数据是制造业与信息技术融合的重要基础资源。近年来，我国在工业大数据引领和催化方面发展迅速，在集成应用和生态培育等多领域成效初现。但相对于为制造业切实解决问题和创造价值的高阶目标，当前工业数据的开发利用仍存在不少挑战：

 

一、从基础层来看，工业数据的采集和如何形成闭环支持生产流程，仍是限制数据价值释放的重要短板：工业制造会生产大量数据，然而工业设备种类众多，工业数据来源和制式更为复杂，数据多源异构、通信协议兼容性不足，导致大量数据沉睡在“哑”设备内难以采集；采集到的数据也难以形成闭环反馈到企业的生产调度中，对产线上的设备控制、参数调节、物料调度等优化工艺和排产的实质性支撑不足。

 

二、从平台层来看，工业制造的领域知识和智能建模等数据处理能力的提供者存在脱节，专家经验无法有效固化到软件平台：作为制造过程中的副产品，数据本身并不能创造价值，只有打通数据与制造知识的链路，解决“发生了什么、为什么发生、下一步发生什么、如何改进优化”的真实业务问题，才能满足工业企业的需求。这就要求数据背后的专家知识和机理分析共同发力，构建有利于算法识别的特征。当前制造企业虽拥有较为丰富的工业制造专家知识，但数字化机理模型更多产生于高校、研究所的实验室，与工业知识缺乏融合，导致许多模型难以满足实际应用需求。

 

三、从应用层来看，多集中在“可见”场景，对“不可见”的复杂、不确定性工业场景应对不足：工业中的问题可被分为可见与不可见两类，当前大多数的数据功能实现都聚焦在解决可见问题，如设备定期维护保养，产品质量抽检等，对设备关键组件衰退、非预期停机、工艺过程与质量关系不清晰等隐性问题缺少量化显现，难以满足工业应用对象差异大，工况管理、资源匹配不确定等具体场景化管理的要求。

 

当前工业大数据价值创造还处在起步阶段，服务制造业快速迭代、持续优化潜力巨大。为更好解决工业企业实际问题，进一步提升制造业数智化水平，建议如下：

 

一、加快推动工业传感器和通信协议兼容适配，以技术改造和新技术强化数据支撑能力

 

1.建议有关部门牵头，支持解决异构数据联网的技术试点示范，鼓励优先在增量国产工业设备中推动不同协议和接口兼容；

 

2.在重点制造行业遴选一批智能示范工厂，推动以关键工序数控化、生产线柔性适应等技术改造工程，组织发布以智能调度和精准控制促进生产制造等业务流程改进的优秀案例集；

 

3.整合行业资源，推进数据脱敏、差分隐私、同态加密等隐私计算技术在工业数据安全共享的落地应用。

 

二、以专精特新企业为依托，探索数字科技与工业制造知识融合推动数智化的新路径

 

1.工业互联网产业集聚区优先探索设立专项资金，以政府购买服务、制定

 

推荐目录等方式，为辖区内的专精特新企业精准诊断数智化需求；

 

2.支持专精特新企业独立或联合设立研发机构，条件成熟地区可采取定向委托等形式，组织专精特新企业参与共性基础技术软件化、复用化攻关；

 

3.扩大工业互联网技术转化和场景应用的专项，组织高校和专精特新企业共同申请，结题考核加入转化预设计、商用效果评估等环节。

 

三、基于真实企业需求场景，降低开发成本和培育壮大数字科技服务商 

 

1. 优化工业大数据应用试点示范的审评标准，支持能解决实际问题（如工艺改进、节能降耗、订单增加）和具备细分行业经验知识软件化的企业入选；

 

2. 培育适合中小企业特点的数字科技服务商，通过遴选基础共性工业App和征集发布轻量级数字化解决方案等，降低多场景应用的开发和部署成本；

 

3. 鼓励金融机构为制造业数智化转型提供精准服务，为转型中的工业企业和提供数智化服务的数字科技公司提供适当的金融支持。