© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
贵州航天云网科技有限公司
企业贵州航天云网科技有限公司成立于2015年，属互联网和相关服务，主营（互联网的云服务、企业信息化管理咨询、网络项目投资等。面向设备管理、资产管理、云计算等领域提供数据服务，开放设备管理系统（设备管理、资产管理）、DCSS云桌面虚拟化系统（云计算、虚拟化技术）、设备巡检管理平台（工业运维、智能化管理），支撑监测研判与运维优化。
设备管理资产管理云计算服务互联网服务高新技术企业
数据集列表
航空航天配套企业供应链协同与产能匹配数据集
供应链数据采集与治理：依托航天云网平台及标识解析体系，汇聚主机厂与配套企业间的供需数据、订单数据、交付数据与质量数据。参考棉纺供应链数据融合实践，建立统一的数据采集标准与交换协议，打通“需求—生产—交付—物流”全链条数据。 供应链图谱构建：基于复杂网络理论，构建航空航天产业链上下游的供应关系图谱。通过节点度中心性、中间中心性等网络指标，识别供应链网络中的关键节点与潜在风险传导路径。 产能匹配与优化算法：构建基于多目标优化的产能匹配模型，综合考虑配套企业的产能规模、技术适配度、地理位置、历史交付表现等多维因素，采用启发式搜索算法求解最优的产能分配方案。 供应链风险评估模型：建立涵盖供应集中度风险、产能冗余度风险、地理集中度风险、质量稳定风险的供应链韧性评估指标体系。基于层次分析法（AHP）与熵权法相结合的方式确定指标权重，生成供应链韧性综合评分。
贵州省数据知识产权登记平台2026-08-05 更新20
多源异构工业数据实时采集与融合治理数据集
多协议数据采集：采用工业互联网云边协同4层架构，封装OPC-UA、Modbus、CAN、MQTT等多种工业通信协议函数，实现边缘侧多源异构数据的实时采集与协议转换。支持毫秒级数据采集频率，适配高频振动、温度等传感器数据采集需求。
数据清洗与质量评估：基于规则引擎与机器学习相结合的方法，对采集数据进行异常值检测（如基于3σ准则或孤立森林算法）、缺失值填补（如插值法或基于时序预测的填补方法）、去重与一致性校验。建立数据质量多维度评估指标体系，自动标记数据质量标签。
多源数据融合治理：采用实体对齐与时序关联技术，将来自不同系统的数据按统一时间轴与实体维度进行关联融合。构建数据标准化映射规则库，将不同数据源的字段定义统一映射到标准数据模型，形成可追溯的融合治理链路。
动态更新机制：基于增量采集策略，在云端构建“贴源层—标准层—融合层”三层数据架构，支持数据的实时接入与增量更新，确保数据资产的时效性。
贵州省数据知识产权登记平台2026-07-28 更新50
航天云网跨区域工业资源共享与交易撮合数据集
数据采集与治理：依托航天云网INDICS平台及大数据融通治理平台，汇聚平台上跨区域的制造资源供给数据（设备台账、加工能力、检测资质、闲置产能等）、需求发布数据（加工需求、采购需求、技术服务需求等）以及历史交易数据（成交价格、服务周期、履约评价等）。参照制造资源特征提取方法，对多源异构数据进行结构化处理，构建统一的资源画像与需求画像标准。
资源特征编码与索引：参照ID3算法及分类预测方法，通过数据融合技术对资源端供给能力（加工精度、产能规模、响应速度、地理位置等）与需求端要求（工艺要求、交付期限、预算范围、质量等级等）进行特征提取与向量化编码，构建面向高维空间的资源—需求索引体系，实现高效的相似度计算与候选集召回。
智能匹配与撮合算法：构建基于多目标优化的供需匹配模型。首先通过基于密度的聚类算法对需求进行归类聚合，发现共性的资源需求模式；其次采用启发式搜索算法求解多约束条件下的最优匹配方案，最大化匹配成功率与综合满意度；在此基础上引入博弈论框架分析供需双方的议价行为，设计撮合交易机制以平衡各方利益，提升交易达成率。
贵州省数据知识产权登记平台2026-07-03 更新30
贵州省区域产业链供应链韧性评估数据集
数据清洗与治理：依托航天云网INDICS平台及大数据融通治理平台，对贵州工业云平台汇聚的超过14725家活跃企业的原始数据进行脱敏、归一化处理，解决多源异构数据的“孤岛”问题。涉及企业经营敏感数据时，严格进行匿名化与去标识化处理。
韧性评估模型构建：
网络结构分析：构建产业链上下游图谱，利用复杂网络算法计算节点度中心性、中间中心性，识别关键“卡脖子”节点。
抗压能力测度：引入外部冲击因子（如物流中断、原材料价格波动），基于时间序列分析（如VAR模型）模拟不同情景下的产出缺口与恢复时长。
替代性评估：基于标识解析与物资转码数据，计算同类配套资源的可替代指数，综合评估供应链的冗余度与弹性。
贵州省数据知识产权登记平台2026-07-03 更新20
航天云网工业大数据安全防护与合规管理数据集
数据采集规则：
采集航天云网平台各业务环节（研发设计、生产制造、经营管理、运行维护、平台运营等）产生的工业数据，涵盖设备运行数据、生产工艺数据、经营管理数据、用户行为数据等多类型数据。
采集数据安全相关的日志记录、访问控制记录、安全事件记录等，按统一的数据格式与时间戳标准进行归集。
数据分类分级规则：
参照《工业领域重要数据识别指南》YD/T 4981-2024，按照四阶段流程开展数据分类分级：数据资产梳理→重要数据识别→内部审批→重要数据目录备案。
重要数据识别聚焦数据的安全影响维度，包括与国家秘密相关、与国家安全相关、与行业发展安全相关、与工业领域出口管制物项相关、与行业特色相关、处理个人信息达到一定数量等识别维度
按一般数据、重要数据、核心数据三个级别进行分类标注，形成可动态更新的数据资产清单与重要数据目录。
贵州省数据知识产权登记平台2026-06-30 更新50
基于云边协同的智能产线运行状态监测数据集
边缘侧数据采集与预处理：采用“云-边-端”三层协同架构，在产线边缘侧部署数据采集与预处理节点。通过Wi-Fi无线采集单元与有线高频采集单元相结合的方式，实现对设备振动、温度、超声等参数的实时采集与特征提取。边缘侧完成数据清洗、异常过滤、特征计算（如时域特征、频域特征）等预处理操作，有效降低云端数据传输与存储压力。
云端数据建模与智能分析：云端构建基于机理模型与数据驱动相融合的设备健康监测模型。采用动态阈值建模方法，替代传统单一固定阈值报警方式，根据设备运行工况自适应调整报警阈值，降低误报率。融合自回归模型（AR）与时空关联分析，实现对设备性能衰退趋势的早期追踪与预警。
云边协同机制：边缘侧负责实时数据采集与快速响应（毫秒级），云端负责复杂模型训练与全局优化决策。采用联邦学习或模型下发机制，将云端训练好的模型参数定期同步至边缘侧，实现“云上训练、边端推理”的协同模式，满足产线实时性需求的同时持续优化模型精度。
报警与事件管理：建立多级报警分级机制（预警/告警/紧急），结合历史案例库与规则库，对报警事件进行智能诊断与处理建议推荐，实现运维知识的沉淀与复用。
贵州省数据知识产权登记平台2026-07-28 更新30
贵州工业互联网平台用户行为分析与体验优化数据集
数据采集与治理：依托航天云网INDICS平台及航天云网工业APP应用与推广监测平台，汇聚平台网页端、移动端、工业APP端等多终端的用户行为日志数据（页面访问、按钮点击、搜索查询、功能使用、表单提交等）、用户基础属性数据（所属行业、企业规模、岗位角色、地域分布等）以及业务结果数据（交易订单、服务订阅、培训参与等）。参照大数据用户行为分析技术规范，对多源行为日志数据进行清洗、去重、会话识别与路径补全，建立统一的数据埋点标准与用户ID映射体系，确保跨端、跨场景用户行为的完整关联。
用户行为建模与分析：采用基于神经网络的深度学习算法与序列模式挖掘方法，对用户操作序列进行建模，识别高频使用路径、典型操作模式与异常行为模式。构建“用户—功能—场景”三维分析矩阵，从用户活跃度、功能渗透率、转化漏斗、留存曲线等维度建立多层级指标体系，对用户体验进行量化评估，精准识别易用性差、操作路径冗长等体验瓶颈。
贵州省数据知识产权登记平台2026-07-03 更新00
航天云网工业APP开发与应用效果评估数据集
数据采集与治理：依托航天云网INDICS平台及“互联网+”和数字经济监测评估平台，汇聚航天云网上架工业APP的开发文档、代码库、测试报告、用户使用日志、用户评价反馈等多源数据。对数据进行脱敏清洗，建立统一的数据字段标准与关联映射关系。
评估指标体系构建：参照工信领域AI应用评估维度，从技术创新性（算法或模型创新性、技术融合度）、技术研发成熟度（模型成熟度、鲁棒性、稳定性）、交互性能（功能实用性、界面友好性、解决方案适用性）、降本增效性（效率提升率、成本降低率）等维度构建评估模型。结合工业软件应用成效评估方法，对每项功能点进行分项评估并构建评估矩阵。
综合评分与对比分析：通过预设的评估算法对多维评估指标进行加权计算，生成各工业APP的综合效能评分，并支持同类APP间的横向对比分析与趋势研判。
贵州省数据知识产权登记平台2026-07-03 更新40
贵州省工业绿色低碳转型路径优化数据集
数据采集与治理：依托工业互联网平台，汇聚贵州省重点行业企业的能源消耗数据（电、煤、气等）、生产工艺数据（原料配比、炉温、压力等工况参数）、污染物排放监测数据、设备运行状态数据等多源异构数据。参照磷化工领域能耗优化实践，对数据进行清洗、校验、缺失值填补及标准化处理，打破各生产环节的数据孤岛，构建覆盖“原料—生产—产品—能耗”全链条的高质量数据集。
模型构建与路径寻优：融合行业机理知识（工艺标准、反应动力学模型等）与AI预测算法，构建能耗预测与碳排放评估模型。采用“前馈+反馈”闭环调控逻辑，基于历史生产数据与实时工况数据，预测能耗指标、产品品质参数及碳排放趋势，并通过先进过程控制（APC）与实时优化（RTO）系统求解最优工艺参数组合。借鉴电力行业碳数据诊断与降碳寻优模型经验，综合运用大数据分析、聚类分析等技术，建立多场景降碳路径评估与推荐机制。
贵州省数据知识产权登记平台2026-07-03 更新10
贵州中小企业数字化转型成本效益分析数据集
数据采集规则：
成本数据：通过企业财务系统、项目台账等渠道采集数字化转型相关的软件采购费、硬件购置费、人员培训费、外部咨询费、系统运维费等投入数据，按年度、按项目维度归集。
效益数据：通过MES、ERP等系统采集生产效率指标（如单位工时产出）、运营成本指标（如库存周转率、订单处理周期）、销售数据等产出指标。
企业特征数据：采集企业规模（员工数、营收）、所属行业、转型阶段、系统覆盖率等分类变量，支持分群分析。
数据预处理规则：
对原始数据进行异常值检测与剔除、缺失值插补（如热卡插补或多重插补）等标准化处理。
对涉及企业商业机密的数据实施脱敏处理，确保数据合规流通。
对多源异构数据按统一的企业编码和时间戳进行对齐融合，形成可联合建模的面板数据结构。
核心算法说明：
成本效益量化模型：构建投入产出弹性模型，核算数字化转型投入与产出的边际关系。学术研究表明，当企业处于较小时规模阶段时，数字化投入产出弹性较高，随着企业规模增大而逐渐降低，本数据集通过分位数回归等方法捕捉这一非线性特征。
成本粘性分析：基于资源调整成本理论，考察企业在不同成本规模区间（如25%～50%、50%～
贵州省数据知识产权登记平台2026-06-30 更新60