和大數(shù)據(jù)以及工業(yè)互聯(lián)網(wǎng)；作為關(guān)鍵技術(shù)之一的工業(yè)大數(shù)據(jù)技術(shù)，其主要作用便是打通物理世界和信息世界，推動生產(chǎn)型制造向服務(wù)型制造轉(zhuǎn)型。04國內(nèi)現(xiàn)狀與前景國內(nèi)現(xiàn)狀與前景工業(yè)大數(shù)據(jù)作為一項研究熱點持續(xù)發(fā)展，雖然國內(nèi)在工業(yè)大