基于智能制造的智慧供应链大数据采集—交换共享模式研究

颜浩龙 王晋

摘  要：随着新一代信息技术的发展，传统供应链开始向智慧供应链转型，特别是工业互联网技术的进一步发展，联接工业互联网和消费互联网成为智慧供应链管理的重要环节，数据交换共享是智慧供应链管理的关键，针对供应链上游生产制造端和下游流通消费端分别研究设计了单中心、多中心和无中心的三种数据交换共享模式，其中，生产制造端和流通消费端分别基于工业互联网平台和消费互联网平台展开研究。

关键词：智慧供应链;大数据技术;采集—交换模式

中图分类号：F274    文献标识码：A

Abstract： With the development of the new generation of information technology， the traditional supply chain began to transform to the smart supply chain， especially the further development of industrial internet technology. Connecting the industrial internet and the consumer internet has become an important part of the smart supply chain management. Data exchange and sharing is the key to the smart supply chain management three kinds of data exchange and sharing modes of single center， multi center and no center are designed. The manufacturing end and the circulation consumer end are based on the industrial internet platform and the consumer internet platform respectively.

Key words： smart supply chain; big data technology; acquisition exchange mode

为进一步推动我国社会经济发展，特别是为推动制造业的转型升级，我国相继出台了《中国制造2025》、《智能制造发展规划》、《国务院办公厅关于积极推进供应链创新与应用的指导意见》等系列政策，在当前国际形势日益复杂的情况下，早日在制造业卡脖子技术领域取得突破是增强我国综合国力的关键，随着新一信息技术的快速发展，传统供应链已向智慧供应链创新发展，基于大数据等新一代信息技术的智慧供应链管理有利于加快我国智能制造的实现进程。

数据是实现智能制造模式的基础，大数据技术在智能制造智慧供应链的构建中起着关键的作用，对供应链上产品研发数据、设计数据、生产数据、物流数据到最终产品使用的机器运维数据等数据的共享是实现智能制造的关键所在，如何面向智能制造领域构建智慧供应链上的大数据采集与交换模式是一个亟待解决的重要问题。

1  文献综述

近年来，大数据技术领域成为了学者和专家关注的热点，国内学者陆锋[1]（2014年）从数据采集与整理、数据管理与集成、数据分析与计算三个方面分析了广义GIS所面临的技术挑战，并对互联网蕴含地理空间数据采集、移动对象数据库和异构动态数据管理、移动对象轨迹数据挖掘、复杂网络分析等方面的问题进行了分析。吴凯峰[2]（2015年）基于分布式并行计算框架Hadoop和Hive，面向电力大数据特征，设计了多维索引、SQL自动翻译工具和支持数据更新的混合存储模型三项性能提升技术，实現对传统电力数据分析系统的升级优化。史天运[3]（2016年）阐述了铁路大数据的基本概念和特点，分析了铁路大数据应用的现状及需求，设计了铁路大数据平台的总体架构，剖析了铁路大数据应用的关键技术。程学旗[4]（2016年）研究了大数据技术的进展及其生态体系和创新特点，以及大数据可视化、多学科融合、安全与隐私、深度分析等问题。吕佑龙[5]（2016年）提出由物物互联层、对象感知层、数据分析层、业务应用层和云端服务层五个层次和一个大数据中心构成的智慧工厂技术体系架构，并探讨了大数据驱动的制造过程中涉及的大数据集成、大数据存储、相关性分析和相关性描述等大数据分析方法。焦洪硕[6]（2018年）论述了实现智能工厂大数据技术、虚拟仿真和人工智能三大关键技术，并详细论述了大数据技术中数据采集技术、传输技术、分析技术和虚拟仿真技术中的MBD技术、仿真系统架构、仿真模型技术，以及人工智能中的机器学习、自然语言处理、图像处理等技术的研究现状。丁顺福[7]通过构建具备大数据量、多用户、高并发等复杂共享交换能力，实现数据资源从采集、汇聚、管理、共享、服务和应用的转变升级。吴雅威[8]（2020年）定义了面向区块的数据资源描述模型，采用基于智能合约的方式实现对数据应用共享过程透明、可追溯、安全的访问控制，减少隐私数据使用的风险，降低数据二次流动的频率。陈兵[9]（2020年）认为以“差别且平等”的数据共享原则为指导的大前提下，建立基于“动态兼容性权益”权属构造，在实现不同类型数据在承载不同主体权益需求的同时，同一类数据也能够承载不同主体的权益需求。章琰[10]（2020年）认为模式创新在创新中扮演着重要角色，科学数据的本质属性和共享存在着紧密的联系，它决定了谁可以在其中共享和使用数据，平衡且合理的相关利益者机制是保证数据共享能够成功进行的重要机制之一。

综上所述，国内学者对大数据技术的研究成果较多，主要集中在大数据的采集、存储、处理和分析等方面，特别是在大数据的分析和传输等方面的研究较多，但是在大数据的采集交换模式方面的研究还较少，特别是从供应链的角度来研究整条链上的数据采集与交换模式方面的研究还相当匮乏。

2  智能制造智慧供应链大数据技术应用系统结构研究

面向智能制造领域，从产品研发数据、设计数据、生产数据、物流数据到最终产品使用的机器运维数据整个系统的大数据进行结构化分层研究，构建立体的多层次大数据应用体系，将大数据技术在智能制造智慧供应链中的应用立体化和透明化。

如图1所示，智慧供应链大数据技术由工业互联网大数据和消费互联网大数据组成，目的是为了打通制造端和流通消费端的数据，整个智能制造智慧供应链大数据技术应用系统由消费流通大数据系统和生产制造大数据系统两个子系统组成。

2.1  消费流通大数据分析

消费流通大数据分析主要是对流通数据和消费者使用数据进行分析。首先，通过产品终端数据的采集，一方面通过产品运行数据来监测预判产品相关零部件的维护工作;另一方面通过对产品运行大数据的分析获得产品进一步优化设计。其次，通过对流通过程中相关数据的分析来全方面掌握、优化流通流程和提高客户响应与服务。物流方面可以有效地根据大数据解决重复运输等典型的物流优化问题，达到进一步降低物流成本的目的，仓储配置方面可以做到即时动态的调库，达到提高物流响应速度的目的。供应链金融方面，通过区块链技术的融入，确保了产品在消费流通环节的数据真实性，相关流通数据的真实有效可以为互联网金融业务的开展提供有效的支撑，可以用于供应链金融产品、互联网金融产品和物流金融产品的研发设计。

2.2  生产制造大数据分析

生产制造大数据分析主要是面向产品生产制造领域，以工业互联网平台为依托对供应链制造端的生产商和各级供应商的生产和运营数据进行分析，主要数据包括现场层设备端的设数运行参数数据，控制层的现场监测、过程报警、设备控制、数据处理、人机界面和事故追忆等PLC、SCADA、DCS数据，操作层的PDM数据（BOM管理、工艺数据管理）、MES数据（计划分解、设备管理、质量管理、能源管理、生产统计）、WMS数据（物料识别、物料传输、货位管理和自动分拣）、企业层的CRM数据（客户管理、市场管理）、ERP、SCM数据等。通过对生产制造过程中工业大数据的分析获得生产装备的运行数据变化情况，并据此优化产品生产过程中的相关参数和进一步优化生产装备的自身性能，做到装备与产品的双向优化，另外，可以整合社会上生产资源，提高装备使用率，减少社会上制造资源的闲置，为集中同类产业优势资源加速提档升级创造条件。

2.3  智慧供应链的大数据分析

智慧供应链大数据分析一方面通过消费大数据分析挖掘出消费者的个性化需求，并通过对终端消费者个性化需求的系统分析提炼出共性的生产数据;另一方面，通过对消费、流通端数据和生产制造端数据的横向与纵向双向分析，既实现现有生产流通模式下的优化改进，又能實现产品的研发升级和生产装备的升级换代，即形成一个产品、生产过程、生产装备不断自我升级换代的闭环生态圈，而决定这个生态系统升级换代速度的就是这个生态圈中的大数据技术应用水平。

3  智能制造智慧供应链大数据采集—交换共享模式研究

对智能制造供应链上机器数据、研发数据、设计数据、生产数据、物流数据等数据的采集、交换和共享协议进行设计，从智慧供应链的视角来研究机器数据的交换协议，包括产品使用中产生的机器数据，以及产品在生产过程中母床的机器数据，如何将所有同类数据汇聚起来形成大数据是研究的关键。

3.1  供应链上游生产制造端的数据采集

3.1.1  采集数据的分类

（1）海量的Key-Value数据。在传感器技术飞速发展的今天，包括光电、热敏、气敏、力敏、磁敏、声敏、湿敏等不同类别的工业传感器在现场得到了大量应用，而且很多时候机器设备的数据大概要到ms的精度才能分析海量的工业数据，因此，这部分数据的特点是每条数据内容很少，但是频率极高。

（2）文档数据。包括工程图纸、仿真数据、设计的CAD图纸等，还有大量的传统工程文档。

（3）信息化数据。由工业信息系统产生的数据，一般是通过数据库形式存储的，这部分数据是最好采集的。

（4）接口数据。由已经建成的工业自动化或信息系统提供的接口类型的数据，包括TXT格式、JSON格式、XML格式等。

（5）视频数据。工业现场会有大量的视频监控设备，这些设备会产生大量的视频数据。

（6）图像数据。包括工业现场各类图像设备拍摄的图片（例如，巡检人员用手持设备拍摄的设备、环境信息图片）。

（7）音频数据。包括语音及声音信息（例如，操作人员的通话、设备运转的音量等）。

（8）其他数据。例如遥感遥测信息、三维高程信息等。

3.1.2  采集数据中存在的难点

3.1.2.1  数据采集传感器缺乏

我国的制造业现在处于信息化、信息化与网络化、信息化网络化和智能化三种形态并存的时代。首先，当前我国还有大量的制造型企业的设备还处于向信息化升级的过程之中，设备本身没有数据采集装置，还无法获得相关的数据，需要重新加装传感器。

3.1.2.2  工业网络协议差异较大

我国制造行业还有大量企业处于网络化转型阶段，还有部分制造企业的设备虽然装有数据采集器，但是设备都是孤立的，设备之间没有通过网络联接起来，加之各设备之间使用的网络协议各不一样，还需要通过较大的工程才能完成联网。只有完成供应链上制造企业相关设备的信息化和网络化建设，才能具备基础的数据采集能力。

3.1.2.3  协同共享机制有待提高

目前我国已具备了成熟的工业互联网平台技术，并已有各类工业互联网平台数家，如海尔COSMOPlat、东方国信Cloudiip、用友网络用友精智、树根互联根云、航天云网INDICS、浪潮云In-Cloud、华为Fusion Paint、工业富联BEACON、阿里云阿里supET、徐工信息汉云等，然而，广大的企业是否愿意加入相应的工业互联网平台共享工业大数据，还存在两个方面的问题，一方面是各工业互联网平台现有的联接协议还需要进一步优化，确保接入企业的权益和网络安全能得到足够的保障;另一方面部分企业还存在共享数据后造成商业信息的泄露，而不愿意将企业生产设备接入工业互联网平台，从而影响了工业大数据的采集工作。

3.1.3  采集—交换共享模式设计

3.1.3.1  硬件条件问题

针对供应链上游制造端相关生产企业生产设备缺乏数据采集传感器和各设备之间工业互联协议不一致的问题，可以通过与工业互联网平台签订协议，以数据共享的方式获得工业联网平台公司提供的传感器和设备联网的相关硬件设备，在这个协议中，工业互联网平台公司能过从协议方处获得的有价值的工业大数据向有需要的客户销售来获利，协议方即可以获得资金更新和补全设备将自己公司的设备联接上工业互联网平台，联上平台后既可以实现公司管理上的信息化升级，同样还可以共享工业互联网平台上的工业大数据，通过工业大数据分析进一步提升公司的运行效率。

3.1.3.2  交换共享模式设计

供应链上企业的生产制造数据大多涉及到本公司的商业机密，一般情况下供应链上的企业都不会主动把关系到公司商业情况的数据共享出去，因此，必须要设计一套对供应链制造数据共享都有利的共同需求才能达到数据共享的目标。课题组通过对智慧供应链下的链上企业之间的运作模式和共同诉求设计了一组供应链上生产—制造端工业大数据的交换共享模式。

（1）数据交换共享参与方

工业互联网平台公司、供应链上零部件生产商、整机生产商、科研机构和高等学校等，各方主要利益为：工业互联网平台公司做为所有数据的存储方，拥有最高权限和最完整的数据，一方面可以通过对数据进行分析获得市场收益;另一方面可以根据客户需要将数据销售给采购方获得销售收入。供应链上零部件生产商通过共享数据，一方面可以获得工业互联网平台公司提供的与本公司相关的大数据分析结果;另一方面可以获得工业互联网平台管理软件升级管理模式与效率。供应链上整机生产商通过共享数据，一方面可以整合链上的零部件生产商的资源提高生产效率与产能;另一方面可以获得生产制造大数据分析进一步优化升级管理生产模式，提高效益。

（2）交换共享协议

生产制造端单中心的交换共享模式。如图2所示，以工业互联网平台为中心的单中心式交换共享模式中，所有的数据全部通过工业互联网平台上传到公有云存储中心，所有参与工业大数据在交换与共享的供应链上的供应商与核心企业，及其他科研机构等单位都需要通过工业互联网平台公司获取相关数据，各参与方在协议中约定好数据上传共享与从共享数据下载相关数据与分析结果的对应权限。在这些模式中只有工业互联网平台公司独自拥有全部的数据和权限，其他各参与方需要通过与工业互联网平台以协议或购买服务的方式获得部分数据与权限。

生产制造端多中心交换共享模式。如图3所示，在以工业互联网平台和多条供应链上核心企业为中心的多中心交换共享模式中，各供应链条上的核心企业与工业互联网平台为中心企业，各中心企业享有同等级的数据访问权限，各供应链上的其他企业需要经过供应链上的核心企业通过约定的协议访问相应的数据，而科研机构等其他公司需要通过工业互联网平台授权使用相关的数据。所有的参与方相关协议都由各参与方一致同意后实施，并实现协议的标准化管理，工业互联网平台公司和供应链上核心企业也要接受协议的约束，采用区块链技术来记录访问过程，所有的访问记录都会分布式存储在各参与方企业的服务器中，确保各参与方权力的公平公正性。在这个模式中主要是考虑到两个方面的问题，一是同一条供应链上工业数据的完整性与相关性，特别是供应链上供应商与整机生产商之间数据的一一对应问题，确保后续大数据分析过程中数据的准确度问题;二是工业互联网平台上各数据共享方之间权利平等的问题，特别是工业互联网平台公司不能够独享最高权限，对数据共享提供了大量支持的各供应链应该要享有与工业互联网平台企业同等权限。

生产制造端去中心化的无中心模式。如图4所示，在生产制造端去中心化的无中心交换共享模式中，供应链上零部件供应商、核心企业、工业互联网平台公司、科研机构、第三方公司等只要按相应的协议参与进来，就可以直接享有对应的数据共享权限，可以随时随地的直接访问公有云存储中心获取数据，不需要每次在使用前向相关方申请数据获取权限，整个访问记录将运用区块链技术记录下来，一旦出现有违约获取数据的行为将按约定协议承担对应的责任，同时所有各类协议都要经过各主要参与方的共同协商来制定，并严格按协议执行数据交换共享相关工作。

3.2  供应链下游流通消费端的数据采集

供应链下游生产—制造端的数据采集的关键在于产品使用过程中的关键数据的采集。

3.2.1  采集数据的分类

（1）销售数据。销售数据贯穿了整個供应链的上下游，整体上来讲下游的销售数据量因为是分销的原因会大大的多于上游制造商之间的销售数据，这部分数据是各企业的生命线，都已经很好地保存在各企业内部，并且是各企业商业机密的关键，这部分数据通常不会直接共享，但是随着互联网技术的进一步发展，这部分数据也开始可以通过技术手段在各紧密合作伙伴之间共享。

（2）物流数据。物流数据是伴随着销售数据产生的，这部分数据主要是依靠物流公司来采集，目前国内物流公司大多已采用先进的GPS、GIS等信息技术全程的捕捉商品物流数据，同样这部分数据具有较高的保密性，涉及到公司精准的销售端客户信息，通常仅在供应链上有具体业务往来的公司之间做相应的共享。

（3）产品使用数据。产品的使用数据是供应链大数据中的痛点，大部分的中小型产品并没有运行数据，需要加装相应的数据采集传感器，或者在新产品研发中增设关键数据的采集传输设备。

3.2.2  采集数据中存在的难点

（1）产品缺乏数据收集传感器。现阶段，我国现有的大型设备和零部件上均设计有部分关键数据的采集设备，但是还有很多设备在设计过程中没有考虑过工作数据采集问题，主要原因是产品智能化设计理念的出现时间还不长，我国各类产品正处于向智能化升级的过程中，因此，各类产品要加快智能化设计升级，智能化的产品工作数据也是必需品，同时，新产品的智能化设计中也需要从工业互联网的视角来进行设计，要有意识的将关键数据的采集器考虑进去。

（2）协同共享模式有待研究。对于产品使用端大数据的共享问题还需要进一步思考，特别是跨供应链的数据共享问题目前还较少，但是同一条供应链上对产品工作数据的共享是刚性需求，必须共享产品工作数据才能全面拉动整条供应链上企业不断的优化产品设计和提前预测产品工作状态，做好维护工作计划。

3.2.3  采集—交换共享模式设计

供应链上企业的销售—工作数据大多涉及到本公司的商业机密，这部分数据大部分仅在供应链上下游具有业务关系的企业之间呈一定程度的共享，这样的共享程度还需要进一步的提升，现代企业之间的竞争早已成为了供应链之间的竞争，供应链上数据的共享是提高供应链整体竞争能力的必备条件。课题组基于智慧供应链视角对链上企业之间的运作模式和共同诉求设计了一组供应链上销售—产品端大数据的交换共享模式。

流通消费端的单中心交换共享模式。如图5所示，以供应链上核心企业为中心的单中心交换共享模式中，以互联网平台与技术为基础，依托工业互联网平台，供应链上消费—工作数据的交换与共享模式为以供应链上核心企业为中心，供应链上下游企业通过业务协同和互联网技术实现数据的交换与共享，供应链上核心企业享有全部销售—工作数据的权限，上下游企业则通过协议享有应有的数据权限，也可以通过协议获得更多的数据权限，不同供应链之间可以通过各链上核心企业之间实现数据的交换。同样，所有的数据均通过互联网和区块链技术直接存储到公有云平台上，其中，区块链技术的运用能有效地记录好数据读取情况，规避参与方违约使用数据情况的发生。

流通消费端的的多中心交换共享模式。如图6所示，以各条供应链上核心企业为中心的多中心交换共享模式中，各供应链之间形成跨供应链的高度协同合作模式，打通传统同产业供应链之间的竞争关系，形成新型竞争—合作关系，由各供应链之间达到数据交换与共享协议，各方数据按协议要求存储在公有云之上，各供应链上下游企业通过协议来交换—分享公共数据，在多中心交换共享模式中各供应链上核心企业是关键，由核心企业代表供应链上成员与工业互联网平台上各供应链核心企业洽谈交换共享协议。通过多中心交换共享模式使得供应链上企业可以获得同行业全部的销售、物流、设备运行等大数据，为链上企业集中资源与信息攻克技术难点问题提供了新的条件，并为不同供应链上企业之间的跨企业合作提供了数据支撑，有了真实数据的支撑可以解决企业之间合作的博弈问题。

流通消费端的无中心的去中心化模式。如图7所示，产业链上各供应链上成员基于工业互联网平台构建起去中心的无中心化模式，加入数据交换共享协议的各供应链上企业均可以通过对应协议的权限自由的交换共享相应的数据，所有的数据都放在公有云存储中心上，引入区块链技术将所有参与者的数据读取记录在区块中，确保所有的参与方都严格按照协议规则交换共享数据。在去中心的无中心化模式中有利于更多的供应链上成员加入到数据交换共享中来，特别是供应链上企业不再通过链上核心企业来加入到数据交换—共享协议中，有利于共享数据规模的迅速集聚扩大，特别是产品运行数据的共享有利于产品研发的不断升级，既能进一步推动产品智能化，又为我国制造业向生产性服务业方向升级发展。

4  结  论

智慧供应链联接工业互联网与消费互联网，实现生产端与消费端的全程一体化，使消费需求及产品运行情况数据实时畅通的反馈共享给整个供应链上的所有参与者及相关的研究管理机构，一方面既可以让制造端企业可以通过产品反馈的工作数据对产品改进研发提供分析数据，也可以实现产品远程运维，进一步解放用户在产品使用过程中的投入，使用户可以专业在自己的核心工作方面，只需要使用，不需要担心产品的维护与保养，实现产品使用智能化管理。另一方面，跨供应链的链上数据共享，既有利于解决信息不对称，特别是生产制造端的数据不对称，有利于整合生产制造端的生产资源，又可以为社会科研机构与人员提供海量的一手产品运行数据，为集中社会科研力量推动产品研发创造基础。

参考文献：

[1] 陆锋，张恒才. 大数据与广义GIS[J]. 武汉大学学报（信息科学版），2014，39（6）：645-654.

[2] 吴凯峰，刘万涛，李彦虎，等. 基于云计算的电力大数据分析技术与应用[J]. 中国电力，2015，48（2）：111-116，127.

[3] 史天运，刘军，李平，等. 铁路大数据平台总体方案及关键技术研究[J]. 铁路计算机应用，2016，25（9）：1-6.

[4] 程学旗，靳小龙，杨婧，等. 大数据技术进展与发展趋势[J]. 科技导报，2016，34（14）：49-59.

[5] 吕佑龙，张洁. 基于大数据的智慧工厂技术框架[J]. 计算机集成制造系统，2016，22（11）：2691-2697.

[6] 焦洪硕，鲁建厦. 智能工厂及其关键技术研究现状综述[J]. 机电工程，2018，35（12）：1249-1258.

[7] 丁顺福，李昕. 基于云架构的数据交换共享平台研究与设计[J]. 通讯世界，2019，26（2）：20-21.

[8] 吳雅威，张向先，张莉曼，等. 国外数据共享空间的科学数据管理模式解析及其启示[J]. 情报理论与实践，2020，43（7）：186-193.

[9] 陈兵，顾丹丹. 数字经济下数据共享理路的反思与再造——以数据类型化考察为视角[J]. 上海财经大学学报，2020，22（2）：122-137.

[10] 章琰，杨一图，吴健，等. 我国科学数据共享运行机制模式创新探讨——以产业技术联盟为例[EB/OL]. （2021-03-25）[2021-04-10]. https：//doi.org/10.16192/j.cnki.1003-2053.20210325.005.