5月13日，工信部发布《关于工业大数据发展的指导意见》(以下简称《意见》)。对我国工业大数据发展进行了全面部署，进一步促进大数据与工业深度融合。
工业大数据是工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、运营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台中的数据等。其日益成为提升企业生产力、竞争力和创新力的关键要素，对于支撑智能制造和工业转型升级方面有着举足轻重的作用。
一、建设背景
“数据”引领变革，数据集中管控必不可少，如何做好数据共享和数据分析、如何发挥数据资产价值最大化是工业转型升级的首要目标。
传统的数据中心在应对海量数据存储、非结构化数据处理、大数据挖掘分析等方面存在不足，有必要构建基于工业大数据的新一代数据中心，满足企业对工业大数据集中管控、处理、分析及利用，为企业构建在线感知、实时分析、智能决策、精准执行的能力，支撑企业从生产型制造向服务型制造转型。
二、问题与挑战
缺乏统一的信息资源规划
原有信息化建设缺乏统一的信息资源规划，“信息孤岛”现象严重，内部缺乏统一的数据标准，导致企业大量内部信息共享利用不畅。
缺乏海量数据管理能力
企业的工业大数据在数据采集、存储、检索、处理方面给传统数据中心带来巨大挑战，传统数据中心无法应对海量数据的高速采集、线性扩容、快速计算、高效检索。
缺乏大数据整合能力
业务数据、图文档及音视频数据、智能设备实时数据、外部数据等都是企业智能决策的有力支撑，传统数据中心平台缺乏各类数据整合处理能力。
无法满足智能化需求
智能制造是大势所趋，传统数据中心关注数据集中管控，无法满足数据的智能化应用需求。
三、解决方案
数据中心框架图
数据集中管控
为产品全生命周期数据提供集中存储，提供大数据统一管理平台，包括但不限于数据质量管理、存储管理、大数据计算管理、算法管理。
支持多源数据整合
提供各类源数据向数据中心的抽取、传输、转换和加载，支持对海量及动态变化的物联网数据集成，支持对各类文档、视频、模型、图纸等非结构化数据的集成。
数据挖掘分析
基于大数据技术对工程制造、企业管理等方面的数据进行分析、挖掘。通过运营辅助决策、预算评估、风险预警等应用，为决策层提供科学的决策支撑;通过生产可视化、运营可视化、生产协同、采购协同等应用，为管理层提供生产运营过程的透明化管理;通过设备故障智能诊断、工艺参数优化、产品质量分析等应用，帮助执行层解决业务关键问题。
四、建设成果
1、建立825个核心数据实体模型，梳理了12972个标准属性，对企业工业大数据资产进行全面盘点。
2、为企业构建新一代工业大数据中心平台，包括大数据基础平台、大数据采集交换平台、数据资产管理平台、大数据分析平台。
3、围绕科研、生产、制造、质量构建173项智能决策指标，针对发动机试车故障诊断、发动机机匣摩擦原因分析、鼓筒惯性磨擦焊接异常等业务难点建设了5个专项大数据试点应用。
4、智能车间核心业务流程的数字化率提升至80%，企业核心业务流程数字化率达85%，企业及智能化车间核心业务指标覆盖率达70%，产品质量合格率提升5%。
评论