| 类型 |
简介 |
| 现场设备数据 |
来源于工业生产线设备、机器、产品等方面的数据，多由传感器、设备仪器仪表、工业控制系统进行采集产生，包括设备的运行数据、生产环境数据等 |
| 生产管理数据 |
传统信息管理系统中产生的数据，如SCM、CRM、ERP、MES等 |
| 外部数据 |
来源于工厂外部的数据，主要包括来自互联网的市场、环境、客户、政府、供应链等外部环境的信息和数据 |
工业大数据与互联网大数据之间存在明显区别，其具备更强的专业性及关联性，对数据质量要求更高，数据量采取更全面。
| - |
互联网大数据 |
工业大数据 |
| 数据来源 |
互联网中产生以及传播的社会和媒体数据 |
传感器的采集以及控制器与维修过程中的日志及记录等 |
| 数据量要求 |
大量样本数 |
尽可能全面的使用样本，以覆盖工业过程中的各类变化条件 |
| 数据质量要求 |
较低 |
较高，需要对数据质量进行预判和修复 |
| 分析手段 |
不同特意考虑数据属性意义，一般通过统计分析挖掘样本中各个属性之间的相关性进行预测，或者借助人工智能算法从文本、图像、视频等非结构化数据中发掘潜在特征和价值 |
强调数据特征的物理关联，具有一定逻辑的流水线式数据流分析手段，强调跨学科技术的融合，包括数学物理、机器学习、控制、人工智能等 |
| 结果准确性要求 |
较低 |
较高 |
工业大数据主要集中在基础层、平台层及应用层三个层面，其中，基础层主要包括数据资源、技术组件与集成两部分，平台层主要包括数据处理、数据管理及工业应用三方面，应用层则涵盖工业设计、生产、协同、服务、个性化定制、资源共享的工业产品全生命周期各环节。
| 产业链层面 |
环节 |
简介 |
| 应用层 |
智能化设计 |
自动化设计数字化仿真优化 |
| 智能化生产 |
生产效率综合优化生产故障预测 |
|
| 网络协同制造 |
设备联网与智能控制过程协同与透明化 |
|
| 智能化服务 |
产品智能化远程维修 |
|
| 个性化定制 |
全流程建模数据贯通 |
|
| 生产资源共享 |
生产能力共享生产资料共享 |
|
| 平台层 |
数据处理 |
数据分析、数据可视化、数据清洗 |
| 数据管理 |
数据质量、数据安全、元数据、主数据&参考数据 |
|
| 工业应用软件 |
企业资源计划、供应链管理、客户关系管理、资产性能管理、制造执行系统管理、产品生命周期管理、过程控制系统…… |
|
| 基础层 |
数据资源 |
设备物联数据、外部联网数据、生产经营相关业务联网数据 |
| 技术组建与集成 |
大数据技术组件、人工智能技术组件、物联网技术组件、云服务技术组件、系统集成技术、虚拟现实技术组件 |
受宏观经济环境、政策、技术进步与升级等多重利好因素推动，2014-2019年我国工业大数据市场规模维持较快增长趋势，2019年整体规模达到146.9亿元，同比增长28.6%。随着物联网、云计算、人工智能等新兴技术不断向工业领域渗透，以数字化驱动工业大数据的发展，预计2020-2022年我国工业大数据市场规模将提速，2022年市场规模有望达346.1亿元。
以上数据资料参考《2020年中国工业大数据市场调研报告-市场供需现状与前景评估预测》。
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
