飞利浦数据治理实践-企业数字化转型的数据治理概述三篇文件

企业数字化转型的数据治理概述ClassifiedClassified在今天，数字化生产已逐步成为普遍商业模式数字化生产模式：以数据为处理对象，以ICT平台为生产工具，以软件为载体，以服务为目的的生产过程加工初始数据平台1平台2智能终端数据处理数据分析接触客户获取数据21收入需求36提供筛选应用平台3开发部署服务机会45服务商业循环：数据变机会、机会变服务、服务变收入ICT:Information

andCommunicationTechnologies

信息与通讯科技4Classified人工智能销售预测模型的建立数据要准确考量数据特性预测目标计算资源业务需求模型的评估和调优；交叉验证、超参数调整Classified人工智能销售预测模型的建立１.

传统时间序列分析－纪要历史数据来预测未来趋势自回归（ＡＲ）、移动平均（ＭＡ）、自回归移动平均（ＡＲＭＡ）季节性自回归移动平均２.

机器学习模型线性回归决策树、随机森林（处理非线性关系）３.

深度学习模型循环神经网络（RNN）、卷积神经网络（CNN）４.

混合模型Classified数字化转型的核心：“业务优化”和“业务转型”Digital

Business

StrategyDigital

Business

OptimizationDigital

BusinessTransformationImprovedProductivity

andExisting

RevenueBetterCustomerExperienceNet-New

RevenueProduct

andServicesNewBusinessModels4Classified数据分析1.提出问题4.构建模型2.理解数据3.数据清洗5.数据可视化•

选择全集或子集中E-R图••

描述数据•

将数据转换成图或表，以更直观的方式展现和呈现数据•

为什么要分析•

哪些分析指标•

得到什么结果•

需要哪些数据•

数据量•

列名重命名•

缺失数据处理•

数据类型转换•

数据排序••组织数据对数据进行操作描述数据库类型和属性•

数据类型•

数据内容•

数据属性••

异常值处理ClassifiedE-R图（实体关系图）ER图是一种描述现实世界的概念模型的方法，用来表示实体，属性和联系Classified数据可视化表格：由行和列组成，用于比较变量

。

表格以结构化方式展示大量信息。饼图和堆积条形图：

这些图形分成多个部分来表示一个整体的不同部分。

它们提供了一种简单的方法来组织数据并比较组件的大小。线形图和面积图：

这些视觉显示通过绘制一段时间内的一系列数据点，来展示一个或多个数量的变化。线形图利用线条展示这些变化，而面积图用线段将数据点连接起来，然后将变量堆叠起来，并用颜色区分不同的变量。直方图：该图形使用条形图绘制数据分布（条形之间没有间隔），表示属于特定范围的数据数量。

这种视觉表示使终端用户容易识别给定数据集内的异常值。散点图：这些视觉表示对于揭示两个变量的关系十分有用，通常用于回归数据分析。

但是，有时可能会与气泡图混淆，气泡图用于通过

x轴、y轴和气泡大小来呈现三个变量。热图：

这些图形显示有助于按位置呈现行为数据。

位置可能是地图上的地点，甚至是网页。树形图：以一组嵌套形状（通常是矩形）

展示层级数据。

树形图非常适合根据面积大小比较类别比例。ClassifiedClassified什么是数据治理数据治理是一项战略计划，用于优化企业处理数据的方式。它旨在对数据资产进行规划、监控、执行、管理；组织和改进公司用于定义、收集、存储、保护、管理和货币化业务数据的政策和程序，并有目的性的实践活动；良好的数据治理不仅旨在保护数据，而且旨在寻找为企业创造数据价值的新方法。Classified什么是数据治理战略规划组织和角色理念植入政策和标准项目和服务技术和支持成本和资源Classified全流程监管的数据治理体系•

当面临争议时，有裁决机构和升级处理机制；•

关键数据资产有清晰的业务管理责任•

IT建设有稳定的原则和依据•

作业人员有规范的流程和指导•

治理过程所需的人才、组织、预算有充足的保障010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101数据管理数据应用数据采集数据处理组织制度标准梳理落地策略全流程监管的数据治理体系ClassifiedClassified数据治理的核心工作在企业的数据建设进程中，保障企业的数据资产得到正确有效地管理。Classified什么是数据管控数据治理和数据管控缺一不可，治理在前、管控在后。数据治理针对的是存量数据，是个由乱到治、建立规范的过程；数据管控针对的增量数据，是个有章可循，行不逾矩的约束。数据管控专注在纵向管控深度，上层定标准，基层去执行Classified为什么要做数据治理症状根因▪

有垃圾数据▪

政策不清晰▪

关键数据缺失▪

数据不同步▪

管理力度缺失▪

体系和规模庞大，梳理困难▪

培训不到位▪

数据无法追溯▪

数据异常▪

主人翁意识不够▪

标准化缺失▪

业务和财务口径不一致▪

前端数据和后端数据不一致Classified为什么要做数据治理保证数据质量•

提升数据质量•

为共享数据建立清晰的决策规则和决策流程保证数据的可用性•

提升数据资产的价值保证数据安全•

提供解决数据问题的机制•

促进IT和非IT人员共同参与决策•

促进部门和业务单元之间的协作和相互依赖•

为共享数据建立共同责任制Classified为什么要做数据治理当前可能的情况：可能采取的模式•

问题长期积累•

能容忍•

业务部门主导•

IT部门主导•

重要但不紧急•

IT在管理和做补救•

企业数据管理部门主导Classified数据质量维度•

完备性

：是否存在所有必要的数据•

有效性

：数据指与定义的值域一致•

准确性

：数据正确表示“真实”实体的程度•

一致性

：确保数据值在数据集内和数据集之间表达的相符程度•

完整性

：即连贯性，包括与完备性、准确性一致性相关的想法•

及时性

：数据产生到可用的时间延迟程度•

唯一性

：数据集内的任何实体不会重复出现Classified数据治理的内容架构管理

数据开发

操作管理

安全管理

主数据管

数据仓库内容管理

元数据管

质量管理理理管理数据模型

数据分析

获取标准分级管理授权审计外部规范

架构内部规范

实施获取存储架构整理标准规范分析度量改进价值链分

数据建模

恢复析数据库设

调优数据架构

计客户数据

培训和支持备份和恢

控制复交付整理建立保留产品数据实施监控和调清除维度管理

优检索保留清除Classified数据类型主数据关于业务实体的数据，描述组织内的“物”，如供应商、客户、产品等。通过全局视角对企业主要的“人”和“物”有个全局把控，为其建立现实和数据领域的唯一标识。交易数据即过程数据，描述组织业务运营过程中的内外部时事件或交易记录的数据。如：销售订单，通话记录，供应商名单等数据。交易数据是BI分析的基础参考数据用于将其他数据进行分类或者标记整理的数据，外部对标数据元数据即描述数据的数据，帮助理解、获取、使用数据，分为技术元数据、业务元数据等统计数据即对企业业务活动进行统计分析的数值型数据，也就是指标，如年度销售额Classified主数据管理制度明确相关的组织职责、流程规范、数据标准•

主数据管理办法•

各类主数据属性模板•

主数据流程清单•

绩效考核Classified主数据标准的梳理编码：建立适用全企业的编码规则，全局统一管理、辨别和使用遵循全局性、唯一性、适度性、灵活性、扩展性等编码原则满足编码共享、自动生成、编码扩展等使用要求，分析现有编码问题，提出改进意见，最终确认主数据编码规则Classified主数据标准的梳理分类：建立统一、规范、科学的分类，提升管理效率，降低因分类不准确造成的错误1.

调研、收集相关分类标准主数据类型2.

差异及对标分析3.

确定信息分类4.

确定结构及规则物料主数据设备主数据财务主数据供应商原料，辅料，半成品，服务类型，地点，资产，费用科目，分录类型，产品，价值区域，规模，价值客户Classified主数据标准的梳理数据三大属性：业务属性、技术属性和管理属性属性标准的梳理是对数据的每个属性项分别定义相关标准规范，从而可以约束各系统中的属性差异。属性标准可以参照国家、行业标准，内部的业务制度从业务标准、技术标准、管理标准等不同角度进行标准化。Classified主数据标准的梳理主和•

明确业务主题概念、本质和内涵（如，什么是客户）•题业务定义分明确具体的数据来源、分类体系、使用规则定类义数据管理信息标标需要遵守的规则、标准属性、负责部门、业务定义和描述

（所属主题、名称、引用的数据项名称、参考标准、

数据类型、长度和其他业务定义）•准准属核性心技术属性内容标•

明确代码取值和业务含义准（编号、编码规则、格式、名称、数值、描述等）代码谁是主？

谁来用?

干什么？

什么时候干？准确性，及时性，全面性Classified主数据标准的梳理数据标准的依据数据标准的类型编码类比例类数值类国际标准

（ISO,ITU…)国家标准代码类标志类文本类金额类日期类行业标准（YD，YD/T，JT．．．）同行标准（GDW／Ｑ．．．）企业自定标准时间类日期时间类数据标准来源于业务，服务于业务。Classified一张名片的数据公司

ｘｘｘ部门

ｘｘｘ职位

ｘｘｘ姓名

ｘｘｘ地址

ｘｘｘCompany

ｘｘｘDepartment

ｘｘｘTitle

ｘｘｘName

ｘｘｘAddress

ｘｘｘ电话１

ｘｘｘ

PSTN

ｘｘｘ电话２

ｘｘｘ

Cell

phone

ｘｘｘ邮件

ｘｘｘ传真

ｘｘｘ邮编

ｘｘｘEmail

ｘｘｘFax

ｘｘｘZipcode

ｘｘｘClassified数据标准体系的建立基•

客户数据标准产品数据标准•

交易数据标准区域数据标准•

信用数据标准•资产数据标准础类数••据标数•

销售渠道数据标准•

地址数据标准•

联络数据标准准据标准体管系分析指标定义框架分析指标定义体系指标库••••理类数评价标准（环比、同比、KPI）据标•

分析指标维度体系•

指标库和分析维度关联关系准Classified数据标准生命周期管理•

标准主题•

标准小类•

标准编码•

标准名称•

业务定义•

业务规则•

相关标准•

标准来源•

标准依据•

数据约束业务•

标准大类属性•

标准中类数技据•

数据类型•

数据格式•

取值范围•

数据精度术标属准•

数据长度•

编码规则•

数据类型•

使用系统性管•

标准定义人•

标准使用人•

应用部门•

权限范围理属•

标准管理人•

标准版本•

使用系统•

使用期限性Classified数据标准的制定循序渐进不断完善•

确定可通过数据实现的具体业务目标，并定义实现这些目标所需的特定数据元素•标准的制定和维护、标准的治理、完整性和可操作性在标准落地应用过程中逐步完善战略规划实践平衡•

清晰认定企业战略，标准的制定需要结合企业发展的战略，要有前瞻性•数据标准需要平衡收益和成本，需要考量投资回报外部借鉴内部适配•

数据标准需要参考国际和行业标准，也要兼顾企业内部实际需求•

内部外部数据的标准接轨需要逐步完成，需要分析目前相关流程规范后做出相应改变思维改变全员参与•

需要对全员进行指导和提供培训，指定数据所有者和数据管理专员•

业务需要全面参与标准的制定和实施以及逐步改善审核到位指标落地•

建立关键绩效指标(KPI)来衡量数据治理计划的成功与否•KPI与组织的特定公司战略和具体业务目标紧密联系、与时俱进Classified主数据管理平台ClassifiedDAMA(国际数据管理协会)ClassifiedDAMA(国际数据管理协会)Classified数值治理总览1.整理业务规则，统一数据定义5.

创建数据自动化管理调控体系4.确保关键业务数据质量2.及时同步数3.确认业务关键数据指标据来源10.业务流程根据的前端业务变化随时调整8.创建数据质量动态感知平台监控数据治理进程6.定期评估数据质量对业务结果影响9.持续学习提高团队技能和水平7.跨部门合作，按需进行数据治理Classified数值治理关键点1.

文化共识，循序渐进2.

业务情况和能力现阶段调研3.

纲举目张，明确主数据定义上的责任边界，在企业内部明确岗位职责、管理流程，操作规范，保证核心主数据信息的一致性和共享4.

根据业务管理和报表需求来合理进行主数据分类5.

权限控制，严格审计，考核到位Classified创新迭代

持续改善高速迭代与不确定的环境下，谨慎小心投入，持续积极努力探索，发现这个时代最大的机会保持不断持续创新的心态，全力增加内部和外部的协作和数据连接，真正创造生态链认可的价值和体验应用新技术，风险管控，拥抱交互革命与生产力革命工业互联网平台赋能制造业数字化转型方法论《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》（2017年11月27日）形成3-5家达到国际水准的工业互联网平台，培育百万工业APP，实现百万企业上云，基本形成具备国际竞争力的基础设施和产业体系建成国际领先的工业互联网网络基础设施和平台，形成国际先进的技术与产业体系，重点领域实现国际领先工业互联网网络基础设施全面支撑经济社会发展，工业互联网创新发展能力、技术产业体系以及融合应用等全面达到国际先进水平，综合实力进入世界前列2025年2035年本世纪中叶党中央、国务院近期关于工业互联网的工作部署2020年3月17日，国务院总理李克强主持召开国务院常务会议，并指出要对“互联网+”、平台经济等加大支持，壮大数字经济新业态，依托工业互联网促进传统产业加快上线上云，发展线上线下融合的生活服务业，支持发展共享用工平台。工业互联网人工智能数据中心5G基站建设ACD（一）改造升级工业互联网内外网络。（二）增强完善工业互联网标识体系。（三）提升工业互联网平台核心能力。（四）建设工业互联网大数据中心。一、加快新型基础设施建设（十三）加快工业互联网创新发展工程建设。（十四）深入实施“5G+工业互联网”512工程。（十五）增强关键技术产品供给能力。四、加快壮大创新发展动能（九）建立企业分级安全管理制度。（十）完善安全技术监测体系。（十一）健全安全工作机制。（十二）加强安全技术产品创新。三、加快健全安全保障体系（五）积极利用工业互联网促进复工复产。（六）深化工业互联网行业应用。（七）促进企业上云上平台。（八）加快工业互联网试点示范推广普及。二、加快拓展融合创新应用EF（十九）提升要素保障水平。（二十）开展产业监测评估。六、加大政策支持力度（十六）促进工业互联网区域协同发展。（十七）增强工业互联网产业集群能力。（十八）高水平组织产业活动。五、加快完善产业生态布局B《工业和信息化部办公厅关于推动工业互联网加快发展的通知》（2020年3月20日）0201引导平台增强5G、人工智能、区块链、增强现实/虚拟现实等新技术支撑能力，强化设计、生产、运维、管理等全流程数字化功能集成。遴选10个跨行业跨领域平台，发展50家重点行业/区域平台。推动重点平台平均支持工业协议数量200个、工业设备连接数80万台、工业APP数量达到2500个。

鼓励各地结合优势产业，加强工业互联网在装备、机械、汽车、能源、电子、冶金、石化、矿业等国民经济重点行业的融合创新，突出差异化发展，形成各有侧重、各具特色的发展模式。引导各地总结实践经验，制定垂直细分领域的行业应用指南。提升工业互联网平台核心能力深化工业互联网行业应用《工业和信息化部办公厅关于推动工业互联网加快发展的通知》（2020年3月20日）安全网络平台内网10个标杆企业100个重点行业龙头企业1000个地方骨干企业外网全国所有地市覆盖打造20个外网优秀服务案例标识解析体系顶级节点二级节点企业节点标识注册量超1000个5个—47个超24亿7个67个超44亿覆盖150个工业互联网平台覆盖10万家以上工业企业。现状2020目标注：重点平台核心能力数据设备连接数工业协议数69万台80万台—200个模型开发者数量机理模型数—3800人—1100个应用工业APP数注册用户数2120个2500个—50万TSN、边缘计算、5G工业模组开始探索应用已覆盖全国300多个地市国家、省、企业三级联动安全监测体系企业级省级国家级覆盖135个工业互联网平台；服务9万多家工业企业。数据来源：《工业和信息化部办公厅关于推动工业互联网加快发展的通知》2020年工业互联网发展全景图新技术加速融合新模式加速推广新生态加速形成五大模式：智能化生产、网络化协同、个性化定制、服务化延伸、数字化管理。30个行业：工程机械、钢铁、石化、采矿、能源、交通、医疗等。两大路径：大企业通过集成方式，提高数据利用率，形成完整的生产系统和管理流程应用，智能化水平大幅提升。中小企业则通过工业互联网平台，以更低的价格、更灵活的方式补齐数字化能力短板。顶层设计：在国家政策引导下，27个省（区、市）发布了地方工业互联网发展政策文件。产业基金：各地加大投入力度，支持企业上云上平台和开展数字化改造，推动建立产业投资基金。三大高地：北京、长三角、粤港澳大湾区已成为全国工业互联网发展高地，东北老工业基地和中西部地区积极探索各具特色的发展路径。“平台+5G”：提升设备远程运动控制精度。“平台+人工智能”：提升智能产品检测效率。“平台+AR/VR”：实现降低设备运维成本。“平台+区块链”：实现低成本、高可靠数据共享利用。自2017年《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》发布以来，相关政府部门深入实施工业互联网创新发展战略，形成了新技术加速融合、新生态加速形成、新模式加速推广的良好发展局面。2020年工业互联网应用全景图主要内容一、数字化转型方法论：基于工业互联网平台的双螺旋模型二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维为什么要转？（价值）用什么转？（技术）怎么转？（业务）制造业数字化转型方法论要回答三个问题数据来源：麦肯锡库存占用成本下降20-40%设计-工程成本下降10-30%质量成本优化10-20%制造业增加值成本减少25-35%减少废料20-35%减少能耗5-8%劳动生产力提高15-30%设备停机时间下降30-50%预测准确度提高85%提高工人每人每小时劳动生产率40-60%提高运营部门间接人工效率30-40%提升设备综合效率15-25%提高一次通过率5-8%企业为什么要进行数字化转型？提质增效提升劳动生产率优化设备管理提高企业产量完善质量管理节本降耗节约生产成本降低企业库存降低质量成本降低能耗水平生态培育新技术新产品新模式新业态数字化转型的本质:为企业创造价值李克强总理在南京考察苏宁控股集团。希望你们更好运用云平台，彻底打通生产、销售和物流环节，要像孙悟空一样，既能腾“云”驾雾，又可“钻”进消费者心里。数字化转型的重点：解决企业痛点着力推动互联网和实体经济深度融合发展，以信息流带动技术流、资金流、人才流、物资流，促进资源配置优化，促进全要素生产率提升。——习近平总书记2016年4·19网信事业座谈会数字化转型的机理：以信息流促进资源配置优化基础建设单项应用协同创新综合集成集成范围投资收益工业互联网（工业APP）工业云（工业SaaS）工业软件制造业数字化转型正在迈向3.0阶段：工业互联网平台赋能技术视角业务视角价值视角制造业数字化转型必须从价值、技术、业务三个视角统筹考虑。价值重构是逻辑起点，技术支撑是工具，业务落地是内核。抛开技术谈业务，容易陷入老方案，使用旧地图找不到新大陆。抛开业务谈技术，容易陷入炫耀锄头的自娱自乐。双螺旋模型的含义：以价值重构为主线，坚持技术支撑和业务落地双轮驱动，实现技术和业务双向迭代。制造业数字化转型框架：基于工业互联网平台的双螺旋模型边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析边缘智能工业应用开发工具（专用开发工具、应用模板、图形化编程）工业微服务组件（机理模型、数据驱动模型、微服务管理）工业大数据分析平台（数据管理、数据建模、数据分析）通用PaaS平台（开发环境、运行环境、运营环境）新型工业APP传统软件云化制造业数字化转型的新载体：工业互联网平台技术视角业务视角价值视角制造业数字化转型框架：基于工业互联网平台的双螺旋模型主要内容一、数字化转型方法论：基于工业互联网平台的双螺旋模型二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维新技术新产品新模式全价值链全产业链全要素设备降耗节本增效提质生态维连接维效益维新业态从价值视角看，工业互联网平台的本质是通过工业全要素、全价值链和全产业链的连接，实现对企业乃至制造业的重构。工业互联网平台价值体系数据1.优化存量2.培育增量3.化解变量提高质量增加效益节约成本降低能耗新能力新业态新模式新产品易变性随机性复杂性不确定性工业互联网平台的价值（需求侧）：优化存量、培育增量、化解变量工业互联网平台数据应用模型企业运营类研发制造管理服务资产管理类状态监测故障诊断预测预警远程运维产业链协同供应链协同制造能力共享业务应用（PLM、ERP、SCM）生产运行控制（MES/MOM）设备执行监控（HMI-SCADA）传感器（PLC）工厂1工厂2...level4level3level2level1设备模型业务模型二维模型三维模型.....研发设计模型生产制造模型经营管理模型.....机理模型物理模型化学模型.....算法模型分类回归聚类.....设备层level0全要素：人、机、料、法、环全产业链：供应链、空间链、金融链价值链：研发、制造、服务工业互联网平台=工业全要素、全价值链、产业链的连接全要素全产业链全价值链人机料法环供应链空间链金融链研发制造服务自动化机器智能化机器产品生产知识生产物料数据机理模型数据模型+机理模型实体空间数字孪生空间固定供应链柔性供应链线下集群线上集群银行贷款互联网金融推动工业生产从3.0向4.0转变打破企业边界、商业边界、区域边界微笑曲线向数据驱动的价值闭环转变研发制造服务附加值数据驱动协同研发按需制造精准服务工业互联网平台=工业全要素、全价值链、产业链的重构工业互联网平台本质是一个工业操作系统，其功能类似微软的Windows、谷歌的安卓系统或者苹果的iOS系统。Predix

isalsoatechnologyplatform,notdeployedonaphonethatyouholdinyourhand,butratherbehindthecloseddoorsofadatacenterconnectedtodatalakesandotherformsofbigdatastorage.LikeGoogle’sAndroidorApple’siOSoperatingsystems,ithasasetofsoftwareservicesthathelpdevelopersquicklybuildappsfortheindustrialinternet.GE首席技术官DaveBartlett西门子白皮书基于云的开放式物联网操作系统.工业互联网平台的价值（供给侧）：操作系统的第三次革命1913年，福特建立了汽车生产的流水线，引发了世界惊天动地的汽车制造革命，促进了汽车生产的规模化。福特装配线的每项任务有一个工位，大部分零件以标准件的形式被组装，几百辆车可以同时生产。每辆汽车的组装时间由原来的12小时28分缩短至90分钟，生产效率提高了8倍。人(开发者)机（开发工具）料（数据）法（模型）环（开发环境）产品（工业APP）2015年，GE上线Predix，相当于软件生产的流水线，正引发一场工业软件研发、工业知识生产的革命，促进工业APP生产的规模化。工业PaaS上每项功能都是一个微服务组件，以“搭积木”的形式被调用，百万工业APP可以同时封装。工业APP的开发周期从以月、周为单位缩短至以天、小时为单位，基于predix开发一款APP只需15分钟。工业互联网平台：工业知识生产的流水线革命富士康：从“代工产品”到“代工知识”企划设计制造仓储物流客户线性制造模式:大规模制造非线性制造模式:大规模定制以企业为中心以用户体验为中心，零距离交互颠覆用户体验Cosmo平台：产品生产的定制化+工业知识生产的定制化COSMO工业互联网平台：工业知识定制化生产的流水线装备和自动化企业主导（OT）工业企业主导(IT)云计算和大数据企业主导（IT）软件企业主导（IT）典型企业三一、徐工海尔、航天云网、富士康东方国信阿里、H公司、浪潮用友核心优势工业数据采集能力行业机理模型沉淀能力工业大数据建模分析能力高端工业软件研发能力切入点平台+智能产品平台+智能生产平台+垂直行业逐个渗透平台+智能管理应用场景产品全生命周期管理上云生产制造上云企业核心业务上云企业研发管理上云优化重点产品监测、诊断、预测、运维产品设计优化设备监测、诊断、预测、运维制造工艺、排产计划、质量管理产品个性化定制能力交易、互联网金融服务设备/工艺/产品优化能耗管理优化互联网金融服务协同研发、产品设计优化供应链、企业资源、客户管理管理生产管控一体化典型工业互联网平台工业互联网平台产业链云图赛迪赢：从为向地方提供咨询服务，向打造软硬一体的平台运营商转型。平台赢：加速工业互联网平台在地方的落地。地方赢：推动地方制造业转型升级和高质量发展。跨行业跨领域平台特定行业平台解决方案企业平台企业

赛迪：咨询规划评测评估资源整合赋能提供市场苏州2018年11月，苏州分院成立2019年4月，赛迪灵犀工业服务中心为100家企业提供工业互联网诊断咨询服务惠州2018年9月，赛迪华南智能制造创新中心为50家企业提供工业互联网诊断咨询服务重庆2018年8月，重庆飞象工业互联网公司成立为60家汽车和电子行业企业提供工业互联网诊断咨询服务地方政府定位：构建开放共赢的生态赛迪：打通供给和需求之间的鸿沟，打造价值共同体核心产品②赛迪灵犀智能制造服务云平台④重庆飞象工业互联网平台③工业APP云测试平台⑤赛迪时代行业级工业互联网平台①工业互联网平台监测分析服务云平台工业互联网平台运行监测工业经济运行指数数据采集IaaSPaaSSaaS数据采集系统计算网络存储数据建模系统运行分析系统

全景展示系统报告生成系统

DaaS上云工业企业库上云设备库工业APP名录库平台运行监测库行业运行监测库企业行业政府跨平台数据开放、共享、交易等增值服务平台能力测评诊断系统解决方案咨询平台架构赛迪灵犀：打造覆盖全国主要制造业集聚发展地区的、线上线下相结合的高质量技术服务网络。飞象：拥有2000+工业互联网应用解决方案，让重如大象的工业企业重新起飞。100余家技术合作伙伴400余位智能制造行业专家服务制造企业超过6000家成果工业APP云测试：开展工业APP功能完整性、性能效率性、安全性、兼容性、可移植性及可靠性测试。赛迪时代：聚焦能源、电子、冶金等行业，联合地方政府及龙头企业，打造特定区域的行业级平台。一站式服务跨行业跨领域愿景研制内容开放生态安全可控行业标准开发与检测规范体系在线开发云平台在线验证测试云平台监测与应用发布推广平台推广与测评服务体系工业互联网云平台工业智能信息融合平台智慧工厂制造物联网边缘平台大数据治理产品数字化设计仿真平台工业大数据人工智能系统打造五大产品线：监测、评估、测试、综合应用、行业解决方案主要内容一、数字化转型方法论：基于工业互联网平台的双螺旋模型二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维数据算力模型应用工业APP工业PaaSIaaS边缘层5G数据中心人工智能数字孪生数据维架构维产业维从技术视角看，5G、数据中心、人工智能、数字孪生等新一代信息技术的融合发展，正构建起工业互联网平台“数据+算力+模型+应用”的完整能力拼图。工业互联网平台技术体系（一）架构维边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析边缘智能工业应用开发工具（专用开发工具、应用模板、图形化编程）工业微服务组件（机理模型、数据驱动模型、微服务管理）工业大数据分析平台（数据管理、数据建模、数据分析）通用PaaS平台（开发环境、运行环境、运营环境）新型工业APP传统软件云化采集工业数据存储工业数据数据建模+数据分析微服务集成工业应用工业互联网平台架构边缘层工业PaaS工业APPIaaS通过协议转换、边缘计算等构建精准、实时、高效的数据采集体系，本质上是实现物理空间隐性数据在赛博空间的显性化。以“搭积木”的方式提供工业APP创建、测试和部署的开发环境，本质上是一个向下可以调用设备、业务系统等软硬件资源，向上可以承载工业APP等应用服务的“工业操作系统”。通过调用和封装工业PaaS平台上的开发工具、行业机理模型开发形成的应用服务，本质是面向特定行业、特定场景的一个个数字化解决方案。通过计算、网络、存储等资源的虚拟化，实现信息基础设施的资源池化。多源异构数据采集能力海量数据处理能力行业机理模型沉淀能力工业应用培育能力工业互联网平台的核心能力数据采集围绕数据过少，根据业务需要对设备安装传感器进行数字化改造，并通过有关协议将数据传输到云端。协议转换围绕数据过杂，提供协议转换模块和产品，支持OPC-UA、MQTT、Modbus、Profinet等主流通信协议，实现设备、传感器、控制系统、业务系统等不同来源的海量数据在云端汇聚。边缘智能围绕数据过多，提供具备数据存储、转换、处理、分析等边缘计算能力的模块和产品，实现对数据进行本地的运算和预处理，缓解云端压力。一、工业互联网平台：边缘层传感器2016年4月25日，德国总理默克尔和美国总统奥巴马出席汉诺威工业博览会期间参观ABB展台。ABB集团首席执行官史毕福展示了如何通过ABBAbility™智能传感器将电机与“云”服务相连的开创性技术，帮助数以亿计的电机实现能效提升。该技术可以降低近70%故障停工时间，延长30%使用期限，减少近10%的能耗。如果全球所有工业电机都配备该智能传感器，节约下来的能源将会相当于100座大型发电厂的发电量。智能传感器就像给电机戴了健康腕表，对电机运行和健康数据进行定期和精确地监测，并将数据发送到云端服务器。随后，通过ABB几十年积累的算法对数据进行计算分析，分析结果被推送到用户智能手机或用户专享平台。一旦监测到电机问题，系统将发送预警信息给客户。2017年11月上海工博会ABB也展示了该技术。边缘层：数据采集近30年来，围绕实现控制系统、生产装备的连接，全球各类自动化厂商、研究机构、标准化组织推出了300余种主流协议，协议标准众多且相对封闭，严重制约了工业数据互联互通互操作。迫切需要研发协议转换的技术、产品（以Predixmachine为代表的软网关，以西门子Mindconnect为代表的硬网关），实现工业数据在多源设备、异构系统之间的有序流动。PredixmachineNano/IOT2040边缘层：协议转换Gartner：Theedgewilleatthecloud(边缘计算正在吃到云计算)。IDC：40%的数据将在边缘侧进行存储、处理和分析。边缘计算（设备级）、雾计算（车间级）和云计算（企业级、产业链级、生态级）协同将成为工业互联网平台发展的重要方向，三者密不可分、相辅相成。边缘智能的三大功能：①边缘数据采集、存储和分发。②边缘数据的实时分析。③边缘设备的智能控制。边缘侧业务不敢传：涉及数据安全与保密不需传：本地化、实时性不能传：网络延迟、功耗、计算量、协议适配Predix云端业务非实时、大数据量的业务需要进行纵向和横向对比分析的业务需要和业务系统进行集成的业务需要进行全局优化的业务观点来源：思科苗凯翔、中国电信张东、寄云科技时培昕、海尔孙能林边缘层：边缘智能ThoughtWorks首席科学家MartinFowler马丁·福勒2014年提出的微服务概念。Themicroservicearchitecturalstyleisanapproachtodevelopingasingleapplicationasasuiteofsmallservices,eachrunninginitsownprocessandcommunicatingwithlightweightmechanisms,oftenanHTTPresourceAPI.Theseservicesarebuiltaroundbusinesscapabilitiesandindependentlydeployable

byfullyautomateddeploymentmachinery.Thereisabareminimumofcentralizedmanagementoftheseservices,whichmaybe

writtenindifferentprogramminglanguagesandusedifferentdatastoragetechnologies.小：由一系列小服务组成独：每个服务运行于自己的独立进程轻：轻量级的通信机制（通常是基于HTTP协议的RESTfulAPI）松：围绕着单一业务功能进行构建，松耦的服务能够被独立更新和部署活：支持不同的开发语言、数据存储技术和技术堆栈微服务=单一功能模块归根揭底为了敏捷开发二、工业PaaS：微服务的定义单体架构微服务架构创建方式企业级，自顶向下开展实施团队级，自底向上开展实施，允许采用不同技术堆栈部署方式整体部署，紧耦合独立部署，微服务松耦合，服务之间可以独立的部署扩展方式基于整个系统扩展，资源利用率低基于独立服务按需扩展，资源利用率高更新方式局部修改，整体更新，升级效率低局部修改，局部更新，升级效率高运维方式故障全局性，排查复杂故障隔离，非全局，故障排查简单从单体架构到微服务架构的逻辑是更快、更敏捷地创建、部署、扩展、更新和运维应用服务面向特定行业特定应用场景的新型工业APP需要快速部署和持续迭代优化，适合微服务架构工业PaaS：微服务架构容器技术虚拟机技术微服务将单体软件解耦为较小的功能片段，容器进一步对这种解耦性进行了扩展，将微服务及其依赖关系与操作系统解耦，不需要像虚拟机一样安装操作系统，可以节省大量的系统资源（计算，内存和磁盘空间），容器的下载、更新、部署和迭代也更快。容器本质上是轻量化的虚拟机，为微服务运行提供一个隔离的运行环境，并且可以跨越基础设施和云端随意部署。Docker是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，而kubernetes可以统一管理各类容器，形成集群。工业PaaS：微服务的运行环境（容器）故障诊断模型资产管理模型身份验证位置服务可视化工具用户登陆API微服务1datastore微服务池API微服务2datastoreAPI微服务3datastoreAPI微服务4datastoreAPI微服务5datastoreAPI微服务6datastore每个微服务都有自己的API，API是每个微服务的唯一能力出口，并通过API网关进行统一管理。API网关黑白名单日志协议适配身份认证计流限流路由访问认证中心服务注册管理中心设备管理APP工业PaaS：微服务的通信（API）图片来源：安筱鹏《平台解读：不断深化对工业互联网平台的认识》①我是谁？②我从哪里来？③我要到哪里去？机理模型VS数据驱动机理模型：人是核心，依靠基础理论和专家经验，是对“已知”世界的洞察，对于一些复杂问题建立严格的机理模型较为困难。大数据分析模型：算法是核心，通过机器学习等算法可对”未知”世界进行洞察，但模型本身是黑盒，也容易发生一些重大误判。数模联动模型：是未来趋势，在了解行业机理的基础上，结合机器学习强大的特征表征和非线性映射能力，增强模型的可靠性、解释性和自我成长性。工业PaaS：核心是构建一个数字化模型池实施工业APP培育工程，有利于发挥软件赋能、赋值、赋智作用（软件定义研发设计、生产制造、经营管理和运营维护），推进两化深度融合。有利于将制造业企业原本分散、隐性的工业技术挖掘出来、传播开来、传承下去（工业Knowhow的显性化），破解国内工匠不足难题。有利于更大程度激发“双创”活力（工业互联网平台本质上是开发者“双创”平台），培育产业发展新动能，带动形成新的增长极。有利于汇聚海量开发者、提升用户粘性（双边市场），打造资源富集、多方参与、合作共赢、协同演进的工业互联网平台应用生态。工业互联网APP（以下简称工业APP）是基于工业互联网，承载工业知识和经验，满足特定需求的工业应用软件，是工业技术软件化的重要成果。是什么（who）：工业应用软件（云端数字解决方案）来自哪里（where）：工业互联网（工业PAAS长出来的）怎么来的（how）：工业技术软件化本质：工业知识和经验的沉淀、传播、复用和价值创造目标：满足特定需求，实现各种优化软件发展历程软件技术架构软件开发范式软件业务功能三、工业APP的定义一、总体要求二、科学制定部署模式大型企业：私有云，部署数据安全要求高的关键信息系统；公有云：连接客户、供应商、员工的信息系统；混合云架构：部署数据安全要求高且需对外连接提供服务的信息系统，数据存储于私有云、应用部署于公有云。中小企业和创业型企业：公有云。三、按需合理选择云服务基础设施类云服务:计算资源服/存储资源服务/网络资源服务/安全防护服务。平台系统类服务：数据库服务/大数据分析服务/中间件平台服务/物联网平台服务软件/开发平台服务。业务应用服务:协同办公服务/经营管理应用服务/运营管理服务/研发设计服务/生产控制服务/智能应用服务四、稳妥有序推进企业上云五、提升支撑服务能力六、强化政策保障工信部《推动企业上云实施指南（2018-2020年）》工业APP的分类（按业务环节）到2020年，培育30万个面向特定行业、特定场景的工业APP。——面向国内制造业重点项目推进、重大工程实施和重要装备研制需求，发展具有高支撑

价值的安全可靠工业APP。——面向关键基础材料、核心基础零部件（元器件）、先进基础工艺、产业技术基础等

“工业四基”领域，发展普适性强、复用率高的基础共性工业APP。

——面向汽车、航空航天、石油化工、机械制造、轻工家电、信息电子等行业需求，发展

推广价值高、带动作用强的行业通用工业APP。

——面向制造企业的个性化需求，发展高应用价值的企业专用工业APP。工业APP的分类（按应用范围）工信部《工业互联网APP培育工程实施方案》消费APP工业APP连接对象人人机物产品效应眼球经济价值经济（成本、质量、效率）功能要求商业模式创新解决企业实际痛点开发主体互联网企业是主力军制造企业是主力军，工业APP姓工核心技术软件开发技术软件开发技术+工业大数据分析+工业机理发展现状我国有500万款以上！商业模式较为成熟我国有20000款，商业模式探索阶段性能要求对数据的及时性、安全性要求相对低一些（谋财）对数据的及时性、安全性要求非常高（害命）运行载体手机手机、计算机、平板、AR/VR设备、工业计算机消费APPVS工业APP边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析边缘智能工业应用开发工具（专用开发工具、应用模板、图形化编程）工业微服务组件（机理模型、数据驱动模型、微服务管理）工业大数据分析平台（数据管理、数据建模、数据分析）通用PaaS平台（开发环境、运行环境、运营环境）新型工业APP传统软件云化边缘计算+云计算（平台上移、功能下沉）公有云+私有云（灵活部署）通用PaaS平台：微服务架构+容器化部署工业大数据建模分析平台：工业机理模型+数据驱动模型工业应用开发平台：数字孪生+知识图谱+管理引擎角色化+轻型化（持续集成、持续交付、持续部署）工业互联网平台技术趋势（二）产业维从5G、数据中心、人工智能到工业互联网，这几个概念不是割裂的，而是环环相扣的，构成了数据采集、传输、计算、分析、应用的数据闭环，工业互联网平台建设的关键是要实现这些技术的群体性突破和协同性创新。边缘计算数据中心5G人工智能工业互联网数据采集计算传输应用分析数据数据+算力数据+算力+模型数据+算力+模型+应用工业互联网+5G/数据中心/人工智能应该怎么加？数据+算力+模型+应用=工业互联网平台数据上不来设备类型多协议封闭接口类型多工况恶劣数据存不了数据用不好监测点多类型多样流量大性能要求高时间跨度大数据量巨大数据维度多实时分析难难以定量算法落后5G数据中心人工智能工业互联网平台=数据+算力+模型+应用超过80%的5G应用场景在工业互联网垂直领域。5G技术将解决工业互联网落地最初一公里问题。当前“5G+工业互联网”应用总体情况仍然处于试点示范和探索阶段。eMBB增强移动宽带uRLLC高可靠低时延mMTC海联物联10Gbps1ms1Million/km21G2G3G4G5G19801990200020102020应用场景传输速率模拟语音数字语音短信移动互联网应用数字业务占主导数据洪流物联网115Kb-384Kb384Kb-100Mb100Mb-1Gb10Gb+模拟时代数字时代移动互联网时代万物互联时代一、5G:打通工业互联网最后一公里的有效手段川渝一带粤港澳大湾区鲁豫一带湘鄂一带长三角地区总体看，我国5G与工业互联网融合发展仍处于起步阶段，但产业界探索步伐加快，积极性不断提升，已经具备良好的发展基础。产业生态逐步完善关键技术：面向工业场景的关键技术研发加快推进，H公司、长虹等企业已发布多款5G工业模组。商业模式：基础电信企业与工业企业合作持续深入，商业模式和发展路径逐步清晰，已形成近百个在建或意向合作项目。两区：长三角地区、粤港澳大湾区应用案例丰富。三带：鲁豫、川渝、湘鄂一带涌现了一批典型案例。多点：其他地区有一些企业开展了积极探索。应用范围加快拓展应用行业：除汽车、通信与电子制造、机械、电力、轨道交通、航空、化工、家电、钢铁、船舶等制造业行业外，港口、能源等领域也成为“5G+工业互联网”的应用重点。应用场景：在视频监控、物流配送等场景应用基础上，部分企业持续走深向实，已开始介入到装配、检测等生产关键环节。发展格局初步形成5G+工业互联网发展现状2019年11月12日，工业和信息化部印发《“5G+工业互联网”512工程推进方案》，高质量推进5G与工业互联网融合创新。打造项目库培育解决方案供应商构建供给资源池技术标准攻关融合产品研发和产业化网络技术和产品部署实施5：打造5个内网建设改造公共服务平台1：遴选10个重点行业2：挖掘20个典型应用场景建设测试床《“5G+工业互联网”512工程推进方案》提出要提升“5G+工业互联网”网络关键技术产业能力、创新应用能力、资源供给能力。提升网络关键技术产业能力提升创新应用能力提升资源供给能力5G+工业互联网推进方案中国商飞联合互联网企业、设备制造企业、移动通信企业、科研院所等，开展“5G+工业互联网”在大飞机生产制造、工厂物流、质量管控等方面的探索，形成智能生产、智能物流、智能检测等融合应用实践。其中，H公司提供基于“5G+云”的AR/VR技术；联通提供5G通信技术及智能制造技术；腾讯提供云计算、大数据和人工智能技术；上交提供智能制造创新模式研究支撑。基于“5G+8K超清视频+深度学习+平台”，构建大飞机制造机器视觉，实现复合材料的无损检测、拼缝检测，使检测时间由原来几小时甚至几天缩短至几分钟；人员成本降低95%。智能检测智能物流基于“5G+远程控制+AR+平台”，构建机床自主触发物流需求、AGV自主智能路径规划的智能物流方式，大幅提升民机装配协同效率，使传统的单项工装工作人员由3人减少到1人；装配效率提高70%；降低操作人员成本20万/人。

基于“5G+射频+VR+平台”，构建基于大数据驱动的产品、设备、工装、物流、人员及刀量具等生产要素全过程管控，实现对生产环境、生产状态、复合材料等全方位跟踪与优化，提升生产的智能运营管理，零配件定位误差缩小在3厘米以内；运营成本降低20%；生产效率提高20%以上。

智能生产商飞：基于“5G+工业互联网”的智慧工厂2019年7月，全球知名咨询公司HeavyReading联合全球5G技术研发领先企业高通发布了《5G专用网络在工业互联网中的应用》白皮书。HeavyReading白皮书指出在工业互联网领域，5G专用网络与LTE和Wi-Fi相比，具有覆盖范围更广、安全保障能力更强、性能更加优越三大优势，能够支持苛刻性能要求的工业场景应用：一是利用5G+AI实现码头等特定区域物流车的智能导航。二是利用5G+AR开展辅助装配与远程运维。三是利用5G+机器视觉开展预测性维护。四是利用5G支撑高压配电网负荷控制。五是利用5G+NB-IoT解决设备物联问题。六是利用5G专用网络对工业设备进行远程控制。5G专网在工业互联网中的六大应用场景美国IDC机柜数目前已占全球40%的市场，其后是中国和日本分别占8%和6%，中国IDC发展比美国晚5年。2018年，我国制造业增加值约占全球30%，互联网用户数全球占比约21%，稳居世界第一制造大国和网络大国，这决定中国IDC规模不会低于美国。我国数据中心发展前景巨大，预计2020~2025年中国IDC市场累计超万亿元。数据中心作为工业互联网的重要基础设施，更加强调云计算数据中心和边缘数据中心的协同性，我国IDC市场空间巨大。数据来源：前瞻产业研究院、中国IDC圈数据来源：中国国家统计局美国商务部《互联网趋势报告》制造业占GDP比重互联网用户全球占比二、数据中心：支撑工业互联网落地的关键基础设施规模化数据中心架构边缘数据中心架构传统的大型规模化数据中心难以满足万物互联的需求，需要建设小微型数据中心，来加强边缘计算和数据分析的能力。一方面，算力就是生产力，要加快规模化数据中心建设，缩小和美国数据中心市场占比的差距。另一方面，要加快边缘数据中心建设，满足企业带宽、时延、安全需求。云数据中心时延限制网络拥塞完全问题...云数据中心云DC边缘DC边缘数据中心边缘数据中心“规模化+小微化”数据中心协同发展会成为主流定义：工业人工智能是工业领域中由计算机实现的智能，具有自感知、自学习、自执行、自决策、自适应等特征，其本质是通过打造状态感知、实时分析、精准执行、科学决策的数据自动流动闭环，解决工业的复杂性和不确定性难题。问题：工业的复杂性、不确定性和人工智能缺乏可靠性、可解释性之间的矛盾，制约工业人工智能的发展。发展阶段判断：工业智能仍处于发展探索时期，工业人工智能的关键技术、场景应用、产业发展均处在起步阶段。数据（人机物）洞察模型应用实时分析状态感知科学决策精准执行学习提升主要矛盾工业系统人工智能缺乏可靠性缺乏可解释性复杂性不确定性三、人工智能：工业互联网平台的内核数据层边缘层模型层算法模型设备模型机理模型业务模型应用层故障诊断定位（分类）产品质量检测（分类）产品自动分拣（分类+回归）设备预测维护（分类+回归）智能辅助设计（分类+回归）过程控制（分类+回归）供应链管理（回归）产业链级企业级几何模型寿命模型研发设计模型生产制造模型经营管理模型第一性原理知识图谱回归算法分类算法聚类算法智能网关设备级集团辅助决策（分类+回归）员工数据机器数据物料数据规则数据环境数据智能机器人智能传感器智能机床模型管理引擎模型推理引擎生产工艺优化（回归）智能芯片流程自动监控（回归）机器学习工业人工智能框架：边缘层+数据层+模型层+应用层工业智能边缘目前处于技术突破阶段，所涉及的硬件基础设施、软件技术等大多已具备，但仍面临边缘节点对计算能力的支持、边缘计算任务的智能调度，边缘计算网络架构和性能优化等挑战。目前以“AI芯片+兼容解析工具+设备”为主要形式，通过全面感知、精准计算与自主控制，有效缓解数据中心计算压力，实现业务处理去中心化；未来，其存储、计算、判断等性能将继续提升，加速向边云协同、万物智联转化AI专用芯片兼容性编译工具&协议解析工具智能设备寒武纪研制深度学习专用处理器芯片，相对于传统执行x86指令集的芯片，有两个数量级的性能提升。腾讯和阿里基于FPGA的云计算加速芯片，实现了低成本、低功耗，具有广泛的应用场景。H公司针对边缘服务器市场推出Ascend310芯片，目前已部署在自动驾驶领域，正在向其他应用领域拓展。英特尔、亚马逊、谷歌、Facebook和KhronosGroup等企业和机构基于各自优势与竞争考虑打造了相应编译器或模型表示规范。中国移动、东方国信、寄云科技等企业通过建设智能网关，动态实现OT与IT间协议转换，加强对带宽资源不足和突发网络中断等异常场景的应对能力。生产设备：库卡、新松等企业开发搭载机器学习算法、路径规划等技术的机械臂、运输载具和智能机床等产品。控制设备：针对包装、焊接、拼接等作业场景，伯克利、海康威视等企业通过应用语音识别、视频捕捉等技术提升人机交互效率。研发设备：NetSpeed提供SoC设计与架构辅助设计系统，通过内置人工智能算法助力芯片设计师寻求最佳解决方案，并提供持续的设计反馈。算力方面，边缘层亟需加快研发适配工业实时性需求的AI芯片深度学习，主要解决了工业场景中的识别、监控、推理、预测等问题，适用于不可见的复杂问题。知识图谱，主要解决了工业要素的挖掘、分析、建模、可视化等问题，适用于认知明确的问题中飞艾维与百度深度合作，基于飞桨（PaddlePaddle）深度学习框架联合开发海量数据AI分析平台，实现巡检数据中特定缺陷辩识，速度达到人工处理近百倍。德国瀚沙公司：基于“深度学习+能耗”预测电网中断和停电，识别电网缺陷的可能性提高2倍以上。领邦智能：基于“深度学习+视觉”进行预测性维护、产品质量检测等工作，误检率为十万分之一，质检效率是质检员的八倍。东软集团部署工业知识图谱进行知识发现和决策辅助，实现了协助人工高效操作和有效决策。一汽通过构建汽车故障诊断知识图谱，将业务方向、售后场景和细化描述进行关联建模，实现效率支撑、提前发现和专业案例支撑。UTC联合技术研究中心将知识图谱引入研发设计过程，依靠知识图谱分解功能块，构建设计方案库，设计出的换热传热效率提高80%，设计周期加快9倍。深度学习知识图谱模型方面，深度学习、知识图谱和管理引擎将成为重点发展方向设备预测维护德国蒂森克虏伯集团结合智能传感器及机器学习，开展基于电梯运行数据的预测性维护，使电梯停运时间降低50%，维护费用节约15%设备级集团辅助决策产品质量检测IBM依托Waston人工智能平台开展基于视觉识别的质量检测，有效减少重复人工成本，质检时间缩短80%，产品质量缺陷率减少7%流程行业：自动监控中海油、中石油等通过建设智能实时决策系统，构建起以井为中心、井场与基地多学科协同作战的信息系统平台，每年仅单平台操作费就节省800万元离散行业：辅助设计瑞士纽若公司在自行车设计中，利用深度学习网络对进行空气动力学分析，产品动力学特性比传统方法高5-20％，并将继续应用于风机、涡轮机、飞机等设计过程GE、壳牌、阿美等巨头依托KnowledgePlatform，通过知识图谱与数据科学协同，在综合考虑品牌效益、经营成本、经济趋势等因素的基础上，利用人工智能提供决策和流程优化建议供应链管理H公司、西门子、莱比锡等企业打造供应链知识图谱，通过企业关系网实现供应链风险管理与零部件选型离散行业：过程控制德国施肯拉公司了将检流计扫描仪与数字角度传感器相结合，基于机器学习控制系统的智能扫描头，实时独立地计算控制参数，帮助系统更快、更精确地工作产品自动分拣爱普生、埃尔森、梅卡曼德等基于3D视觉与深度学习进行不规则物品的识别和分拣。利用深度强化学习使机器人具备自主及协同学习技能，准确率达到90%企业级产业链级应用方面，工业的复杂性、不确定性和人工智能缺乏可靠性、可解释性之间的矛盾导致工业人工智能发展缓慢富士康基于深度学习建立的刀具寿命智能预测模型，实现了从计件换刀到精准换刀的转变，帮助企业延长刀具寿命15%，提高产品良率30%。痛点：传统汽车制造制程中，采取计件换刀的方法，一是不能完全解决加工过程中崩刀、断刀的问题，二是刀具的意外损坏会直接造成加工部件的损毁并造成巨大损失，三是不能充分利用刀具有效寿命。方案：采集机台振动/电流传感器和控制器等多类异构数据，在云端基于深度学习训练刀具剩余寿命预测模型，并部署到边缘侧，实施监测分析刀具状态数据，智能预测断刀、崩裂和寿命的异常情况。效果：实现刀具崩刃及断刀的即时判定准确率93%刀具寿命预计延长15%，预计减少刀具成本15%提升产品良率30%，节省材料成本约10%，提高生产效率15%。传感器工控机监控系统工具寿命预警机台、刀具状况监控DeeplearningDATA来源：富士康案例:富士康基于工业人工智能的刀具寿命智能预测痛点：钢铁年产值约8万亿，钢铁工序70%的冶炼成本和能耗以及90%的碳排放在炼铁工序，但炼铁反应器及产品单一，生产竞争力在于冶炼成本，对于大型、连续、高温、高压、密闭的反应黑箱高炉而言，当前仍以“盲人摸象”式操作和“师傅带徒弟”式为主，不同炼铁厂（人）水平“参差不齐”，不同高炉之间寿命最大相差15年、吨铁成本相差百元、燃料比相差百公斤，其数字化、智能化、科学化水平提升空间巨大。方案：基于机理模型的知识图谱+基于大数据的深度学习效果：单座高炉降低2400万铁水质量稳定性提高20%在全国30%高炉推广冶炼效率提升10%算法集应用场景知识图谱设备故障诊断物流配方优化工艺流程优化生产过程管理产品质量控制服务效能提升主元分析分类算法聚类算法随机森林遗传算法粒子群算法……技术：生产技术、设备诊断等工艺：工艺设计、工艺改善等流程：焦化、烧结、高炉等……东方国信：基于机理+数据驱动的数字高炉边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析可信边缘智能工业应用开发工具（专用开发工具、应用模板、智能合约）工业微服务组件（机理模型、数据驱动模型、微服务管理、模型共享、供应链优化、状态溯源、访问控制、协作生产）工业大数据分析平台（可信数据管理、工业分布式账本、互信共享、数据建模、数据分析、身份管理）通用PaaS平台（开发环境、运行环境、运营环境）新型工业区块链应用APP传统软件云化可信工业数据采集可信工业大数据存储数据建模+模型共享（区块链）微服务生产+集成工业区块链应用（设计、生产、销售、保险、租赁、二手交易、维护、回收）柔性监管入口可信身份可信传输来源：工业互联网产业联盟《工业区块链白皮书》四、区块链：为工业互联网奠定多方共治、互信共享的基础扩展现实XR(ExtendedReality)包括虚拟现实VR(VirtualReality)、增强现实AR(AugmentedReality)、混合现实MR(MixedReality)、全息现实HR(HolographicReality)等多种技术形式。技术定义特点虚拟现实VR(VirtualReality)VR是仿真技术的一个重要方向，是仿真技术与计算机图形学人机接口技术、多媒体技术、传感技术、网络技术等多种技术的集合，是一门富有挑战性的交叉技术前沿学科和研究领域。VR主要包括模拟环境、感知、自然技能和传感设备等方向。沉浸感、交互性和构想性增强现实AR(AugmentedReality)AR是一种能将真实世界信息和虚拟世界信息“无缝”融合的新技术，是把原本在现实世界的一定时间空间范围内很难体验到的实体信息（视觉、听觉、味觉、触觉等），通过电脑等科学技术，模拟仿真后叠加应用到真实世界，被人类感官所感知，从而达到超越现实的感官体验。AR主要包含多媒体、三维建模、实时视频显示及控制、多传感器融合、实时跟踪及注册、场景融合等技术与手段。真实世界和虚