驾驭通往工业 5.0 的数据之路：数据空间生态范式

《Journal of Industrial Information Integration》：Navigating the data road to Industry 5.0: A dataspace ecosystem paradigm

　　

•数据空间加速了向工业 5.0 迈进的工业进程。
•首次引入数据空间生态系统，以整合工业 5.0 的价值属性。
•识别了数据空间的基础组件，以分析交互逻辑。
•探索了数据空间在数据价值链（DVC）、数据生命周期管理（DLM）和产品生命周期管理（PLM）中的应用路径。
•指出了数据空间的未来研究方向以供进一步探讨。
引言
在产业新范式进入工业 5.0 时代的背景下，欧盟委员会在其政策文件和指令[[1], [2], [3], [4], [5]]中阐述了由国家工业 4.0 倡议推动的欧洲工业社区数据流通愿景，称为“数据空间 4.0"[2]。数据空间 4.0 旨在保障制造业数据空间的未来增长和规模经济[2,6]。现有的初步努力专注于为工业数据生态系统中的民主、主权、公平和可信数据共享铺平道路[3,7]。然而，现实往往难以达到这一美好的愿景。迄今为止，尚未就数据空间在通往工业 5.0 的工业征程中的具体实施路径和方法达成共识。为了弥合这一差距并为数据空间建设提供参考指导，本文首次引入了以工业 5.0 社会价值属性为中心的数据空间生态系统，特别考察了主权、互操作和可信的数据流通环境如何支撑数据价值的释放。

事实上，数据空间的概念最初是由 Franklin, Halevy 等人[8,9]定义为数据管理的一种新抽象。随着工业组织和经济部门对数据共享的需求增长，这一曾经仅用于管理异构数据源的方法已演变为一种保证数据所有权、使用策略和信任机制的数据基础设施[10]。在这里，数据仍分散在源处，联邦参与者根据预定义的利用合同在去中心化的数据空间内执行 FAIR 数据的交换和共享[11,12]。此外，数据空间浪潮引发的面向 AI 的数据激增[13,14]进一步使与大型 AI 模型（LAMs）和智能体 AI 相关的 AI 编排服务成为可能[15]，这扩展了工业 5.0 时代数据空间的内涵。也就是说，数据空间超越了其作为单纯数据传输管道的作用[18]，演变为能够开发高质量数据源以支持人机协作[20]、个性化定制[21]和可持续生产[22]等用例场景的"AI 智能体”。随后，各种开创性的欧盟倡议进一步将数据空间概念推向国际舞台[23]，使其成为学术界和工业界的热议话题[24]。

与此同时，在全球数据生态系统中，数据空间的概念在研究人员中获得了显著的关注并获得了国际认可[10,25,26]。在共同的欧盟政策背景下[2,27,28]，工业 4.0、数据空间 4.0 和工业 5.0 在内在上是相互关联的，如图 1 所示。工业 4.0 起源于德国[29]，被视为技术驱动的数字化转型，强调通过信息物理生产系统的形式进行数据共享，以弥补实体、机器和数据基础设施之间的沟通鸿沟[30]。虽然工业 4.0 倡导面向服务、可扩展和个性化产品的灵活生产[31,32]，但它很大程度上陷入了技术官僚的解释中[33,34]。最好情况是，这可能会导致工人在控制其数据方面产生寒蝉效应[35]；最坏情况是，工业可持续性和工人福祉被边缘化[28]，阻碍了利益相关者之间的工业数据共享。作为未来工业的愿景，欧盟引入了工业 5.0 以补充现有工业 4.0 范式中缺失的社会价值取向[36]。通过将人类智慧与引人注目的技术相结合[37]，工业 5.0 尊重行星边界，并将工业工人的福祉置于生产过程的核心，可持续地为社会价值目标提供韧性的繁荣[38]。因此，跨行业和领域的有效数据交换和共享不仅是必要的，而且对于充分释放工业 5.0 固有的数据价值潜力至关重要[34,39,40]。得益于欧盟资助，数据空间 4.0 作为形成统一工业数据流通环境的催化剂运行[1]，位于从工业 4.0 向工业 5.0 演变的交界处。采用国际数据空间（IDS）和 Gaia-X 架构[41]并倡导 FAIR 原则（可发现、可访问、可互操作和可复用）[42]，数据空间 4.0 强调数据主权、互操作性和可信的生态社区，以促进跨工业组织之间的参与式协作和数据价值链的有机增长[2]。因此，在工业 5.0 时代繁荣的工业格局中，数据空间 4.0 构建了通往以以人为本、可持续性和韧性社会价值观为指导的共同制造业数据空间的路径，这可以为数据驱动的产品和服务提供去中心化的数据生态系统[43]。

基于这些发现，本研究引入了据我们所知首个整合工业 5.0 以人为本、可持续性和韧性价值属性的数据空间生态系统，旨在为工业组织和公民的利益释放数据价值。具体而言，在该生态系统下，开发了一个参考生态系统模型（REM）来澄清基础组件的交互逻辑并详细说明使能技术的协同应用。然后，从赋能数据价值链（DVC）的角度出发，讨论了数据空间生态系统在数据生命周期管理（DLM）和产品生命周期管理（PLM）中的典型应用路径。最后，强调了工业 5.0 时代数据空间生态系统的社会障碍、技术挑战和未来研究方向。据此，提出了以下研究问题：RQ1 - 数据空间范式如何在时间和空间上演变，在工业 5.0 背景下产生了哪些新的内涵？RQ2 - 支撑整合工业 5.0 社会价值属性的数据空间生态系统的核心组件和技术是什么？RQ3 - 如何建立数据空间生态系统的应用路径，以在工业 5.0 时代释放数据驱动的创新价值？RQ4 - 支持工业 5.0 时代数据空间生态系统的现有障碍和挑战如何塑造未来研究方向？

通过上述工作，本文有助于持续研究数据空间 4.0 如何作为催化剂服务于通往工业 5.0 的工业征程，从而打造主权、互操作和可信的数据流通环境。本文其余部分组织如下。第 2 节描述了遵循 PRISMA 协议指南的研究方法。第 3 节回顾了数据空间向工业 5.0 时代演进、派生及新的内涵。第 4 节介绍了数据空间生态系统，并进一步分析了其 REM、基础组件和使能技术。第 5 节阐述了数据空间赋能的数据价值链在 DLM 和 PLM 中的应用。第 6 节讨论了现有数据空间研究中的障碍和挑战，从而指导未来研究方向。最后，第 7 节对全文进行了总结。

章节片段
研究方法
为了全面检索涵盖但不限于数据空间及其实际用例的文献，该综述遵循了 PRISMA 协议指南[44]。搜索字符串是通过结合本研究范围内的参数关键词集并使用布尔运算符（AND/OR）构建的，重点关注工业 5.0 背景下数据空间的回顾与展望。一旦专业术语经过作者反馈评估和迭代优化...
数据空间的演进
尽管数据空间不再是一个新颖的概念，但由于数据量的激增和多边协作，数据空间已逐步演变为一种更广泛的数据管理范式，以开发生态系统级解决方案[8]，其演进跨越了时间和空间维度。此外，向工业 5.0 的转型之旅正在推动所有社会子系统的发展[38]，其中多样化的驱动因素/目标正在出现，以进一步加速演进进程...
面向工业 5.0 的数据空间生态系统
数据空间在具有数据主权、信任和互操作性的环境中构建联邦生态系统，以实现去中心化的数据交换和共享。一些关于数据空间的现有研究将“公民 [105,115]"、“网络韧性 [6,123]"或“可持续解决方案 [107]"等元素纳入其框架的核心因素，而数据空间组件之间的交互逻辑、每个组件的详细描述以及在...背景下核心价值...
数据空间赋能的数据生命周期 - 产品生命周期就绪的数据价值链
在数据空间生态系统的理想状态下，每个参与者以数据资源的形式做出贡献，以实现共同的工业目标[75]。数据的交换和共享为组织间关系的协同产生了新的机遇。每个参与者个体的数据活动都可能影响其他参与者或整个数据空间的价值创造。因此，与传统价值链相比，数据空间生态系统中的价值创造过程更加动态和实时。
障碍、挑战和研究方向
尽管数据空间生态系统的概念化和参考架构研究取得了进展，但在工业 5.0 背景下，其从理论到广泛工业实践的旅程仍处于早期阶段，面临多维度的问题。本小节批判性地讨论了社会层面的治理障碍和技术层面的认证挑战。基于此分析，我们探索了智能、可信的...未来研究方向。
结论
数据空间通过强调主权、互操作和可信的数据共享，有助于加速从工业 4.0 到工业 5.0 的工业转型。借鉴对数据空间演进和派生的回顾，本文首次引入了数据空间生态系统，为未来部署整合工业 5.0 价值属性的数据空间提供了参考指南。数据空间的新内涵被定义和概念化为...
CRediT 作者贡献声明
Weinan Sha: 写作 – 审阅与编辑，写作 – 原稿，可视化，方法论，调查，正式分析，数据管理，概念化。Xinguo Ming: 写作 – 审阅与编辑，验证，监督，资源，项目管理，资金获取，概念化。Joshua Gelhaar: 写作 – 审阅与编辑，资源，验证，方法论，概念化。Chengjun Wang: 写作 – 审阅与编辑，方法论，调查，正式分析。Xianyu...
生成式人工智能和人工智能辅助技术在写作过程中的声明
在准备本作品期间，作者使用了 Gemini (Google) 来润色和提炼稿件的表达。使用该工具后，作者根据需要审查和编辑了内容，并对出版物的内容承担全部责任。
资金
这项工作得到了国家自然科学基金 [资助编号 72371160] 和上海城市数字化转型专项基金 [资助编号 202401039] 的支持。
数据可用性声明
支持本研究结果的数据可在合理要求下从通讯作者处获得。
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些关系可能会影响本文报告的工作。
CRediT 作者贡献声明
Weinan Sha: 写作 – 审阅与编辑，写作 – 原稿，可视化，方法论，调查，正式分析，数据管理，概念化。Xinguo Ming: 写作 – 审阅与编辑，验证，监督，资源，项目管理，资金获取，概念化。Joshua Gelhaar: 写作 – 审阅与编辑，验证，资源，方法论，概念化。Chengjun Wang: 写作 – 审阅与编辑，方法论，调查，正式分析。Xianyu...
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些关系可能会影响本文报告的工作。
致谢
作者感谢 IDS 中国研究实验室，上海工业信息学研究中心，上海市先进制造环境重点实验室，大规模个性化定制系统与关键技术国家重点实验室，上海交通大学制造执行研究院 - 天工平台新型工业智能技术联合研究中心，先进建材智能工厂管理可定制综合服务平台项目，以及设计与验证关键...
Weinan Sha|Xinguo Ming|Joshua Gelhaar|Chengjun Wang|Xianyu Zhang|Jiewu Leng