术语言、统一逻辑架构、统一业务语言和统一知识基座。 5.2.4 物联能力应评估企业工业边缘/网络能力、数据采集和生产/运营管控的情况。工业边缘/网络能 力重点评估企业新型网络覆盖情况，以及工业互联网标识解析的使用情况、边缘计算节点数量等。数据 采集重点评估数据采集自动化率、数据采集颗粒度和数据采集更新频率等。生产/运营管控重点评估企 业智能生产及运营管控情况、产品全生命周期可追溯等方面。 5.2.5 智联能力应评估企业数据开发和智能决策的情况。通过全要素、全价值链和全产业链的连接、 解耦和重构，实现对企业成本、质量、效益的优化和新技术、新产品、新模式的培育。从 5G、人工智 能到工业/产业互联网，构成数据采集、传输、计算、分析、应用的数据闭环。 5.3 数字化效益 5.3.1 数字化效益主要评估企业的数字绩效和可持续发展能力。 5.3.2 数字化绩效主要评估企业利用企业内部的资源和合作伙伴、供应商、客户一起创造新型组织模 性）进行定性和定量评估。评价指标体 系按照集团公司、园区和企业三个层面，企业按行业不同分为制造类、能源类、建筑类、商贸服务类、 金融服务类和功能保障类，具体见附录A、B、C、D、E、F、G、H，具体采集项视实际情况而定。并依据 评估模型，计算评价结果。 6.1 评估模型 整体评定按“组织战略”、“数字化运营”和“效益结果评估”组成（见图2）。 图 2 评估模型 6.2 评估方案 具体评价方案见附录I。

非常广泛，从传统行业如医疗、教育、金融、旅游，到新兴产业如电商、计算 广告、可穿戴设备、机器人等。大数据技术更是国家科技发展和智慧城市建设 的基础。当前“互联网+”新业态的发展，其核心也是大数据的采集、分析、价值 挖掘和应用。 2013 年称为大数据元年，几乎所有的大型互联网企业都将业务范围延伸 至大数据产业。电子商务平台、社交平台、门户网站等，都存在着大数据的影 子。大数据也由技术热词 山东移动大数据平台： 截止今年 11 月份正式环境已搭建了 300 台基于 X86 服务器的大数据集群， 实现了 B 域的全量数据接入、O 域及 M 域部分数据（Gn、Mc 口信令数据）的 采集和处理，总存储量达到 1.12P。 平台架构采用 Hadoop、MPP 数据库混搭模式。 对内实现了对领导决策、一线支撑、智能营销方面的应用，提高了业务部 门效率与体验。 对外与南山集团、山 位建立合作关系，探索基于大数据的项目合作。 湖北移动大数据平台： 搭建了 236 台基于 X86 服务器的大数据集群（截至 11 月 13 号），采用 了分布式存储计算、内存处理、流处理等技术，实现了 B 域、O 域数据的采集 和处理，承载了互联网渠道运营、智慧客流、战略地图、POP 系统、流量运营 等应用。同时，经分云化工作正在进行中，并已初见成效。 数据中心一期已经完成接入接口 922 个，并进行了基础模型建设，基本

规范化生产管理流程，降低企业合规性成本。 生产管理 - 预期效果展示 融合创新 · 赋能企业 共创生态 · 引领未来 电子批记录 - 预期效果展示 电子批记录（ EBR ） 价值 ： ✓ 自动集成控制系统数据，自动采集率达到 93% ， 仅有 7% 的信息需要人工录入，减少人工行为和 过程，提高数据准确性、完整性和真实性。 ✓ 防爆手持终端与控制室控制相结合，更快速、 有效的了解生产工况，预防偏差，减少生产事 自动监控生产过程质量信息，如关键工艺参数， 检验过程信息，形成生产过程的闭环跟踪，提 高生产质量。 案例：安庆一枝梅化工智慧工厂及数字化车间智造项目 - 项目建设实施内 容 生产制造 工业 APP 数据采集 可视化展示 机器 视觉 ERP 实施 4 、通过 ERP 信息化软件的建设实施 ，实现对财务、订单、库存、供应 链和生产物料基础信息的管理。同 时实现 ERP 与 MES 模块的对接。 洗涤剂产品瓶体上的生产编号进行 喷涂识别，协助人工提高识别效率 。 2 、 基 于 MES 功 能 模 块 的 工 业 APP 研发定制，实现车间生产的可视化 和闭环管控。 1 、车间设备运行状态及生产数据 的实时采集和数据的可视化展示。 融合创新 · 赋能企业 共创生态 · 引领未来 项目建设实施内容 安庆一枝梅化工智慧工厂及数字化车间智造项目 - 安庆工业大脑部署 supOS 工业 APP 工业 PaaS

光伏、华星光 电、新华三、华 为 风电 地理位置偏僻 资本技术密集 发电波动性大 风场设计周期长 设备维护成本高 并网协调效率低 弃风漏风较严重 数据采集由底层互联 向全面感知转变 设备维护由人工调试 向智能运维转变 风场管理由单场单管 向虚拟集成转变 虚拟风场设计 设备预测维护 智慧风场管理 精准柔性供电 金风科技、远 .......... 21 3.3 推进应用场景落地的着力点........................................ 22 II 3.3.1 加速设备上云，夯实数据采集基础..................... 22 3.3.2 聚焦产业协同，强化重点模型积累..................... 22 3.3.3 加强攻关突破，优化解决方案供给. ..................... 58 8.3 推进应用场景落地的着力点........................................ 59 8.3.1 关注数据采集，扩展信息获取渠道..................... 59 8.3.2 紧扣模型开发，提高模型供给能力..................... 59 8.3.3 聚焦解决方案，开发推广典型应用

焊装质 量预警） Y 采集焊装机器人震动、设备报警参数等实时数据， 通过专家经验和机器学习，对接近临界值发出质量 预警 • 数字化驱动 ( 生产过 程追溯 ) Y 采集生产过程中操作人员上岗记录、设备信息、车 辆过点信息、物料批次、程序版本等信息，实现每 台车的生产全过程追溯 • 数字化驱动 ( 返修过 程中，质量问题原因 及解决方案智能提 醒 ) Y 采集诊断仪的故障码，通过大数据分析，对故障码 返修， 降低返修工时 • 数字化驱动 ( 焊钳保 养预警 ) Y 采集并记录焊装机器人焊接次数、焊钳使用时间等 数据，提前预警焊钳保养需求 • 数字化驱动 ( 变化点 智能预警 ) Y 采集操作人员上岗记录、设备更换信息、物料切换 记录等，对现场变化点进行智能预警 • 数字化驱动 ( 错装、 漏装预警 ) Y 采集总装过程错装、漏装记录，通过大数据分析， 对经常出现错装、漏装的工位点进行提取预警 对经常出现错装、漏装的工位点进行提取预警 • 数字化驱动 ( 涂胶质 量预警 ) Y 采集涂胶机器人的出胶流量、加热胶管温度、机器 人震动、设备报警参数等实时数据，通过专家经验 和机器学习，对可能造成的涂胶质量、涂胶消耗等 进行预警 • 数字化驱动 ( 辅料消 耗预警） Y 采集并记录焊装机器人焊接次数，设定辅料消耗阀 值，对接近临界值进行预警，提醒更换 数字化工厂建设收益 收益指标 二级 过程 一级 过程 领

各模块功能描述..................................................................................25 3.2.1 数据采集模块.............................................................................27 3.2.2 数据处理模块.... 3.2.6 结果展示模块.............................................................................38 4. 数据采集................................................................................................... 外部数据.....................................................................................47 4.2 数据采集方法......................................................................................50 4.2.1 API

智能仓储应用 WMS 智能生产应用 MES 设备管理应用 APM SmartConnect 设备物联 应用 数字化工厂方案 集团管理 数字化工厂中枢平台 • 纵向数据采集和汇聚 • 横向补充现有制造系统 • 基于角色的可执行制造应用 业务系统 & 生产控 制 (ERP, SCM, PLM) 运营控制 (MES) 接口 & 流程监控 (HMI/SCADA) 一体机 产品应用 ，智能工厂建设 / 工厂系统数字化一体化支 撑 传统工厂数据架构 Level 4 Level 3 Level 2 Level 1 Level 0 数据采集 网关 | 数据采集 数据处理 数据传输 工厂管理 • • • 产品应用 ，集团管理多级管控体系数字化 工厂 B 工厂本地应用 工厂 A 工厂本地应用 数字工厂一体机 | 工厂 率 节能减排 生产效率管理 质量分析 设备管理 IoT Insight 的典型应用场 景 | 场景 1 ：生产数字化管理 基于 IoT Insight ，连接生产制造设备， 实现设备数据采集、状态监控、维修工单管理、报警、 OEE 分析等， 同时也可 以与 APS&MES 系统联动， 实现生产计划自动下发， 配方管理， 校验防错等， 充分提升设备与系统的协同效率。 设备 1 控制器

..........................................................................................16 2.3. 采集治理体系............................................................................................... ..................................................................................... 19 2.3.3. 数据采集清洗转换............................................................................................... ............................................................................................89 9. 采集治理.................................................................................................

培育数字经济新产业、新业态和新模式，支持构建农业、工业、 交通、教育、安防、城市管理、公共资源交易等领域规范化数据开 发利用的场景。发挥行业协会商会作用，推动人工智能、可穿戴设 备、车联网、物联网等领域数据采集标准化。 6 / 309 大数据能力平台建设项目方案建议书 1.3.3 加强数据资源整合和安全保护 探索建立统一规范的数据管理制度，提高数据质量和规范性， 丰富数据产品。研究根据数据性质完善产权性质。制定数据隐私保 各部门独立开展本单位信息化建设，无 论是逻辑上还是物理上都是分散的，很多相同的信息在不同的部门 被重复采集和存储，但格式各异，内容不一，导致“数据烟囱”林立。 8 / 309 大数据能力平台建设项目方案建议书 同时，面向部分国垂和省垂信息化系统，现阶段这类系统的数据还 难以采集和获取。 4、数据标准缺失：如果上级标准不明确不细化，下级如何开展 数据标准梳理工作？下级部门形成了标准，如何得到上级认可？如 务数据治理相关标准框架下，开展数据采集汇聚、 数据共享开放、数据安全以及数据管理等方面的标准化建设。 （1）完善统一事项目录和数据资源目录，形成部门数据责任清 11 / 309 大数据能力平台建设项目方案建议书 单、系统数据清单、数据需求清单等“三张清单”，建立统一的事项目 录和数据资源目录，使得两个目录的规范率达到 90%以上。 （2）完善数据采集汇聚机制，实现对市直部门及重点行业的基

主要数据，对流程执行效果进行复盘分析与评估优化。 从数据状态看，流程数据可划分为静态数据与动态数据。静态 流程数据通常为流程设计阶段形成的规范性资料，如流程图、操作 手册等；动态数据则在流程执行过程中实时或周期性采集，具有持 续变化性和时效性。 2. 流程数据与业务数据 流程数据与传统业务数据在来源、结构和用途等方面存在区别。 数据来源层面，传统业务数据主要来自于交易、生产、库存等 结果性环节，更关注 仿真预测评估优化效果，推动决策过程从主观判断走向客观分析， 极大提升决策科学性与执行效率。 (二)企业核心竞争力的强化 流程数据监控促进企业绩效改进。企业可以通过数据中台实现 流程数据的统一采集与整合，还原、构建端到端的流程视图。借助 实时流程监控与指标预警机制，企业可快速定位流程异常（如节点 中国联通 联通数科 中国信通院云大 信通院云大所 云大所 中国联通 联通数科 中国信通院云大所 立各层级数据的映射规则和关联关系，形成概念、逻辑和物理模型 逐层递进的完整数据模型，支撑端到端数据整合分析与价值挖掘。 3. 流程数据生命周期管理 数据采集环节明确业务场景与数据源，通过统一工具与标准实 现跨系统采集，配置数据质量校验、差异化采集周期及异常处理机 制，确保数据完整可追溯。 数据存储环节将结构化数据依托大数据平台或数据仓库统一存 储，非结构化数据依托数据湖统一存储或知识库纳管，遵循分类分