近年來，全球新一代信息技術發展突飛猛進，移動互聯網、大數據、云計算、物聯網、人工智能等信息技術的突破和融合發展促進了數字經濟的快速發展。 與此同時，以互聯網跨界融合應用為特征的數字經濟發展，全面促進了全球經濟競爭制高點--制造業的轉型升級。智能制造已成為全球制造業發展的主要方向，也是新一輪科技革命和產業變革的核心所在。 

2017年12月8日下午，全球信息技術主管大會—工業大數據制造云專題論壇在陜西西咸灃西新城管理委員會10號樓1樓大數據廳如期舉辦！本次論壇由工業和信息化部指導、中國電子學會、陜西省發展和改革委員會、陜西省工業和信息化廳、陜西省西咸新區開發建設管理委員會主辦、中國首席信息官聯盟秘書處、中國工業大數據創新發展聯盟秘書處、西咸新區灃西新城管理委員會承辦、智匯工業協辦，論壇獲得美的、東方國信、中秘投資發展協會、北京天拓四方、美林、大連光洋等企業和西安交通大學、西北工業大學等科研院所的大力支持！

深圳美云智數科技有限公司：徐夏雋總監

美的大數據 打造企業數據生態圈

作為世界五百強美的現有八大事業部，2017年由美的流程IT部門成立深圳美云智數公司，主要服務八大事業部做大數據分析。美的雖行業傳統，但運營上創新。2014年開始提出雙智戰略：智能產品和智能制造，建立數字化美的。在這樣背景下通過大數據驅動為美的帶來實實在在的經濟效益。2016年全年電商營收超過220億，2017年向400億邁進，大數據驅動的信息化轉型為如此成績起到非常重要的作用。

大數據在美的是怎么做的？徐總指出我們要看企業擁有哪些數據，未來將會掌握哪些數據，我們希望拉通企業年產供銷，財務企業內部數據輔助企業經營決策；通過融合外部的互聯網數據，幫助美的掌握市場的情況；整合與用戶相關數據做好管理；運營幾百萬在線設備，精細挖掘每一個新的場景。

美的大數據在各個產品和領域是如何構建的？與傳統BI相比，美的在技術、思維、形態上有不同，不僅僅是報表平臺和數據堆積而是企業全價值鏈的分析和全生命周期的數據管理解決方案。正是因為擁有龐大的技術和業務團隊，3000多臺服務器24小時不斷采集數據為汽車，服裝等眾多個行業提供專業在線分析服務以及將最佳實踐進行落地。

東方國信科技股份有限公司工業大數據研究院：王俊副院長

工業互聯網生態建設

習總書記在十九大報告中指出，要加快建設制造強國，加快發展先進制造業。兩化融合進入新時代的標志就是要深化互聯網+先進制造業，就是要發展工業互聯網。在工業互聯網應用領域，裝備制造是國家戰略，數據將引領驅動行業發展。2012年GE提出工業大數據，在工業制造領域做信息化應用，相關應用有三個方面：第一是由企業內部的傳統的信息化系統產生的，比如PDM、MES、CRM等當中產生的數據；另外，隨著數字化和智能化設備的普及從機器檢測或實驗設備中采集來的數據；最后，互聯網企業外部的環境。

通訊領域起家的東方國信，工業行業日處理3000億條數據，打造出完全自主領先的基于分布式的工業互聯網平臺BIOP，應用于能源，石化，風電等行業。其中能源行業服務于全球35個國家，1269個用戶，14億數據點，平均節能3%-15%。王院長提到工業互聯網架構分成四層：數據采集層，邊緣計算層，平臺層（PaaS層是核心），應用層（SaaS）。全國工業鍋爐總數約為47萬臺，年耗煤約7億噸，占全國煤耗的近10%，此平臺解決了中小企業工業鍋爐能耗及排放問題。

中秘投資發展協會董事長：Alfredo Rolando（羅蘭德）

Evolution of Big Data in Today`s Business World

當今世界的大數據變革日新月異，關于電子信息的工業化改革，在過去有幾個重要的因素結合所有數據可以給我們很好的啟發。現在人工智能的發展將會在未來更加深化，人工智能和工業大數據的結合將會在工業制造領域讓我們看見更多大數據應用的成果，比如：我們收集到的每個數據可以應用到每個生產中的流程領域。

北京天拓四方科技有限公司智能制造事業部總監：彭旭

聚能·賦能—天拓四方數網星工業云平臺

數字化改變著我們的生活？如何通過數字化聚焦工業大數據有兩個環節即如何獲取和應用大數據？從制造型企業來考慮：如電子半導體行業對環境要求很高。有報告指出：未來3-5年，大數據與機器之間的互聯是我們在各行各業首要做的事情，基于此怎樣利用數據判斷未來值得制造型企業深思。如何把數據利用起來？怎樣通過數據提高生產質量和效率？提高機器的利用率？數據描述：一些企業對于以往數據是比較模糊的，利用數據模型可將其定義清楚；數據診斷；預測；規范。

天拓四方推出數網星-遠程數據采集及應用平臺專注解決設備遠程調試和運維需求，幫助客戶實現遠程數據采集及設備運維，大數據應用和分析功能。更精準及時的數據采集，更快速穩定的數據傳輸，更多樣靈活的使用方式，更智能專業的大數據決策，更低的投資成本，更多的數據財富。此平臺框架分三個Level：（1）數據采集:開發智能數據采集網關，在離散和流程制造業企業廣泛應用。（2）IOT層面，高頻率的數據采集如何存儲？可利用PaaS平臺，共享大數據和應用的集成。如風電發電行業不群的群主進行監控，制造型企業有不同的產線。（3）優化：生產調度優化，區域檢修服務。做為制造型企業底層產線里部署各種PLC，傳感器等，我們通過智能數據采集網關跟不同型號不同設備進行互聯，網絡體系支持各種協議，通過私有云的方式部署離散制造型和都進行數據采集并存儲，最終結果進行數據分析，提供預測性維護。

大數據到底怎樣去做呢？彭總提到有幾個重要的環節：首先要布局數據類型，其次是按生產周期還是按頻率進行數據采集，最后數據采集后如何進行存儲。

美林數據技術股份有限公司數據中心總監：馬良

智能制造之“核”—數據中心建設

1998年開始美林公司成立，從事大數據相關的工作，涉及軍工制造，智能電網，金融等行業，其中主要面向離散制造業中的十大軍工，如航空航天等（對數據的保密性要求更高，更多是可視化的，可預測性的數據）。預計于2018年3月建成國內第一個工業大數據展示中心。

中國信息化發展水平不均衡，國內在電子商務，交通，能源等行業應用已非常普及，但在離散制造業和中小型企業信息化還比較落后：（1）源頭和類型非常多，面臨最直接的問題是如何采集數據？（2）如何用對于結構化數據和非結構化進行存儲？（3）數據價值：系統很多，但目前還是依靠人力要數據。馬總提到數據有四個特征：動態感知（采集數據，整合上下游廠商）；數據實施分析；決策；精準執行（提升生產，客戶滿意度等）。

如何管好和用好數據呢？馬總指出數據架構流程運轉的核心是數據，流程數據資產的管理：分析和服務是最核心的部分。專業人才是前提；數據是基礎，它本身是沒有價值的，一定要解決業務的問題；數據分析技術是核心；平臺式支撐；產生效益是根本（工業大數據最重要的原則）。

大連光洋科技集團有限公司CIO：趙宇乾

把脈“大數據”

國家從工業大國向工業強國轉變時一定要保持獨立思維的習慣。當大數據來臨之前我們應該具備什么樣的思維和態度？趙總提到我們要認識數據的局限性，數據采集后過濾具有實時性，真實性和有效性，綜合評判指標并量化。數據的來源、產生是遵循客觀規律的，是否不被當前認知環境所束縛。趙總以“深圳發出全球第一批智能無人駕駛公交巴士”為例，提到2011年有150多家大數據的企業，到2016年超過3500家企業，在全球范圍內的積累已經到了一定的程度，我們要聚焦的是怎樣結合具體的行業真正為企業帶來有價值的東西？

趙總提到大數據有三部分：SCADA大數據采集平臺，機房大數據運營平臺，大數據維修服務。社會的快速發展，人們對消費需求的特性已快速轉向個性化消費，而作為產品的制造企業，大批量的生產某一種產品已經跟不上時代的需求，而快速的制造多種類產品以滿足客戶需求已經成為企業立穩腳跟的核心競爭力，然而，企業規模越大，反應的敏捷性卻也越低。APS是解決詳細計劃排程的根本方法。