设备智能化改造..................................................................................24 3.2 数据采集与分析..................................................................................26 3.3 降低能耗方案 .........................................................................................85 6.1 数据采集机制......................................................................................87 6.2 数据存储方案 用，促使制造业向智能化转型，生产过程中的数据采集、处理 和分析变得更加全面和实时。 在当前的市场环境中，智慧工厂的建设正在逐步加速，许多企 业利用智能制造提升了市场竞争力。据统计，全球智慧工厂市场预 计在未来几年将实现高速增长，年复合增长率达到 20%以上。 在智慧工厂的构建过程中，主要关注以下几个关键点：  数据采集与分析：通过传感器和网络设备实时采集生产数据， 实现对设备状态、生产效率等的实时监控。

终端设备，增强产品供给。在“5G+ 工业互联网”建设中，工业 5G 终端设备发挥重要作用，工业 5G 终端 设备通过 5G 网络高速、低时延传输工厂现场设备与平台系统、工业 设备之间等的数据和指令，实现工厂的数据采集、远程控制、视频监 控、移动巡检等功能。 （二）工业 5G 终端设备发展现状 应用方面，多个工业园区、车间现场已部署 5G 网络，并逐步涌 现出一批面向工业场景的 5G 终端设备。5G 工业网关、工业级 机器人等通用性较强终端设备已用于现场辅助装配、厂区智能物流、 无人智能巡检等多个工业场景，5G 阀岛、5G 总线 IO、5G 掘进机等 用于特定场景的新品类不断出现。目前，工业现场的 5G 终端设备仍 以视频监控和数据采集为主，由于改造需要时间、替换代价较高等原 因，工业 5G 终端设备还未深入核心生产领域，部分应用还未在工业 现场普及或规模化推广。 标准方面，目前尚未有工业 5G 终端设备的标准发布，处于起步 终端设备的核心功能是通过 5G 网络传输工 业设备与云平台/服务器/控制器之间的数据和指令，同时满足在工业 高温、高湿等恶劣环境下部署要求，在此基础上，根据不同的使用需 求和产品形态，增加路由、数据采集、协议转换、边缘计算等不同功 能。目前，通用通信类工业 5G 终端设备的产品形态包括工业级 5G DTU、5G CPE、5G 网关等多种类型。 5G 工业 DTU 支持 RS485、RS323、USB、Type-C

物理实体在数字空间中的全面、真实、精确的映射,包括几何模型、物理模型、行为模型等。 2.0.5 结构健康监测 structural health monitoring 通过在结构上布设传感器，实时采集、传输荷载作用（如地震动、风环境、温湿度）与结构 响应（应变、变形、振动等）等数据，分析结构工作性能的波动、劣化或损伤特征，从而实 现在线的状态评估和安全预警，为运维过程中对建筑的管控、管理和养护提供决策支持的技 运维模型宜根据业务场景和运维事件，提取竣工模型的编码信息，并进行编码重组。 4.5 运维模型中应增补采集运维基础数据的传感器类设备模型、实体的编码、空间位置参数、 数据格式等模型单元属性信息。对设备状态等更新频率较高的传感器，宜采用有线或无线传 感网络、射频识别等物联网技术进行数据采集。 4.6 运维传感器类物联网设备应自动采集人员、设备、能耗等关键要素数据，提供人员管理、 设备监控、能耗监测等管理能力，为 1 一般规定 5.1.1 智慧运维应建立智慧运维平台，并满足数据共享、事件快速响应处置和系统运行安全 可控等要求。 5.1.2 智慧运维平台应能通过数字化方式对运维对象的静态信息和动态信息进行采集、传输、 存储、分析、管理、使用和维护。 5.1.3 智慧运维平台宜采取软件即服务(SaaS)模式。 5.1.4 智慧运维平台应实现与建筑基础网络的互联互通，接入平台的建筑设备应具备标准通

制造执行系统 MES 目视化管理 数据采集 过程控制 在制品管理 质量追溯 物料管理 计划排程 生产派工 能源分析 能源调度 能源监控 智慧能源 规则管理 计划仿真 高级排程 APS 工厂排程 车间排程 CCR 中央监控 全厂监控 生产调度 控制系统 设备控制管理 M2M 通信 数据集成与转换 采集信息关联 数据采集管理 设备配置部署 信息转换 协议转换 智能生产设备 智能物流设备 智能检测设备 智能数据采集设备 纵向与横向价值链集成 设备层 监控层 执行层 管理层 服务供应商 分子公司 材料供应商 制造工厂 远程设计师 用户 外协制造商 工业云 大数据分析 服务协同 供应链协同 制造协同 设计协同 用户协同 内部协同 业务蓝图 平伟鱼嘴智能工厂 配套车型 V301 V301 S R103 S201 对出水进行监控，从而保证模具内水路的通畅达到预热和冷却的效果。  采用温度传感器和流量传感器检测温度、流量等数据。采集的数据上传给信息系统处理。以便达到更好的控制 摸温、缩短成型周期、冷却大型滑动件避免卡死的目的。 水压 水温 流量 传 感 器 PLC 数据采集与监控 显示系统集成 应用或者显示 阀门 / 开关 车间物流布局规划 办 公 楼 注塑机上料 中央供料系统（储料罐省略）

GW-U/UPF AI 视频数据学习 动作分析 FPGA 加速 GPU 加速 平台 / 边缘云 5G 基站 5G 工业网 关 高清视频采集 5G+AI 视频监测类 场景与技术综述  实践：通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，将视频监控数据实时回传至边缘侧和中心侧 ，基于自主 研发的 AI 视 ：依据问题的产品整车号追溯对应零件及其子零件的批次 升级改造前 挑战一： 人工记录、纸质或 excel 记录，不准确、不及时； 挑战二： 人工归档，无体系； 挑战三： 人工追溯，效率低。 升级改造后 价值一： 自动实时 采集记录； 价值二： 按照 质量 体系 要求归档、 审 计、追溯； 价值三： 基于谱系实现 多种追溯 。 生产追溯 5G+ 产品追溯 应用实践 1 ：质量追溯 一物一码 Step1 ：智能门禁系统 工业网关采集多个生产车间各类数据，汇聚至数据中心，经处理分析给出预测性维护、自动调控等信息；按需提 供 5G 专网服务，支持各种场景下的本地分流，保证数据安全 5G+ 数据采集 场景与技术综述 基于 5G+ 物联网 +AI 技术可实现变配电、水管网、蒸汽管网监控，能源成本精细化管理，能耗 KPI 指标评估、节能诊断等功 能 ，降低企业能耗成本 5%-15% 。 5G+ 数据采集 应用实践

合监管能力和降低企业经营成本的基础上， 建设管理精细化、决策科学化、服务高效化和 产业发展智慧化的智慧化工园区。 四、总则 3 建 设 规划 设计 2 1 传输处理 数据传输处理是将园区采集的 数据通过网络传输后在其物理 场所进行的存储、索引及服务， 按数据类型分配至不同数据库 进行存储，然后对存储的数据 进行清洗、转换后再次存储 备 用，以满足数据支撑平台 高速 数据访问的需求。 物理场所 物理场所指满足园区日 常办公和应急指挥要求， 支撑智慧园区数据资源 中心运行与服务的场地 和环境。 数据采集 数据采集涉及的基础设 备包括数据采集终端， 数据资源中心机房有线 网、无线网、园区专网 的数据接入等。 五、基础设施 数据资产 智慧园区的资产数据包括园区档案 数据和企业档案数据两部分。 > 数据开发 安全生产检测数据 安全指标与预警 环保指标与预警 企业档案 & 画像 应急指挥 安防指标与预警 园区运营指数 环保检测数据 设施设备数据 安防数据 配电数据 物流数据 应急数据 场景化应用 数据采集终端 封闭园 区 ICT 基础设 施 运营 中心 物联网 通信网 能源管理 …… 风险分级管控 风险分级管控是将“点、线、 面”的各类风险用一张图、一 张表的动态方式进行分级、分

工业互联网安全解决方案案例汇编（2024） 8 2.1.2 方案实施概况 1. 总体建设思路 通过对各区域安全环境的安全设备数据、能力调研、梳理与评估，形成全局 网络安全运营方案建设；构建安全数据中台，对安全数据资产进行采集、处理、 治理、分析等，形成安全数据服务目录，形成安全数据服务总线，持续利用安全 数据资源，赋能上层业务应用；构建安全能力中台，对设备能力、服务能力等进 行全面梳理整合，形成安全能力服务目录，供上层安全应用进行统一调度；建立 本项目通过前期对各地域安全监测数据的调研工作，掌握全面的数据采集方 式、采集范围、采集对象和采集内容，以安全数据中台为核心，以安全合规为前 提，统一接入各地域管理信息大区与生产控制大区安全监测数据，将各类异构数 据格式范示化，对数据进行融合分析，开展对各地域安全大区的监测预警与态势 感知工作。 图 1-2 总体技术架构图 3. 安全数据采集调研 实现对管理信息大区与生产控制大区的统一监测预警与态势感知，需要全面 与态势感知，需要全面 掌握各地域两个安全大区的数据采集现状。两大安全区域由于业务不同，在网络 工业互联网安全解决方案案例汇编（2024） 9 架构与协议、数据特性差异和安全需求上存在很大差异。通过本次调研，我们详 细分析了两大区域的差异与特点，并据此形成了全面的调研报告和数据接入评估 方案，全面阐述了各地域的数据采集现状、存在的问题以及相应的优化建议，为 后续的系统建设和安全管理工作提供了重要依据。

智能生产所需的资源与生产过程信息应数字化，包括生产设备数字化、生产信息采集 数字化、生产资源识别数字化、生产现场可视化和工艺设计数字化等。 5.1.4 建筑装饰部品部件的生产应在计划与排产、加工与执行、质量检验及储存与运输等阶 段采用智能生产技术。 5.2 智能测绘 5.2.1 建筑装饰工程在现场测绘、数据采集、成果形成、质量控制等各环节中全面采用数字 化技术。 5.2.2 精度和数 据格式应满足各阶段对测绘数字化成果应用的要求，应能辅助设计方案分析、优化与决策。 5.2.3 建筑装饰工程数智测绘宜采用三维激光扫描、宜采用无人机倾斜摄影、移动测量车等 数字化技术采集数据，实现对建筑装饰工程勘察对象全方位、多尺度的数据覆盖，提升测绘 成果的完整性和准备度。 5.2.4 智能测绘的数据应与后续阶段建筑信息模型（BIM）集成与数据传递前，保证数据的 有效性、 智能测绘作业前，应对现场环境进行安全评估制定勘察方案，明确设备架设位置及数 据采集路线，避免因电磁干扰、高温潮湿等环境因素影响数据采集质量与设备安全。 5.2.7 现场测绘数据应支持移动终端实时采集与同步，实现设计、施工、监理多方协同作业， 数据更新版本需标记时间戳与责任人。 5.2.8 智能测绘应用应包含数据采集说明、处理流程记录及质量检查报告，采用可视化图表、 三维模型等形式直观展示勘察成果，便于多方协同审查与应用。

............................ 15 （一） 能源管理 ................................................16 1. 能耗采集 ................................................ 16 VII 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 2. 能耗分析 到安全生产，最终通过测试、统计、分析、改善能源管理方法，提 高能源利用率。 1.能耗采集 首先需要确定数据采集的范围和方法。这涉及到边界的划定、 活动过程的分类、数据来源的准确性和可靠性等问题。需要根据实 17 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 际情况选择合适的数据收集方式，如手工记录、计量设备、自动监 测、传感器等。能耗采集应尽可能增加自动监测设备/仪表，具备动 态实时性能力， 填报方式实现数据采集和填报。 （3）交通车辆碳排放：数据中心或数据中心园区的交通碳排放， 主要是通过自身拥有的燃油汽车的使用，而产生的碳排放；交通碳 排放的核算可通过与数据中心或园区的物业管理系统，结合加油记 录和车辆仪表校核，实现数据获取。 2、数据中心范围 2 碳核算： 数据中心范围 2 的碳排放源主要包含：外购电力、热力、蒸汽 以及冷气，可通过监测仪表实现自动采集，也可通过与数据中心的

4 2.2 工业大模型开发关键技术.............................................................. 33 2.2.1 数据采集与处理.............................................................................. 33 2.2.2 大规模预训练技术 ......... 43 2.4 工业大模型技术与应用当前问题.................................................. 44 2.4.1 数据采集与质量问题...................................................................... 44 2.4.2 模型幻觉问题..... 2.1 需求分析与场景定义...................................................................... 92 5.2.2 数据采集与处理.............................................................................. 92 5.2.3 模型开发与训练