新华财经北京9月4日电（分析师徐珊珊、卢德坤）近年来，随着我国工业大数据技术发展和产业转型升级进程不断加快，标准研制的重要性日益凸显。机械工业仪器仪表综合技术经济研究所副所长石镇山教授近日接受专访时提出，标准化对工业大数据应用与制造业数字化转型具有重要支撑作用，但国内外工业大数据标准供给仍严重不足，无法全面支撑制造业数字化转型发展的需求。
石镇山介绍，工业大数据标准需要将通用的大数据标准与工业需求充分融合。目前，国内外已陆续发布不少大数据标准，各国际组织、世界制造大国纷纷加紧工业大数据领域的标准研制工作，我国在工业大数据标准化方面也已积极展开布局。
国际标准化组织（ISO/TC184）工业自动化系统与集成技术委员会、国际电工委员会（IEC/TC65）工业过程测量控制和自动化技术委员会、国际标准化组织和国际电工委员会第1联合技术委员会（ISO/IEC JTC1，信息技术领域）、经合组织（OECD），以及美国工业数据交换组织(GIDEP)、英国工程科学数据组织（ESDU）等，是从事大数据和工业大数据标准研究的主要国际组织，已发布大数据术语、参考架构模型、应用案例等国际标准。
在我国，对口ISO/IEC JTC1的全国信息技术标准化技术委员会（SAC/TC28）、对口ISO/TC184的全国自动化系统与集成标准化技术委员会（SAC/TC 159）、对口IEC/TC65全国工业过程测量控制和自动化标准化技术委员会（SAC/TC 124），以及中国通信工业协会大数据应用专业委员会、工业大数据产业应用联盟等都在致力于工业大数据标准的研究，研究并陆续发布了工业大数据标准体系、工业产品元数据、应用参考架构、数据采集规范、数据描述规范等一系列工业大数据标准。同时，围绕生产制造环节的数字化、网络化，研制了数字化车间、智能工厂、互联互通、信息安全与功能安全一体化等一系列标准，为工业大数据的推广应用提供了基础。
当前，国内外对工业大数据的概念理解仍不统一、缺乏规范术语。工业大数据是工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台中的数据等。
石镇山表示，从制造业全生命周期来看，不同制造阶段对于工业大数据的需求与属性不同。制造业前端的市场调研与产品设计、后端的销售与信息服务环节的大数据，都更接近于商业大数据，主要强调商业数据安全与数据质量，工业属性体现不显著；生产制造是生命周期的关键环节，在信息安全与功能安全、互联互通、互操作、实时性、确定性、设备可知等方面的大数据，都体现了典型的工业特性，是工业大数据标准化的核心内容。同时，生产制造相关的信息化、数字化技术、市场需求都发展迅速，这些对工业大数据标准化工作的系统规划与设计提出要求。
今年5月，工业和信息化部印发的《关于工业大数据发展的指导意见》提出，加强工业大数据标准体系建设，加快数据质量、数据治理和数据安全等关键标准研制，选择条件成熟的行业和地区开展试验验证和试点推广。
针对当前工业大数据标准化发展现状，石镇山提出，我国工业大数据标准需要与国际标准协同。然而，由于国内与国际的工业数据管理的法律法规不同，工业数据采集与分析、设备集成与互联等工业大数据关联技术成熟度不一致、技术推广应用节奏不同，这些将影响我国工业大数据与国际大数据标准的协同推进工作。
首先，抓紧数据立法和治理体系建设。标准是法律法规的支撑与完善，反过来许多标准的制定和实施，通常需要国内上位法律法规作为依据，并充分考虑与国际相关标准、条约的协同关系。全球化发展进程中，工业大数据涉及工业安全、数据隐私、甚至意识形态领域，是国际化的问题。各国对于数据安全、工业数据应用、知识产权等方面的法律法规、管理程序存在差异。工业大数据国际标准化进程缓慢，一定程度上是由于各国法律法规的差异，而这个问题短期内是无法有效解决。因此，我国需根据自身需求，健全工业大数据确权、数据交易、数据共享等方面的法律法规，完善工业数据安全保护机制，对工业数据的采集、存储、管理、交易等各方面的权力责任予以规范，界定数据产权、数据运营权、收益分配权。制定适合我国的工业大数据标准化发展路径与体系，为规范与推进我国工业大数据产业发展提供标准化的支撑服务。
其次，基础先行、应用引领、协调发展。优先研制实施工业大数据术语、参考架构、元数据类、标识规范等基础标准，重点攻克产品大数据格式与分类方法，建立规范、属性明确、可追溯可定位的产品大数据规范体系。凝练工业大数据交换集成、全流程建模、分析算法等数据处理和典型应用场景，通过应用验证和试点示范形成可复制可推广的数据应用标准。加强数据采集、边缘计算、平台安全等标准的协同，由于工业大数据相关的各类数据库、边缘计算、深度学习、云计算、网络技术、商业密码等技术的种类繁多、迭代速度快，这些技术在工业领域应用的成熟度仍有待验证，且支撑这些技术推广与应用的基础设施大部分还未建设完成。因此，工业大数据标准制定需要与关联技术相协同，这也深刻影响着工业大数据的标准化发展进程。
第三，激发企业工业大数据应用的内生动力。国际标准研制通常是以行业与企业为动力、自下而上进行的，国内的大数据标准化很多是自上而下规划与部署。政府可以采用一些鼓励手段去推动工业大数据的标准体系发展，但是仍需挖掘企业真正的内生动力。我国制造业中小企业居多，刚性发展需求仍是企业发展的核心。当前工业大数据的典型应用多集中于数字化、信息化基础良好的企业，主要用于企业提质增效、增量发展，而对于发展基础薄弱的中小企业，如何挖掘中小企业内生动力，在解决刚性发展需求的同时实现数字化转型，是我国工业大数据标准化发展亟待攻克的难题。
石镇山认为，国内与国际工业大数据标准化体系建设仍将在未来一段时间不断探索。工业大数据标准化发展需要积极推动法律法规、业务规范与关联领域标准协同进化。应加强工业大数据标准化顶层设计，充分考虑工业大数据与工业软件、工业互联网、智能制造与智能装备等关联技术领域的协调发展。同时，推动标准应用示范，促进更多企业参与，探索工业大数据标准应用的新模式、新场景，并选择重点行业和地方对重点标准进行示范应用。（完）
