工业大数据的质量管理与主数据管控体系.pdf

工业大数据的质量管理与主数据管控体系--第1页

工业大数据的质量管理

与主数据管控体系

工业大数据覆盖了产品研发、生产、市场、客户、物流供应链、售后

服务、财务、人力、生产设备仪器仪表、传感器、产品、环境法规、社

会经济等数据，涵盖流程长、种类多、范围广。数据质量的问题往往

表现为一个或多个质量维度存在缺失从而无法满足企业和用户的实

际需要。主要表现在准确性、完整性、一致性、及时性、唯一性等方

面。数据质量管理作为智能制造顶层设计、过程控制和事后评价的重

要依据，如何建立客观、全面、可行的数据质量检测、治理与持续改

善机制，是大数据是否能够良好服务于智能制造的新的挑战。

1工业大数据质量问题

工业大数据从应用场景上可划分为IT域及OT域数据。OT域的数

据主要来自于工业现场的物联网络、生产制造装备和基础自动化系统

等采集的数据，主要由时序数据和非时序数据两大类组成，时序数据

包括描述设备运行过程的温度、压力、振动、流量等运行监测数据以

及描述产品所处阶段的声、光、电数据；非时序数据，主要来源于工

业系统生成的日志数据以及工业生产过程积累的经验知识等。工业IT

域数据主要是MES、WMS、SCM等产生的生产制造数据，ERP、MRP等

产生的企业运营数据以及通过企业外网获取的互联网数据在内的结

构化与半结构化数据。

工业大数据的质量管理与主数据管控体系--第1页

工业大数据的质量管理与主数据管控体系--第2页

从来源层面，工业大数据向下涵盖了OT域的人、设备、物带来的

物联数据；向上涵盖了IT域的制造执行、企业管理、客户关系管理

等企业信息化数据，随着智能制造对数字化的依赖性持续增加，由于

器件和系统故障、现场恶劣工况、违反工艺规程、调度管理不当、数

据格式不一致、数据字段重复或缺失等原因导致的数据质量问题，更

加显著地影响着工业过程和制成品的品质。工业大数据的质量问题主

要表现在以下几个方面：

数据失真和失准。受制于工业现场的一系列恶劣工况，在工业OT域，

现场物联网络、生产制造装备、过程控制设备均不同程度地存在数据

失真。由于工业现场的高温、高压、强振动、大噪声、大粉尘、磁场

变化大等环境因素的影响，可能造成现场物联网络采集到的声、光、

电、RFID等各类工业运行数据出现误采、漏采、丢包等数据失真问题。

由于工业现场管理规程及管理行为的不健全和不规范，工业生产制造

装备运维保养不当、缺乏有效的运行监管机制、人为破坏等原因，使

工业OT域大量存在数据缺失、日志缺失和工业经验知识丢失等问题，

造成生产制造装备运行数据的不可测和不可控，这是造成对工业现场

运行状况误判的重要原因之一。止匕外，因控制器无法准确地获取运

行数据，导致过程控制设备将错误的控制指令上传下达，则不仅会影

响工业企业对运营状况的正确决策，而且会对生产经营埋下严重的安

全隐患。

数据一致性差。对于来源于IT域的工业大数据，由于工业企业现

有的信息化系统均不同程度的存在“系统林立”的问题，难以在数据

工业大数据的质量管理与主数据管控体系--第2页

工业大数据的质量管理与主数据管控体系--第3页

生产过程中采用有效的控制手段来保障各个工业IT系统所产生的数

据的一致性，当出现数据不一致时，数据使用者必须做出权衡，修整

数据使其与原数据一致，或牺牲数据质量来保持与原数据一致性。

对历史数据缺乏“再生”机制。工业历史数据的“再生”将有助于

提升工业全生命周期管理能力。传统的数据管理模式下，历史数据往

往在其生命周期的后期转为冷存储或损毁。而在