新华财经北京8月28日电（分析师徐珊珊 卢德坤）随着我国产业数字化进程加快推进，数据作为一种新型生产要素备受业界和市场关注。机械工业仪器仪表综合技术经济研究所信息中心副主任、国际电工委员会“智能制造框架与概念”工作组（IEC/TC65/WG23）中国代表专家方毅芳博士近日接受专访时表示，工业大数据对加速产业转型升级，推进制造业向数字化、网络化、智能化变革具有重要意义，针对我国工业大数据产业链条与制造业转型需求“错位”的问题，应从数据模型构建、工业软件自主可控、平台建设、新型基础设施建设、人才培育等多方面完善提升，营造良好的工业大数据生态体系。
工业大数据是推进制造业数字化的核心生产要素
大数据具备数据量巨大、数据类型多样化、数据传输速度快、潜在价值高等特征。工业大数据是指工业领域的大数据，通过贯穿于研发设计、生产制造、物流销售、维护更新等制造业全生命周期中的工艺设备、制造装备与工业软件，形成大量的结构化、非结构化数据。
方毅芳说，工业大数据是企业的核心资产，也是制造业数字化、网络化、智能化变革的重要基础资源，充分发挥大数据的基础资源作用和创新引擎作用，对于推动产业数字化发展具有重要的战略意义。
当前，随着工业互联网、物联网、人工智能、5G等新一代信息技术发展，工业大数据的深度挖掘、创新应用已经广泛应用于生产制造的各个环节，成为产业转型升级的核心推动力。
首先，工业大数据推动生产过程的智能化转型。企业运用以大数据为代表的新一代信息技术，并与自动化技术深度融合，采集、分析、挖掘、应用生产现场的设备、人员、工艺、质量、仓储、物流等资源，大大提升了生产过程的智能化程度，实现提升生产效率、降低生产周期、降低运营成本、提升产品合格率、降低能源消耗。
其次，工业大数据还推动管理过程的智能化。制造企业在生产运营、市场销售、原料采购等经营管理活动中也会拥有大量的数据资源，且蕴藏了许多有价值信息，运用大数据技术挖掘数据的隐藏信息，并实现对生产系统形成智能化闭环联动管理，可最大限度实现企业的精益生产与高效管理。
此外，工业大数据还能推动新模式、新业态的探索与实现。工业大数据是工业互联网、智能制造发展的核心，基于大数据技术应用形成了网络协同制造、大规模个性化定制、工业电商等新型模式，将大大推动制造业乃至工业体系的智能化变革。
工业大数据产业链条与制造业转型需求“错位”
伴随我国工业化与信息化深度融合进程不断推进，我国工业大数据发展呈现爆发式增长态势，应用广度和深度不断加强，围绕质量管控、视觉检测、远程运维、用户需求挖掘等领域，出现了一批工业大数据供应商与产品，不同行业也涌现出工业大数据应用的典型案例，如工程机械领域的远程运维、电子制造的在线质量检测等。
方毅芳提出，工业大数据的落地应用需要数据模型、工业软件、工业大数据平台共同形成的完整产业链条，但当前我国工业大数据产业仍存在一些问题亟需解决。
从数据模型角度，需要从供给与需求双方提高基于工业机理的数据分析与应用能力。工业系统的复杂性使得工业大数据与工艺流程、业务内容、用户需求结合十分紧密，因此，工业大数据应用需要数据分析与服务供应商能够深入理解业务需求，用户作为需求方能够理解这些数据模型及其分析结果。当前，我国工业大数据的供需方数量不断增长，但供应方仍以传统信息技术企业为主，对工业需求理解的深度不足；同时，由于我国不同行业数字化基础参差不齐，用户对于大数据的需求与分析理解水平不一致，导致“供需对接”衔接不足。
从工业软件角度，亟需提升工业软件的自主可控性。工业大数据的采集、分析、应用离不开CAE/CAD/CAPP等工业软件，国内工业软件企业并不少，但真正拥有自主知识产权、核心技术的企业不多，而且基于软件系统的工业知识沉淀、机理模型积累与国外差距尤为显著。工业软件“受制于人”，是我国工业大数据深度挖掘与推广应用的关键瓶颈。
从平台角度，通过工业互联网平台能够整合汇聚生产现场、经营管理、社会网络、安全和其他相关数据资源，集成与固化丰富的数据模型、软件系统，面向供需双方提供跨地域、跨行业、高效便捷的数据获取、共享、交互服务。如今我国工业互联网平台市场已经“百花齐放”，不同领域、不同规模的工业互联网平台有200余家，正处于由“充分竞争”向“优胜劣汰”、资源整合的转变阶段，专业领域的工业互联网平台仍需继续完善。
充分挖掘数据要素价值促制造业转型升级
结合工作实践，方毅芳认为，应从企业和产业角度充分挖掘与利用数据要素的价值，实现数字经济的倍增与叠加作用，推进制造业转型升级。
从企业角度，应发挥数据资产的价值，从研发设计、生产制造、运营管理等全方位应用数字技术推动企业智能化水平，使得制造业从中低端走向中高端，增加制造业附加值。同时，注重数据资源的创新引擎作用，通过工业机理模型、工业软件、数据平台等数字技术作为企业创新的数据资源基础，进一步导入人工智能、5G、工业互联网等技术，促进企业智能化转型。
从产业角度，首先应加强基础设施建设，以数据作为重要资源，推动数据的全生命周期运行、应用、安全和管理基础软硬件系统、网络等新型数字基础设施建设，为数据应用落地提供物质承载平台。其次，注重人才培养，在高校、培训机构推动开设工业大数据的分析与管理课程，吸引国内外跨领域专家，打通数据分析、软件开发与工程应用节点，培育大数据产业专有人才。此外，推动公共服务平台与生态体系建设，建立专业化、高质量的信息咨询、技术开发、集成应用的公共平台，并加强工业大数据集成应用、效果评估、市场交易管理等标准与规范完善，营造良好的工业大数据生态体系。（完）
