直接答案：工厂做 AI 前，不要先买一个“大而全”的数据中台。先选一个具体场景，按五类数据盘家底：主数据、时序、工单/报工、质量、工艺/知识；优先级不是五类一起上，而是先补主数据 + 工单 + 质量三根骨架，再补时序和工艺/多模态。判断标准是“这个场景能不能形成可训练、可评测的小数据集”，不是“数据湖有多大”。政策方向也指向小切口：工信部办公厅工信厅信发函〔2026〕64号启动工业数据筑基行动，明确以关键环节关键场景“小切口”开展先行先试，建设数据资源库、技术攻关库、工业数据标准库、高质量行业数据集库“四大资源库”，开展“1+4+N”体系；上海 640 号第 7 条支持本体建模、知识图谱、多源异构数据融合，最高 2000 万元。本文资料截止 2026-11-12；具体以企业场景、系统和数据权限为准。
本文面向制造企业厂长、IT/数字化、数据治理、生产/质量/设备负责人。它不横评数据中台/主数据厂商，也不承诺“建完中台就能上 AI”；它解决一个更实际的问题：五类数据先补哪三类，每类最小字段是什么，30 天能准备到什么程度。
先小切口，不做大而全；先主数据+工单+质量，再补时序和工艺；先能评测，再谈扩规模。
为什么先做小切口，不做大而全数据中台
因为“数据中台”解决的是长期供给，不是第一个场景能不能跑通。工信部 64 号文把路径写得很清楚：以典型场景需求为牵引，聚焦关键环节关键场景“小切口”，突破数据“采、集、用”瓶颈；到 2026 年底培育行业数据合作联合体、建设可信互联平台、打造四大资源库。上海 640 号第 7 条则把“本体建模、知识图谱、多源异构数据融合”作为数据底座能力，鼓励企业沉淀可复用的流程规则、数据关联逻辑和行业知识模型。中国华能的火电智慧运维数据集也是按场景组织的：时序、图像、视频、文本四模态，服务智慧运行、智能诊断、智慧检修，而不是先建一个“什么都有”的湖。友成控股用 2 年把 30 多个车间、1000 多台设备的工艺经验变成 6 亿多条数据，同样是围绕采集、标注、归集做小步迭代。
验收看：是否绑定一个场景、是否有最小数据集、是否有评测集、是否有 owner。常见缺口：先买平台；先扫全量文件；没有场景；没有评测。
| 做法 | 优点 | 风险 | 适用 |
|---|---|---|---|
| 大而全数据中台 | 长期统一口径 | 周期长、场景不落地、投入大 | 多系统集团、已有治理团队 |
| 场景小切口 | 2–4 周能验证、可评测 | 容易重复建设，需要复用 | 第一个 AI/POC 场景 |
| 行业联合体/平台 | 共享标准、工具链、数据空间 | 依赖外部协同，数据权限复杂 | 链主、集群、平台机构 |
路径选择为编辑建议；具体按企业规模、系统现状和数据治理成熟度决定。
五类数据：先补哪三类？
五类数据是：①主数据（物料、设备、供应商、客户、工序）；②时序（设备状态、工艺参数、能耗、振动）；③工单/报工（工单、工序、报工、停机、异常）；④质量（检验、缺陷、批次、返工、客诉）；⑤工艺/知识（图纸、参数、手册、案例、老师傅经验）。先补哪三类，取决于第一个场景：做质量追溯/质检，先主数据+工单+质量；做设备预测/异常，先主数据+时序+工单；做排产/交期，先主数据+工单+工艺路线（APS 页已列 6 项）。不要五类平均用力；先让一个场景形成“输入—判断—结果”的闭环。
验收看：五类是否点名、和场景是否对应、最小字段是否够、谁负责。常见缺口：只做报表；只做看板；没有结果数据；没有 owner。
| 数据类 | 典型内容 | 用在哪 | 最小字段 | 常见缺口 |
|---|---|---|---|---|
| 主数据 | 物料、设备、供应商、客户、工序 | 所有场景的关联骨架 | 唯一编码、名称、类型、状态 | 一物多码 |
| 时序 | 设备状态、工艺参数、能耗、振动 | 预测、异常、工艺优化 | 设备/测点、时间戳、值、单位 | 时钟不一、丢点 |
| 工单/报工 | 工单、工序、报工、停机、异常 | 追溯、排产、OEE | 工单号、工序、设备、起止、数量 | 只记结果 |
| 质量 | 检验、缺陷、批次、返工、客诉 | 质检、根因、追溯 | 批次、检验项、结果、缺陷类型 | 只留良品 |
| 工艺/知识 | 图纸、参数、手册、案例、经验 | 工艺优化、智能体、培训 | 版本、工序、参数、适用条件 | 无版本、无边界 |
五类划分为编辑建议；具体以第一个场景和现有系统为准。
主数据：一物多码不解决，AI 读到的不是同一个东西
主数据是“唯一身份”。物料在 ERP、MES、WMS 各有一套编码，设备在台账、PLC、工单里各有一个名字，供应商在采购、财务、质量各有一份记录，AI 就无法把“同一件事”关联起来。上海 640 号第 7 条把“本体建模、知识图谱、多源异构数据融合”列为数据底座能力，本质就是先把对象、关系、规则定义清楚。最小做法：每个对象指定一个权威源（system of record）、一个唯一键、一个 owner；新增时做重复校验，变更走 maker-checker；历史数据先清洗高频/高价值对象，不要一次全洗。
验收看：唯一键、权威源、owner、重复率、变更记录。常见缺口：多套编码；没有 owner；只清洗不维护；变更无审批。
| 对象 | 唯一键 | 要统一什么 | 验收证据 |
|---|---|---|---|
| 物料 | 物料编码 | 名称、规格、单位、分类、替代关系 | 重复率、映射表 |
| 设备 | 设备编码 | 名称、型号、位置、产线、状态 | 台账与 PLC 对照 |
| 供应商 | 供应商编码/统一社会信用代码 | 名称、账户、资质、联系人 | 主数据与合同对账 |
| 客户 | 客户编码 | 名称、地址、信用、价格条件 | 订单与回款对账 |
| 工序 | 工序编码 | 名称、顺序、设备、工时、检验点 | 工艺路线版本 |
唯一键与字段为编辑建议；具体以企业编码规则和系统边界为准。
时序与工单：没有时间戳和工单，模型只能猜
时序数据要能回答“哪台设备、哪个测点、什么时候、什么值、什么单位、什么工况”；工单要能回答“哪张单、哪道工序、谁做的、何时开始/结束、产出多少、有没有异常”。两者靠设备编码、工单号、工序、时间戳关联。最常见的断点是：设备时钟不一致、测点命名不统一、工单只记结果不记过程、停机没有原因码、异常没有起止时间。先把这些补齐，再谈采样频率；不是所有场景都要毫秒级，先按工艺节拍和故障前兆时间定。
验收看：时间戳、单位、工况、关联键、缺失率、停机原因码。常见缺口：时钟漂移；测点乱名；工单不关联设备；异常无起止。
| 数据 | 采什么 | 频率 | 关联键 | 质量检查 |
|---|---|---|---|---|
| 设备状态 | 开/停/待机/故障、电流、温度 | 秒–分钟 | 设备编码、时间戳 | 丢点、时钟 |
| 工艺参数 | 温度、压力、速度、配方 | 按节拍 | 工单、工序、设备 | 单位、越界 |
| 报工 | 开始/结束、数量、人员、班次 | 每工序 | 工单、工序 | 漏报、重复 |
| 停机 | 起止、原因码、处理人 | 事件 | 设备、工单 | 原因缺失 |
| 检验 | 检验项、结果、缺陷类型 | 每批/每件 | 批次、工单 | 只留良品 |
采集频率与字段为编辑建议；按故障前兆、工艺节拍和存储成本确定。
多模态：华能四模态数据集的启示
中国华能的火电智慧运维多模态数据集覆盖时序、图像、视频、文本四类，服务智慧运行、智能诊断、智慧检修；它没有只采一种信号，也没有把原始数据直接丢给模型，而是通过自研数据清洗、AI+物理机理标注、多维质量评估和专家复核来保障质量。对工厂的启示是：多模态不是“什么都采”，而是围绕一个判断任务采“能互相印证”的信号。例如设备异响，要声音+振动+电流+工况；焊缝缺陷，要图像/视频+电流电压+气体流量+工艺参数。采之前先问：这个信号能区分什么、和结果怎么关联、谁来标注、怎么评测。
验收看：模态与任务是否对应、是否同步、是否有标注规范、是否有专家复核。常见缺口：为采而采；模态不同步；标注无依据；没有评测集。
| 模态 | 采什么 | 标注 | 用途 | 难点 |
|---|---|---|---|---|
| 时序 | 温度、压力、电流、振动 | 工况/异常段 | 预测、诊断 | 时钟/工况 |
| 图像 | 缺陷、熔池、外观 | 缺陷类型/等级 | 质检 | 样本不平衡 |
| 视频 | 动作、过程、异常 | 时间段/事件 | 工艺/安全 | 帧率/存储 |
| 文本 | 工单、手册、案例 | 实体/关系/结论 | 知识/智能体 | 版本/权限 |
华能案例为企业公开披露；模态选择为编辑建议，具体按本厂任务和采集条件。
数据质量六维：到什么程度能开始？
不要等“100% 干净”才开始，但要有底线。按完整性、准确性、一致性、唯一性、及时性、有效性六维检查：关键字段不能空；值和单位要对；同一对象在不同系统要一致；唯一键不能重复；数据要在可用的时间窗口内；取值要在合理范围。阈值按场景定：安全/质量关键字段要求高，辅助字段可以放宽。先做“可评测的最小集”，用留出案例 blind review 验证；如果数据质量导致误判不可接受，先停，不要用模型掩盖数据问题。
验收看：六维是否有检查、阈值、证据、责任人。常见缺口：只看完整率；不看一致性；没有及时性；没有异常值处理。
| 维度 | 检查什么 | 最低要求 | 证据 |
|---|---|---|---|
| 完整性 | 关键字段是否为空 | 关键字段 100% | 空值报告 |
| 准确性 | 值与单位是否正确 | 抽样核对 | 对账记录 |
| 一致性 | 跨系统同一对象是否一致 | 关键对象一致 | 映射/对账 |
| 唯一性 | 唯一键是否重复 | 无重复 | 重复率报告 |
| 及时性 | 数据是否在窗口内 | 按场景定 | 时间戳/延迟 |
| 有效性 | 取值是否在合理范围 | 规则校验 | 异常值清单 |
六维为通用数据质量维度；阈值按场景、安全和客户要求设定，不套统一标准。
30 天数据准备清单
第 1 周定场景和最小数据集：写清输入、输出、判断任务、责任人；第 2 周盘五类数据，标出可用/缺失/需补采；第 3 周补主数据、工单、质量三根骨架，做唯一键和关联；第 4 周做质量六维检查、留出集和 blind review，给出继续/停止建议。停止条件提前写：场景不清、关键数据拿不到、没有结果标签、老师傅/业务不参与、误判后果不可接受，任何一条成立就停，不硬上模型。
验收看：四周是否有产出、是否形成最小数据集、是否有评测。常见缺口：只开会不落表；只采不标；只建库不评测；没有停止条件。
| 周次 | 做什么 | 产出 | 停止条件 |
|---|---|---|---|
| 第 1 周 | 定场景、判断任务、责任人 | 一页场景定义 | 场景说不清 |
| 第 2 周 | 盘五类数据，标可用/缺失/补采 | 数据清单 | 关键数据拿不到 |
| 第 3 周 | 补主数据/工单/质量，建唯一键 | 最小数据集 | 无法关联 |
| 第 4 周 | 质量六维、留出集、blind review | 评测报告 | 误判不可接受 |
30 天安排为编辑建议；实际周期取决于系统、数据和业务可用时间。
谁该读、谁不适合、能支持什么决策？
适合正在做 AI/POC、但数据散在 ERP/MES/WMS/Excel、主数据不统一、工单和质量记录不完整的制造企业；也适合准备申报工业数据/智能工厂项目、需要先补数据底座的团队。不适合已经完成主数据治理、只需做模型调优的企业；也不适合希望用一篇清单替代数据治理、系统改造和业务参与的团队。
该读：不知道先补哪类数据；主数据一物多码；工单只记结果；质量只留良品；设备数据时钟不一；数据很多但不可训练。不适合：把数据中台当目的；把文件扫描当语料；把模型当数据修复；没有业务 owner。能支持：五类数据盘點、优先级、最小字段、主数据唯一键、质量六维、30 天清单和停止条件。
常见问题
先建数据中台还是先做场景？
先做场景。数据中台是长期供给能力，第一个 AI/POC 更需要一个可训练、可评测的最小数据集。工信部 64 号文也强调“小切口”：选一个关键场景，先把采、集、用打通，再复用标准/工具到其他场景。多系统集团可以“整体规划、场景试点”，但不要等中台建完才做第一个场景。
主数据先做物料还是设备？
看第一个场景。做质量/追溯/排产，先做物料+工序；做设备预测/异常，先做设备+测点；做供应商协同，先做供应商。共通原则是：每个对象一个权威源、一个唯一键、一个 owner；先清洗高频/高价值对象，不要一次全洗。物料和设备最终都要做，但不必同一天开始。
没有历史数据能做 AI 吗？
可以做异常检测/规则/小样本，但很难验证“预测”。先补采集和工单结果，做影子运行；用老师傅的历史案例做冷启动时，要区分“回忆案例”和“真实留出案例”。没有结果标签，就不要承诺准确率；先把“能采、能标、能评测”跑通。
时序数据要采多快？
按故障前兆和工艺节拍定，不是越快越好。设备振动可能要秒级/毫秒级，温度/压力可能分钟级就够；先看故障从异常到失效的时间窗口，再定采样频率和存储周期。采太快会增加存储/清洗成本，采太慢会漏掉前兆。
数据质量到什么程度才能开始？
关键字段完整、唯一键不重复、跨系统关键对象一致、时间戳可用、取值在合理范围，就可以做最小评测；不必等 100% 干净。用留出案例 blind review 验证；如果数据问题导致误判不可接受，先修数据，不要用模型掩盖。阈值按场景和安全/质量要求定。
数据权限和安全怎么管？
先分数据等级：公开/内部/敏感/核心；按岗位和用途授权，最小必要；导出、共享、训练都要留日志；涉及客户、供应商、工艺配方、图纸的，先脱敏或留在企业边界内。数据跨境/对外合作按法律和企业制度评估；不要把“能访问”当成“能用于训练”。
30 天能准备到什么程度？
能完成一个场景的最小数据集、主数据/工单/质量三根骨架的关联、质量六维检查和一次留出集盲评；不能完成全厂数据治理、所有系统接口和历史数据全清洗。30 天的目标是“继续/停止”的判断，不是“数据中台上线”。
一句话总结
工厂做 AI 前的数据准备，不是先建大而全的数据中台，而是选一个场景，盘五类数据，先补主数据+工单+质量三根骨架，再补时序和工艺/多模态；每类有最小字段、唯一键、owner 和质量六维，30 天内形成一个可训练、可评测的小数据集，能跑通再复用，跑不通就停。
研究方法与局限
本文为公开资料与项目方法整理，不是数据治理/系统集成/投资建议。工信部 64 号文为政策方向，上海 640 号最高 2000 万元为支持额度，不等于本厂可得；华能多模态数据集、友成 6 亿条数据为企业公开披露，不是第三方审计；萧山数据集数量为公开报道。文中的五类划分、优先级、最小字段、质量六维和 30 天清单均为编辑建议，不构成数据质量或项目效果承诺。本文不横评数据中台/主数据厂商；具体以企业场景、系统、数据权限和合同为准。
数据来源与口径
资料截止 2026-11-12；以下为公开页面，具体以原文为准。
- 工业和信息化部办公厅《关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》（工信厅信发函〔2026〕64号，2026-02-12 成文，2026-03-10 发布）：工信部。到 2026 年底培育联合体、建设可信互联平台、打造四大资源库，开展“1+4+N”体系；强调关键场景“小切口”，提供仿真采集、专业化标注、极端场景合成。政策方向，不是本厂项目批复。
- 上海市经济和信息化委员会《上海市加快推动人工智能赋能工业服务业高质量发展行动方案（2027-2028年）》（沪经信生〔2026〕640号，2026-10-23 发布）：第7条“推动行业数据底座建设”。支持本体建模、知识图谱、多源异构数据融合，最高 2000 万元；鼓励沉淀流程规则、数据关联逻辑与行业知识模型。最高额度不等于本厂可得。
- 中国华能《火电智慧运维多模态数据集》（2026-07-20）：中国电力企业联合会转载。覆盖时序、图像、视频、文本四模态；自研数据清洗、AI+物理机理标注、多维质量评估、专家复核；用于设备运维大模型/智能体。企业公开披露，不是第三方审计。
- 新华财经《杭州萧山：从“买AI”到“卖AI” 制造业车间里长出新产业》（2026-11-05）：中国金融信息网。萧山 5 个全省首批工业重点行业数据集、14 个省级 AI 行业数据集；友成控股 2 年把 30 多个车间、1000 多台设备的工艺经验变成 6 亿多条数据（企业公开披露）。