1天（6小时/天）
工业大数据实战
本课程《工业大数据实战》旨在系统性地讲解工业大数据从规划到应用的全过程。课程背景基于当前制造业数字化转型的需求，工业大数据作为核心驱动力，能够帮助企业构建数据能力、实现数据资产化。课程目标包括掌握工业…
课程介绍
本课程《工业大数据实战》旨在系统性地讲解工业大数据从规划到应用的全过程。课程背景基于当前制造业数字化转型的需求，工业大数据作为核心驱动力，能够帮助企业构建数据能力、实现数据资产化。课程目标包括掌握工业大数据整体规划方法、理解数据标准和标签建设、学习数据集成与清洗技术、熟悉算法库应用以及掌握场景化应用开发流程。课时大纲涵盖了从愿景规划、标准制定、数据管理到技术实现和实际应用等多个关键环节，通过实战案例帮助学员深入理解工业大数据在质量、设备、物流等领域的应用。本课程适合制造业、技术开发及相关行业从业者，旨在提升其在工业大数据领域的实战能力，推动企业智能化升级。
公司工业大数据整体规划
工业大数据愿景：构建数据能力，数据资产化
数据现状，实施障碍和路线图
工业大数据组织和人才
工业大数据能力建设规划和平台选择
大数据建设原则：始于业务、终于业务
业务对象数字化、模型化
业务对象，作业流程，业务场景的角色和行为描述
业务对象数字化表达——对象建模
业务逻辑的数字化表达——业务建模
工业大数据的数据标准和工业技术标准
工业大数据标准和元数据制定依据
国家标准、行业标准和企业标准对于数据标准的指导作用
大数据标准的制定流程
大数据标准制定实战
数据标准的延展性
数据模型和元数据
主数据管理
工业大数据的数据标签
标签对工业大数据的价值
数据标签建设流程
标签建设和主数据管理的关系
标签类型类目设计和相关概念
对象ID打通所有数据系统
制造业数据标签设计实例
工业大数据的数据交换中心（数据集成）
PLM/MES/ERP/SRM/CRM/MRO等传统业务系统数据集成
设备联网、产品联网，实时时序数据集成
微服务APPs系统数据集成
数据交换中心的技术构架和实践案例
工业大数据的数据清洗、存储、查询和计算
工业大数据的污染源类型
工业大数据清洗技术
数据类型和数据存储策略
工业大数据云计算技术
算法库（技术建模和业务建模）
算法库在工业大数据建设中的意义
工艺建模
质量建模
设备机理建模
产品机理建模
销售业务算法库
物流业务算法库
计划和排程算法库
工业大数据应用服务架构API
一个好的API的重要性
数据源分析
后端和前端的构建逻辑
工业大数据场景化APPs开发
业务需求深度解读
关键用户和定义业务需求
定义业务对象、业务场景和业务流程
定义数据源和算法库
原型配置和试点
评估和迭代
工业大数据应用实例
质量大数据
设备大数据和预测性维护
物流大数据
辛玉军
常住地：北京 北京市
辛玉军老师是兼具工学与管理学背景的数字化转型与智能制造实战专家，拥有24年企业咨询经验，专注制造业智能化、信息化规划与落地。作为工信部数字化转型赋能中心首席专家及专精特新冠军联盟数字化转型首席专家，他深度服务中车、航天科工、海尔、美的、华为、西门子等数百家头部企业，并在清华、北大等多所顶尖高校担任总裁班客座教授。其独特优势在于融合TOC（约束理论）方法论与智能工厂实践，擅长将复杂问题本质化，助力企业高效实现数字化升级，广受航空航天、汽车、轨道交通、电子、钢铁等行业客户高度认可。