随着制造业信息化的深入发展、泛在网络的普遍应用，一个大数据时代正在出现。大数据有各种定义。这里给出的制造业大数据的定义是：来自较大范围的、种类繁多的、经过长时间积累并在快速增长、对企业乃至整个制造业有重要价值的海量数据。这里的数据是广义的，包括信息和知识。
目前的制造业大数据主要是在互联网、物联网、企业信息系统等基础上自发生成的，例如，网络中有关某产品的搜索数据、价格数据等，这是由用户和企业自己上传生成的；又如，劳斯莱斯公司对全世界数以万计的飞机引擎进行实时监控，每年传送和收集达PB数量级的数据。
但对制造业而言，这类自发生成的可供直接利用的大数据目前主要存在于一些大型企业内部之间，而且局限在产品制造、销售和监控等方面。事实上，大数据还可以为制造企业带来更大的变化，如企业创新能力的提高；可以为整个制造业的转型升级带来巨大推进力，如促进网络智能制造的发展。但这类大数据在数量和质量方面还远不能满足要求；有许多数据需要从不同企业和部门集成；许多半结构化或非结构化数据需要结构化才能方便利用；不少数据没有现成的，需要特地建设才能获得。这些工作不是单靠技术手段、自发行为、市场行为就能解决的，需要设计相应的制度、标准等，这是一个大的系统工程。因此，需要对制造业大数据进行顶层设计，通过对大数据的建设、有序化、结构化、集成等，使大数据更好地服务于我国的制造业。
中国互联网协会理事长邬贺铨院士指出：美国将大数据分析作为国家战略来推动，政府带头进行数据开放。而我国很多部门拥有的数据互不沟通，很难共享，导致信息不完整或重复收集等。因此，我国需要有国家层面的大数据战略、开放数据的措施及法规等。
本研究从制造业的重大需求出发，提出需要顶层设计的大数据清单、建设和优化内容、实施方法等，目的是加速利用大数据促进我国制造业的持续发展。
1 制造业大数据顶层设计的需求分析
大数据应用需求的顶层设计首先是重大需求驱动，针对我国制造业迫切需要解决的问题，进行大数据应用需求的顶层设计。
1.1 提高企业创新能力
随着我国技术水平与国外先进技术的日益接近，大量免费利用过期专利技术的日子已经一去不复返，西方发达国家的专利壁垒越来越严厉，我国购买国外先进技术的费用已经变得非常昂贵。我国大量低端产品在国际市场上受到了低工资国家产品的激烈竞争，随着我国工资水平的上升，其竞争力越来越弱。因此，我国只有依靠创新，才能实现持续发展。创新能力是我国制造业转型升级的关键能力。我国虽然有世界上最多的科技人员、最多的研究生和大学生、最大的论文和专利申请量，但我国的创新能力并不是世界第一。我国不仅缺少创新所需要的大量经验和知识，还缺少创新所需要的知识共享、协同创新等方面的制度和文化。大数据的出现提供了新的创新之路。我国可以通过大数据开展全员协同创新、创新能力协同评价、知识产权内部化等，提高企业创新能力。
1.2 推进大批量定制
当前制造业面临的是买方市场，用户不仅要求产品价格低、交货期短，还要求产品的个性化程度高。在这一背景下，大批量定制正在成为主流制造模式。大批量定制的实现不仅需要依靠数控技术、3D打印技术、柔性制造技术等，还需要对大范围的企业资源进行优化配置，需要产品零部件的模块化及标准化。
一方面，可以基于零件库的大数据开展协同设计和制造，实现跨行业、跨企业的产品模块化，支持大批量定制；另一方面，可以通过大数据，帮助解决我国协同设计和制造中的信用问题、质量问题等。
1.3 支持企业开展制造服务
目前，地球上已经没有太多的资源供我们继续按以往的消耗量使用，我国制造业发展面临严峻的资源和环境约束，我国的传统产品在国外市场占有很大份额，继续依靠扩展海外市场的方式发展经济已经不可持续，但我国GDP需要保持稳定的增加，就业率不能下滑。在这种资源环境和市场竞争的双重约束下，我国需要大力发展服务业。因为，服务业可以在增加GDP的同时，使资源消耗量较传统制造业少很多，并且可以扩展新的市场。制造企业开展制造服务，不仅可以为企业增加收入，而且有助于企业了解用户需求，降低产品生命周期成本和能耗，提高用户满意度。
制造服务具有“一对一”、周期长、范围广等特点，需要研究未来的理想制造服务模式，例如，利用大数据建立制造服务环境，促使制造服务信息透明，支持产品租赁服务和产品生命周期服务等。
1.4 帮助企业开展绿色制造
目前，企业开展绿色制造势在必行。我国的土壤、水源、空气已经被严重污染，我国能源安全的警钟早已敲响。但企业开展绿色制造缺乏技术的支持，更缺乏自觉的行动，需要研究未来的理想绿色制造模式，例如，利用大数据，使产品生命周期环境影响信息透明，协同产品制造和使用过程监督，并使产品零部件重用普遍化。
2 制造业大数据清单分析
图1 分析了制造业大数据的来源、方法、应用和目标。
对我国制造业发展需要的大数据的可利用状态分析可知，制造业大数据主要有以下6类，其中后3类大数据是顶层设计关注的主要内容。
图1 制造业大数据的来源、方法和应用
2.1 公开可利用的大数据
这些大数据已经在公共网络系统和数据库中长期积累，可以公开利用。例如，淘宝网或天猫电子商务网站中的用户采购和评价商品的数据，百度搜索引擎中的产品搜索内容和次数等方面的数据，电子商务网站中的各种产品报价数据，大型零件库(如Trancparts)中的零件三维模型数据。
2.2 已有大型网站的后台大数据
—些大型网站的后台大数据比较敏感，涉及许多企业的商业机密和个人隐私，例如淘宝网或天猫电子商务网站中的用户数据和交易数据、大型零件库中的交易数据和用户数据等。如何正确使用这些大数据，既满足社会经济发展的需要又不损害企业和个人的利益，需要研究。
2.3 已有的企业内部大数据
企业信息系统的多年运行积累了大量数据，例如，企业ERP(企业资源计划)\PDM(产品数据管理)\PLM(产品生命周期管理)系统中的销售数据、生产数据、订单数据、产品数据等，企业MES(制造执行系统)中的作业计划和生产现场数据。这些大数据一方面被企业视为机密，另一方面，企业并不知道有哪些新的应用，或者应用时还需要补充哪些数据。
2.4 需要有序化的大数据
制造业的许多重要数据如专著、专利和网络文献，还有企业知识管理系统\企业博客\企业微信\企业电子邮件中所积累的大量信息和知识等，有序化程度很低，导致知识的利用效率降低，使滥竽充数者有机可乘。这些数据的有序化需要大众参与，特别是一线技术人员参与。如何使他们挤出时间来积极参与这类工作，需要研究。
2.5 需要结构化的大数据
许多制造业重要数据的结构化程度较低，采用计算机系统处理的难度较大，需要进行结构化。如机电类的技术专利正文部分，计算机系统难以自动识别其插图及文字内容。
2.6 需要建立和培育的大数据
需要建立和培育那些对制造业持续发展非常有价值的数据，如绿色设计和制造方面的数据。这些数据之所以难以获取，除技术原因外，还有人为原因，如一些企业担心“三废”数据公布出来，对自己不利。
3 制造业大数据顶层设计的内容
图2 制造业大数据顶层设计的部分主要内容
通过制造业大数据清单分析，可以看到制造业大数据并非都是自动产生的，很多大数据更不是可以直接利用的，需要进行大数据的建立、集成、结构化和有序化。这些只是制造业大数据顶层设计的部分主要内容(图2)。
本研究所罗列的制度、标准、平台和关键技术等一定不全。因为这是一个大课题，涉及制造业各个行业，对制造业未来的发展非常重要，几个人是远不够的，需要大家一起来做。深度学习、流计算、内存计算等是大数据处理和利用的关键技术，本研究暂不涉及。
3.1 大数据建立的顶层设计
我国制造业转型升级需要一些大数据的支持，但目前还缺乏这些大数据，因此需要进行大数据建立的顶层设计。
3.1.1 大数据建立的制度设计
大数据建立意味着将大数据这一宝贵资源共享，不可避免地会涉及一些个人和部门利益，并需要相关人员的额外工作。因此，建立的相应制度，既要促使大数据的建立，促进企业和我国经济发展，又要保障大数据建立者（提供者）的权利和利益，“让雷锋不吃亏”。
在提高企业创新能力方面，要求员工共享工作有关的知识，将个人知识转为组织知识，将隐性知识外化为显性知识，并对这些知识进行全员协同评价，挂钩绩效考核，促进全员协同创新。这里所涉及的制度有企业内部知识产权制度、企业内部职业人员发明条例、企业内部人事制度、企业考核制度等。
3.1.2 大数据建立的标准设计
在大数据建立之前制定比较完善的标准，有助于提高大数据建立和使用的有效性。这包括数据模板标准、产品主模型标准、产品主结构标准等。
3.1.3 大数据建立平台设计
建立大数据，首先需要相应的平台，例如知识共享平台、网络零件库系统等。
3.1.4 大数据建立的关键技术攻关
建立大数据需要的关键技术包括隐性知识外化技术、企业“三废”数据采集技术、产品设计过程的知识自动捕捉技术、用户使用行为中的需求自动捕捉技术、专利内容的识别技术等。
3.2 大数据集成的顶层设计
大数据常常分散在不同企业、部门。不集成就难以发挥其作用。但大数据的集成并非易事，这里有技术上的原因，如数据异构问题，更主要的是管理上的问题，例如，将自己所占有的数据（特别是知识）看作私有财产、权力象征，不愿轻易共享，即使这些知识束之高阁也在所不惜。正如目前我国的住房数据，数据分散在不同部门，一些部门出于各种顾虑和利益考虑，不愿集成。因此，需要对大数据集成进行顶层设计。
3.2.1 大数据集成的制度设计
通过制度法规，应该共享的大数据必须共享。纳税人出钱所获得的大数据就应全民共享（与国家安全有关的数据除外），对制造业有重大影响的大数据也必须共享，如对国家经济有重要影响的产品的生产、库存和销售数据。
通过购买数据方式促进大数据共享。为此，需要进行大数据交易市场建设，建立大数据交易规范。
企业也需要相应的制度，如企业内部知识共享制度、企业生产数据管理制度、企业质量数据管理制度等，以保证数据的有效集成。
3.2.2 大数据集成标准设计
建立面向大数据集成的各种标准，可以采用协同建立的方法，例如数据本体标准、知识网络标准、数据引用标准、数据模板标准等。
3.2.3 大数据集成平台设计
支持跨部门、跨企业的异构数据集成，支持从下到上不同层次的数据集成。从国务院到国家各部委，再到各省市、各行业都需要制造业大数据辅助决策，都要有相应的大数据集成平台。集成平台既要支持管理部门的监控、计划和决策，又要帮助企业了解外部环境，获取有价值的数据，做出正确的决策。
企业输入、输出的物质流及能量流数据（包括“三废”数据）的集成，能够形成物质流网络和能量流网络，可以更准确地监控环境污染，预测市场变化，提高整个社会的节能减排水平和市场调控能力。企业也能从大数据中找到自己绿色制造、绿色产品的发展方向。
3.2.4大数据集成中的关键技术攻关
在大数据集成中，需要攻关的关键技术包括异构数据集成技术、大数据快速处理技术、大数据安全技术、大数据分布式存贮技术等。
3.3 大数据结构化的顶层设计
制造业相关的大数据结构化程度低，难以被计算机直接利用。例如，我国机电产品专利正文部分的结构化程度低，难以进行计算机自动分析。对其文字描述和图形规范化，才能支持对专利的计算机自动理解，提高专利搜索和重用能力，减少大量无用、重复的专利授权，提高创新的有效性。
3.3.1 大数据结构化的标准设计
建立知识文档模板标准、知识描述规范标准等，以便计算机自动识别和理解知识文档。建立知识语义模型标准、知识语义化过程标准等，可以实现知识的推理，帮助企业决策。
目前，图形识别是很难的事情，但通过图形模块和模块组合方法的规范（这里称之为图形半结构化），即可对一些比较简单的图形进行计算机自动识别和理解，提高图形数据的利用效率。
3.3.2 大数据结构化平台设计
不同的大数据有不同的结构化平台，并且结构化程度也是不同的。例如，标准图形库及图形建立平台、知识语义网络平台等各有特点。
3.3.3 大数据结构化中的关键技术攻关
大数据结构化主要是文档、图形等的结构化，需要相应的结构化技术，如文档结构化技术、图形结构化技术、专利内容识别技术等；同时，需要相应的自动识别技术，例如服装面料图案自动识别技术。
大数据结构化主要是技术问题，制度设计方面的需求并不大，这里不予考虑。
3.4 大数据有序化的顶层设计
与制造业相关的许多大数据来自不同用户，对同一对象描述不同，并且充斥大量无用甚至虚假的数据，导致大数据有序化的程度很低，难以有效利用。例如，我国专利数量大，但质量低，存在大量低价值或无价值的专利，术语混乱，需要依靠广大专利审查员和科技人员对专利进行有序化。虽然有价值的数据比例很低是大数据的特征之一，但作为被大量科技人员长期使用的，并对创新起引导和保障作用的专利等重要数据，应该有序化，以提高其利用效率。
大数据有序化顶层设计包括：①数据价值的有序化（给出数据价值的评价值），这需要确定评价标准、评价方法等；②数据关系的有序化（给出数据间关系的评价值），这需要确定评价标准、数据关系模型标准、评价方法等。
3.4.1 大数据有序化的制度设计
为了让大家乐意参加大数据有序化的工作，应当通过制度促进大数据有序化，例如对大数据有序化工作中表现好的人员根据制度给予奖励。
3.4.2大数据有序化的标准设计
这里需要确定数据本体标准、基于用户使用行为的数据评价标准、数据关系模型标准、数据评价方法标准等
3.4.3 大数据有序化平台设计
大数据有序化往往需要依靠大众的力量，因此大数据有序化平台是一个开放的平台，能够让大众参与，并且要对大众参与的过程进行跟踪、记录、统计和分析，以便激发大众参与有序化工作的积极性。对于不同的大数据，有不同的有序化平台，并且有序化程度也是不同的。可以协同建立包括企业内和行业的知识本体网络、技术进化图、专利地图等的大数据有序化平台。
3.4.4 大数据有序化中的关键技术攻关
在大数据有序化中，需要攻关的关键技术包括有序化的知识网络模型、知识和人协同评价技术、大数据可信化技术等。
3.5 制造业大数据与传统数据应用的不同
(1)制造业大数据是对大数据的主动培育和有序化处理，而传统的数据应用只是对现成数据的被动的利用。
(2)制造业大数据从制造业的重大需求出发，进行顶层设计，应用范围显著拓宽，而传统的数据应用只是自发、自下而上地产生和应用，而且其应用范围较受局限。
(3)制造业大数据通过大数据的顶层设计，包括制度、标准和平台设计等，提高了大数据的质量和应用效果，而传统的数据应用只是通过一些技术手段改善大数据的质量和应用效果，比较费力，并且效果难以改善。
4 基于大数据的制造业新模式
理想的创新、生产、制造服务和绿色制造模式是制造业大数据顶层设计的目标。大数据有助于实现这些目标。
4.1 基于大数据的全员协同创新模式
理想的创新模式是全员协同创新，集思广益，合理回馈。目前的问题在于：大家普遍视知识为自己的吃饭本领，不愿轻易外露，因为知识外传可能对自己没有一点好处；协同创新意愿不强，希望别人帮助自己，但在帮助别人时，患得患失；知识很多、很散、很乱，要找到合适的知识和具有某些知识的合作伙伴并非易事；创新没有正确的方向，缺少所需要的资源，低水平的重复创新不断，难度大的创新无从下手；企业创新依靠少数人，即所谓的巴莱多定律（也叫二八定律），20%的员工承担了80%的创新任务，结果是忙闲不均，少数人忙得累死，多数人无所事事。
图3 基于大数据的全员协同创新模式
大数据可以提供一个高度有序化的知识网络、高效透明的创新平台，有助于解决上述问题，支持全员协同创新(图3)。
基于知识网络等大数据，制造企业的创新模式将发生变化：从专家创新向全员创新发展；从分散创新向集成创新发展；从被动创新向主动创新发展。
4.1.1 基于大数据的知识网络
基于大数据的知识网络记录并集成了每一位员工的创新思想、建议、经验、论文等知识，支持知识共享，避免重复研究。这需要企业内部的产权制度保证员工发布的知识在今后的应用中得到相应的权益，即使是职务发明，也应有一定的奖励；需要知识模板标准，使知识内容便于检索和重用；需要对知识内容和知识间的关系进行知识本体标准描述；需要一个支持知识共享的软件平台，员工通过手机、计算机等终端可以方便地参与知识共享。
4.1.2 基于大数据的知识协同有序化系统
知识网络不是一个知识简单堆砌的数据库，需要对知识价值和知识间的关系进行有序化处理，即明确每一条知识的重要程度，理清知识间的关系。由于知识高度的专业性和学科的多样性，因此需要依靠全体员工对知识网络中的大数据进行评价。这里的知识评价可以是评论或者选择性的评价等，也可以是对知识下载、阅读等知识使用行为大数据的自动统计分析和评价。从有序化的知识网络可以清楚地看到知识发展的方向，知道某一知识点的来龙去脉，使真正有价值的知识快速呈现在用户面前，快速为用户提供系统的知识，而不是知识碎片。知识网络具有层次性，个人、部门、企业、集团、企业联盟、行业等都可以有各自的知识网络。知识协同有序化系统的关键是能够快速进行不同网络层次的知识集成。
4.1.3基于大数据的员工评价系统
该评价系统对每位员工在知识发布、评价方面的数据进行跟踪、统计和分析，可以得到每位员工的知识领域、知识水平值、知识贡献值等信息，并对知识的全生命周期进行跟踪统计分析，确定其应用价值，给出排名，便于企业领导进行激励，以解决员工不愿发布和评价知识的难题。目前的企业领导普遍感到“蓝领好管，白领不好管”其原因之一是对知识型员工缺少较好的评价手段。蓝领员工生产产品，可以根据其生产产品的数量和质量进行评价；白领员工生产知识，根据其生产知识的数量和质量进行的评价，具有模糊性、长期性、时效性和主观性，并且对评价人员的专业水平、态度等有很高的要求。
基于大数据的员工评价系统可以拓展到整个社会，使全社会人才评价更加科学化，便于人才流动和协同创新。这里也需要建立知识评价和员工评价标准以及激励制度。
4.1.4 基于大数据的创新平台
在知识网络和员工评价系统的基础上，建立基于大数据的创新平台，可以提供创新所需要的知识网络、专家数据库、员工评价系统、创新软件工具库、零部件库、供应商数据库等。
在该平台上，员工在开展创新研究时，依据知识网络，能够快速确定自己研究的方向和创新性，精准获得所需要的知识；利用专家数据库和员工评价系统，快速找到合作伙伴，协同创新；在创新软件工具库中选择合适的工具，进行创新产品设计；通过零部件库和供应商数据库，寻找合适的合作伙伴和零部件，降低创新成本，缩短创新周期；也可以利用淘宝、天猫和京东等电子商务网站上用户购买商品后的评价，进行深层次的自然语言处理、主题建模和数据挖掘，提炼出用户对某一类产品普遍反映的问题，经过制造业专家审核后，用于产品创新。
4.1.5 基于大数据的专利协同管理网络
目前，专利审查只依靠少量的专利审查员。专利知识的高度专业化和新颖性，使审查员难以快速准确地评价专利价值，导致大量垃圾专利的出现，并使专利审查周期变长、成本增大。
专利协同管理网络将专利成果和其他知识组成高度有序的专利知识网络，专利审查员和广大科技人员可协同进行专利审查。专利审查员和相关专业的科技人员每次审查所利用的文献、文献评价结果和专利审查结果都将在网络中保存和共享，可以对专利审查员的专业知识水平进行越来越准确的评价，同时专利知识网络也将越来越有序化。通过专利协同管理网络，综合专利审查员和科技人员的评审，最终可以给出比较合理的评审结果，既避免了大量垃圾专利的出现，又便于有价值的专利快速发挥作用，产生效益。这里也需要相关的制度和标准建设，如专利的文献引用规范化要求和标准、专利术语本体标准、专利技术进化图中专利的位置标识要求等。专利申请者需要说明专利的来龙去脉，专利在知识网络中的位置。
如果进一步对机电专利中图和文字内容进行规范化，例如，采用专门软件和模块库进行专利原理结构图的设计，采用规范方法描述文字性内容，那么就有可能实现专利分析的智能化，显著减少人工搜索、识别和分析的工作量。
4.2 基于大数据的大批量定制模式
图4 基于大数据的大批量定制模式
理想的生产模式是大批量定制模式。一般来讲，参与大批量定制的企业和产品越多，大批量定制的效果就越好。显然，大数据对大批量定制的发展至关重要。大数据既是大批量定制的结果，即定制设计和制造带来的大量产品和用户数据，同时又是大批量定制的基础，即定制设计和制造中需要利用的产品模块特征大数据、供应商特征大数据等。基于大数据的大批量定制，实现的是大范围的资源优化配置、跨企业产品结构的合理设计等。现在许多跨企业产品的零部件通用性较差，例如汽车零部件，导致用户的购买和养护成本较高。许多企业想将产品零部件外包，但发现外包零部件质量、交货期等难以保证。另外，企业合作匹配也不那么容易，一些零部件专业生产厂家找不到订单，而有的整机厂在为找不到某些特制零部件的加工企业而发愁。
大数据可以提供一个高度有序化、高效透明的协同设计和制造网络，帮助解决上述问题，支持企业深入和广泛地开展大批量定制。图4所示基于大数据的大批量定制模式，不仅有助于实现大批量定制，而且将使制造业的形态发生变化：从集中式制造朝分布式制造方向发展，即企业将绝大部分零部件外包给最擅长的制造商，企业将更加小型化，资源将得到充分利用，既可满足用户的多样化、个性化需求，又可减少浪费和资源消耗。
4.2.1 基于网络的零部件库
基于网络的零部件库是面向大批量定制的协同设计和制造网络的核心。零部件库中的三维零部件模型由专业零部件生产企业提供，可供整机厂的设计人员选择和下载，装配成产品的数字样机，进行仿真。零部件库记录并集成了每一种零部件的各种数据（材料、几何参数、工艺、维修、成本等数据）以及在不同产品中的使用情况，以便用户选择。而被用户选择较多的零部件，将由于批量效应，成本大幅下降，又进一步提高了其被用户选择使用的可能性，从而形成一种缩小零部件多样化，降低零部件成本，同时满足产品多样化和个性化需求的正循环机制。而那些被使用较少的零部件由于价格高，使用量可能会越来越小。因此，大数据促进了制造系统的大优化。
4.2.2 基于零部件库的模块化协同网络
零部件库中记录了每一种零部件在不同产品中的使用情况。根据这些大数据，可以进行零部件的模块化和标准化，减少零部件的数量，促进专业化分工。这里应当以市场行为为主，标准化管理部门发挥引导作用。
4.2.3 基于零部件库的供应链协同网络
零部件库记录并集成了各种产品的所有零部件供应商信息，以及所制造零部件的数据等。用户可以很容易地找到最合适的供应商，以便合作。这样就形成了基于零部件库的供应链协同网络，不同的企业在这里可以确定自己的生态位。新的合作信息也被记录在供应链协同网络中，使网络不断完善。这使设计产品和组织生产变得简单，企业小型化成为趋势，终端用户甚至可以自己动手，设计和制造产品。越来越多的人将DIY(自己动手做）作为兴趣和爱好。这里需要大家一起建立信用体制和协同网络，建立零部件名称的本体标准等，以帮助协同。
4.2.4用户需求和企业生产匹配平台
用户需求是制造业的源动力。搜集和汇总各种产品的用户需求数据，并与企业生产能力匹配，将改变制造业中信息不对称的情况，减少生产的盲目性和各种库存量，减少资源的浪费。这里需要用户和企业观念的转变，从刺激消费、盲目消费、铺张浪费到理性消费、低碳消费、绿色生活。这里特别需要大家一起，建立描述用户需求和企业生产能力的术语本体体系，使用户需求和企业生产能力的描述更完整更准确，提高生产与需求的匹配能力。例如，服装面料种类多、图案花样多、工艺方法多，面料加工需求和企业生产能力匹配一直是个难题，解决这一难题需要花费很多时间。通过大家协同，建立用户需求和企业生产匹配平台，就可能较容易地解决这一问题。
1688.com网站是阿里集团旗下的批发采购网站，有一个产品（栏目）叫做淘工厂，目前主要针对服装行业，有许多工厂把自己的空档期（比如，给大企业做代工，每年都会有一些空档期而没有生产需求）暴露出来，让淘宝网上的中小服装商家根据需要下单，采购这些制造能力，进行服装生产。在大数据的支持下，构建一个用户需求和企业生产匹配平台，是非常有价值的。
4.2.5 智能制造物联网
随着制造过程数字化的深入，制造过程朝着智能化方向发展，智能制造使大批量定制达到一种全新的高度。这需要通过物联网对制造过程各环节的大量数据进行记录、集成和处理，还需要相应的标准，使不同企业的不同传感器、设备、产品和市场的数据能够集成。
美国国防承包商雷神公司（Raytheon)位于美国阿拉巴马州亨茨维尔的新导弹工厂，此前已使用“大数据”进行智能制造。例如，如果一颗螺丝钉需要拧13次才能够上紧，但事实上只上了12次，错误的信息便会发出，导弹及其相关配件的制造就将被终止。雷神公司同时还自动保留了每个导弹的数据，包括每个配件的数据及其操作员姓名，以及导弹制造过程中每一步的湿度和温度。当错误发生时，这有助于雷神公司找出究竟是哪里存在问题。然而在过去，由于这些数据必须人工输入而增加了错误出现的可能。
4.3 基于大数据的制造服务模式
图5 基于大数据的制造服务模式
制造服务是指在产品全生命周期内与产品相关的服务总称。理想的制造服务模式是产品全生命周期用户满意的服务。用户满意是在不断变化的，并且是高度个性化的。目前，我国制造服务的内容少、深度浅，相比发达国家，还有较大的发展空间，已有的制造服务还很不理想，需要完善。要提高我国人民的生活水平，仅靠物质是不够的，更需要增加服务，用服务代替物质。
制造服务连接制造业、服务业和服务对象，基于大数据的大制造服务将对这三者的观念、行为和关系等产生深刻影响(图5)。基于大数据的大制造服务不仅能够改变制造服务业态，还将反过来深刻影响制造业的发展。
4.3.1 产品全生命周期服务平台
大数据记录并集成了各种产品的全生命周期状态、保养维修等数据，对于一些重要装备，还集成了运行数据、备件数据等。大数据可以帮助企业开展产品全生命周期服务，增加企业收入，提高用户满意度，特别是在支持企业开展重要装备监控服务、节能服务、运行服务等方面，能够发挥重要作用。一些耗能产品在使用一段时间后，会出现效率下降，能耗上升的问题。采集产品运行的大数据可以监控产品运行状态，当耗能产品的效率下降到一定程度后，通过维修可以提高产品的效率，例如，空调、变压器、锅炉等的远程监控和节能服务。通过远程制造服务平台，可获得产品的运行数据，采用智能调度和规划等，使产品效用得到最大程度的发挥。
4.3.2 产品以及产品功能的租赁服务
随着制造服务的深入和大数据的使用推广，制造企业将从卖产品向卖服务转变，人们的消费观念也将发生变化，希望在需要的时候能够方便使用产品即可，并不一定拥有产品，产品以及产品功能的租赁将变得越来越普遍。例如，现在已经大量出现的大型工程机械的租赁服务和飞机发动机的时间（功能）租赁服务。将每种租赁产品的实时信息记录并集成，形成大数据，能够有效支持产品以及产品功能的租赁服务。
4.3.3 制造服务需求匹配平台
制造服务需求平台主要用于支持从企业服务到大众服务的转变。许多人具有某些服务技能，另外许多人需要某些服务，大数据将在服务需求和服务能力之间建立匹配的桥梁，使用户、生产员工间的相互服务越来越容易和普遍，既满足服务需求，提高服务质量和效率，又使服务技能的效用得到最大程度的发挥，还可增加服务者的收入，使越来越多的人加入到制造服务的队伍中来。例如，威客已经提供的网上服务平台，从产品Logo设计到产品关键技术的突破等服务需求应有尽有。
4.3.4 用户体验和参与设计的虚拟环境
(1)通过建立用户体验的虚拟环境，获取用户真实全面的需求数据，以便企业更有针对性地开展个性化服务。例如，通过网上虚拟试衣间的用户试衣过程获取用户的大量数据，包括用户偏好、身材等数据。通过大数据，让用户知道适合自己年龄段、文化层次、职业的服装，可以向用户提出建议。
(2)通过建立虚拟产品设计环境，支持用户参与设计，不仅用户可获得自己真正想要的产品，而且企业可获得用户真实全面的需求数据，以便企业开展更有针对性的个性化服务。例如，网上家具设计虚拟环境能够让用户针对自己的家居环境进行家具设计，用户可以立即看到所设计的家具在家居环境中的效果，然后进行评价。由此积累的大量数据形成的大数据，可以用于向用户推荐各种获得好评的设计方案，并为企业的家具设计和建筑设计提供一手的用户需求资料。
4.3.5 电子商务服务平台
目前，淘宝、京东商城等的国内电子商务做得风风火火，有声有色，但跨境电子商务还是一块尚待开发之地。如果跨境电子商务能够像国内电子商务那样出色，那么我国的外贸和GDP将会大幅度地持续发展。相对传统的外贸渠道适合大宗商品来说，跨境电子商务特别适合定制的、小众的商品。但是，其发展主要面临运输成本、交货期、信用等问题。大数据可以帮助解决这些问题。跨境电子商务中很大一块成本是退货的物流成本。某用户如果有反常退货的数据记录，其信用就会在电子商务服务平台上亮起黄灯，以此引起企业的警觉。
4.3.6 物流服务平台
我国商品的平均物流成本比发达国家高出许多，这不仅增加能耗，也损害了消费者的利益。利用大数据，实现全国物流“一盘棋”，大家共享物流信息，最大限度地优化物流，就能显著降低物流成本。
4.4基于大数据的绿色制造模式
理想的绿色制造模式指企业的整个生产过程和产品使用过程没有“三废”排放，所利用的是可循环再生资源，企业是居民的“好邻居”，产品是绿色、安全的。但这种绿色制造模式的实现还有很长很艰难的路要走，企业开展绿色制造难度很大。这是因为：①绿色制造常常需要企业多花成本而减少企业利润(许多企业还是唯利是图，在这方面还是采取“能省则省”的策略）；②绿色制造常常需要开发新技术，这会给企业带来巨大的挑战和风险（例如无铅焊条产品）；③绿色制造需要对企业进行产品全生命周期评价，而许多企业对自己的生产过程和产品使用过程的环境污染问题讳莫如深，不愿意公开这些数据。大数据可以有效地改变这一局面。基于大数据的绿色制造模式如图6所示。
4.4.1 产品全生命周期评价平台
对产品全生命周期评价（LCA)是绿色制造的出发点和终点。没有LCA数据，就难以确定绿色制造的方向，难以评价绿色制造的效果，难以遏制牺牲环境、盲目发展的势头。LCA数据记录并集成了每种产品在其全生命周期的环境影响数据。这些数据对企业而言比较敏感，需要政府制定相关法规来要求企业提供，同时需要专家和大众共同监督来保证这些数据的可靠性。
4.4.2 物质流输入和输出数据集成平台
企业的物质流输入的是原材料和零部件，输出的是产品及服务，还有“三废”。企业需要将这些数据传到某监控平台，由政府有关部门和大众对这些输入、输出数据进行核实。执法部门对企业外排超标“三废”的行为进行处罚，企业如果隐瞒则要被加倍处罚，这些数据都应是有案可查的、公开的。
4.4.3 企业和员工绿色制造贡献评价平台
该平台记录了企业和员工为减少产品全生命周期对环境的不良影响，所开展的工作和获得的成果。这包括帮助企业节能减排、节约资源、减少环境污染，如通过叶片形状的改进提高工业汽轮机效率的直接工作，建立和维护LCA数据的间接工作。这些大数据不仅有助于实现绿色制造技术和方法的共享，还可用于鼓励企业和员工协同，减少产品制造和使用过程中对环境的不良影响，使企业朝绿色制造的方向发展。
4.4.4 产品全生命周期质量跟踪平台
该平台记录并集成了各种产品全生命周期的质量数据，用于跟踪产品的设计、生产、销售和使用过程，以保证提供给市场的产品是安全、卫生、绿色的。例如，食品从原材料到用户购买再到消耗完毕，各个环节都需要进行监督。
图6 基于大数据的绿色制造模式
4.4.5 产品重用和回收平台
该平台记录并集成了各种产品的转让和需求信息，以便梯级重用；记录并集成了各种产品及其零部件“物尽其用”的所有数据，以利于弃用的产品和零部件能够到他处被继续使用。当产品彻底报废后，需通过逆向物流进行回收、分解处理。这里涉及产品和零部件的分类、集中存储、集中物流和处理等大数据。淘宝网的二手货市场，对于制造企业而言，可通过它回收—些二手零部件，用于新产品的制造，如电风扇的电机回收后，经过必要的维护保养，可用于新产品的生产。
5 制造业大数据顶层设计的实施
制造业大数据的顶层设计是一个大的系统工程，涉及制度、管理、技术、制造业所有的企业和用户，其实施会遇到来自各个方面的阻力，因此需要采用一些新的实施方法。
5.1 制造业大数据顶层设计实施的组织
首先要建立跨政府部门的制造业信息化领导小组，统一领导和协调制造业大数据的顶层设计工作；其次针对不同类型的大数据，确定政府、行业协会和学会、企业、员工及用户等不同的实施主体。
5.1.1 涉及国家利益、全民利益的制造业大数据
(1)国家发展改革委、国家科技部和国家知识产权局应主导建立制造业大数据知识产权制度、制造业大数据交易和共享法规等。
(2)国家环境保护部、国家工业和信息化部应主导建立有关绿色制造的大数据，如企业产品全生命周期评价数据、企业环境足迹数据、企业物质流输入和输出数据、企业和员工绿色制造数据、产品重用数据、产品全生命周期质量数据、产品回收数据等。没有相应的国家法规和制度做保障，企业产品全生命周期评价数据就难以获取，绿色制造也就难以推行。
(3)国家科技部应主导技术创新平台建设，对所有科研项目进行全方位、全生命周期跟踪和统计分析，并依靠大众评价监督；对科研项目成果进行跟踪和统计分析，减少科研项目的重复率，提高科研效率，促进人才的快速成长。
(4)国家科技部和国家知识产权局应主导建立专利协同评价系统、专利申报制度和标准，依靠广大专利审查员和科技人员协同工作，提高专利的有序化程度，使专利大数据得到有效的利用。
(5)国家人力资源与社会保障部应主导建立人才的大众协同评价系统，进行全方位、大众参与的人才评价。
5.1.2 涉及行业标准、产品结构、知识体系的制造业大数据
行业协会和学会组织应主导行业知识网络建设，行业内所有企业应积极参与；行业协会和学会组织、国家标准化主管部门应主导ERP、PDM等系统的产品全生命周期评价数据的采集、集成等。
5.1.3 依靠企业共建的制造业大数据
基于网络的零部件库、基于零部件库的供应链协同网络等需要供应商、用户和第三方服务商共建。零部件的模块化标准、智能制造标准等需要相关企业协同共建，政府有关部门引导；用户需求和企业生产匹配平台、匹配所需的术语本体体系等，需要政府有关部门引导，相关企业协同共建。
5.1.4 企业主导而大众参与的制造业大数据
企业知识网络协同建设和评价大数据需要企业建立内部产权制度、知识模板标准、员工评价系统、知识共享平台等。其知识内容的建设者、评价者和使用者是广大企业员工。
基于大数据的创新平台、远程制造服务平台、用户体验虚拟环境、用户参与设计的虚拟环境等也需要企业主导建立。
5.1.5 依靠企业和大众互动的制造业大数据
产品以及产品功能的租赁服务是市场行为，需要企业和大众互动来实现。政府可以通过税收等杠杆进行调控，更主要的是通过大数据，调控企业和大众的市场行为。
5.1.6 依靠第三方服务商建立平台而由大众参与的制造业大数据
(1)行业门户网站提供企业和用户的需求信息发布及匹配平台，企业和用户参与建设。
(2)第三方服务商帮助建立制造服务需求匹配平台、物流服务平台等，企业和用户参与建设。
(3)企业电子商务服务平台和物流服务平台也常常需要第三方服务商帮助建立。
5.2 制造业大数据顶层设计实施的方法
5.2.1 理想模式驱动方法
制造业大数据的发展将带来制造业的深刻变革。从理想模式的需求出发，站得高，看得远，对大数据的建立和利用提出前瞻性的目标，制造业大数据才能对制造业发展的作用越来越大。
5.2.2 滚动设计方法
当前制造业的状况及需求、制造业大数据的清单等是制造业大数据顶层设计的出发点，理想的创新模式、生产模式、制造服务模式和绿色制造模式等是制造业大数据顶层设计的终极目标。其出发点在不断变化，而其终极目标也是在不断完善的。由于制造业大数据类型很多，发展不均衡，本身又处于不断孕育、发展之中，因此，制造业大数据的顶层设计需要采用滚动设计方法。
5.2.3 制度、标准、技术等综合设计法
对制造业大数据的建立和应用，需要配套进行制度、标准、技术等研究。
5.2.4 分类研究法
制造业大数据有不同的类型，获取、分析的难度差别很大。因此，其顶层设计不能一刀切而应分类研究和处理。
5.3 制造业大数据顶层设计的可行性
5.3.1 制造业大数据的顶层设计是需求驱动的
我国制造业的四大需求(提高企业创新能力、推进大批量定制、支持企业开展制造服务、帮助企业开展绿色制造)是开展制造业大数据顶层设计的源动力。
5.3.2 制造业大数据顶层设计的时机趋于成熟
我国的服务业、电子商务等大数据应用已经开始，重要产品和制造装备在线监测大数据的获取和分析也已经开始，但制造业还有许多大数据没有被有效集成和有序化，存在应用上的困难，需要顶层设计来解决。随着制造业大数据的发展，人们已经认识到制造业大数据的价值，其顶层设计已经成为充分利用制造业大数据的必经之路。
5.3.3 制造业大数据顶层设计涉及的制度和标准设计可行
因为有的行业大数据应用已走在前头，所以制造业大数据的相关技术可从其他行业大数据应用中获取。制造业大数据由于涉及企业的利益（例如环境影响数据、企业信用数据等），涉及人事制度的改革(例如员工评价数据等），涉及企业和个人的机密或隐私（例如企业产品全生命周期的质量和成本、员工的知识共享和能力数据等），因此需要根据相应的制度和标准来科学合理地获取、公开和保护利用，需要政府有关部门出面组织和立法。例如，上海已经成立大数据局，这是对数据管理的专业政府机构。相关的研究讨论能够推动制造业大数据相关制度和标准的制定。
6 结束语
(1)随着制造业信息化的深入，制造业大数据时代正在到来，同时，我国制造业也面临转型升级的重要时刻，两者的交汇带来了历史性的机遇和挑战。我们需要从被动接受大数据转向主动建设大数据；从大数据的局部和分散利用转向整体和集成利用；从大数据的短期利用转向长期利用；从大数据的低附加值利用转向高附加值利用。所有这些都需要我们开展制造业大数据的顶层设计。
(2)制造业大数据仅靠自发产生和应用是不够的，需要通过制度、标准和平台等方面的顶层设计，需要各方面的努力，才能有大发展，为我国制造业的转型升级提供强大动力。