2) 数据处理标准
该类标准主要针对工业大数据的数据处理相关技术进行规范。包括数据采集、数据存储、 数据集成、数据分析、可视化五类标准。 其中数据采集标准包括传感器、 传感网络等标准， 确定感知和传感技术在工业领域的应用规范。 数据存储包括关系型数据存储、非结构化数据 存储等标准。 数据集成通过元数据定义通用对象实体的数据内容、格式，用于解决产品全生 命周期数据一致共享问题;通过数据接口标准对数据交换方式进行规范;通过标识标准对工 业内实体对象分类和关键数据进行唯一 ID 标识，保证内外部标识、检索和追溯的一致性。 数 据分析标准包括对数据建模技术、通用分析算法、工业领域专用算法等的规范。 可视化标准 是对工业数据处理应用过程中所需用到的可视化展现工具的技术和功能要求进行规范。
3)数据管理标准
该类标准主要针对工业大数据的数据管理相关技术进行规范。 包括工业大数据的数据质 量、能力成熟度、数据资产管理、 数据开放共享、交易等。其中数据质量标准主要针对工业 数据质量制定相应的指标要求和规格参数，确保工业数据在产生、存储、交换和使用等各个 环节中的质量，包括定义业务需求及相关业务规则，数据质量检测、 质量评价、 数据溯源等 标准。 能力成熟度标准主要对工业数据过程能力的改进框架确定规范。 数据资产管理[7]标准 主要包括数据架构管理、数据开发、数据操作管理、数据安全等标准， 给出工业数据需求定 义和实施规范， 对数据资产在使用过程中进行恰当的认证、授权、访问和审计规范，监管对 隐私性和机密性的要求，确保数据资产的完整性和安全性。 数据开放共享标准主要对向第三 方提供的开放数据包中的内容、格式等进行规范。
4) 应用服务标准
该类标准主要针对工业数据应用平台确定应用和实施规范。 包括服务平台、 重点领域和 典型场景应用数据三类标准。其中服务平台标准主要包括工业数据平台标准和测试标准， 工 业数据平台标准是针对大数据存储、处理、分析系统从技术架构、建设方案、平台接口、管 理维护等方面进行规范;测试规范针对工业数据平台给出测试方法和要求。 领域和场景应用 数据标准指的是各重点领域和典型应用场景根据其领域/场景特性产生的专用数据标准，包括 五大应用场景和十大重点应用领域。
5.3 工业大数据标准明细表
工业大数据标准明细表如表 5-2 所示。
表 5-2 工业大数据标准明细表
根据工业大数据标准体系框架，整理出于已申报及拟研制的工业大数据相关国家标准 17 项。 通过对现有各类标准情况进行分析可以得出：
( 1)工业大数据基础部分标准目前属于空缺的状态，为了更好的推进工业大数据的应用， 需要尽快完成这一部分标准的制定。
( 2) 从技术标准上来看， 除了直接引用信息技术相关的标准外，工业大数据相关的数据 处理和数据管理是工业大数据的重点和难点，标准较为缺乏。 在元数据方面，我国已经研制 的一些相关标准，可以作为工业大数据元数据规范的基础，但是仍需结合工业大数据环境和 特点，在产品、订单、业务方面加强元数据的制定和应用，同时，需要在各行业领域不断细 化相关元数据规范; 工业大数据应用和发展对数据质量的要求相对较高， 在信息技术通用数 据质量相关标准的基础上，需要研制工业大数据的数据质量标准;数据作为一种资产在制造 领域受到很高的重视， 制造领域工业大数据资产的分类及关系需要重新规范。
6 我国工业大数据工作重点建议
6.1 加强核心基础技术研究
核心基础技术研究是发展工业大数据的重要支撑， 推动工业大数据应用发展，主要任务 是构建覆盖工业全流程、全环节和产品全生命周期的数据链，在此基础上形成基于数据分析 的系统级工业智能。 开放自主可控的制造业大数据平台软件和重点领域、重点业务环节应用 软件; 突破数据存储与管理技术，提升工业领域所需各类嵌入式数据库、实时数据库、关系 型数据库产品的自主提供能力; 结合各工业领域典型需求，突破工业大数据机理模型建模技 术、知识推理技术、仿真测试、并行分析处理等高端新型工业软件核心技术，实现对海量工 业数据的可靠存储与处理， 并有效保障工业数据与工业系统的安全性。
6.2 加强工业大数据标准研制和应用推广
“智能制造、标准先行”，充分发挥标准化工作在智能制造和工业大数据发展中的基础性 和引导性作用。依据国家智能制造标准体系总体平台和建设指南，统一不同部门、不同方向 标准资源， 建立并不断完善工业大数据标准体系， 围绕大数据在工业产品研发设计、生产制 造、物流、销售、维保服务等全生命周期的应用进行相关标准及技术框架研制，针对数据集 成、互联互通等关键瓶颈问题，优先制定参考模型、元数据、数据采集、 数据接口、标识解 析、数据开放以及工业大数据平台管理等基础共性标准。 完善标准应用环境， 允许一些行业 和地方对重点标准规范先行先试，在智能制造重大示范项目中率先探索工业大数据标准应用 模式， 发挥工业企业在工业大数据标准化中的资源优势， 加强标准的试点示范和应用推广， 全面、有效推进工业大数据产业标准化，助推工业企业向智能制造方向转型。
6.3 构建工业大数据流通共享平台
按照统一的元数据、数据质量、接口、导入规范，在全国范围内分布实施，建设国家、 行业、企业三级架构的工业大数据服务平台， 统一标准， 加强共性平台建设，引导工业大数 据平台开放共享发展，完善各级服务平台之间的数据共享交互机制。 促进数据资源的融会贯通，打通各个环节数据链条，形成全流程的数据闭环。支持建设工业大数据平台， 联合国内 领先工业系统及解决方案企业、信息技术企业和工业生产企业，共同开发能够实现底层设备 数据集成、计算处理和分析的新型工业大数据平台， 支持第三方开发工业大数据分析应用。 提供工业大数据服务平台的测试与评价能力，指导和监督各级工业大数据服务平台规范建设。
6.4 探索示范应用 遵循以“需求为导向，应用促发展”的工作思路，实现工业大数据应用从报表、告警等 简单的呈现事实型应用，逐步向更加智能的预测分析服务型转变。 重点针对综合集成、协同 设计、协同制造等工业软件关键能力， 选择基础条件好、示范效应强、影响范围广的行业领 域积极开展应用示范，探索大数据产业的新模式、新业态，开展工业大数据的集成应用创新 实践，打造可复制推广样板。随着智能化改造的推进，逐步打破试点各自边界，建立试点间 企业、客户、服务互联互通的信息物理融合系统网络，逐步扩大影响范围，为最终建立全国 乃至全球性“工业 4.0”提供管理和实践经验。
7 应用案例
7.1 概述
根据工业大数据 5 种典型智能制造应用场景，以及《中国制造 2025》提出的十大重点领 域，我们选编了 13 个典型应用案例， 主要侧重点有：工业数据集成和应用、大数据技术应用 和智能制造典型场景应用。限于篇幅，每个案例仅是简要介绍，感兴趣的读者可以联系案例 单位获取进一步信息。 案例的领域和场景分布如表 7-1 所示。
表 7-1 案例的领域和场景分布表
