|
第一章 工业大数据概述 1.1 工业大数据相关概念 1.1.1 工业大数据的定义 1.1.2 工业大数据的特征 1.1.3 工业大数据的产生 1.2 工业大数据与相关概念的关系 1.2.1 与大数据的关系 1.2.2 与智能制造的关系 1.2.3 与工业软件的关系 1.2.4 与工业云的关系 1.3 工业大数据的产生 1.3.1 数据类型 1.3.2 产生主体 1.3.3 发展趋势 1.4 工业大数据应用价值 1.4.1 推动工业化进程 1.4.2 促进信息化发展 1.4.3 推进新工业革命 第二章 2016-2018年中国工业大数据发展驱动因素分析 2.1 政策助推大数据发展 2.1.1 发达国家大数据政策对比 2.1.2 数据中心建设指导意见 2.1.3 大数据成为国家发展战略 2.1.4 政府进一步开放数据平台 2.1.5 行业政策密集出台 2.1.6 地方政策不断加码 2.1.7 管理机制初步形成 2.1.8 工业大数据促进政策 2.2 经济转型发展提出的要求 2.2.1 国民经济总值 2.2.2 工业运行情况 2.2.3 产业结构优化 2.2.4 产业转型态势 2.3 两化融合工作推进良好 2.3.1 两化融合发展水平 2.3.2 两化融合发展阶段 2.3.3 两化融合发展规划 2.4 信息化水平高速发展 2.4.1 信息化发展水平 2.4.2 区域建设水平 2.4.3 信息化发展模式 2.4.4 信息化建设特点 2.4.5 信息化发展策略 第三章 2016-2018年中国大数据产业发展分析 3.1 2016-2018年中国大数据产业发展综述 3.1.1 市场发展阶段 3.1.2 产业驱动主体 3.1.3 产业运行情况 3.1.4 产业发展提速 3.1.5 推动云基地建设 3.1.6 交易中心成立 3.2 大数据产业链及产业结构 3.2.1 大数据产业链介绍 3.2.2 大数据产业结构 3.2.3 大数据主要子行业 3.3 2016-2018年中国大数据产业布局 3.3.1 市场供给结构 3.3.2 人才供需结构 3.3.3 应用行业分布 3.3.4 区域集聚发展 3.3.5 华北产业集聚 3.4 2016-2018年中国大数据产业需求分析 3.4.1 主要行业大数据需求状况 3.4.2 企业大数据的应用及需求 3.4.3 大数据细分领域需求分析 3.4.4 大数据存储领域需求分析 3.4.5 数据小型机市场需求分析 3.5 2016-2018年大数据产业竞争格局 3.5.1 大数据企业竞争格局分析 3.5.2 不同规模企业的竞争力分析 3.5.3 IT产业竞相布局大数据产业 3.6 中国大数据产业存在的问题 3.6.1 大数据产业发展难点 3.6.2 大数据产业存在的问题 3.6.3 大数据产业的现实挑战 3.6.4 大数据应用面临的挑战 3.6.5 大数据技术发展问题 3.6.6 大数据安全问题分析 3.7 中国大数据产业的发展策略 3.7.1 大数据应作为国家战略重点 3.7.2 大数据产业发展的政策建议 3.7.3 加快大数据的研发与应用 3.7.4 应避免大数据的过度建设 3.7.5 进一步打破数据信息孤岛 第四章 2016-2018年中国工业大数据发展分析 4.1 工业大数据发展概况 4.1.1 产业发展历程 4.1.2 产业发展阶段 4.1.3 产业发展形势 4.1.4 产业链分析 4.2 工业大数据主要应用领域 4.2.1 在设计领域的应用 4.2.2 优化生产过程中 4.2.3 预测产品需求 4.2.4 优化工业供应链 4.2.5 强化工业绿色发展 4.3 2016-2018年中国工业大数据应用现状 4.3.1 可研机构研究现状 4.3.2 企业生产实践现状 4.4 2016-2018年中国工业大数据发展现状分析 4.4.1 行业发展规模分析 4.4.2 应用范围逐渐扩大 4.4.3 核心技术趋于成熟 4.4.4 产业发展初具雏形 4.4.5 新载体开始涌现 4.5 工业大数据发展存在的问题 4.5.1 产品大数据缺失 4.5.2 物联接入设备缺失 4.5.3 信息集成不贯通 4.6 中国工业大数据发展建议 4.6.1 加强核心基础技术研究 4.6.2 加强标准研制和应用推广 4.6.3 构建工业大数据流通共享平台 4.6.4 探索工业大数据示范应用 第五章 2016-2018年工业大数据发展架构分析 5.1 工业大数据参考架构 5.1.1 总体框架 5.1.2 数据参考架构 5.1.3 技术参考架构 5.1.4 平台参考架构 5.2 工业大数据标准体系介绍 5.2.1 发展成就 5.2.2 体系框架 5.2.3 标准分类 5.2.4 标准明细 5.3 工业大数据系统及技术架构 5.3.1 数据的生命周期 5.3.2 技术架构 5.3.3 管理架构 5.3.4 分析架构 5.4 工业大数据管理技术分析 5.4.1 数据采集技术 5.4.2 数据管理技术 5.4.3 数据写入技术 5.4.4 数据集成技术 5.5 工业大数据数据分析技术 5.5.1 业务分析技术 5.5.2 数据处理技术 5.5.3 高效处理技术 第六章 2016-2018年工业大数据与工业4.0发展关系 6.1 全球主要国家工业4.0发展分析 6.1.1 美国 6.1.2 德国 6.1.3 法国 6.1.4 中国 6.2 工业4.0发展概况 6.2.1 工业4.0产生背景 6.2.2 工业4.0发展历程 6.2.3 工业4.0的内涵 6.2.4 工业4.0产业链 6.2.5 中国的竞争优势 6.3 工业4.0落地战略分析 6.3.1 工业4.0架构 6.3.2 信息网络系统 6.3.3 核心系统集成 6.3.4 大数据利用分析 6.4 中国工业4.0发展进展 6.4.1 中国制造业发展进程 6.4.2 工业4.0发展特点 6.4.3 工业4.0标准制定 6.4.4 企业行为分析 6.4.5 推动工业4.0发展举措 6.5 中国制造2025详解 6.5.1 中国版工业4.0详解 6.5.2 中国制造2025重点任务 6.5.3 中国制造2025重点领域 6.5.4 工业4.0与中国制造2025的对比 6.6 工业大数据是中国工业4.0的重要部分 6.6.1 工业大数据是工业4.0的基础 6.6.2 工业大数据在工业4.0中的作用 6.6.3 工业4.0对工业大数据的需求 6.6.4 工业4.0中工业大数据的应用 第七章 工业大数据的应用场景及应用价值 7.1 优化现有业务 7.1.1 提升研发能力 7.1.2 生产过程优化 7.1.3 服务快速反应 7.1.4 推动精准营销 7.2 促进企业升级转型 7.2.1 推进个性化定制 7.2.2 支撑智能化生产 7.2.3 实现产业链协同 7.2.4 实现服务化延伸 7.3 促进中小企业创新创业 第八章 2016-2018年工业大数据在重点领域的应用 8.1 工业大数据应用概述 8.2 智能生产解决方案 8.2.1 兰石集团 8.2.2 西航集团 8.2.3 中兴通讯 8.2.4 艾克威尔电机 8.2.5 上海仪电 8.3 智能设备解决方案 8.3.1 中航工业 8.3.2 徐工集团 8.3.3 金风科技 8.3.4 中联重科 8.4 智能工厂解决方案 8.4.1 苏州明志科技 8.4.2 海尔工厂 8.4.3 宝鸡智能工厂 8.5 工业监测预测解决方案 8.5.1 重庆享控智能科技 8.5.2 中国中车株所 8.5.3 西飞公司 8.5.4 中天科技 8.5.5 陕鼓动力 8.5.6 联合利华 8.5.7 勤智数码 8.6 智能管理解决方案 8.6.1 北科亿力 8.6.2 沙钢集团 8.6.3 大唐集团 第九章 工业大数据投资前景及前景趋势展望 9.1 企业工业大数据投资策略分析 9.1.1 明确业务需求 9.1.2 梳理业务过程 9.1.3 统筹规划架构 9.1.4 构建算法模型 9.1.5 人才的培养引进 9.2 工业大数据行业发展前景展望 9.2.1 “十三五”发展机遇 9.2.2 大数据市场发展热点 9.2.3 工业大数据发展前景 9.3 工业大数据发展热点及趋势分析 9.3.1 可持续监测 9.3.2 改进生产工艺 9.3.3 数据驱动决策 9.4 大数据产业发展规划（2019-2025） 9.4.1 产业基础 9.4.2 “十三五”形势 9.4.3 发展目标 9.4.4 重点任务 9.4.5 保障措施 9.5 2019-2025年中国大数据产业预测分析 9.5.1 中国大数据产业发展因素分析 9.5.2 2019-2025年中国大数据市场规模预测 图表目录
|
