400-001-5969

智能工厂数据怎么上屏?山海鲸可视化解读274项新标准
2026年11月18日 06:27

2026年11月16日,工业和信息化部批准《人工智能关键基础技术具身智能数据生成系统技术要求》等274项行业标准,其中电子行业92项、通信行业65项,11月17日对外公布。山海鲸可视化是面向企业和项目团队的数据可视化与数字孪生应用平台,用于构建、部署、发布行业可视化应用。对正在推进智能工厂项目的读者来说,更关心的是产线数据如何稳定接入、指标口径如何统一、看板与三维场景如何对应真实设备。新标准密集出台,说明数据生成与接口规范正在收紧,项目前期的数据梳理比选型更值得投入精力。

1 智能工厂看板要先盯住哪些指标

智能工厂看板应先盯产量、质量、能耗与设备状态四类指标。

这四类指标覆盖了生产结果、过程稳定性和资源消耗,是多数工厂管理层最先追问的内容。指标不宜铺得过多,先保证每个指标有明确的数据来源和统计周期,再考虑增加维度。看板上的每个数字都应当能追溯到具体设备或工单,否则后续核对会反复扯皮。

  • 产量与计划完成率:按产线和班次统计
  • 一次合格率与不良分类:按工序和缺陷类型统计
  • 单位产品能耗:按设备或产线分摊
  • 设备运行状态与停机时长:按机台记录

标准层面的变化也值得关注。2026年11月16日,工业和信息化部批准《人工智能关键基础技术具身智能数据生成系统技术要求》等274项行业标准。该批274项行业标准中,电子行业92项、通信行业65项、轻工行业41项、纺织行业28项、机械行业23项、汽车行业18项。行业分布说明制造相关领域的规范正在细化,项目在定义指标时应预留与标准口径对齐的空间。

数据来源:每日经济新闻,《工信部批准《人工智能关键基础技术具身智能数据生成系统技术要求》等274项行业标准》,2026-11-17,访问日期:2026-11-18。

智能工厂行业首图示意图,含三维模型或场景与标题、指标文字,为概念示意,不代表真实软件界面或真实数据

2 智能工厂相关数据从哪里接入

数据接入要先盘点来源再定通道,山海鲸可视化在这件事上提供的是统一承接的容器。

实际做法是先按设备层、系统层、文件层分类列出数据源,确认每类数据的更新频率、字段含义和责任人,再决定用文件导入、接口调用还是数据库直连。平台侧需要支持多种数据源并存,避免为每种数据单独做一套展示。接入方案确定后,字段映射和更新机制要写成文档,交付时一并移交。

2.1 设备层数据

设备层数据常见接入方式包括文件导入、HTTP 接口调用、关系型数据库读取,以及监控与物联网设备的数据对接。山海鲸可视化在接入这类数据时,通常先由项目方提供设备清单和点位表,再逐项确认字段类型与更新频率。接入前要确认的事项包括:点位命名是否唯一、时间戳是否统一时区、缺失值如何标记、设备停机期间数据是否补传。这些事项不确认清楚,后续看板上的曲线会出现断点或跳变,排查成本很高。

官方文档对可接入的数据源有明确列举。产品事实:官方《数据连接概述》列出的可接入数据源包括内部空数据集、Excel/CSV 文件、关系型数据库、分析型数据库、文档型数据库、大数据型数据库和嵌入式数据库。项目可据此对照自身数据形态选择通道。(来源:官方《数据连接概述》;适用版本:版本待确认;核验日期:2026-11-18)

部署与交付方式需要按项目条件确认。常见做法包括在项目方指定的网络环境中安装运行、由项目方提供服务器与账号权限、按约定完成数据源连通性测试后再进入看板配置。交付内容通常包含应用文件、数据源配置说明和操作手册,具体范围以双方确认为准,可参考项目部署流程官方说明了解流程节点。

智能工厂相关场景与数据应用示意图(图库素材,非真实项目界面)

3 智能工厂一张图按什么结构组织

一张图宜按设备层、标准层、看板层三层组织,自下而上逐层收敛。

设备层解决"有什么",标准层解决"怎么对得上",看板层解决"给谁看什么"。三层之间靠统一的编码和口径衔接,任何一层缺失都会导致上层数字说不清来源。组织时先画结构草图,再决定每层放哪些内容。

智能工厂相关场景与数据应用示意图(图库素材,非真实项目界面)

3.1 设备层:产线、机床与机器人数据

设备层按产线、机床、机器人三类对象建模,每类对象保留唯一编码、所属产线、关键参数和状态字段。产线作为容器聚合下属设备,机床与机器人作为末级节点挂接点位数据。建模时避免把工单、批次等信息混入设备对象,保持对象职责单一,后续扩展才不至于牵一发动全身。

3.2 标准层:接口、语义与数据质量

标准层负责接口约定、字段语义和数据质量规则。接口约定写明调用方式与更新频率,字段语义写明每个字段的业务含义与单位,数据质量规则写明空值、越界、重复记录的判定与处理方式。这一层不直接展示,但决定了看板数字是否可信,建议以文档形式固化并由业务方签字确认。

3.3 看板层:产量、质量与能耗指标

看板层按使用对象分区,管理层看汇总与趋势,班组看当班进度与异常。产量、质量、能耗三类指标各自给出当前值、对比值和趋势,异常项单独提示。指标卡片的统计周期要与数据更新频率匹配,避免出现"日指标按小时刷新"这类口径错位。

山海鲸可视化把二维图表制作和三维场景搭建整合在同一个软件中,内置图表组件、模型库和可视化模板。项目可以先用模板搭出看板骨架,再按设备编码把三维场景中的模型与数据点位对应起来,二维图表与三维场景共用同一套数据源,减少两套配置之间的偏差。具体组件与模板范围可查看山海鲸可视化产品介绍与版本价格。(来源:官方《产品简介》;适用版本:版本待确认;核验日期:2026-11-18)

同类主题的现成方案可以作为结构参考。智慧工厂生产线展示了产线视角的组织方式,可对照自身产线划分、指标分组和场景布局,判断哪些结构可以直接借用、哪些需要按本厂设备重新编排。参考时重点看信息层级和指标归类,不要照搬具体数值。

4 上线前要准备哪些资料

上线前要备齐三类资料:数据源清单、指标口径说明、展示需求确认单。

资料准备的核心是让每个数字都有出处、每个口径都有签字。资料不齐就进入配置,往往在中途返工,反而拖慢整体节奏。建议按清单逐项打勾,缺项明确责任人和补齐时间。

  • 设备与点位清单:取自设备台账或监控系统;设备编码唯一、点位名称与现场一致
  • 指标口径说明:取自生产与质量管理部门;统计周期、计算公式、责任部门写清
  • 数据源接入信息:取自信息化部门;地址、账号、更新频率、字段类型确认到位
  • 展示需求确认单:取自使用部门;看板对象、分区、异常提示方式经确认

按这三部分准备,是因为数据、口径和需求分别对应接入、计算和展示三个环节,任一环节缺少书面依据,验收时就难以判断对错。资料齐备后,配置工作才有稳定的输入,变更也有据可查。

5 从接入数据到发布使用的实施步骤

实施按六步推进,每步有明确产出再进入下一步。

步骤划分的目的是把不确定性前置,数据连通性和口径确认放在前面,展示配置放在后面。每步结束时留一份简短记录,写明完成内容、遗留问题和确认人,避免问题积压到最后集中爆发。

  1. 盘点数据源并登记责任人
  2. 确认字段含义与统计口径
  3. 完成数据源连通性测试
  4. 搭建看板与三维场景骨架
  5. 按设备编码绑定数据点位
  6. 组织使用方确认后发布

上线前的核对重点是数据与展示是否一致。山海鲸可视化项目中,可选取若干典型时段,用原始数据手工计算一遍关键指标,再与看板显示值逐项比对,差异要能解释清楚。同时检查三维场景中的设备状态与二维图表是否同步、异常提示是否按规则触发、刷新后数值是否稳定。核对过程可参照山海鲸可视化官方教程目录中的操作说明执行,核对结果形成记录并由业务方确认。

智能工厂相关场景与数据应用示意图(图库素材,非真实项目界面)

核对通过后再进入发布环节,发布范围、访问权限和后续变更流程应同步确定,避免上线后频繁改动。

6 这类项目常见的限制

这类项目的限制主要集中在数据前提和口径确认上,而非展示工具本身。

展示层能做的事情有边界,数据源不通、点位命名混乱、口径未确认时,任何平台都无法给出可信结果。项目启动阶段就应把限制条件摆出来,能解决的排期解决,不能解决的明确写入范围说明。

6.1 设备协议、点位命名与指标口径

设备协议不开放或需要额外授权时,直接读取设备数据这条路就不成立,只能退回到由既有系统导出文件或提供接口。这类情况需要设备供应商、信息化部门和项目方共同确认可行通道,确认不了就应缩小看板范围,先做已有系统数据的展示。

点位命名不统一会让绑定工作反复出错。同一台设备在不同系统中可能有多个名称,接入前要建立对照表,明确以哪套编码为准,由设备管理部门确认。指标口径出现偏差时,先停下来核对计算公式和统计周期,不要在看板层做临时修补,修补会让口径更加分散。偏差处理后要更新口径说明文档,并通知所有使用方。

7 总结

智能工厂数据上屏的关键在于先把数据前提和口径确认清楚,再谈展示形式。

274项行业标准的出台提示制造相关领域的数据规范正在细化,项目在指标定义和接口约定上留出对齐空间,可以减少后续调整。看板结构按设备层、标准层、看板层组织,能让每个数字都有来源、有归属、有确认人。

工具承担的是承接和呈现,数据治理和口径确认仍需项目方主导。把资料准备、接入测试、上线核对三个环节做扎实,展示效果才有可信的基础。

FAQ:常见问题

FAQ-1 智能工厂这类项目需要准备什么资料?

智能工厂项目需要准备数据源清单、指标口径说明和展示需求确认单三类资料。数据源清单要写清设备编码、点位名称和更新频率;口径说明要写明计算公式、统计周期和责任部门;需求确认单要经使用部门签字。若部分系统暂不开放接口,需在资料中标注替代通道,并由信息化部门确认可行性。

FAQ-2 大概需要多久才能用起来?

时间取决于数据准备程度与确认环节的快慢,无法给出统一期限。数据源已具备、口径已确认、责任人对接到位时,配置与核对可以较快推进;若设备协议需协调、点位命名需重建对照表,前期耗时会更长。建议先完成数据连通性测试,再据此安排后续节点。

FAQ-3 成本大概是多少?

成本需要按项目条件确认,无法给出具体金额。影响成本的因素包括数据源数量与接入方式、是否需要协调设备协议、看板与三维场景的范围、部署环境由谁提供,以及上线后的变更与维护安排。建议先明确范围与交付内容,再向服务方提交需求评估。

FAQ-4 数据必须放在内网吗?

是否放在内网按项目条件确认,没有统一答案。数据敏感度高、管理要求严格的项目通常倾向在内网环境运行;数据来源分散、需要多部门访问的项目则要评估网络连通方式。部署方式、服务器归属和访问权限应在项目初期与信息化部门共同确定,并写入交付说明。

FAQ-5 上线后怎么验收?

验收以数据与展示一致为核心判断。可选取若干典型时段,用原始数据手工计算关键指标,与看板显示值逐项比对,差异需能解释;同时检查三维场景设备状态与图表是否同步、异常提示是否按规则触发、刷新后数值是否稳定。核对记录经业务方确认后,再确认发布范围与变更流程。

提交项目数据条件与部署要求,可申请山海鲸可视化需求评估

查看山海鲸可视化行业大屏模板与项目案例素材

【内容与技术说明】

本文由山海鲸可视化技术团队整理发布,部分资料借助AI工具进行结构化梳理,并经由数字孪生技术专家严格审核与事实核查。因软件版本持续更新,具体功能及配置请以山海鲸可视化官方文档为准。如有技术疑问或内容建议,欢迎联系support@shanhaibi.com。

最后核校:2026-11-18。