《整車生產制造大數據平臺總體技術要求》編制說明

一、工作簡況

1.1任務來源

《整車生產制造大數據平臺總體技術要求》團體標準是由中國汽車工程學會批

準立項。文件號中汽學函【2023】022號，起草任務書編號為：2023-004。本標準由

中國汽車工程學會數字化與智能制造工作委員會組織提出，阿里云計算有限公司牽

頭，機械工業第九設計院股份有限公司、吉利汽車集團有限公司、深圳聯友科技有

限公司、中國第一汽車股份有限公司、蔚來汽車上海有限公司、重慶青山工業有限

責任公司、一汽解放汽車有限公司等單位參與起草。

1.2編制背景與目標

國資委發布《關于加快推進國有企業數字化轉型工作的通知》，要求國有企業

提高認知、加強對標，把握方向、技術賦能、統籌布局，推動數字化轉型。汽車產

業是我國國民經濟的重要支柱產業，是制造強國和網絡強國建設的重要支撐和融合

載體。

隨著數字產業化和產業數字化在汽車領域更深層次的融合與發展，對汽車企業

傳統經營管理模式提出了多重考驗，數字化轉型上升到企業核心戰略，但實際過程

中普遍存在現狀不清晰、路線不明確等問題。

由于汽車行業產業鏈長、企業生產組織方式不同、產品生命周期長、技術密集、

生產工藝復雜、管理等方面數字化程度差異較大等特點，汽車企業面臨數字車間、

數字樣車、面向客戶的柔性制造、跨產線協同集成和質量管控等生產制造環節的數

據標準不統一、跨產線跨車間數據孤島及數據融合協作效率低等行業痛點問題，急

需制定面向汽車生產制造的大數據平臺技術要求，涉及汽車研發、生產、供應鏈、

銷售以及服務等方面，支持數據采集、數據分析以及大數據應用全過程，指導汽車

企業開展相關平臺建設。

1.3主要工作過程

1.3.1標準立項前研究階段

本標準于2022年8月開始進行前期研究及調研，阿里云計算有限公司成立汽

車制造標準工作組，開展本標準前期研究工作，主要圍繞汽車生產制造大數據平臺

架構、汽車生產制造數據分類、平臺功能要求、數據質量要求4個維度，對汽車行

1

業內含主機廠、零部件企業及優秀方案解決供應商等制造企業進行綜合調研分析，

以此確定本標準的研制方向和主要技術內容。

2022年9月22日召開了汽車生產制造大數據平臺總體技術要求標準研討會，

中國汽車工程學會領導介紹了項目研制背景和標準研制要求，阿里云計算有限公司

介紹了標準預研情況及標準草案，東風汽車、比亞迪、南京汽車、安徽江淮汽車、

北京奔馳汽車、東風日產、理想汽車、機械九院、青山工業、啟明信息、聯友科技、

奇瑞汽車、華為、百度的相關專家對標準必要性、范圍和內容進行了詳細的討論研

究，一致認為標準立項必要性很高，支持標準立項，并提出了具體的修改建議。

2022年10月～2023年2月，阿里云計算有限公司根據上次會議意見，修改形

成了第二版標準草案。

1.3.2立項階段

2023年2月14日，在中國汽車工程學會召開的標準工作會議上，經過上汽、

東風日產、蔚來汽車理想汽車等業內知名專家評審，在認真聽取標準預研情況匯報、

仔細詢問標準內容、并針對標準的前瞻性和必要性作深入研討之后，一致通過立項

評審。

1.3.3起草階段

2023年3月～2023年5月，阿里云計算有限公司針對立項會議提出的修改意

見，開展內部標準草稿優化工作，并與機械工業第九設計院股份有限公司等的具體

意見建議專家開展了多次的會議討論溝通，完成標準草案優化，形成第三版標準草

案。同時，完成參與單位組建，并啟動針對標準草案的項目組內意見征集。

2023年6月9日下午，組織召開項目組第一次標準研討會，對標準范圍、文本

內容進行深度研討。

會后根據討論結果，起草組成員對標準草案內容進一步完善，形成第四版標準

草案。

2023年6月27日下午，在蘇州組織召開項目組第二次標準研討會，會上首先

對標準研制情況作總體介紹，接著向參會代表介紹了本標準的編制開展計劃及標準

定位，其次進行標準參編單位及人員介紹，最后項目組成員對標準文本內容以及反

饋意見進行深度研討，會上同意將標準名稱由“汽車生產制造大數據平臺總體技術

要求”改為“整車生產制造大數據平臺總體技術要求”。

會后根據討論結果，對標準草案內容進一步完善，形成第五版標準草案。

2

2023年7月26日下午，組織召開項目組第三次標準研討會，重點就上次會議

提出的數據分類、大數據平臺架構等方面的具體反饋意見的處理進行了詳細討論，

項目組一致決定根據會議意見進行修改完善后，啟動公開征求意見。

會后，根據會議專家提出的意見建議，對標準草案內容進一步完善，形成第六

版標準草案。

2023年8月4日，項目組成員一致通過第六版草案內容，同意作為征集意見稿

公開征集行業意見。

二、標準編制原則和主要內容

2.1標準制定原則

按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草

規則》的要求和規定編寫。

在充分調研汽車行業內生產制造大數據平臺的建設需求、實踐案例及應用經驗

的基礎上，參考了GB/T35589-2017《信息技術大數據技術參考模型》、GB/T

38555-2020《信息技術大數據工業產品核心元數據》、GB/T38666-2020《信息

技術大數據工業應用參考架構》等標準。

本標準制定面向整車生產制造的大數據平臺技術要求，涉及汽車研發、生產、

供應鏈、銷售以及服務等方面，支持數據采集、數據分析以及大數據應用全過程，

指導汽車企業開展相關平臺建設。

2.1.1通用性原則

本標準提出的整車生產制造的大數據平臺方案不僅適用于新建大數據平臺，同

時適用于傳統車間向數字化車間轉型改造的整車生產制造的大數據平臺，通用性高。

2.1.2指導性原則

本標準在原有國標以生產制造執行的信息化為主題的基礎上緊扣行業發展趨勢，

從汽車行業制造企業整車生產制造的大數據平臺建設角度出發，充分吸收行業優秀

案例應用成果，充分契合企業實際業務需求和行業主流發展趨勢，對整車生產制造

的大數據平臺的建設有更加具體的指導意義。

2.1.3協調性原則

本標準提出的整車生產制造的大數據平臺的建設要求與目前國家標準中要求協

調統一，互不交叉，互為補充。

3

2.1.4兼容性原則

本標準中結合實際需求提出了具體的整車生產制造的大數據平臺架構方案、數

據分類建議和功能要求等，普遍適用于處于整車生產制造大數據平臺建設不同階段

的制造企業。同時，標準提出了公司級-工廠級-車間級的部署架構，普遍適用于不

同規模和組織架構的汽車企業。

2.2標準主要技術內容

1）整車生產制造大數據平臺通用要求

包括平臺架構、部署方式等。

2）整車生產制造大數據平臺功能要求

包括整車生產制造數據采集模塊、整車生產制造數據中臺模塊、整車生產制

造數字孿生模塊和整車生產制造智能引擎模塊等的功能要求。

3）整車生產制造大數據平臺數據質量要求

包括數據精確度、數據時效性等要求。

4）整車生產制造大數據平臺安全要求。

包括網絡安全、數據加密、數據存儲安全等要求。

2.3關鍵技術問題說明

本標準中涉及以下幾項關鍵技術：

1、整車生產制造大數據平臺功能架構：由整車生產制造數據采集、整車生產制

造數據中臺、整車生產制造數字孿生、整車生產制造智能引擎四大功能模塊組成，

支撐整車生產制造傳統業務應用、整車生產制造數字孿生應用和整車生產制造智能

應用三類整車生產制造數據使用場景。在實際應用中，車廠可根據業務需求，選擇

所需要的功能模塊。一般情況下，應至少包括整車生產制造數據采集模塊和整車生

產制造數據中臺中的部分功能(如數據存儲、數據管理、數據標簽等)，支撐整車生

產制造傳統業務應用。對于生產制造智能化、自動化要求較高的，可選擇整車生產

制造智能引擎模塊和整車生產制造數字孿生模塊，支撐整車生產制造智能應用和整

車生產制造數字孿生應用。

2、部署方式：支持跨區域(國家)的車間級、工廠級、集團公司級三級部署架構，

車間級主要部署數據采集服務和AI算法控制運行服務，工廠級主要部署工廠級數

據中心、工廠級AI中心、工廠級業務中心，集團公司級主要部署集團公司級數據中

臺、集團公司級AI中臺、集團公司級業務中臺；

4

3、整車生產制造數據采集：采集整車生產工藝設備、整車生產通用設備和整車

生產數據標簽的基礎數據源，包括訂單數據、物料數據、工藝數據、設備數據和質

量數據等，向設備下發控制指令和生產派發指令，并將數據實時轉發給整車生產制

造數據中臺和整車生產制造智能引擎功能模塊；

4、整車生產制造數據中臺：存儲整車生產制造數據采集模塊提供的基礎數據，

并進行數據處理，產生整車生產制造指標數據，并將整車生產制造基礎數據和指標

數據轉發給整車生產制造數字孿生模塊和整車生產制造智能引擎模塊；

5、整車生產制造數字孿生：基于整車生產制造數據中臺模塊和整車生產制造數

據采集模塊提供的基礎數據和指標數據，提供整車生產制造數據的可視化和仿真推

演，支撐整車生產制造數字孿生應用；

6、整車生產制造智能引擎：基于整車生產制造數據中臺模塊提供的基礎數據和

指標數據，提供數據分析建模、精準排產模型、設備預測性維護模型、質量預測分

析模型及服務、多模態標注、生產能耗優化、供應鏈優化等功能，支撐整車生產制

造智能應用；

7、數據質量：支持數據采集的實時性、高效性、穩定性和可靠性，提供冗余、

容錯和容災機制，確保數據存儲的正確性，對數據進行統一編碼標識和數據資產管

理，支持OT數據和IT數據的融合計算、共享交換和跨域協同等。

2.4標準主要內容的論據

本標準的主要論據是參考工業、汽車領域大數據相關的參考模型、數據分類等

國家行業標準，結合行業內一汽、吉利、蔚來等多家企業的整車生產制造大數據平

臺解決案例的經驗，提煉總結通用的整車生產制造數據分類、平臺架構、公司級-工

廠級-車間級三級部署架構和功能要求等。

參考的工業、汽車領域大數據相關的標準主要包括：

[1]GB/T35589-2017《信息技術大數據技術參考模型》

[2]GB/T38555-2020《信息技術大數據工業產品核心元數據》

[3]GB/T38666-2020《信息技術大數據工業應用參考架構》

[4]GB/T38667-2020信息技術大數據數據分類指南

[5]GB/T31152-2014汽車物流術語

2.5標準工作基礎

編寫組牽頭單位阿里云計算有限公司基于云、釘釘、達摩院、瓴羊等核心技術

能力，通過與客戶、伙伴緊密共創，在研發、制造、流通三個業務場景形成了“自

動駕駛云”“智造云”“營銷云”解決方案，提供“產研供銷服”全生命周期的技

5

術支持。目前，阿里云“汽車云”在國內已服務超過70%的汽車企業，小鵬、一汽、

吉利、長安、地平線等均已上云。

在汽車制造領域，高節拍、高質量的“雙高化”正成為工廠追求的目標。這要

求汽車工廠從被動響應生產計劃，到主動、自動完成復雜任務。基于“智造云”數

字孿生、智能計算、輔助決策和在線協同的能力，阿里云與機械工業九院共同為一

汽紅旗打造了完全由數據驅動的汽車數智工廠。

一汽紅旗繁榮工廠中近2萬臺設備實時在線，實現了五大車間的數字孿生實時

聯動，是國內目前場景覆蓋最完整、數據規模最大的汽車工廠數字孿生工程。在國

產自研的數據采集與監控平臺上，算法幫助焊裝車間實現了焊點合格判定準確率提

升到97%；涂裝車間的空調能耗節約9%，漆膜質量預測準確率提升到91%。與此同

時，阿里云也在企業的供應鏈管理、柔性生產制造、提升生產能力、以及企業內部

經營效率提升、協同辦公等平臺化管理方面，起到了極大的降本增效作用。

同時，自項目開展以來，阿里云聯合機械九院、中國一汽、吉利汽車、聯友科

技、蔚來汽車、青山工業、東風汽車、比亞迪、南京汽車、安徽江淮汽車、北京奔

馳汽車、東風日產、理想汽車、啟明信息、聯友科技、奇瑞汽車等行業內多家主機

廠、零部件企業、優秀解決方案供應商的專家對整車生產制造大數據平臺的技術要

求作了充分探討提煉，并針對標準內容多次研討論證，一致認為本標準內容具有一

定的先進性、通用性、科學性和可操作性，適宜標準化推廣應用。

三、主要試驗（或驗證）情況分析

本標準的內容在項目組成員間廣泛開展了調研表征集、一對一研究討論、組織會

議討論等多種形式，在一汽繁榮工廠、吉利汽車、蔚來汽車等多個車廠的大數據平

臺建設中成功開展了驗證工作，主要包括大數據平臺的架構、功能要求、整車生產

制造數據分類等。

1、試驗（驗證）過程

試驗準備：根據標準要求，對整車生產制造大數據平臺的四大功能模塊（整車生

產制造數據采集、整車生產制造數據中臺、整車生產制造數字孿生、整車生產制造

智能引擎）的初始狀態進行記錄，如待采集/處理數據、已采集/處理的數據、歷史

數據等。

6

試驗開展：在整車生產制造過程中，根據標準要求的各項內容，分別記錄各個功

能模塊的數據處理結果、采集/處理的數據類別、支持的整車生產制造應用，以及數

據采集、存儲和處理的質量結果。

試驗數據處理：根據對四個功能模塊的試驗數據記錄，分別與標準要求的內容進

行比對，將試驗結果比對進行記錄。

2、試驗數據處理與結果分析

1）整車生產制造數據采集的功能驗證

序號試驗條目試驗結果是否與標

準一致

1是否支持從沖壓、焊裝、涂裝、總裝、電池等支持是

整車生產制造各個環節采集基礎數據

2是否支持邊緣網關和邊緣服務器部署方式，以支持是

及邊緣網關至邊緣服務器的動態擴容和斷點

續傳

3是否支持設備直接采集和通過邊緣網關采集支持是

兩種方式

4是否支持多種數據接入協議支持PLC、OPCUA、是

MQTT、Modbus、TCP/IP

等多種數據接入協議

5是否支持OT和IT數據融合支持擰緊監控、焊點監是

控、機械臂動作等場景

的OT和IT數據融合

6邊緣網關支持時序數據庫是否至少保存1天支持是

以上的數據，以及支持時序數據庫多源、多頻

的處理實時精揀和數據的統計分析

7是否支持向整車生產制造數據中臺模塊、整車支持是

生產制造數字孿生模塊以及第三方系統提供

需要共享的數據，進行數據實時轉發和流轉

8是否支持物模型API，設備數據和IT系統的支持是

映射，以及設備模型的新建、更新、刪除等操

作。

9是否支持整車生產制造車間生產流程的設備支持是

狀態監控和管理

2）整車生產制造數據中臺的功能驗證

序號試驗條目試驗結果是否與標

準一致

1是否支持整車生產制造數據采集模塊提供的基礎數據的支持是

存儲

2是否支持基于基礎數據和大數據分析產生的指標數據的支持是

存儲

7

3是否支持整車生產制造數據標簽庫和標簽服務支持是

4是否支持基于整車生產制造數據標簽的大數據分析支持是

5是否支持對各類基礎數據和指標數據的管理支持是

6是否支持與整車生產制造數字孿生模塊、整車生產制造智支持是

能引擎模塊、以及第三方系統的數據共享與交換

3）整車生產制造數字孿生的功能驗證

序號試驗條目試驗結果是否與標

準一致

1是否支持三維生產線的可視化搭建、設備分組、設備搜索支持是

定位、畫布編輯、實時展示和對象編輯等功能。

2是否支持三維模型組態管理、三維模型組件庫管理、模型支持是

更新和物料庫管理等

3是否支持整車生產制造各環節的歷史數據回放。支持是

4是否支持整車生產制造質量指標、成本指標、交付指標等支持是

指標數據的可視化。

5是否支持以動態效果呈現報警燈、車間各類設備狀態等動支持是

態數據。

6是否支持關聯數據（如生產規劃數據和實際運行數據關支持是

聯）的可視化呈現。

4）整車生產制造智能引擎的功能驗證

序號試驗條目試驗結果是否與標

準一致

1數據讀寫是否支持CSV、支持是

DB等數據源種類，以及支

持API-IN和API-OUT。

2是否具備數據運算組件具備，包括濾波、數據類型轉化、數據聚合、是

數據對齊、數據歸一化、缺失值處理、時滯

處理、死區處理、積分統計、計時統計、運

行計數、限幅限速等。

3是否具備算法組件具備，包括深度學習、運籌優化、K近鄰分是

類、偏最小二乘回歸、決策樹、分段多項式

回歸、小波分解去噪、快速傅里葉變換、支

持向量機、梯度提升決策樹、梯度提升回歸

樹、線性回歸、邏輯回歸、隨機森林等。

4是否具備邏輯運算組件具備，包括AND、NOT、OR、RS觸發器、是

延時OFF、延時ON、脈沖觸發器、觸發器、

計時器等。

5是否具備行業類智能算法具備，包括DT_MPC、DT_PID、比值控制、是

組件變點分析、過程能力分析、測量系統分析、

因果網絡分析、預測因素分析、工藝參數優

8

化、數據驅動實驗設計、多元時序異常檢測

等

6是否支持精準排產模型支持，包括制定各個生產環節日生產計劃，是

提供生產精細化管理服務、資源優化平衡服

務、生產異常響應服務等

7是否支持預測性維護模型支持，包括沖壓、焊裝、涂裝、總裝、電池是

等車間固定設備和旋轉設備的健康設備畫

像、故障智能診斷、數據加工和設備故障的

預測功能

8是否支持質量預測分析模支持，包括模型訓練模塊和預測服務模塊；是

型及服務?模型訓練模塊提供沖壓、涂裝等工藝的

質量預測模型、根因識別模型、工藝優化模

型等；

?預測服務模塊通過圖神經網絡，循環神

經網絡，時序特性，卷積神經網絡高頻特征

編碼，變異源解碼，概率推斷與評估，小樣

本評估，靈敏度分析，黑盒優化等工具，提

供沖壓、焊裝，涂裝，總裝，電池，壓鑄等

工藝的多元異構時序數據建模，系統變異源

分析建模，工藝配方優化能力；

9是否支持多模態標注支持，包括對接工業相機、樣本庫、數據庫是

等數據，進行多種類、多形態的標注與校準；

樣本預處理與分布式訓練、模型訓練與模型

迭代管理。

10是否支持生產能耗優化支持，包括實時采集車間產線的空調運行數是

據，將數據發送到數據中臺和人工智能中

臺，依據人工智能中臺的算法結果，自動控

制空調以及車間其它能耗類設備的運行運

程；支持恒壓優化算法模型采用母管壓力與

流量數據，根據供需模型觸發調節，通過對

比各設備實際排氣量，總運行時間，啟停加

卸載頻次等因素進行綜合決策，保證供需平

衡，實現按需供給，不斷降低供需差異導致

的卸載放空以及壓力波動的能耗浪費。

11是否支持供應鏈優化支持，包括支持路徑規劃，針對不同運輸場是

景建立運力資源池，實現系統自動調度選

車，并結合司機工作半徑、貨量、車輛及場

站資源進行線路規劃；支持結合運輸訂單、

線路規劃計算滿載率，推薦最佳配載方案；

支持供應鏈網絡優化。

5）整車生產制造大數據平臺數據質量驗證

序試驗條目試驗結果是否與標

號準一致

9

1靜態數據是否采用長周期采集方設備信息、生產計劃等靜態數據的采集周是

式期為每周、每月、每半年等長周期方式

2動態數據是否支持毫秒級高頻多沖壓、焊裝、涂裝、總裝等工藝時序數據是

頻采集的采集間隔為毫秒級

3是否提供冗余、容錯和容災機制提供是

4是否支持系統間數據的共享交換支持是

和跨域協同

6）整車生產制造大數據平臺數據分類驗證

序號試驗類目試驗結果與標準是

否一致

1整車生產制造數據采集模塊采集的基礎數據類別是否包括訂均包括是

單數據、物料數據、工藝數據、設備數據、質量數據和管理數

據

2整車生產制造數據中臺模塊、整車生產制造數字孿生模塊、均包括是

整車生產制造智能引擎模塊產生的指標數據類別是否包括安

全指標數據、人員指標數據、質量指標數據、成本指標數據、

物流指標數據和交付指標數據

3、結果分析

基于上述數據處理及結果可以得出，本標準提出的解決方案對于行業制造企業

整車生產制造大數據平臺的規劃及建設具有良好的適用性，適宜標準化可復制推廣

應用。

1）本標準涉及的整車生產制造大數據平臺方案成熟，技術要求明確。

2）本標準提出的架構、功能要求、整車生產制造數據分類的具體要求等方面，

依據業界已有的工業大數據相關標準要求，重點結合一汽繁榮工廠、吉利汽車、蔚

來汽車等多個車廠已開展的汽車生產制造大數據平臺的經驗積累，提煉出通用的架

構、功能和數據集等的要求，符