工业大数据驱动下“制造业+互联网”融合与创新研究

摘要：随着制造业和互联网融合的快速发展，以制造企业为核心，工业大数据为驱动的信息服务，正在推动制造业、互联网业和生产性服务行业转型升级。由于创新思维、技术体系、组织架构、政府引导等复杂原因，“制造业+互联网”融合与创新发展仍面临很多严峻挑战。在分析制造业与互联网融合创新特点、技术要求、路径发展和体系建设的基础上，提出政府、企业的融合机制，以及工业大数据未来研究发展方向。

关键词：工业大数据；主控式创新；跨界融合；

中图分类号：G203 文献标志码：A

★基金项目：工业大数据环境下多源异构数据融合与应用研究（全国统计科学研究项目：2018LY98）；基于工业大数据的除尘滤袋在线智能检测技术及系统研究（江苏省质量技术监督局2018年度科技计划项目：KJ185635）。

1、前言

随着大数据、云计算、物联网、移动互联网为代表的新兴互联网技术进入集成突破新阶段，并加速向制造业领域融合渗透，“制造业+互联网”融合创新的新一轮产业变革已经来临。以工业大数据为驱动，数据挖掘、工业云服务和融合应用解决方案作为制造企业和互联网企业融合创新生态体系中的重要载体，正不断推动生产、消费和服务方式等各方面的变革。

目前，工业大数据在制造业中的应用研究主要以明确的市场需求为前提，以工业互联网和智能制造的组织建设为目标，在产品需求分析、流程优化、工艺改良、运营决策等方面继续提高原有制造生产的价值挖潜。随着互联网业加速与制造产业链创新，互联网具有的扁平优势、规模优势和集聚优势与制造业所需的智能化生产、网络化协同、个性化定制等生产性服务要求，两者在融合创新上，仍面临平台支撑不足、应用水平不高、安全保障有待加强、体制机制亟需完善等问题[1]。本文通过分析“制造业+互联网”融合创新特点、技术要求、路径发展和体系建设等环节，提出工业大数据驱动下的融合与创新策略及未来研究发展方向。

2、制造业与互联网融合发展的突出问题

我国制造业与互联网融合发展是以制造企业为核心、相关信息服务企业为支撑，由环节渗透向综合集成发展演进，其特征在于互联与高度融合。但随着跨领域多技术融合的创新实践需求与制造业发展转型发展的内在要求，工业大数据驱动下的制造业和互联网业多个方面仍面临着严峻挑战，具体在以下四个方面：

（1）制造业未来发展路径不明确，缺乏主控式创新：目前制造企业以用户明确需求为前提，专注核心业务，通过海量工业大数据分析与挖掘，对现有产品技术和运维服务做经常性改进或突破新技术。但两种创新均需要企业明确发展目标，迅速将技术商品化，抢得市场先机，以确保该市场不会被竞争企业产品所取代[2]。

（2）缺乏工业大数据与互联网融合的技术体系：互联网大数据注重统计的显著性与分析特征之间的相关性，侧重电商和社交领域内的算法工具和模型建立，对分析结果准确性要求不高。而工业大数据具有非常强的专业性、关联性、流程性、时序性和解析性等特点，更加强调特征之间的物理关联、逻辑清晰的分析流程和与分析流程相匹配的技术体系，对预测和分析结果的容错率较低。

（3）制造企业管理模式和O2O不适应：受空间、资源等限制，传统制造业的研发设计环节主要在企业内部完成：采用金字塔式的管理组织架构，工作流传信息递层级繁多。随着协同设计、众包、虚拟仿真等新型研发模式通过互联网应用日益广泛，制造企业却缺乏专门部门组织实施O2O模式：用户数据从线上定制传输到线下生产时，用户需求是否明确具体、交易数据是否真实可靠、智能生产是否满足用户定制要求等无法快速响应并实施，O2O效率优势难以体现。制造企业实现资源共享协同的新型生产管理模式欠缺，原有组织架构和业务流程急需再造与优化[3]。

（4）生产性服务企业服务能力薄弱，技术和产业支撑能力不足：目前国内主要互联网企业虽然在大数据领域取得了相应的理论和应用研究成果，但大多数对制造行业的特性缺乏深入了解。而现有生产性服务商软件服务主要集中在较低端的CAD、企业管理软件和少量工业云平台，虽然能提供定制化服务，但总体性能层次不齐，持续服务能力没有保证，制造业与互联网融合的综合解决方案等高端软件非常缺乏。

3、工业大数据驱动下的融合与创新

工业大数据驱动下的“制造業+互联网”融合与创新实现路径主要在两个方面：一是制造全生命周期业务创新，即通过工业大数据驱动的创新产品设计、智能制造、智能服务等；二是产业互联网新业务创新，即以智能互联的工业产品为载体，承载服务产品周边生态系统的各类产业互联网业务。但制造业与互联网业属性和特征不同，企业对融合的发展也存在认识差异，“制造业+互联网”融合与创新策略需要政府、企业的通力合作[4]。

3.1 政府指引：强化战略引导，推进企业协同发展

3.1.1 突破关键核心技术，强化软件支撑作用

引导和支持企业深入研究工业大数据与互联网融合技术架构，围绕智能制造需求，突破工业大数据、物联网、互联网、工业云等综合集成关键核心技术，建立工业大数据流通标准规范，完善相关数据共享与保护法律制度，推动全链条网络化。加快计算机辅助仿真设计、产品全生命周期管理系统等基础性工业软件产品水平，强化软件支撑的智能制造基础性作用。

3.1.2 研究建立制造服务业统计指标体系，加快大数据管理局和交易所落地

首先，加强对制造业和互联网融合创新发展的规模、结构、效益等进行定性和定量分析研究。在传统的产品研发设计、互联网电子商务、售后服务等统计指标的基础上，探索研究融资租赁、设计协同、个性化定制、精准供应链管理等制造服务业新兴业态的统计指标体系，并建立信息管理和定期发布制度；其次，根据统一标准与制度，加快大数据管理局、交易所等机构落地动作，统筹决策，提供制造业、互联网等各类大数据的发展方向、交易机制、交易指数、实时评估等服务，促进其数据资源汇聚与交易撮合。

3.1.3 培育支持新兴企业与中小企业，促进新老企业之间合作

培育在研产供销服等各环节“制造业+互联网”融合创新投资的新兴企业与中小企业，对其提供咨询、资金、技术以及政策上的支持服务，鼓励依托互联网平台和工业软件积极进行产品、业务和模式创新。大力支持新兴企业与成熟企业之间的网络化合作，促进在新模式、新业务、新流程方面的协同创新，对其发展进行监测和跟踪，为政策制定提供客观依据。

3.2 企业主导：把握融合态势，依靠主控式创新

3.2.1 生产性服务企业

整合和发展一批第三方跨界融合型的生产性服务企业，既深入了解制造业需求，又拥有互联网化的组织协同能力。生产性服务企业依托融合型人才、跨学科领域模型以及多样化处理模式，为制造业提供组织架构变革、业务流程再造、资源整合等管理咨询服务，以及互联网平台搭建、产品在线检测、系统远程运维等信息技术服务。挖掘双方潜在需求，提升综合化、标准化的融合解决方案的能力，通过主控式创新，充当制造业与互联网业的“粘合剂”。

3.2.2 消费品制造企业

消费品制造企业要抓住贴近终端用户的优势，构建面向制造业的全流程、全业务O2O开放平台及业务部门，由垂直集中管理向扁平分散管理转变，由用户局部参与向全程参与转变。通过O2O平台内的数据挖掘捕捉行业最新动态、社区交互建立专业圈子、技术匹配获取精准数据资源支持、创意转化获得产品收益分享。企业从产品生产转向产品个性化服务，注重用户价值创造，从而支撑平台更快发展。

3.2.3 装备制造企业

装备制造企业尤其是传统装备制造企业和高端装备制造企业的转型升级，通过发展以智能工厂为载体的智能生产、以工业云平台为关键的智能管理、以智能互联为特征的智能产品和以智能决策为特征的智能服务，从而覆盖产品研发、生产执行、产品运维、企业管理等制造业全部环节。装备制造业依靠工业大数据、工业互联网、物联网等新一代信息技术彻底改变制造业生产组织方式和人机关系，并带来商业模式的变革。

3.2.4 互联网企业

互联网企业拥有先天的数据优势和技术优势。互联网企业通过参与产业联盟等交流平台，建立与制造业融合发展的技术体系、标准规范，促进商业大数据与工业大数据平台全面融合，实现制造能力的在线发布、协同和交易。制造业则通过对接互联网公共服务平台、跨境电商平台、物流平台等，共享互联网设备、技术和服务，打造高效协同的生产流通一体化新生态。

4、“制造业+互联网”融合下工业大数据未来研究方向

工业大数据是“制造业+互联网”融合创新的驱动力和催化剂，并广泛应用在基于产品全生命周期的数据集成、管理和数据分析应用等各个技术环节，其未来重点研究方向是：

（1）基于产品全生命周期数据管理：①产品全生命周期建模技术：研究建立面向产品全生命周期统一的、具有可扩充性的能表达完整信息的产品模型，该模型能随着产品研制自动扩张，并从设计模型自动映射为不同阶段的其它模型，同时能全面表达和评价与产品全生命周期相关的性能指标；②集成数据环境技术：工业大数据平台将产业链上不同企业、形式不同的“产品数据”通过工作流平台和产品全生命周期模型描述为单一的、标准的、可用的产品信息资源，分散在互联网上的用户可以通过统一的访问控制和追踪溯源权限对其进行增删改查操作；③产品研制协同技术：当产品在异地异时、异构系统、异种平台间进行实时动态设计和制造时，对企业内部或供应链之间进行数据协同管理。

（2）面向智慧工厂的数据分析：①数据挖掘技术：将选取后的所需数据整合成用于数据挖掘的数据集，研究通过分类、聚类、回归、预测、关联等算法将数据集所含规律尽可能以用户理解的方式表示出来；②高维数据可视化技术：工业大数据通过算法模型对其进行规律总结，将高维度的原始數据转换成可显示的低纬度数据，并通过图形和图像的可视化交互方式，帮助人们分析和理解高维数据。

5、结束语

工业大数据作为“制造业+互联网”融合与创新的核心资产，亦是制造业信息化发展到当前阶段的必然结果。它的价值不仅仅是信息化基础设施建设，更重要的是采用数据思维来管理和创新业务、优化全业务流程和提供业务管理工具。如何利用工业大数据打通企业内外部数据采集、集成、管理、分析的产业链条，是制造业和互联网融合创新的重要研究领域。

参考文献：

[1] [美]李杰（Jay Lee）著，邱伯华等译.工业大数据——工业4.0时代的工业转型与价值创造[M]. 北京：机械工业出版社，2015. 11.

[2] 孔宪光，章雄，马洪波，常建涛. 面向复杂工业大数据的实时特征提取方法研究[J]. 西安电子科技大学学报（自然科学版）， 2015（12）：78-83.

[3] 齐建军. 工业大数据专题组：提出工业大数据标准体系框架[J].《信息技术与标准化》， 2016（1）：24-25.

[4] 黄毅敏，齐二石. 工业工程视角下中国制造业发展困境与路径 [J].科学学与科学技术管理， 2015（4）：85-93

作者简介：

孙立，盐城工学院经济管理学院，副教授，硕士研究生，主要研究方向为工业大数据管理与应用。