新一代信息通信技术的发展驱动制造业迈向转型升级的新阶段———工业大数据驱动的新阶段，这是在新技术条件下制造业生产全流程、全产业链、产品全生命周期数据可获取、可分析、可执行的必然结果。
工业大数据是我国制造业转型升级的重要战略资源，需要针对工业自己的特点有效利用工业大数据推动工业升级。一方面，我国是制造中心，实体制造比重大，但技术含量低、劳动密集、高资源消耗制造的比重也大，实体工厂和实体制造升级迫在眉睫；另一方面，我国互联网产业发展具有领先优势，过去十多年消费互联网的高速发展使互联网技术得到长足发展，互联网思维深入人心，需要充分发挥这一优势，并将其与制造业紧密结合，促进制造业升级和生产性服务业的发展。因此，我国在推进工业大数据的应用过程中，要突出智能互联产品创新，同时兼顾智能制造和制造服务，用数据驱动制造全生命周期从设计、制造到交付、服务、回收各个环节的智能化升级，推动制造全产业链智能协同，优化生产要素配置和资源利用，消除低效中间环节，整体提升中国制造业发展水平和世界竞争力。
工业大数据的内涵
工业大数据即工业数据的总和，其来源主要包括企业信息化数据、工业物联网数据、“跨界”数据。企业信息系统存储了高价值密度的核心业务数据，积累的产品研发数据、生产制造数据、供应链数据以及客户服务数据存在于企业或产业链内部，是工业领域传统数据资产。近年来，物联网技术快速发展，工业物联网成为工业大数据新的、增长最快的来源之一，它能实时自动采集设备和装备运行状态数据，并对它们实施远程实时监控。互联网也促进了工业与经济社会各个领域的深度融合，人们开始关注气候变化、生态约束、政治事件、自然灾害、市场变化等因素对企业经营产生的影响，外部跨界数据已成为工业大数据不可忽视的来源。
人和机器是产生工业大数据的主体。人产生的数据是指由人输入计算机中的数据，例如设计数据、业务数据等；机器数据是指由传感器、仪器仪表和智能终端等采集的数据。近年来，由人产生的数据规模的比重正逐步降低，企业信息化和工业物联网中机器产生的海量时序数据是工业数据规模变大的主要来源，机器数据所占据的比重将越来越大。
工业大数据的特征
工业大数据作为对工业相关要素的数字化描述和在赛博空间的映像，首先符合大数据的4V特征，即大规模、速度快、类型杂、低质量。相对于其他类型大数据，工业大数据还具有反映工业逻辑的多模态、强关联、高通量等新特征。
多模态是指工业大数据必须反映工业系统的系统化特征及其各方面要素，包括工业领域中“光、机、电、液、气”等多学科、多专业信息化软件产生的不同种类的非结构化数据。比如三维产品模型文件不仅包含几何造型信息，还包含尺寸、工差、定位、物性等其他信息；同时，飞机、风机、机车等复杂产品的数据又涉及机械、电磁、流体、声学、热学等多学科、多专业。
强关联反映的是工业的系统性及其复杂动态关系，不是数据字段的关联，本质是指物理对象之间和过程的语义关联。包括产品部件之间的关联关系，生产过程的数据关联，产品生命周期设计、制造、服务等不同环节数据之间的关联以及在产品生命周期的统一阶段涉及的不同学科不同专业的数据关联。
高通量即工业传感器要求瞬时写入超大规模数据。嵌入了传感器的智能互联产品已成为工业互联网时代的重要标志，用机器产生的数据代替人产生的数据，实现实时的感知。从工业大数据的组成体量上来看，物联网数据已成为工业大数据的主体。以风机装备为例，根据IEC61400-25标准，持续运转风机的故障状态，其数据采样频率为50Hz，单台风机每秒产生225KB传感器数据，按2万台风机计算，如果全量采集，则写入速率为4.5GB/s。总体而言，机器设备产生的时序数据的特点包括海量的设备与测点、数据采集频度高（产生速度快）、数据总吞吐量大、7×24h持续不断，呈现出“高通量”的特征。
工业大数据与企业信息化
企业信息化数据是工业领域传统数据资产，也是工业大数据的第一个来源。在传统制造业企业信息化系统中，广义产品生命周期管理系统主要支持产品开发，企业资源计划系统负责“人财物、产供销”，供应链管理系统协调供应链，客户关系管理系统服务于企业客户和用户，制造企业生产过程执行系统负责制造执行，维护、维修和运营系统支持售后服务等。这些企业信息化系统积累的产品研发数据、生产制造数据、物流供应数据以及客户服务数据多以结构化数据的形态存储在企业数据库系统中，计算机辅助设计、仿真等研发软件产生的非结构化工程数据则通过文件方式管理。
在企业信息化领域，信息系统是数据和流程的综合体，二者联系紧密。波音公司20多年前采用“以数据为中心”的信息化架构。20世纪90年代，随着空中客车公司的崛起，波音公司危机四伏，订单下降，美誉度也随之下降。危难之际，波音公司当时新上任的董事长武达德特别注重波音公司信息系统建设，成功解决了“信息孤岛”问题，极大地改善了波音公司业绩。具体方法就是以数据为中心，把产品数据、工艺数据、项目数据等有机融合在一起，构成逻辑上的单一产品数据源，然后在数据集上重构业务流程。从客服到客户，提供端到端的服务模式，让业务流程围着数据转。由此可见，流程是产生数据的来源，也是消费数据的归宿，数据是支持流程无缝、高效运行的原材料，二者不可分离。
从数据流动的视角来看，企业信息化解决了工业领域“有数据”的问题，网络化解决了“能流动”的问题，工业大数据要解决数据“智能化”的问题。“信息化”能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器，“智能化”则把海量的工业数据转化为信息，信息转化为知识，知识转化为科学决策，以应对和解决制造过程的复杂性和不确定性等问题，其目标在于不断提高制造资源的配置效率。
企业信息化主要解决的是数据单元传递问题，工业大数据则主要是基于数据集合分析问题。
工业大数据与工业互联网
工业互联网可以从网络、数据和安全3个方面理解。其中，网络是基础，即通过工业全系统的互联互通，促进工业数据的无缝集成；数据是核心，即通过工业数据全周期的应用，实现机器弹性生产、运营管理优化、生产协同组织与商业模式创新，推动工业智能化发展；安全是保障，即通过构建涵盖工业全系统的安全防护体系，保障工业智能化的实现。工业互联网的发展体现了多个产业生态系统的融合，是构建工业生态系统、实现工业智能化发展的必由之路。
工业大数据是智能制造与工业互联网的核心，其本质是通过促进数据的自动流动解决控制和业务问题，减少决策过程带来的不确定性，并尽量克服人工决策的缺点。随着互联网与工业的深度融合，机器数据的传输方式由局域网络走向广域网络，从管理企业内部的机器拓展到管理企业外部的机器，支撑人类和机器边界的重构、企业和社会边界的重构，释放工业互联网的价值。
工业大数据创造价值的过程才刚刚开始，工业大数据的价值不仅在于对现有业务的优化，更在于支撑企业、行业乃至全社会的创新、转型和发展。伴随着工业互联网的不断普及，工业大数据应用价值将逐步释放，智能制造也将得到长足发展。当前，工业大数据仍处在高速发展的历史阶段，其概念内涵、技术方法、价值创造模式还在不断创新演化之中，需要努力和大胆地创新实践。
应该针对智能制造和工业互联网的创新需求，把工业大数据的应用与工业自身提高质量、降低成本、提升管理水平的需求结合起来，特别要与中国工业的发展阶段和结构特点结合起来，走出有中国特色的工业大数据技术与产业创新路线，助力中国工业弯道取直与加速腾飞。