## 术语定义 招标文件技术要求定义的简写共 29 项，列于表 0-1；本项目数据集生产过程中的专有术语，列于表 0-2。 表 0-1　术语定义 | 序号 | 简写名称 | 解释说明 | |---|---|---| | 1 | 天地奔牛 | 宁夏天地奔牛实业集团有限公司 | | 2 | Token | 词元，大模型处理文本的最小单位 | | 3 | ERP | 企业资源计划 | | 4 | MES | 制造执行系统 | | 5 | QMS | 质量管理系统 | | 6 | WMS | 仓储管理系统 | | 7 | LMS | 物流管理系统 | | 8 | EAM | 设备资产管理系统 | | 9 | OA | 办公自动化系统 | | 10 | CRM | 客户关系管理系统 | | 11 | SCM | 供应链管理系统 | | 12 | SOS | 售后服务管理系统 | | 13 | SCADA | 数据采集与监控系统 | | 14 | IIoT | 工业物联网平台 | | 15 | MDM | 主数据管理系统 | | 16 | ESB | 企业服务总线 | | 17 | WCS | 仓库控制系统 | | 18 | WMS-APP | 仓储管理系统移动端 | | 19 | PDA | 手持终端 | | 20 | RBAC | 基于角色的权限访问控制 | | 21 | SSL 协议 | 安全套接层协议 | | 22 | 6S | 整理（SEIRI）、整顿（SEITON）、清扫（SEISO）、清洁（SEIKETSU）、素养（SHITSUKE）、安全（SECURITY）六个项目 | | 23 | RFID | 射频识别 | | 24 | AGV | 自动引导搬运车 | | 25 | PMP | 项目管理专业人士 | | 26 | PgMP | 项目集管理专业人士 | | 27 | RPA | 机器人流程自动化程序 | | 28 | PPT | 演示文稿 | | 29 | CRON 表达式 | 一种时间表达式，用于指定定时任务的时间规则 | 表 0-2　数据集生产术语定义 | 术语 | 定义 | |---|---| | 奔牛数据智能平台 | 全称**天地奔牛煤机装备数据智能平台**，本项目为招标方专门建设的平台总称，由数据集加工生产、运营服务管理、治理开发工具三个部分构成；三个部分同源，共用一套身份与权限体系、一套元数据与血缘库、一套审计日志。3.2.6.2 要求的训练推理服务按三域一网关组织，在加工生产部分内实现 | | 业务域 | 按企业业务主线划分的数据归集单元。本项目的加工业务域为供需计划、产品工艺设计、制造过程、产品质量四个；治理实施的管理业务域为人力资源、研发设计、生产制造、仓储物流、财务管理、设备管理、采购管理、营销管理、质量管理九个 | | 用途子集 | 同一业务域数据按模型训练用途切出的四个子集：预训练、有监督指令微调、人类偏好对齐、基准评测 | | 批次 | 一次采集受理形成的最小可追溯加工单位，批次号贯穿采集到版本封装的全过程 | | 数据集版本 | 经质检与验证通过、冻结并封装的一份可交付成果，含数据体、数据卡、质检与验证报告、血缘清单 | | 数据卡 | 随数据集版本交付的说明文档，记录来源、规模、模态、时效、加工算子、质量结论与使用限制 | | 质量门 | 加工链上的判定节点，对批次或版本作通过、有条件通过、不通过三值判定。有条件通过只用于内部受控整改流转：未结事项逐条登记、指定责任岗位与关闭时限后，批次方可在链内继续流转，全部未结事项须在版本门之前结清，版本门以未结事项清零为检查首项；该档不是交付放行通道，未达标的数据集版本不移交、不交付。不通过的按该节点规定的回退终点重做 | | 定向回流 | 按血缘与错样归因结果，把问题批次退回到具体环节、具体算子重做，而不是整条链重做 | ### 平台名称与模型选用的统一口径 本项目为招标方建设的平台，全称**天地奔牛煤机装备数据智能平台**，本方案中统一简称**奔牛数据智能平台**。平台的建设对象是招标方煤机装备业务的数据集加工生产与运营服务：输入为招标方各业务源系统的记录及其工艺规程、检验规程与制图标准，产出为四大数据集及其配套件、质量评测结论与场景验证结论。平台在功能上由三个部分组成——数据集加工生产的专项智能工具链、数据集运营服务管理、数据治理开发工具。平台的部署实例、配置、元数据与血缘库、审计日志及随附文档在验收后一并交付招标方，由招标方自主运营。平台内使用的业务口径（工序、部件、质量特性等）一律取自招标方相应业务部门确认的字典与规程：备料工序按工艺部门确认的备料工序字典取值，该字典为封闭集合、现掌握口径为 28 道，以其正式发布版本为准，本方案不自行扩充（见本卷第 1.1.3 节表 1-1 与第 3.0.2.1 节）。 三个部分的职责各自明确。加工生产部分承载十个加工环节与 9 类 25 个工具链，3.2.6.2 要求的训练推理服务在这一部分内实现。运营服务管理部分承载数据集目录、版本、权限、确权、挂牌、交易与审计；其功能模块按招标文件服务采购清单实列的 16 项全额交付，在这 16 项之外另建平台服务与 SLA 保障模块 1 项以承载 3.2.4.6 的服务级别要求，该项为我方额外提供的服务能力，不计入招标文件列明的数量，本方案凡称「17 个功能模块」均指列明 16 项加增建 1 项（口径见第 1.2.2 节）。治理开发工具部分承载数据元与标准、质量规则、元数据与血缘、分级与权限策略的管理，对应 3.2.6.1.2 的九项治理内容。 软件交付边界按可独立部署的组件划分：加工生产部分与治理开发工具部分部署在通用服务器区，运营服务管理部分部署在接入连接器所在的对外服务区；训练推理的推理域再分内网隔离区与受控区，评测域为与训练域隔离的冻结沙箱（部署拓扑与网络分区见本卷「系统集成方案」节图 7-5）。三部分共用一套身份与权限体系、一套元数据与血缘库、一套审计日志；业务数据存储各自独立——加工过程数据不进入对外服务区，对外交易与清算记录不回写加工库，治理侧的标准与规则以版本化接口下发，由加工侧按版本取用。 三部分之间经四条接口交互：治理向加工下发数据元、分级标签与质量规则的版本；加工向治理回写字段级血缘与质量结论；加工向运营提交数据集版本封装包与登记信息；运营向治理回流使用计量，供资产价值评估取数。四条接口均为异步且可重放，故障影响因此限制在单个部分之内：运营部分不可用时，加工与质检照常进行，版本登记转入待办队列、恢复后补登；加工部分不可用时，已登记版本的目录检索、挂牌与交付不受影响；治理部分不可用时，加工侧沿用最近一次成功下发的标准与规则版本并在数据卡中标注该版本号，恢复后按血缘反查确定回溯范围。 3.2.6.2 要求的训练推理服务按三域一网关组织，是加工生产部分的训练推理能力实现。训练域承担配比预实验、继续预训练、指令微调与偏好对齐，只接收冻结的数据集版本，只输出模型检查点与训练记录，不直接对外提供推理接口。推理域承担场景验证所需的在线推理、批量生成与检索增强调用，按数据敏感级别分内网隔离区与受控区两个分区。评测域是独立沙箱，持有冻结的基准测试子集、判分规则与随机种子，对任一模型版本执行同一套评测协议。三域之上是统一模型接入与评测网关，为模型调用的唯一入口，承担鉴权、数据分级校验、多协议适配、调用计量、提示词与响应留痕以及版本路由。 数据隔离按域设定：训练域与评测域不共享存储卷，基准测试数据集只读挂载于评测域、访问凭证只发给评测域，不向训练域开放，以免评测样本回流进训练数据；推理域的受控区可读已发布的数据集版本与知识库，内网隔离区另可读未脱敏的工艺与质量数据，两区之间经网关转发，不建直连。对外接口有三条：向运营服务管理部分回写模型版本、评测报告与数据集—模型版本血缘；向治理开发工具部分回写评测得出的质量结论与错题归因记录；向场景验证作业提供经网关统一的推理与评测调用。任一域发生故障不向其余两域扩散——训练中断按检查点续训，评测作业按同版本、同种子重跑，推理域故障时场景验证作业转入排队，已出具的评测结论不受影响。 三个部分的职责分界与接口另见本卷「数据治理体系总体方案」节图 4-1；三域一网关的详细设计见「行业大模型训练推理技术服务方案」节第 3.1 节；运营服务管理部分的模块清单见「数据集运营服务管理平台方案」节第 2.2 节。 模型经统一模型接入与评测网关接入，采用当期能力评测领先的通用大模型，可替换、可评测、可随代升级。候选模型进入本项目须先通过准入评测，准入条件五项并列，缺一不接入：适用任务上，须覆盖本项目用到的长文本理解、表格与图纸要素抽取、指令遵循、多模态图文对齐四类任务；许可上，须具备可商用授权，授权范围覆盖招标方在本项目及其成果上的使用，且不以训练数据或调用数据回传为使用条件；部署上，须支持私有化或专属实例部署于招标方指定的网络分区，推理过程数据不出该分区；性能上，在推理域实测环境下的单轮响应时延与批量吞吐须满足场景验证作业的排期，实测值随准入报告记录；质量上，在冻结沙箱内以本项目基准测试数据集评测，综合得分不低于在用模型，四类任务中任一类的得分不低于在用模型的九成。准入评测报告随模型版本登记入库，作为接入的依据。 模型的更换与版本管理按三条执行。其一，更换验证：新模型以同一套基准测试数据集、同一评测沙箱、同一判分规则与随机种子复评，结论与在用模型逐项对比，对比结果提交招标方确认后方可切换。其二，版本冻结：每一份对外交付的数据集版本与评测结论，连同所用模型的名称、版本号、权重指纹与网关路由配置一并冻结登记，使该结论在任何时点可按原配置重放（依 3.2.6.2 第 5 条 `b1354`—`b1359` 的可复现要求）。其三，回退：切换后的首个验证周期内，若任一类任务的得分低于切换前的基线，网关按登记的路由配置回切至前一版本，回切在当个工作日内完成，该期间产出的结论标注所用模型版本并重算。 模型在本项目中既是数据集的消费方（用于验证数据集是否管用），也是加工过程中的工具（用于预标注、合成、质检的双通道之一）。3.2.6.2 要求的训练推理技术服务与十一个场景的验证结论由本包承担并出具：无论在用模型为哪一版，四阶段训练、多阶段评测、错题归因与数据可用性结论均按本卷「行业大模型训练推理技术服务方案」节与场景验证各节的方法执行，模型的可替换只改变网关的路由对象，不改变上述服务内容与验证责任的归属。 ## 第1章　项目背景 ### 1.1　项目目的 本项目的目的，是为矿山装备制造领域高质量数据集建设及场景应用项目提供数据加工生产服务，把天地奔牛在刮板输送装备研制与制造中已经产生、但尚未被组织成可调用资产的数据，加工成可训练、可评测、可交易的高质量数据集，并以场景验证证明其可用。 #### 1.1.1　本项目在配套设施中的位置与交付责任 招标文件把本项目定义得很明确：本项目是矿山装备制造领域高质量数据集建设及场景应用项目配套设施的子项，负责为该项目提供数据加工生产服务（`b0662`）。这句话确定了三件事。其一，本项目的产出是数据集，不是智能应用；其二，本项目的服务对象是上层的数据集建设及场景应用项目，交付物要能被它直接使用；其三，本项目的工作范围止于数据集的生产、评测与验证，智能场景本身的建设不在本包之内（`b1603`）。 本项目的责任边界由此确定：**本项目不负责智能场景的建设，只负责场景验证服务。** 招标文件在场景部分已明确这一分工——智能场景的功能设计、系统开发与上线运行属该项目的其他组成部分，本包承担的是为这些场景准备数据、并以可核验的方式验证数据是否足以支撑场景成立。 该边界确定三项交付口径。第一，十一个场景的工作内容在数据侧：用什么数据、按什么口径加工、以什么判据判定数据够不够用，不含场景的界面、流程与功能设计。第二，验证结论的形式是「数据集可支撑／存在缺口／不具备验证条件」三类，而不是「场景已实现」——后者不在本包的交付范围内，我方亦无从承诺。第三，验证中发现的问题按归因分流：属数据的进补采清单由本包处置，属场景侧设计的形成建议提交招标方，由场景建设方决策。 该边界同时是履约期的范围依据：建设期内若出现要求本包承担场景功能开发的情形，双方依此条款确认范围并按变更流程处理，变更的提出、评估、批准与计价按合同约定的变更管理程序执行。 据此，十一个场景的交付物为验证方案、验证用例与数据可用性结论；模型相关交付物为数据集对模型表现的贡献度量结果。本包交付责任的起点是原始数据写入平台落地区，终点是数据集版本移交运营平台并登记完成（依 `b1575`、`b1576`，边界图见本卷「四大数据集加工生产总述」节图 1-1）。 交付物既为数据集，方案的落点即在三件事上：每一个场景需要什么形态的样本、这些样本在现场有没有原料、原料与样本之间差几步加工。第 1.1.2 节至第 1.1.4 节依次给出这三件事的结论。 #### 1.1.2　三个共性瓶颈对应的现场事实 招标文件指出行业在智能化转型中面临专业数据缺失、标注标准不一、场景适配困难三项共性瓶颈（`b0663`）。这三句话在天地奔牛的现场有具体的对应物，方案的针对性就建立在这些对应物上。 专业数据缺失，在这家企业不是「数据少」，而是「数据有而关联断」。生产业务数据留存完整，十年前生产了哪个矿的哪些产品都可追溯；设备过程参数已在采集并长期保存；历史图纸约 63 万张，且每一张图纸历史上都配有一张已审核签发的工艺卡片，天然构成成对的监督样本。缺的是关联：选型方案以文档散存、没有结构化库；工艺卡片与图纸的配对关系存在于文件目录与人的记忆中；焊接参数流与工件、焊道没有对应；热处理炉次与工件、材料批次、检测结果没有稳定关联；故障记录与数据段没有配对。 因此本项目的收益首先来自把已有数据组织成可被调用、可被复核的资产，而不是来自新增采集。所以本方案把对象主键贯通与时间基准统一排在加工主线的最前面，并单独列为第 3.0.9 节的一项架构要件；与之配套的映射表建法与折算规则详见本卷「系统集成方案」节图 7-4 与「数据资源采集接入」节 3.7。 标注标准不一，在这家企业表现为同一事物在不同系统有不同编码、同一判断在不同人手里有不同尺度。各系统编码规则不一致，跨系统关联困难；备料工序的实际执行口径与工艺卡片的填写口径之间存在差异；焊缝缺陷的描述为文字，未与工艺参数关联；设备报警不少，但报警与真实故障之间缺少可核对的证据。 所以本方案在标注环节设的第一道约束不是工具，而是规范与一致性管理：标签体系的层级、标注粒度、标注员间一致率的下限与返工触发条件，都在开工前成文并经甲方确认，未定义口径的对象不得进入标注（这条硬约束写在第 3.0.1 节第一条取舍里，执行口径详见本卷「数据加工生产（二）」节第二部分与「技术创新与机制创新」节的数据标注规范一段）。 场景适配困难，在这家企业表现为通用模型回答不了专业问题。售前选型的公式是校核公式而不是正算公式，必须先凭经验预设一整套配置再代入验算，公式回答「这套配置行不行」，回答不了「该配哪一套」；备料工艺编制的工时大量消耗在录入而非判断上，一套四百张量级的项目仅工艺编审即需两天以上，其中七八成图纸本有可借用的既有工艺仍需逐张打开核对；库存储备量按往年同期用量估算，库存资金在年内单向累积。 这些问题不是靠通用语料能解决的，必须有企业自身的专业样本。所以本方案的四个数据集不按数据来源系统划分，而按企业的四条业务主线划分：供需计划、产品工艺设计、制造过程、产品质量（`b1214`）；训练配比与采样权重也随之按业务主线与部件族分层，而不按来源系统分层（见表 3-13）。 三个共性瓶颈 — 现场对应事实 — 本方案的落点 专业数据缺失（b0663） 现场事实：量不少、 关联少、口径散 63 万张图纸与工艺卡 成对但未建配对关系 标注标准不一（b0663） 现场事实：编码规则 不一致、判断尺度不一 缺陷为文字描述， 未与工艺参数关联 场景适配困难（b0663） 现场事实：校核公式 不能正算；工艺编制 工时耗在录入；储备量 靠经验估算 先建关联，后建规模 对象主键贯通与时间基准 统一列为最先建设内容 知识本体与知识库作为 统一知识底座（b1215） 先定规范，后开标注 标签层级、标注粒度、 一致率下限与返工触发 条件先成文并经确认 （3.2.6.9 标注规范） 按业务主线分集 四个数据集对应四条 业务主线，不按来源分 每集切四个用途子集 （b1214） 验证方式 关联是否建成：以对象 主键可贯通率与配对 样本数核验 规范是否生效：以标注 员间一致率与抽检 返工率核验 数据是否管用：以场景 验证的通过判据与 模型多阶段评测增量 核验（b1354—b1359） 三类核验结论均进入 数据卡与阶段验收材料 未达判据时按定向回流 机制退回上游重做 落到 核验 说明：左列为招标文件指出的瓶颈，中列为本方案的处置顺序，右列为可度量的核验方式 图 1-1　三个共性瓶颈在本项目中的对应事实与处置顺序。数据来源：瓶颈表述依招标文件 1.1 项目目的（`b0663`）；现场事实依本项目需求调研与甲方书面需求；处置顺序依 3.2.6 总则（`b1215`）与 3.2.6.9 数据标注规范建设要求（`b1851`）。 #### 1.1.3　四条业务主线上的数据现状画像 四个数据集的设计依据是企业的四条业务主线（`b1214`、`b1578`）。每条主线上的现场问题不同，可用的数据条件也不同，因此四个数据集的加工重点并不相同。先给四条主线的总览，再逐条写数据现状的画像：有哪些系统、留了什么数据、留到什么粒度、断在哪里、断的后果是什么。 表 1-1　四条业务主线的现场问题、数据条件与加工重点 | 业务主线 | 现场问题 | 现有数据条件 | 加工重点 | 对应数据集与规模 | |---|---|---|---|---| | 供需计划 | 选型依赖少数资深工程师，四五百套历史方案以文档散存、没有结构化库，投运效果未回流到选型环节；季度储备量按往年同期用量估算，库存资金年内单向累积 | CRM 的项目与商机、ERP 的需求计划与库存账、SCM 的采购计划与履约、WMS 的实物库存与批次、LMS 的运单与送达、历史选型方案文档 | 把历史选型方案结构化、为方案的实际使用效果分级；把商机、需求计划、实物库存统一到同一时点口径 | 供需计划数据集：预训练 276 亿 Token、指令微调 40 万条、偏好 3.2 万组、基准 0.4 万条（`b1583r02`—`b1583r05`） | | 产品工艺设计 | 工艺编制工时大量消耗在录入上，一套四百张量级项目仅编审需两天以上，七八成图纸本有可借用工艺仍需逐张核对 | 63 万张历史图纸且每张配有已签发工艺卡片，PLM 的产品结构与工艺文件，工艺研究单元确认的 28 道备料工序字典 | 把图纸与工艺卡的配对关系显式建成监督样本；按工艺特征而非文件名建立检索键 | 产品工艺设计数据集：预训练 70 亿 Token、指令微调 10 万条、偏好 0.8 万组、基准 0.1 万条（`b1588r02`—`b1588r05`） | | 制造过程 | 焊接参数流与工件、焊道无对应；热处理炉次与工件、材料批次、检测结果无稳定关联；报工时点相对实际作业有滞后 | MES 的工单与工序流转、SCADA 与 IIoT 的过程参数、热处理群控的炉次与温控测量值、EMS 的能耗时序、SOS 与 EAM 的运维记录 | 以炉次、焊道、工单为对象建立一件一档、一道一档的关联；补齐预热与层间温度等缺失采集手段 | 制造过程数据集：预训练 105 亿 Token、指令微调 15 万条、偏好 1 万组、基准 0.2 万条（`b1593r02`—`b1593r05`） | | 产品质量 | 缺陷描述为文字且未与工艺参数关联；纸质检测报告数量可观但尚未数字化；设备报警不少而故障标签很少 | QMS 的四类检验记录与质量台账、交检拍照附件、无损检测与硬度检测结果、SOS 的报警日志与维修记录 | 把缺陷描述规范化并与工艺参数、材料批次挂接；把维修事实回填到报警事件上积累配对样本 | 产品质量数据集：预训练 164 亿 Token、指令微调 24 万条、偏好 1.6 万组、基准 0.25 万条（`b1598r02`—`b1598r05`） | 表 1-1 数据来源：现场问题与数据条件依本项目需求调研与甲方书面需求；业务主线划分依 `b1214`、`b1578`；各集规模依 3.2.6.4 各集规模要求表；备料工序道数与历史图纸数量为本投标文件既定量纲（28 道、63 万张）；数据集与来源的详细对应见本卷「四大数据集建设及指标要求」节各集第 2 小节。 ##### 1.1.3.1　供需计划主线：数据齐而口径不齐 这条主线的数据源最多，横跨 CRM、ERP、SCM、WMS、LMS 五套系统，再加历史选型方案文档。按招标文件的集成要求，CRM 侧可取客户、商机、报价、合同、订单、回款六类结构化数据，以及招投标文件、资质文件、业绩合同三类非结构化数据（`b0810`—`b0812`）；ERP 侧可取组织、人力、物料、采购、销售订单、成本核算、应收应付、凭证、资产、资金十类（`b0818`、`b0819`）；SCM 侧可取供应商档案与评估、采购计划与订单、订单下达、供货履约、付款计划（`b0825`、`b0826`）；WMS 侧可取仓库、库区、货位、物料、批次与到货入库出库单据（`b0838`）；LMS 侧可取物流需求、运单、调度结果、装卸取货送达与运输时间（`b0849`）。 数据不缺，断的是口径与回流两处。口径这一处：同一笔业务在五套系统里的时点不同——CRM 记的是商机与合同签订时点，ERP 记的是需求计划与核算期间，WMS 记的是实物出入库时点，三者相差数天到数周，直接做关联会得出互相矛盾的库存与在途数字。库存指标在现场正是因此出现双口径并存：资金口径的库存金额与实物口径的库存数量分属不同系统、分属不同部门维护，差距的成因无法穿透到施工令号与批次（`b1645`、`b1646`）。 回流这一处：选型方案发出之后，产品在矿上的实际投运效果没有回到选型环节——方案文档里有「推荐了什么」，没有「推荐得对不对」，于是历史方案只能作为参考文本，不能作为带标签的训练样本（`b1607` 把这一点表述为历史数据价值未充分挖掘、缺乏闭环优化）。 断的后果很具体。口径不齐的后果是库存场景的指标无法做多维穿透，也就无法支撑超龄库存与慢速滞留库存的成因溯源（`b1646`）；回流缺失的后果是选型场景拿不到偏好数据——偏好样本要的是「同一需求下 A 方案优于 B 方案」的成对判断，而现场只有一串已发出的方案，没有优劣标注。 所以本方案在这条主线上做两件事：第一，把五套系统的时点统一折算到同一基准并记录折算规则，双口径指标各自保留并显式标明口径归属，不做单边取舍（落点见第 3.0.9 节与本卷「系统集成方案」节 7.4）；第二，选型方案的效果标签不等现场自然产生，改由专家库按既有验收记录、售后工单与同类矿井实际运行反馈进行回溯分级，分级结论作为偏好样本的来源之一，并在数据卡中标明标签来自回溯评定而非投运实测（落点见本卷「四大数据集建设及指标要求」节供需计划集第 3 小节、「技术创新与机制创新」节专家库机制一段）。 ##### 1.1.3.2　产品工艺设计主线：成对的存量，缺一张关系表 这条主线的数据条件在四条中最好。PLM 侧可取 BOM 编号、工序数据、变更记录、零部件信息四类结构化数据，以及选型方案、工艺图纸、CAD 图纸、工艺卡片四类非结构化数据，招标文件明确这批非结构化数据的用途就是支撑数据标注与模型训练（`b0873`—`b0875`）。关键事实是 63 万张历史图纸与其已审核签发的工艺卡片是成对的：图纸在 PLM 里，卡片在 PLM 里，两者历史上确实一一对应过。 断在哪里？断在没有一张显式的配对关系表。图纸与工艺卡成对存在但无配对关系表，按图号反查工艺卡要靠人工翻文件目录或凭经验记忆，63 万张的量级下这条路走不通。备料工序的口径也有一处错位：工艺卡片的填写口径与车间实际执行口径之间存在差异，同一道工序在卡片上写一种表述、在现场执行时又按另一种习惯处理，导致从卡片直接读出的工序序列不一定等于实际工序序列。另外，图纸的版式与版本并不统一，几十年积累下来既有 CAD 原生文件也有扫描件，既有现行版也有作废版与变更中间版，而变更记录与图纸文件之间的对应同样不完整。 断的后果是：这批成对存量在未建关系表之前只是两堆文件，不是监督样本。备料工艺智能设计场景要的样本形态是「图纸特征集合 → 工序序列 → 工艺卡片字段」的三段对应（`b1624` 把这条流程表述为图纸识别、特征提取、工序推荐、卡片生成），缺了配对关系，三段对应的中间一段就建不起来。 所以本方案在这条主线上把配对与解析列为第一批投产内容，具体做三件事：按图号、零部件编号与变更版本三组键建立图纸与工艺卡的配对关系表并登记配对可信度；工序类目一律按工艺研究单元确认的 28 道备料工序字典建立，不自行扩充，卡片口径与执行口径的差异作为一个显式字段记录而不是消隐；原生图纸走图元与标注解析通道，解析置信度低于阈值的转人工复核队列（落点见表 3-11 第一行、本卷「数据加工生产（一）」节第三部分）。这也是我方把产品工艺设计数据集排在第一批投产的原因（详见第 3.0.18.1 节实施节奏）。 ##### 1.1.3.3　制造过程主线：参数在采，对象没挂上 这条主线的数据源分两类：业务系统与设备系统。业务侧，MES 可取焊丝牌号、焊丝直径、生产工单、生产进度（`b0844`），EAM 可取设备台账、设备档案、设备点检、维修工单、作业计划（`b0867`）。 设备侧，SCADA 已在采集设备电流、电压、温度、湿度、运行状态、焊接电流与电压、送丝速度、气体流量等时序数据（`b0880`、`b0881`），热处理群控已在采集当前与设置温度、电流与电压、加热与冷却时间、冷却水温度、淬火液温度、淬火水温、温控测量值等时序数据（`b0902`、`b0903`），EMS 已在采集能耗监控与统计数据（`b0855`）。现场有 15 台焊接机器人，参数采集已经接通（`b1678`）。 断在对象挂接这一层。焊接侧，参数流按设备与时间连续记录，但没有与工件、焊道挂接——数据库里有「3 号机器人在某时刻的电流电压」，没有「某台刮板机某条盖面焊道的电流电压」。招标文件把焊接的数据利用现状写成仅停留在参数记录和简单阈值报警层面（`b1678`），这句判断的技术原因就是对象没挂上：没有焊道这一级对象，参数就只能按时间看，看不出同一类焊道在不同工况下的参数差异。 热处理侧，炉次工单与开完工记录在群控系统里，工件与材料批次在 MES 与 WMS 里，检测结果在 QMS 里，三者没有稳定关联，因此现场只能做事后切片检测、缺陷难以追溯（`b1664`）。 此外预热温度与层间温度两项是焊接质量的关键参数，现有采集手段并不覆盖，招标文件因此在硬件清单里配了 21 台在线热成像设备与 15 台红外图像采集设备（`b2150r05`、`b2150r06`），这两项数据在设备到场并标定之前属于空缺。报工时点相对实际作业有滞后，时序数据与工单数据按时间直接对齐会产生系统性偏移。 断的后果是三个制造类场景的核心样本都缺一个维度。热处理场景要的是「炉次工艺曲线 → 外观缺陷与硬度结果」的配对，才能做参数波动与质量问题的关联性分析（`b1673`—`b1675`）；焊接场景要的是「焊道级参数流 + 熔池影像 → 缺陷判定」的三元组，才能把参数、视觉数据与检测结果一一关联（`b1679`、`b1693`）；设备诊断场景要的是「工况分段 → 典型故障样本」的配对，才能做机理规则的离线回放与效果对比（`b1703`、`b1708`）。 所以本方案在这条主线上以炉次、焊道、工单为对象建立一件一档与一道一档的关联，新增感知设备的采集按试点炉型与试点产线分批扩展、不假定一上来就全覆盖，时序与工单的对齐按采样周期与报工滞后两项分别折算并在数据卡中注明（落点见第 3.0.9 节、本卷「数据资源采集接入」节 3.7、「硬件选型与配置」节第四部分）。 ##### 1.1.3.4　产品质量主线：判断在人脑里，证据在纸上 这条主线的问题最集中。QMS 侧可取制程检验、进厂检验、出厂检验、成品检验、质量台账五类结构化数据，以及质量报告、检验数据、产品质量档案、质量知识四类非结构化数据（`b0832`、`b0833`）；SOS 侧可取健康状态时序数据，设备运维计划、报警处置、售后工单、备件消耗等结构化数据，以及设备档案、维修记录、诊断报告、故障案例四类非结构化数据（`b0860`—`b0862`）。 三处断点。第一处，缺陷描述是自由文本。焊缝缺陷在现场记成一句话，没有标准化的缺陷类别编码，也没有与当时的工艺参数挂接，于是无法回答「这种缺陷在什么参数区间出现得多」。招标文件要求焊接场景能识别气孔、裂纹、咬边、余高、弧坑、焊脚偏差等类别（`b1686`），这些类别在现有记录里是文字而不是标签。第二处，纸质检测报告数量可观但尚未数字化。 无损检测与硬度检测的原始报告以纸质存档为主，影像质量不一，部分带手写批注。第三处，报警多而故障标签少。远程运维平台的报警日志数量可观，但报警之后是否真的存在故障、故障的部件与根因是什么，这些结论留在维修人员的处置过程里，没有回填到报警事件上；招标文件把这一现状表述为机理规则适配性不足、多模态诊断样本数据管理缺失（`b1698`）。 断的后果是产品质量数据集的条件在四集中最弱，而它的规模要求并不低：预训练 164 亿 Token、指令微调 24 万条、偏好 1.6 万组、基准 0.25 万条（`b1598r02`—`b1598r05`）。若按与其他三集相同的节奏推进，会出现规模达标而可用性不达标的结果。 所以本方案在这条主线上不按同样的节奏推进，而是先做三件准备再做规模化加工：缺陷类别编码与规范化口径先成文并与质量部门确认；纸质件先做影像增强与版式模板抽取，模板未覆盖的转人工，手写批注按单独通道处理；报警与维修事实的回填按「报警事件—处置工单—更换备件—复查结论」四段配对，配不上的报警标为未确认而不强行归类。本集的局限性与回退口径一律写入该集数据卡（落点见本卷「四大数据集建设及指标要求」节第六部分、表 3-11 第二行）。 ##### 1.1.3.5　源系统数据现状逐项画像 上面四节讲的是主线，下表把逐个数据源的现状摆到同一张表上，便于对照核查。十七套业务与设备系统的取数范围依招标文件 3.2.2.1 各小节逐条列出，离线资料与新增感知设备另列两行。留存粒度一列中，凡依招标文件条目可确定的按条目写，凡依需求调研得到的标注为调研结论，并在接入前按甲方提供的数据字典或数据库设计说明书复核（`b0815`、`b0822`、`b0829`）——这一复核动作本身就是本方案采集接入段的第一个动作，不是事后补做。 表 1-2　源系统的取数范围、留存粒度、关联断点与本方案处置 | 数据源 | 本项目取用的数据对象 | 现有留存粒度 | 关联断点 | 断点的后果 | 本方案的处置与落点 | |---|---|---|---|---|---| | CRM（`b0810`—`b0812`） | 客户、商机、报价、合同、订单、回款；招投标文件、资质文件、业绩合同 | 结构化部分到单据级，附件到文件级；附件与单据的挂接关系按调研为部分建立 | 选型方案与最终成交配置、投运效果之间无关联 | 选型偏好样本缺优劣标注，只能作参考文本 | 按合同号与项目号建立方案—成交—投运三段关联；效果标签由专家库回溯评定并标明来源（本卷供需计划集第 3 小节） | | ERP（`b0818`、`b0819`） | 组织、人力、物料、采购、销售订单、成本核算、应收应付、凭证、资产、资金 | 到凭证与单据级，核算到期间级 | 核算期间与实物时点不同期；资金口径库存与实物口径库存分属两处 | 库存指标无法多维穿透，超龄与滞留成因溯源受限（`b1646`） | 双口径指标各自保留并显式标明口径归属，时点统一折算（第 3.0.9 节） | | SCM（`b0825`、`b0826`） | 供应商档案与评估、采购计划、采购订单、订单下达、供货履约、付款计划 | 到订单行与履约节点级 | 采购周期与生产制程特点未与物料品类挂接 | 物料需求预测缺品类分层依据（`b1656`） | 按大宗金属材料、标准件、定制异形件、通用制品四类建立品类分层键（本卷库存控制场景验证节） | | QMS（`b0832`、`b0833`） | 制程检验、进厂检验、出厂检验、成品检验、质量台账；质量报告、检验数据、产品质量档案、质量知识 | 结构化到检验批级；报告为文档级，纸质件按调研尚未数字化 | 缺陷描述为自由文本，未与工艺参数、材料批次挂接 | 无法回答缺陷在何参数区间高发，质量根因追溯缺依据 | 缺陷类别编码先成文；检验批号纳入主键映射；纸质件走影像增强与模板抽取（本卷产品质量集第 2 小节） | | WMS（`b0838`） | 仓库、库区、货位、物料、批次、到货单、入库单、出库单 | 到货位与批次级 | 实物批次与施工令号、生产批次的对应按调研为部分建立 | 库龄与结构配比的测算无法下穿到令号 | 以施工令号为桥接键补建对应，未对应部分在数据卡列明（本卷系统集成方案节 7.4） | | MES（`b0844`） | 焊丝牌号、焊丝直径、生产工单、生产进度 | 到工单与工序流转级；报工时点按调研相对实际作业有滞后 | 工单与焊道、炉次无对应；报工滞后使时序对齐产生系统性偏移 | 焊道级与炉次级样本建不起来 | 以工单为桥接建立一件一档一道一档；报工滞后单独折算并在数据卡注明（第 3.0.9 节） | | LMS（`b0849`） | 物流需求、运单、调度结果、装卸、取货、送达、运输时间 | 到运单与节点时间级 | 运单与销售订单、发货计划的对应按调研为部分建立 | 全周期库存态势推演缺在途环节（`b1652`） | 以订单号补建对应，在途量按运单节点推算并标注推算口径（本卷库存控制场景验证节） | | EMS（`b0855`） | 能耗监控、能耗统计、能耗分析 | 时序数据，粒度按调研为分钟级，接入前以数据字典复核 | 能耗与炉次、工单无对应 | 热处理能耗与工艺参数的关系无法量化 | 以炉次号挂接能耗区间，作为热处理场景的辅助特征（本卷制造过程集第 2 小节） | | SOS（`b0860`—`b0862`） | 健康状态时序；设备运维计划、报警处置、售后工单、备件消耗；设备档案、维修记录、诊断报告、故障案例 | 时序到测点级；工单到单据级；文档到文件级 | 报警事件与维修事实、更换备件、复查结论未配对 | 故障标签稀少，诊断样本无法形成（`b1698`） | 按报警—处置—备件—复查四段配对，配不上的标为未确认（本卷刮板输送装备健康诊断场景验证节） | | EAM（`b0867`） | 设备台账、设备档案、设备点检、维修工单、作业计划 | 到设备编号与工单级 | 设备台账的部件层级与诊断所需部件粒度不一致 | 机理规则无法按部件归类与回放（`b1706`） | 按链条、链轮、溜槽、电机、减速器、液压系统建立部件层级并与台账对齐（本卷知识本体一段） | | PLM（`b0873`—`b0875`） | BOM 编号、工序数据、变更、零部件信息；选型方案、工艺图纸、CAD 图纸、工艺卡片 | 结构化到 BOM 行与工序级；图纸与卡片到文件级，63 万张图纸与卡片成对 | 图纸与工艺卡无配对关系表；变更记录与图纸文件对应不完整 | 按图号反查工艺卡须人工翻找，63 万张量级下不可行 | 按图号、零部件编号、变更版本三键建配对关系表并登记可信度（本卷数据加工生产（一）节第三部分） | | SCADA（`b0880`、`b0881`） | 设备电流、电压、温度、湿度、运行状态、焊接电流与电压、送丝速度、气体流量 | 时序到测点级，采样周期按调研为秒级，接入前以数据字典复核 | 参数流与工件、焊道无对应；预热温度与层间温度未采集 | 焊接参数只能按时间看，看不出同类焊道的参数差异 | 以焊道编号为对象重组参数流；缺失两项由新增热成像设备补齐（本卷硬件选型节第四部分） | | OA（`b0886`） | 11 类管理制度、9 类合同文档 | 到文件级，版式为 PDF 与 Word | 制度条文之间的引用与失效关系未结构化；新旧版本并存 | 制度问答无法判定条文现行与否，跨制度冲突无法识别（`b1716`） | 按制度类别、适用范围、发布部门、条文关联关系建结构化知识（本卷通用场景验证节） | | 久其系统（`b0892`） | 营业收入、利润、成本、资产负债等指标数据 | 到指标与期间级 | 指标统计口径未成文，跨系统取数口径不一 | 决策问答的指标口径无法统一（`b1758`） | 指标口径随治理实施的决策指标体系一并成文（本卷数据治理体系节指标管理一段） | | 主数据管理平台（`b0897`） | 组织机构、人员、物料编码 | 到编码级 | 主数据全生命周期审批流程记录按调研不完整（`b1278`） | 编码权威性不足，映射表缺基准 | 以主数据为主键映射的基准源，缺口部分随治理实施补齐（本卷数据治理体系节主数据一段） | | 热处理群控（`b0902`、`b0903`） | 当前与设置温度、电流与电压、加热与冷却时间、冷却水温度、淬火液温度、淬火水温、温控测量值 | 时序到测点级；炉次工单与开完工记录到炉次级 | 炉次与工件、材料批次、检测结果无稳定关联 | 工艺曲线与质量结果的配对建不起来（`b1664`） | 以炉次号为对象建一件一档，向上挂工件与材料批次、向下挂检测结果（本卷制造过程集第 2 小节） | | 安全监管平台（`b0907`、`b0908`） | 安全监管数据、生产过程监控数据（单向获取） | 按平台开放口径，接入前以接口说明复核 | 与工单、工位的对应关系待核 | 安全类语料的场景归属不明确 | 按单向只读接入，先登记后使用，范围以书面授权为限（本卷数据资源采集接入节第二部分） | | 离线非结构化资料（`b0911`） | 业务域文档、图片、工程图纸、技术书籍、财务票据、音视频 | 到文件级，版式与清晰度不一，含纸质件 | 无统一分类与主题归属；与业务对象无挂接 | 难以进入对应数据集，易成为无归属语料 | 建自动分类、关键信息抽取、结构化转换、质量校验与人工复核机制（`b0912`、`b0913`） | | 新增感知与检测设备（`b2150r02`—`b2150r06`） | 熔池影像、焊接前温度、热处理加热与淬火后温度 | 设备到场后按帧与测点级采集，五类共 46 台 | 本项目开工时尚无数据，属新建采集 | 预热与层间温度、熔池影像两类样本在设备标定前为空缺 | 按试点炉型与试点产线分批扩展采集范围；标定结论出具后方计入样本（本卷硬件选型节第四部分） | 表 1-2 数据来源：取数范围依招标文件 3.2.2.1 与 3.2.2.2 各小节（`b0808`—`b0913`）与硬件采购清单（`b2150r02`—`b2150r06`）；留存粒度中标注为调研结论的依本项目需求调研与甲方书面需求，接入前按 `b0815`、`b0822`、`b0829` 要求的数据字典与数据库设计说明书复核；断点与后果依本项目需求调研与各场景现状表述（`b1607`、`b1664`、`b1678`、`b1698`、`b1716`、`b1758`）。 表 1-3　源系统数据的业务领域去向、数据集落点与场景消费关系 | 数据源 | 主要去向业务领域 | 在四类数据集中的落点 | 消费该数据的验证场景 | |---|---|---|---| | CRM | 供需计划 | 预训练（商机与合同文本）、指令微调（选型问答）、偏好（选型优劣对） | 产品智能选型、库存控制智能化、标书智能问答、合同合规审查 | | ERP | 供需计划 | 预训练（凭证与成本语料）、指令微调（经营问答）、基准（口径一致性题） | 库存控制智能化、决策数据智能问答、合同合规审查 | | SCM | 供需计划 | 预训练（采购与履约记录）、指令微调（补货与履约问答） | 库存控制智能化、决策数据智能问答 | | QMS | 产品质量 | 预训练（检验记录与质量报告）、指令微调（缺陷判定问答）、偏好（判定分歧对）、基准（判定一致性题） | 焊接过程控制智能监控、刮板输送装备健康智能诊断、技术标准智能问答 | | WMS | 供需计划 | 预训练（出入库流水）、指令微调（库存问答） | 库存控制智能化 | | MES | 制造过程 | 预训练（工单与工序流转）、指令微调（工艺执行问答） | 板材备料工艺智能设计、焊接过程控制智能监控、热处理过程智能监控 | | LMS | 供需计划 | 预训练（运单与节点时间） | 库存控制智能化 | | EMS | 制造过程 | 预训练（能耗时序摘要）、基准（能耗异常判定题） | 热处理过程智能监控 | | SOS | 产品质量 | 预训练（售后工单与维修记录）、指令微调（故障问答）、偏好（处置方案优劣对） | 刮板输送装备健康智能诊断 | | EAM | 产品质量 | 预训练（设备台账与点检记录）、指令微调（点检与维修问答） | 刮板输送装备健康智能诊断 | | PLM | 产品工艺设计 | 预训练（图纸与工艺卡配对语料）、指令微调（工艺编制问答）、偏好（工艺方案优劣对）、基准（要素识别与定额计算题） | 产品智能选型、板材备料工艺智能设计、技术标准智能问答 | | SCADA | 制造过程 | 预训练（过程参数时序摘要）、指令微调（参数异常问答）、基准（异常识别题） | 焊接过程控制智能监控、热处理过程智能监控、刮板输送装备健康智能诊断 | | OA | 供需计划（管理域） | 预训练（制度与合同文本）、指令微调（制度问答）、基准（条款出处正确性题） | 管理制度智能问答、合同合规审查、标书智能问答 | | 久其系统 | 供需计划 | 预训练（经营指标序列）、指令微调（指标口径问答）、基准（口径一致性题） | 决策数据智能问答 | | 主数据管理平台 | 四个领域共用 | 不单独成样本，作为对象主键与编码的权威源贯穿四集 | 全部十一个场景（经主键贯通间接消费） | | 热处理群控系统 | 制造过程 | 预训练（炉次曲线摘要）、指令微调（配方与偏差问答）、基准（工艺偏差判定题） | 热处理过程智能监控 | | 安全监管平台 | 制造过程 | 预训练（安全监管与过程监控记录） | 刮板输送装备健康智能诊断（作为工况旁证） | | 离线非结构化资料 | 四个领域 | 预训练（文档、图纸、书籍、票据、音视频转写）、指令微调（文档问答）、基准（出处可核题） | 技术标准智能问答、标书智能问答、管理制度智能问答、板材备料工艺智能设计 | | 新增感知与检测设备 | 制造过程、产品质量 | 预训练（熔池影像与温度时序）、指令微调（工况判读问答）、基准（缺陷与温度判读题） | 焊接过程控制智能监控、热处理过程智能监控 | 表 1-3 数据来源：数据源与取用对象依招标文件 3.2.2.1 各系统集成要求与硬件采购清单；业务领域划分依 `b1214`、`b1578` 的四领域口径；场景名单依 `b0684`；数据集落点为本方案的加工设计结论，逐项在相应数据集的数据卡中登记来源系统与批次号。 本表的用途有二。其一，它是采集范围的取舍依据：凡在本表中没有去向、也没有场景消费的数据对象，不纳入本项目的取数范围，避免采集量超出加工能力。其二，它是定向回流的寻址依据：某一场景的验证结论出现数据缺口时，按本表反查该场景所消费的数据源与数据集子集，补采与返工只在该范围内进行，不触发全量重做。 表 1-2 要说明的是一件判断，不是一份清单：本项目的加工量主要不在清洗单表，而在建关联。十九个数据源里，有十三处的断点都是「对象没挂上」而不是「数据不干净」。所以第 3.0 节的架构把对象主键与时间基准单列为一项架构要件，而不是放在数据预处理里顺带处理。 #### 1.1.4　现场痛点对应的数据问题 招标文件在每个场景的「场景介绍」里都写了一段痛点。这些痛点的表述是业务语言，而本包交付的是数据集，因此方案的第一步工作是把业务语言翻译成数据语言：这个痛点对应的是缺哪一类样本、样本的形态是什么、形态里的每一项从哪里来。翻译做不出来，方案就只能写成「我方将建设高质量数据集支撑该场景」这种无法施工的句子；翻译做出来了，后面的加工量、工具链选择与验收判据才有依据。 以产品智能选型为例，这个翻译值得写透。招标文件写的痛点是选型高度依赖专家经验、知识传承困难、理论计算与实际选型存在断层、历史数据价值未充分挖掘且缺乏闭环优化、定制化比例偏高（`b1607`）。其中「理论计算与实际选型存在断层」这一句是技术上的关键，它的含义要从现场的算法形态来理解：选型用的公式是校核公式，输入是一整套已经确定的配置加上工况，输出是这套配置在这个工况下行不行；它不是正算公式，不能由工况直接解出配置。 招标文件的验证要求也印证了这一点——参数智能计算一条要求的是「自动计算与验算输送能力、运行阻力、驱动功率、刮板链速度、链条安全系数」（`b1616`），计算与验算并列，而方案推荐是另一条独立要求（`b1617`）。 这意味着本场景需要的不是一个更好的算法，而是一批样本：「历史配置—工况—校核结果」的三元组，再加上「同一工况下多套候选配置的优劣判断」这一层。前者让模型学会从工况直接收敛到候选配置集合，把校核公式从搜索工具降为确认工具；后者是偏好数据的形态，让模型学会在多个都能通过校核的配置里挑出工程上更合适的那一套。 三元组的前两项在 CRM 与 PLM 的历史方案里有原料，第三项要从方案文档中的校核过程回溯抽取；优劣判断现场没有现成记录，须由专家库按既有验收记录、售后工单与同类矿井运行反馈回溯评定。把这层翻译写出来，后文供需计划数据集为什么要那样的字段、为什么偏好样本的来源要单独说明、为什么专家库要在加工早期就建起来，就都有了来由。 业务痛点到数据命题的翻译链（以产品智能选型为例） 业务痛点（b1607） 依赖专家经验 理论计算与实际选型 存在断层 技术事实 现场公式是校核式： 答「这套行不行」， 答不了「该配哪一套」 数据命题 缺的不是算法， 是从工况收敛到候选 配置的监督样本 样本形态 三元组：历史配置 —工况—校核结果 ＋候选优劣判断 每一项从哪里来 历史配置与工况：CRM 项目与商机、PLM 选型方案（b0810、b0873）　｜　校核结果：从方案文档的校核过程回溯抽取 候选优劣判断：现场无现成记录，由专家库按验收记录、售后工单与同类矿井运行反馈回溯评定，并在数据卡标明来源 落到哪一个用途子集 三元组进指令微调子集（40 万条中的选型任务部分）　｜　优劣判断进偏好子集（3.2 万组）　｜　校核一致性题目进基准子集（0.4 万条） 验证方式：选型校核一致性——以历史已验收方案为对照，比较模型推荐配置与实际成交配置的校核结论是否一致（3.2.6.5.1.1 验证要求） 图 1-2　从业务痛点到数据命题再到样本形态的翻译链。数据来源：痛点表述依招标文件 `b1607`；验证要求依 `b1610`—`b1620`；数据来源依 3.2.2.1 各系统集成要求；各用途子集规模依 `b1583r02`—`b1583r05`。 十一个场景的翻译结论汇总如下表。这张表是本卷各场景验证节与四集指标节的共同前提：场景节按它确定验证什么，指标节按它确定生产什么。 表 1-4　十一个场景的痛点、数据命题、样本形态与落点 | 场景 | 招标文件写的痛点 | 翻译后的数据命题 | 需要的样本形态 | 主要原料来源 | 本卷落点 | |---|---|---|---|---|---| | 产品智能选型 | 依赖专家经验，理论计算与实际选型断层，历史数据未闭环（`b1607`） | 缺从工况收敛到候选配置的监督样本，不缺校核算法 | 历史配置—工况—校核结果三元组；同工况下候选配置的优劣判断 | CRM 项目与商机、PLM 选型方案；优劣判断由专家库回溯评定 | 供需计划集；产品智能选型场景验证节 | | 板材备料工艺智能设计 | 人工识别图纸、经验设计工艺、手工填写卡片（`b1623`） | 缺图纸特征到工序序列的配对关系表，存量本身是成对的 | 图纸特征集合—工序序列—卡片字段三段对应；可借用判定的正反例 | PLM 的 63 万张图纸与已签发工艺卡片；28 道备料工序字典 | 产品工艺设计集；板材备料工艺智能设计场景验证节 | | 库存控制智能化 | 备货逻辑缺科学依据，金额管控与计划流、实物流脱节（`b1641`） | 缺同一时点口径下的指标序列与品类分层的需求消耗序列 | 双口径库存指标时序；按四类物料品类分层的需求—消耗—周期序列；库龄分布 | ERP、WMS、SCM、LMS；指标口径随治理实施成文 | 供需计划集；库存控制智能化场景验证节 | | 热处理过程智能监控 | 工艺依赖经验、过程不可视、缺陷难追溯（`b1664`） | 缺炉次级的工艺曲线与质量结果配对 | 炉次工艺曲线—外观缺陷与硬度结果配对；参数区间与缺陷类型的对应 | 热处理群控时序、MES 工单、QMS 检测结果、6 台在线高温热成像设备 | 制造过程集；热处理过程智能监控场景验证节 | | 焊接过程控制智能监控 | 数据利用停留在参数记录与简单阈值报警（`b1678`） | 缺焊道级对象，参数流只能按时间看 | 焊道级参数流＋熔池影像＋缺陷判定三元组；按焊道类型、板厚、材质分层 | SCADA 时序、MES 焊丝与工单、15 台红外图像采集设备、21 台在线热成像设备 | 制造过程集；焊接过程控制智能监控场景验证节 | | 刮板输送装备健康智能诊断 | 机理规则适配性不足，多模态诊断样本管理缺失（`b1698`） | 缺工况分段与故障标签，报警多而配对少 | 工况分段—典型故障样本配对；部件级机理规则台账与回放用例 | SOS 时序与维修记录、EAM 台账、点检巡检与失效分析报告 | 制造过程集与产品质量集；刮板输送装备健康诊断场景验证节 | | 管理制度智能问答 | 检索不精准、解读不一致、跨部门制度冲突（`b1716`） | 缺条文级结构化与版本状态，无法判定现行与否 | 问—答—出处三元组，出处精确到制度名、条款号与版本状态；制度间引用关系 | OA 的 11 类管理制度 | 四集的通用语料部分；管理制度智能问答场景验证节 | | 技术标准智能问答 | 参数提取不准、新旧版本混用、合规性难校验（`b1730`） | 缺参数限值的结构化抽取与标准引用关系 | 条文—参数限值—适用范围三元组；标准引用与版本更迭链 | 技术标准与设计手册、企业内部标准 | 四集的通用语料部分；技术标准智能问答场景验证节 | | 标书智能问答 | 关键信息遗漏、条款解读偏差、历史经验复用难（`b1743`） | 缺要求条目与响应内容的配对，以及废标条款的标注样本 | 要求条目—响应内容配对；评分标准与废标条款的标注样本 | 招标文件、历史投标文件、评分标准、企业资质库 | 四集的通用语料部分；标书智能问答场景验证节 | | 决策数据智能问答 | 统计口径不一、跨系统取数难、异常归因慢（`b1758`） | 缺指标口径的权威定义与取数路径 | 自然语言问句—指标口径—取数路径—结果三段对应 | 久其系统、九个业务域数据、治理实施形成的决策指标体系 | 四集的通用语料部分；决策数据智能问答场景验证节 | | 合同合规审查智能助手 | 条款审查依赖人工，风险点识别不一致 | 缺条款级的合规判定样本与风险标注 | 条款—风险类别—判定依据三元组；合规与不合规的成对样例 | OA 的 9 类合同文档、ERP 合同与付款记录、审计法务的审查意见 | 四集的通用语料部分；合同合规审查场景验证节 | 表 1-4 数据来源：痛点表述依招标文件 3.2.6.5 各场景「场景介绍」原文条目；数据命题与样本形态为我方翻译结论，依各场景「验证要求」条目反推；原料来源依 3.2.2.1 各系统集成要求与硬件采购清单（`b2150r04`—`b2150r06`）；落点为本投标文件章节。 表 1-4 有两行需要单独交代。合同合规审查一行，招标文件在业务范围里列了这个场景（`b0684`），场景介绍的篇幅较其他场景简略，因此该行的痛点表述取自业务范围与通用场景的共性描述，具体口径在该场景验证节按验证要求逐条落实，若与甲方的理解有差异，以开工后需求确认结论为准。 四个通用问答场景一行，它们的样本共性是「答案必须带出处且出处必须可核」，这一点决定了检索增强这条技术路线不是可选项而是必需项，也决定了基准测试子集里必须有专门考出处正确性的题型（落点见表 3-11 检索增强一行、本卷「通用场景验证」节第二部分）。 #### 1.1.5　现场事实对方案选择的决定作用 「需求理解程度」这一项评的不是复述需求，而是能否从现场事实推出方案选择。前三节列出的事实在本方案里各有对应的处置，下表把这层对应关系集中列出，并写明若该事实与开工后的核实结论不符，方案退到哪一步。最后一列是我方刻意加的：一个只在事实全部成立时才可行的方案，不叫可实施。 表 1-5　现场事实、由此决定的方案选择、落点与事实不成立时的回退 | 现场事实 | 由此决定的方案选择 | 落点 | 若事实与核实结论不符 | |---|---|---|---| | 63 万张图纸与已签发工艺卡片成对存在，但无配对关系表 | 产品工艺设计集排第一批投产；加工主体是配对、解析与校验而非从零标注 | 第 3.0.18.1 节实施节奏；本卷数据加工生产（一）节第三部分 | 若实际成对比例低于预期，按实际成对部分先行投产，缺口部分改由人工补标并相应下调该集当期目标量，在数据卡登记 | | 十九个数据源中有十三处断点是对象没挂上，而非数据不干净 | 对象主键与时间基准单列为架构要件，排在加工主线最前；加工平台按算子级写入血缘 | 第 3.0.9 节；表 3-3 第三层 | 若主键映射的可信度低于基线，未贯通部分在数据卡列明，相关场景验证按可贯通子集范围开展，不以估算关系填补 | | 售前选型用校核公式而非正算公式 | 选型样本按三元组加偏好判断两层设计；校核公式在场景中作为确认工具而非搜索工具 | 本卷供需计划集第 3 小节；产品智能选型场景验证节 | 若专家库回溯评定无法形成足量优劣判断，偏好子集的选型部分按实际量交付，差额由其他业务主线的偏好样本补足并说明构成 | | 备料工序为 28 道封闭集合，由工艺部门确认 | 本体的工序类目按该字典建立，不自行扩充；卡片口径与执行口径的差异作为显式字段保留 | 本卷知识本体一段；表 3-13 知识底座层 | 若工序字典在实施期发生修订，按本体版本管理流程发版，并触发受影响批次的复核 | | 焊接参数已采集但未与工件、焊道挂接；预热与层间温度未采集 | 以焊道编号为对象重组参数流；缺失两项由新增热成像设备补齐，采集按试点产线分批扩展 | 本卷数据资源采集接入节 3.7；硬件选型与配置节第四部分 | 若设备到场或标定延迟，该两项特征在当期样本中缺省并在数据卡标注，焊接场景验证先按已有参数维度开展 | | 报警数量可观而故障标签稀少 | 报警与维修事实按四段配对积累样本；诊断类异常判据采用同工况正常基线而非固定阈值 | 本卷刮板输送装备健康诊断场景验证节；表 3-11 同工况正常基线一行 | 若基线样本不足，在该测点先用分段阈值，待样本积累后切换，切换条件写入规则台账 | | 纸质检测报告尚未数字化，影像质量不一 | 纸质件先影像增强与版式模板抽取，模板未覆盖的转人工，手写批注单独通道 | 本卷数据加工生产（一）节第三部分；表 3-11 多模态文档解析一行 | 若可用纸质件数量低于预期，产品质量集的相应部分按实际量交付，并在数据卡写明本集局限 | | 各系统时点不同期，报工相对实际作业有滞后 | 时间基准统一折算并记录折算规则；时序与工单按采样周期与报工滞后两项分别折算 | 第 3.0.9 节；本卷系统集成方案节 7.4 | 若滞后量不稳定，按批次分别标定折算参数，无法标定的批次不进入时序敏感的用途子集 | | 库存存在资金口径与实物口径两套并存 | 双口径指标各自保留并显式标明口径归属，不做单边取舍 | 本卷库存控制智能化场景验证节 | 若甲方要求单一口径，按其书面确认的口径为准，另一口径转为辅助字段保留 | 表 1-5 数据来源：现场事实依本项目需求调研、甲方书面需求与招标文件各场景现状表述；方案选择与落点为本投标文件设计结论；回退路径依第 3.0.14 节的承诺方式与表 3-11 的回退口径。 #### 1.1.6　本项目承接的政策与标准要求 招标文件把本项目的政策依据写在项目目的一段：紧扣国家数据局「以数据高质量供给推动人工智能高水平应用」的战略导向，落实高质量数据集质量评测、统一接入国家数据基础设施、国产化自主可控三项政策要求，通过定向开放与合规服务推动数据从资源向资产再到资本的转化（`b0663`）。承接政策不是在正文里抄一遍文件名，而是要能回答三个问题：这份文件里哪一条与本项目直接相关、这一条落在本项目的哪个交付物上、怎么证明落实了。本节按这三问逐项交代。 三项明写的政策要求各有落点。质量评测方面，我方按《高质量数据集质量评测规范》（TC609-5-2025-04）等国家标准组织评测（`b0670`），评测指标与加工过程内部门控共用同一套指标定义，避免内部门控合格而外部评测不合格，首轮全量评测、缺陷整改与复测按 `b0688` 的四项目标组织，输出正式盖章评测报告与完整数据质量档案（详见服务方案卷「数据集质量评测方案」节）。 统一接入方面，我方按统一目录标识、统一身份登记、统一接口要求准备接入所需的元数据与接口，并按 `b1206` 的要求预留标识登记、身份注册与标准接口三类对接能力，视国家数据基础设施的开放进度推进标识注册与解析对接（详见本卷「技术创新与机制创新」节接入国家数据基础设施一段、「数据集运营平台」节对外接口一段）。 国产化方面，数据库、安全软件、云平台、服务器、存储、网络、芯片等软硬件整体国产化比率按不低于 80% 的要求测算并逐项登记（`b0677`），测算口径与登记表见本卷「非功能性技术要求」节第八部分。 除这三项之外，本项目所处的政策环境还有一层更基础的约束，它决定了数据集能不能作为资产对外流通。这一层在招标文件里体现为两处要求：一处是 3.2.6.9 软建设配套措施要求梳理数据要素市场化配置、高质量数据集建设、人工智能产业发展、新型信息基础设施、数据安全、绿色低碳等领域的法律法规、产业政策、专项规划、技术导则、建设指南、评价标准共 25 个文件（`b1854`）；另一处是 3.2.6.6 运营服务要求把数据集推向交易所挂牌、上架、交易（`b0676`）。下表列出我方在方案设计中实际依据的政策与标准文件及其落点，这份清单也是软建设政策体系梳理一项的起点，开工后按该项要求扩充至不少于 25 个文件并形成梳理报告。 表 1-6　本项目承接的政策与标准要求及其落点 | 政策／标准文件 | 其中与本项目直接相关的要求 | 本项目的落点 | 对应交付物 | 怎么证明落实了 | |---|---|---|---|---| | 国家数据局「以数据高质量供给推动人工智能高水平应用」战略导向（招标文件 `b0663` 引述） | 以高质量数据供给支撑人工智能应用 | 四个数据集按业务主线建设，规模与质量指标按 `b0670`、`b0683` 承诺 | 四集各期版本与数据卡 | 版本封装时按统一计量规则计量，分期核验 | | 《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（2022 年，通称数据二十条） | 数据产权、流通交易、收益分配、安全治理四项基础制度 | 运营平台承载确权、挂牌、订单、清算、审计五类功能；数据集按业务域与用途子集切分为挂牌单元 | 确权与挂牌记录、交易合同与清算记录、审计日志 | 运营平台的登记与交易记录可逐笔调取，权属与使用限制在数据卡中载明 | | 《「数据要素×」三年行动计划（2024—2026 年）》 | 推动重点行业数据开发利用，形成可复制可推广的做法 | 本项目的加工口径、标注规范与评测方法成文交付，可供行业复用 | 治理文档不少于 25 份、标注规范、软建设配套措施 | 文档按清单逐份交付并经评审；成果按 `b0687` 的论文、专利、软件著作权节奏申报 | | 《国家数据基础设施建设指引》（2024 年） | 统一目录标识、统一身份登记、标准接口互联互通 | 运营平台预留三类对接接口，元数据字段按接入规范准备 | 对外接口文档、元数据映射表、接入技术方案 | 接口按规范完成联调并留测试记录，标识注册随开放进度推进（`b1206`、`b1840`） | | 《工业数据分类分级指南（试行）》（2020 年） | 工业数据按影响程度分级，分级结果指导防护措施 | 全部数据对象逐类定级，定级结论决定脱敏要求、可流通范围与出域控制 | 数据分类分级清单、脱敏规则库、出域控制策略 | 分级结论经甲方书面确认；高敏级数据在模型网关层拦截并留痕（详见本卷「安全方案」节） | | 《数据安全法》（2021 年施行）、《个人信息保护法》（2021 年施行） | 重要数据保护、个人信息最小必要与去标识化 | 入口脱敏在采集通道内完成，人员信息按最小必要取用并去标识化 | 入口脱敏生效记录、个人信息处理说明 | 入口门判定项含脱敏是否生效，未生效即阻断入库 | | GB/T 36073—2018《数据管理能力成熟度评估模型》 | 九大能力域的过程与证据要求 | 治理实施按九大能力域落地，形成贯标所需执行记录 | DCMM 三级现状诊断报告、治理规划、九域执行记录 | 记录可支撑贯标评估；认定由认定机构出证，我方提供材料与配合（`b1218`—`b1224`） | | 《高质量数据集质量评测规范》（TC609-5-2025-04）等国家标准（招标文件 `b0670` 引述） | 保真度、完备性、规整性、均衡性、可用性、可信性六个维度 | 六维指标定义全卷唯一，加工质检门与外部评测共用 | 质检报告、首轮全量评测报告、缺陷清单与复测结论 | 同一指标在内部门控与外部评测中取值可比对，差异须有解释 | | 《企业数据资源相关会计处理暂行规定》（2023 年印发，2024 年起施行） | 数据资源作为资产的确认与披露要求 | 数据集版本的成本归集与权属信息按可入账口径登记 | 版本登记信息、成本归集台账、权属与使用限制说明 | 登记信息字段齐备且与数据卡一致，可支撑企业数据资产备案（`b1891`） | | 《可信数据空间发展行动计划（2024—2028 年）》 | 数据可信流通、使用可控可计量 | 对外交付一律经网关并计量留痕；接入连接器具备存证能力（`b2150r03`） | 调用计量记录、交付留痕、存证记录 | 每一次出域与交付可查到调用方、数据范围与时点 | | GB/T 22239—2019《信息安全技术 网络安全等级保护基本要求》及商用密码应用安全性评估要求 | 等保三级与密码应用安全性评估 | 平台按等保三级设计，密码服务由服务器密码机承担 | 等保测评报告、密评报告、整改记录 | 测评与评估结论出具，整改逐项闭环（`b1879`、`b2150r02`） | | 自主可控国产化要求（招标文件 `b0677`） | 数据库、安全软件、云平台、服务器、存储、网络、芯片整体国产化比率不低于 80% | 软硬件逐项登记国产化属性并测算比率 | 国产化测算表与适配测试记录 | 测算口径与登记表随非功能性技术要求节交付，可逐项核对 | 表 1-6 数据来源：政策要求与落点为我方方案设计依据；招标文件明写的三项政策要求依 `b0663`；政策体系梳理的数量要求依 `b1854`；交易与接入要求依 `b0676`、`b1840`；国产化比率依 `b0677`；等保与密评依 `b1879`。文件名称与年份以正式发布文本为准，开工后随软建设政策体系梳理一项复核并补齐至不少于 25 个文件。 数据从资源到资产再到资本的转化，在本项目里是一条可以落到交付物上的链条，不是一句定性表述。资源对应采集接入形成的原始数据与规范化样本；资产对应经质检验证、带数据卡与血缘的数据集版本；资本对应在运营平台完成确权、挂牌与交易的数据集服务。三段之间各有一道必须通过的判定：从资源到资产要过版本门，从资产到资本要过登记与权属核验。这条链条上每一步的交付物与判据在本卷相应章节都有对应，第 3.0.17.1 节的接口矩阵会把它们串起来。 #### 1.1.7　项目建设的必要性 本项目建设的必要性由三方面事实支撑：现场数据的组织状态、业务代价的可量化程度、政策与产业环境给出的时间窗。以下把已列明的事实按三个来源归拢，每一条都写明它指向本卷的哪个落点。 第一个来源是现场数据的组织状态。甲方的生产业务数据留存完整，设备过程参数已在采集并长期保存，历史图纸约 63 万张且每一张历史上都配有一张已审核签发的工艺卡片（3.2）。真正的缺口不在数据量，而在关联：十九个数据源中有十三处断点是对象没挂上，而不是数据不干净（表 1-2）；焊接参数已采集但未与工件、焊道挂接；热处理炉次与工件、材料批次、检测结果之间没有稳定关联。 这类缺口有一个共同特点，就是它不随时间自行收敛——源系统仍在持续产生同样不挂接的新数据，待回溯补建的存量逐年增加，补建的单位成本也随之上升。因此建设时点的选择并非任意：对象主键与时间基准统一得越早，需要回溯处理的存量越少（落点见第 3.0.9 节）。 第二个来源是业务代价已经可以计量，而且随订单规模同向变化。备料工艺编制环节，一套四百张量级的项目仅工艺编审即需两天以上，其中七八成图纸本有可借用的既有工艺仍需逐张打开核对；售前选型只有校核公式而无正算公式，须先凭经验预设一整套配置再代入验算（见第 1.1.4 节）；库存储备量按往年同期用量估算，库存资金在年内单向累积。 这三处代价都落在人的工作时间上，靠增加人手只能线性缓解。本项目的四个数据集按供需计划、产品工艺设计、制造过程、产品质量四条业务主线划分（`b1214`），而不按来源系统划分，正是为了让每一条代价都有对应形态的样本可供验证（翻译结论见表 1-4，验证口径见表 1-8 与本卷场景验证各节）。 第三个来源是政策与产业环境给出的时间窗。招标文件把政策依据写在项目目的一段（`b0663`），第 1.1.6 节已逐项列出我方承接的政策与标准文件及其落点。其中两项与建设时点直接相关：《「数据要素×」三年行动计划》的周期为 2024—2026 年；国家数据基础设施的统一目录标识、统一身份登记与统一接口要求正在陆续发布并开放接入（`b1206`、`b1840`）。在这一阶段形成的行业数据集、加工口径与标注规范，有条件成为后续接入与复用的基础，本项目按不少于 25 份治理文档、标注规范与评测方法成文交付，承接的就是这一层（表 1-6）。 三个来源指向同一个结论：本项目要解决的不是「有没有数据」，而是「已有数据能不能被模型直接使用」。这个结论决定了本包的工作重心落在数据集加工生产、质量评测与场景验证三件交付上，新增采集只在确有缺项处补齐（如预热与层间温度两项特征由新增热成像设备补采，见表 1-5）；也决定了知识底座、对象主键贯通与门控规则必须排在加工主线的前面，取舍理由见第 3.0.1 节。 必要性本身也要能被核实。上述三类事实在实施期各有对应的核实动作：数据组织状态由开工后的数据源核查与对象主键可贯通率基线测算核实；业务代价由需求调研阶段与甲方业务部门共同确认的现状工时与批量记录核实；政策时间窗由软建设配套措施中的政策体系梳理一项按不少于 25 个文件的要求复核（`b1854`）。核实结论与本节所述不符的，按表 1-5 最后一列的回退口径与第 3.0.14 节的承诺方式处置。 ### 1.2　项目目标 六项目标不是六个并列的工作包。协同汇聚解决数据从哪来，平台技术解决用什么生产，数据质量规定产出要达到什么水准，标准生态解决谁来定口径与谁来干活，场景赋能回答产出有没有用，服务与安全规定产出怎么被使用以及底座是否可靠。我方按这个逻辑承接，每一项都给出要求实质、承接值、验证方式与详述位置。 #### 1.2.1　协同汇聚目标 要求的实质是建立机制，不是一次性搬数据。招标文件要求发挥行业链主引领带动作用，建立高效协同的行业数据汇聚机制，整合内外数据资源，构建行业数据资源库，推动产业链上下游数据互通共享；以场景化、图谱化思路梳理行业数据需求，推动行业数据与公共数据创新融合，形成链主带动、多方参与、联合攻关的建设生态（`b0666`）。 这项目标里有两层工作。对内一层是把十个实施单位的数据按业务对象汇聚起来，这一层的难点在跨部门口径确认，不在技术；对外一层是把产业链上下游与公共数据纳进来，这一层的难点在数据权属与可用范围。我方的承接办法是把汇聚做成有受理、有登记、有台账的常设流程：数据源登记台账记录来源系统、责任部门、授权范围、更新频率与许可条件；每一次汇聚形成一个批次并留采集记录；对外数据另设外部数据管理流程，先核许可再入库（详见本卷「数据资源采集接入」节第三部分、「数据治理（二）」节外部数据管理一段）。 场景化与图谱化两个限定词对应两件具体工作。场景化指数据需求从十一个验证场景倒推：每个场景需要哪些对象、哪些字段、什么时间跨度，形成该场景的数据需求清单，再汇总成采集范围，而不是先把能采的都采来再找用途。图谱化指以知识本体与知识库作为统一知识底座，把对象之间的关系显式表达出来，使跨系统、跨部门的数据可以按关系而不是按表名被找到（依 `b1215`）。 #### 1.2.2　平台技术目标 要求包含三件事：建设不少于 9 类 25 个的数据集加工生产智能工具链，普及多模态数据治理、智能数据标注、数据合成等关键技术应用，构建一套数据集运营服务管理平台并形成可持续的运营服务能力（`b0668`）。 工具链的 9 类 25 个是硬性清单，不能少报也不宜随意多报。我方按招标文件 3.2.3 的清单逐一列名、逐一给出输入输出与在加工链上的调用点，清单与招标文件 `b0917` 的表一一对应（详见本卷「专项智能工具链总述」节第二部分）。这一组工具不是二十五个互不相干的小程序，它们共用一套任务骨架、一套血缘写入点与一套接口规范，公共层先行建设、工具分批投产（详见该节第六部分）。 运营服务管理平台的功能模块，招标文件在业务范围写不少于 14 个（`b0685`），在服务采购清单实列 16 个（`b0804r04`）。两处并不矛盾：14 是下限，16 是清单。我方把清单实列的 16 项全部交付，一项不减；在此之外另行增建平台服务与 SLA 保障模块 1 个，以承载 3.2.4.6 的服务级别要求（`b1198`）。该增建模块属我方额外提供的服务能力，不计入招标文件列明的模块数量；本方案凡出现「17 个功能模块」的表述，含义均为招标列明 16 个加我方增建 1 个，合计 17 个，逐模块给出功能、界面示意与关键流程（详见本卷「数据集运营平台」节）。 关键技术应用一句的落点在三处：多模态数据治理落在多模态数据对齐类工具链与数据治理的元数据管理；智能数据标注落在智能标注类工具链的四个工具与标注一致性管理；数据合成落在数据生成与增强类工具链以及合成数据的来源标识与占比控制。合成数据有一条必须在总论里先定的口径：合成样本一律带来源标识，在各用途子集中的占比有上限并随批次登记，基准测试数据集不接受合成样本（详见本卷「数据加工生产（二）」节第三部分与「四大数据集建设及指标要求」节）。 #### 1.2.3　数据质量目标 要求是四个数据集的规模下限、模态与时效的占比下限，以及符合《高质量数据集质量评测规范》等国家标准、保真度、完备性、规整性、均衡性、可用性、可信性等核心质量维度达标（`b0670`）。 表 1-7　数据质量目标的要求下限与我方承接值 | 指标 | 招标文件要求（`b0670`、`b0683`、`b1361`） | 我方承接值 | 计量与核验方式 | 详述位置 | |---|---|---|---|---| | 预训练数据集 | ≥600 亿 Token | 615 亿 Token（供需计划 276＋产品工艺设计 70＋制造过程 105＋产品质量 164） | 按统一分词口径计量，分域分批登记，以版本封装时的计量结果为准 | 本卷「四大数据集建设及指标要求」节表 1 | | 指令微调数据集 | ≥80 万条 | 89 万条（40＋10＋15＋24） | 按条计量，一问一答为一条，多轮对话按轮次折算规则登记 | 同上 | | 强化学习偏好数据 | ≥6 万组 | 6.6 万组（3.2＋0.8＋1＋1.6） | 按组计量，一组含同一问题下的优劣答案对 | 同上 | | 基准测试数据集 | ≥0.9 万条 | 0.95 万条（0.4＋0.1＋0.2＋0.25） | 按条计量，题型协议与判分规则随版本冻结 | 同上 | | 模态种类 | 超过 3 种（时序、图像、文本、视频等） | 覆盖文本、图像、时序、视频四类 | 按数据卡的模态字段统计 | 同上第七部分 | | 多模态数据条数占比 | ≥40% | 按不低于 40% 承接，分集给出测算 | 以条数为分母，按数据卡模态字段统计 | 同上第七部分 | | 近 3 年内时效性数据条数占比 | ≥40% | 按不低于 40% 承接，分集给出测算 | 时点口径以数据产生时间为准，随版本冻结时点一并登记 | 同上第七部分 | | 质量维度 | 保真度、完备性、规整性、均衡性、可用性、可信性 | 六维度逐项给指标定义、阈值与测量方法，内部门控与外部评测共用同一套定义 | 内部七道质量门 + 外部首轮全量评测与整改复测 | 服务方案卷「数据集质量评测方案」节 | 表 1-7 数据来源：要求列依招标文件 `b0670`、`b0683`、`b1361` 原文；承接值依本投标文件事实口径；分域数值见本卷「四大数据集建设及指标要求」节表 1。 承接值高于要求下限，但高得有限，这是有意的。规模指标是将来要自己应答的条款，承诺值与可达成量之间要留出核验与整改的余量，而不是报一个好看的数。四个数据集均按分期达成组织，每期有目标量与核验点；若某一期未达量，按该节第二部分的处置办法在后续期补足并在数据卡中登记，不以调整计量规则的方式达成（详见该节第二部分）。 六个质量维度在本方案中有一处贯通全卷的设计：内部门控与外部评测使用同一套指标定义。若内部用一套宽指标、外部评测用国家标准的另一套，结果就是内部全部通过而外部评测出缺陷，整改期被压到项目末段。因此我方把评测方案的指标定义前置到加工阶段，作为七道质量门的判定依据（依 `b1542` 的质检指标要求与 3.2.8.2.2 评测指标）。 #### 1.2.4　标准生态目标 要求是吸引不少于 5 家数据企业、高校、科研院所参与数据集建设，建立行业数据标注专家库、入库专家不少于 50 人，构建涵盖数据采集、标注、质检等环节的专业人才支撑体系（`b0672`）。 这项目标的实质是把建设能力沉淀到组织与机制上。我方的承接办法分三层：参与方按联合攻关课题的形式纳入，每个课题有明确的任务、交付物与知识产权约定；专家库按入库条件、评级、派工、考核、退出五个环节建机制，不只是一份名单；人才支撑体系按采集、标注、质检三类岗位建立岗位标准、培训课程与考核办法，与售后服务方案的培训内容衔接（详见本卷「技术创新与机制创新」节专家库与软建设两段、服务方案卷「售后服务方案」节培训一段）。 专家库 50 人的构成，招标文件未明确是甲方内部专家还是社会专家。我方在方案中按两种情形都留口径：内部专家按专业领域与工龄条件入库，承担口径确认与仲裁；社会专家按资质与业绩条件入库，承担标注规范评审与争议裁决。两类专家在派工规则上分开，避免内部专家既做标注又做仲裁（详见本卷「技术创新与机制创新」节）。 #### 1.2.5　场景赋能目标 要求是建成的数据集能够支撑不少于 11 个行业细分任务场景，有效提升各场景下模型和智能体性能；围绕研发设计、中试验证、生产制造、经营管理等关键环节，推动数据集建设与实战需求深度融合，实现以模引数、用数赋模，形成数据标注、高质量数据集、模型、应用场景、市场化价值化的闭环（`b0674`）。 这项目标是本包与上层项目的接合点，也是最容易写偏的一处。偏的方向是把场景建设写成我方的交付。我方的口径是：本包承担的是场景验证服务，即以场景的实际业务任务检验数据集的效果并产出可用性结论（`b0684`、`b1602`）。因此十一个场景在本卷的写法统一为五段：验证范围与被验证能力、验证所需数据与就绪度核验、金标准集与用例设计、验证指标与通过判据、不通过时的归因与整改复测。 以模引数、用数赋模这八个字在方案里有具体的实现机制，不是口号。以模引数指模型的评测结果反过来决定下一批数据加工什么：评测错题开展训练数据归因分析，识别脏数据、覆盖盲区、歧义标注与难度分布缺口，形成结构化整改任务单（`b1357`、`b1358`）。用数赋模指同一基准集在多阶段模型版本上评测，量化不同数据集带来的能力增量（`b1355`、`b1356`）。两个方向合起来就是评测、归因、修复、回评的数据闭环，它在架构上的位置见图 3-3。 表 1-8　十一个场景的验证承接与详述位置 | 类别 | 场景 | 本包承担的验证工作 | 主要供数数据集 | 详述位置 | |---|---|---|---|---| | 专业场景 | 产品智能选型 | 校核结果一致性、推荐排序可解释性、相似历史项目检索可比性的验证 | 供需计划、产品工艺设计 | 本卷 T5 第三部分 | | 专业场景 | 板材备料工艺智能设计 | 图纸解析要素完备性、工序选择与排序合规性、展开长计算一致性的验证 | 产品工艺设计 | 本卷 T5 第四部分 | | 专业场景 | 库存控制智能化 | 同时点口径一致性、物料分层合理性、补货建议与执行偏差归因的验证 | 供需计划 | 本卷 T5 第五部分 | | 专业场景 | 热处理过程智能监控 | 炉次档案完整性、曲线偏离识别有效性、同批次横向比对可用性的验证 | 制造过程、产品质量 | 本卷 T5 第六部分 | | 专业场景 | 焊接过程控制智能监控 | 参数流与焊道对齐正确性、参数差异清单有效性的验证 | 制造过程、产品质量 | 本卷 T5 第七部分 | | 专业场景 | 刮板输送装备健康智能诊断 | 工况分段与基线有效性、报警归并正确性、证据等级判断的验证 | 制造过程、产品质量 | 本卷 T5 第八部分 | | 通用场景 | 管理制度智能问答 | 条款定位准确性、出处与版本状态标注完整性的验证 | 通用语料（制度库） | 本卷 T14 | | 通用场景 | 技术标准智能问答 | 标准检索命中、条款定位与版本状态判断的验证 | 通用语料（标准库） | 本卷 T14 | | 通用场景 | 标书智能问答 | 相似项目检索、素材复用等级与来源标注的验证 | 通用语料（标书库） | 本卷 T14 | | 通用场景 | 决策数据智能问答 | 口径说明完整性、数据来源与更新时间标注的验证 | 四集的结构化子集 | 本卷 T14 | | 通用场景 | 合同合规审查智能助手 | 偏离项定位、规则依据引用正确性的验证 | 通用语料（法规与制度库） | 本卷 T14 | 表 1-8 数据来源：场景名单依招标文件 `b0684` 与 3.2.6.5（`b1604`—`b1784`）；验证工作的具体口径与通过判据见本卷场景验证各节。 六项项目目标 — 承接内容 — 可核验的交付物 协同汇聚（b0666） 数据从哪来 平台技术（b0668） 用什么生产 数据质量（b0670） 产出到什么水准 标准生态（b0672） 谁定口径谁干活 场景赋能（b0674） 产出有没有用 服务与安全（b0676、b0677） 怎么被使用 数据源登记台账 · 批次受理 · 外部数据 许可核验 · 场景倒推的数据需求清单 9 类 25 个工具链 · 17 个运营模块 公共层先行 · 工具分批投产 四集规模与占比 · 六质量维度 内部门控与外部评测同一套定义 ≥5 家参与方的联合攻关课题 ≥50 人专家库五环节机制 · 岗位标准 11 个场景的验证口径与通过判据 评测—归因—修复—回评闭环 三统一接入 · 确权挂牌交易 国产化 ≥80% · 密码应用 · 等保与密评 台账与采集记录可查 每批次有授权与许可依据 逐工具验收记录与接口文档 模块逐项功能演示 版本封装时的计量与核验记录 盖章评测报告与质量档案 课题任务书与成果交付记录 专家名册 · 派工与考核记录 各场景验证报告与整改任务单 多阶段评测的能力增量结论 登记与挂牌记录 · 接入材料 国产化测算表 · 测评与评估报告 承接 核验于 图 1-3　六项项目目标的承接内容与可核验交付物。数据来源：目标依招标文件 1.2（`b0665`—`b0677`）；承接内容依本卷各节方案；交付物依表 3-22 交付物总清单。 #### 1.2.6　服务与安全目标 要求分两段。第一段是服务：建成的数据集可服务行业相关用户，按统一目录标识、统一身份登记、统一接口要求接入国家数据基础设施；面向国家重大战略需要定向开放，推动在数据交易所挂牌、上架、交易，培育为高质量数据付费的市场共识（`b0676`）。第二段是安全与自主可控：数据库、安全软件、云平台、服务器、存储、网络、芯片等软硬件设备整体国产化比率不低于 80%（`b0677`）。 服务一段的承接落在运营平台与运营推广两处。接入国家数据基础设施按三统一要求准备：目录标识对应数据集目录与元数据模块的标识字段，身份登记对应登记注册模块，接口要求对应对外接口模块的协议适配（详见本卷「数据集运营平台」节与「技术创新与机制创新」节接入一段）。挂牌与交易按确权、挂牌展示、交易合同、交易费用、清算五个环节建设，定向开放另设审批链与出域控制（详见该节第三至第六部分）。 安全与自主可控一段的承接落在三处。国产化比率按设备与软件分类登记、按金额与数量两个口径分别测算，测算表随投标文件提供（详见本卷「非功能性技术要求」节第八部分）。密码应用按商用密码服务平台建设并完成国密算法在加工链各环节的落点设计（详见本卷「安全方案」节）。等级保护测评与商用密码应用安全性评估按 `b0804r07` 作为服务采购项组织，由具备相应资质的测评机构承做，我方负责配合、整改与证据组织（详见同节第六、第七部分）。 80% 国产化比率的测算口径在全卷统一如下，各节按同一口径测算：以本项目采购范围内的软硬件为统计总体，分数据库、安全软件、云平台、服务器、存储、网络、芯片七类，按类登记产品的国产化属性，整体比率按设备台数与合同金额两个口径分别测算并同时列出，以较低的一个作为对外承诺值。统计总体不含甲方既有存量设备，因为那部分不在本项目采购范围内，把它计入会让比率失去意义（依 `b0677` 的「软硬件设备」限定与 3.1.2.2.7 国产化要求 `b0787`—`b0793`）。 ## 第2章　项目建设范围 ### 2.1　实施范围 实施范围覆盖刮板机研究分院、工艺研究分院、备料加工分厂、生产管理部、热处理分厂、结构件焊接分厂、企业管理部、科研管理部、营销中心、审计法务部十个单位（`b0680`），管理单位为数字化转型工作办公室（`b0681`）。十个单位在加工生产中的角色分三类——数据来源方、口径确认方、成果使用方——逐单位的角色划分与对接内容见本卷「四大数据集加工生产总述」节表 1-1。 项目整体层面的协同组织如下。十个单位不设十条独立流程，而是按三类角色设三种对接机制。数据来源方按数据源登记与批次受理对接，接口人固定、授权范围书面确认、更新频率写进台账。口径确认方按口径评审会对接，每一类口径（工序字典、部件层级、缺陷判定依据、指标定义）有一次正式评审并留书面结论，结论进入知识本体与数据标准，后续加工一律按结论执行，不再逐批请示。成果使用方按阶段成果评议对接，在每期数据集封装后参与可用性评议，评议意见进入下一期的整改任务单。 管理单位的角色在我方方案中是三件事的决定方：源系统开放范围与授权、数据分级分类结论、阶段验收结论。这三件事若不由一个单位统一决定，跨部门就会出现同一数据两种授权结论。我方把这三件事的提请、评审与回复固定成流程，纳入项目管理措施的沟通管理一节（详见服务方案卷「项目管理措施」节）。 ### 2.2　业务范围 业务范围六项为高质量数据集（`b0683`）、应用场景验证（`b0684`）、平台建设（`b0685`）、智能工具链（`b0686`）、知识产权（`b0687`）、数据集质量评测（`b0688`）。六项的承接值见本卷「四大数据集加工生产总述」节表 1-2。 六项之间的关系决定实施期的建设顺序。主交付物是四大数据集，其余五项围绕它：工具链解决数据集怎么被生产出来，平台解决数据集怎么被管理和流通，场景验证回答数据集有没有用，质量评测证明数据集是否合格，知识产权与软建设把生产能力沉淀成可留存的成果。 六项当中只有一项是可量化交付的实体（数据集），其余五项的价值都要通过它体现。因此实施期的排序是工具链公共层与平台基础功能先行，数据集分批加工，评测与验证随批次推进，知识产权成果在过程中沉淀而不在末期集中补。 业务范围六项的关系：一个主交付物与五项配套 四大数据集（b0683） 615 亿 Token · 89 万条 6.6 万组 · 0.95 万条 智能工具链（b0686） 9 类 25 个，解决「怎么产」 平台建设（b0685） 17 模块，解决「怎么流通」 质量评测（b0688） 回答「合不合格」 场景验证（b0684） 回答「有没有用」 知识产权与软建设（b0687） 把生产能力沉淀为可留存成果 工具与算子 版本与数据卡 送检批次 缺陷整改任务单 归因整改任务单 规范、专家与机制 验证用数据 图 2-1　业务范围六项的关系。实线为正向供给，虚线为反向回流与支撑。数据来源：六项依招标文件 2.2 业务范围（`b0683`—`b0688`）；回流关系依 `b1215` 定向回流要求与 `b1357` 错题归因要求。 ## 第3章　信息系统技术要求 招标文件第 3 章信息系统技术要求（`b0689`）分软件部分（3.1）与服务部分（3.2）两段。软件部分含软件采购清单、安全软件建设要求、非功能性技术要求、系统集成要求；服务部分含服务采购清单与七项服务要求。两段条目的性质不同，我方的承接方式相应不同。 软件部分的条目是逐条参数型要求，承接方式是逐条响应：功能要求逐条给出是否满足与实现方式，非功能性指标逐条给出承诺值、测量方法与验证时点，不满足或部分满足的条目在差异表中如实列明。安全软件一套（商用密码服务平台）的功能要求有 48 个条目（`b0695`—`b0742`），我方逐条应答并附产品认证证书（详见本卷「安全方案」节第四部分）。 服务部分的条目是过程型要求，承接方式是给方法与判据：每一项服务给出输入对象、作业方法与步骤、字段与规则、责任岗位与权限、异常与恢复、产出物与交接判据、验收主体与不通过时的处置。 表 3-1　第 3 章两段要求的承接方式 | 段 | 条目性质 | 我方承接方式 | 验收依据 | |---|---|---|---| | 3.1 软件部分 | 采购清单与逐条参数要求 | 逐条响应，逐项给承诺值、测量方法与验证时点 | 功能演示记录与指标实测记录 | | 3.2 服务部分 | 过程型服务要求 | 给作业方法、产出物、责任岗位、验收主体与回退路径 | 过程记录、交付物评审结论与阶段验收结论 | 表 3-1 数据来源：段落划分依招标文件 3.1（`b0690`）、3.2（`b0802`）；条目性质判断依各节条文的表述形式。 ### 3.0　总体技术架构 #### 3.0.1　编制依据、建设原则、建设目标与技术路线 总体技术架构的四件前提依次为：编制依据、建设原则、建设目标与技术路线。后续各项架构设计均由这四件导出，核对某一处设计的来由时，可回到对应的依据、原则、目标或路线。 ##### 3.0.1.1　编制依据 架构的依据是招标文件 `b1215` 的一段规定：数据集生产以数据治理为横向贯穿管控层，以知识本体与知识库为统一知识底座，以数据采集到数据集验证为纵向生产链路，以血缘追溯驱动定向回流，构成有向无环的生产逻辑；四类数据集各走专属路径，共享底座能力与门控规则；质检为训练前门控，验证为训练后终验。这段话已经规定了架构的骨架，我方的工作是把它具体化到可施工的粒度，而不是另设一套体系。 除这段规定之外，本节架构的编制还依据另外三类材料。其一是招标文件的其余相关条目：第 3 章信息系统技术要求的总起条（`b0689`）、各加工环节与工具链的分章要求（3.2.2、3.2.3、3.2.4、3.2.6.1—3.2.6.5）以及指标要求（`b0670`、`b0683`、`b1361`）。 其二是甲方书面需求与现场调研所确认的事实，第 1.1 节已逐项列明，其中备料工序 28 道与历史工艺样本约 63 万张两项由甲方书面需求与现场演示共同确认，是本架构多处设计的直接来由。其三是本项目承接的政策与标准文件，已列于表 1-6，其中国产化比率、等保与密评、质量评测六维指标三项直接约束架构的底座与门控设计。四类依据之间若出现口径不一致，以招标文件原文为准，差异按需求书逐条应答矩阵的登记口径处理。 ##### 3.0.1.2　建设原则 招标文件规定了骨架，骨架之内仍有多处可选。我方把具体化过程中的五处选择固定为本项目的五条建设原则：治理常驻、底座先立、门控前移、回流定向、模型可替换。五条原则在后文各节反复生效，因此在这里连同放弃的选项一并写明，便于评审核对。 第一，治理是常驻管控层，不是前置阶段。可选的做法是先完成治理规划再开始加工，这样口径最干净，但工期不允许：治理规划的九大能力域成果本身需要数月，而数据加工必须尽早启动才能在 2028 年 5 月前完成四集的规模。我方的取舍是治理与加工并行，但设一条硬约束：任何一批数据进入标注环节之前，其所涉对象的主键、编码与术语必须已在数据标准中有定义。未定义的，先走口径评审再入标注，不允许先标后改。 第二，知识底座先立。本体与知识库是标注口径、合成约束与检索证据的唯一来源（依 `b1215`），因此首批建设内容不是加工量最大的环节，而是本体的类目与关系定义。代价是前两个月的数据产出量低；收益是避免后续大规模返工。 第三，门控做成七道而不是两道。招标文件只明确质检与验证两道（`b1215`），但质检位于加工链末段，若前面各环节无门控，问题会积累到质检才暴露，返工成本最高。我方在采集后、预处理后、本体版本发布、知识库交付、标注后、合成与增强后、版本冻结前设七道门，每道门有判定对象、判定项、判定主体、通过条件与回退终点（七道门的判定口径见本卷「数据加工生产（一）」节 1.4 与「数据加工生产（二）」节第八部分）。 第四，回流必须定向。按血缘与错样归因结果退回到具体环节、具体批次、具体算子重做，不整条链重做。这要求血缘在每个算子上写入，而不是只在批次级记录。代价是加工平台的血缘写入点增多、存储增加；收益是整改周期可控。 第五，模型是工具与被测对象，不是交付承诺。模型经统一网关接入，可替换、可评测、可随代升级。架构上的落实是网关与评测沙箱分离：基准测试数据集存放在冻结沙箱内，不向训练域开放，使评测结论在模型替换后仍可比较（依 `b1354` 的可复现要求）。 ##### 3.0.1.3　建设目标 建设目标与第 1.2 节的六项项目目标是同一组要求的两种写法：第 1.2 节按招标文件的目标条目逐项承接，回答「招标文件要什么、我方接什么」；本小节按架构可核验的口径归拢，回答「架构建成之后，拿什么证明它建成了」。两处数值同源，以表 1-7 与表 3-15 为准，本表不另立数值。 表 3-2　建设目标与核验口径 | 目标 | 承接值 | 架构上的落点 | 怎么核验 | 详述位置 | |---|---|---|---|---| | 四个数据集按规模与质量指标建成 | 预训练 615 亿 Token、指令微调 89 万条、强化学习偏好 6.6 万组、基准测试 0.95 万条 | 第四层加工生产层，四集各走专属路径、共享底座与门控 | 版本门通过并冻结封装，按统一计量规则计量，分期核验 | 表 1-7；本卷「四大数据集建设及指标要求」节 | | 智能工具链建成并投产 | 9 类 25 个，与 `b0917` 的清单逐一对应 | 第四层，共用一套任务骨架、血缘写入点与接口规范 | 逐工具给出输入输出与调用点，按验收用例核验 | 本卷「专项智能工具链总述」节 | | 运营服务管理平台建成 | 招标列明 16 个功能模块全部交付，另增我方服务能力模块 1 个，合计 17 个 | 第六层运营服务层 | 逐模块核验功能、界面与关键流程，SLA 指标可度量 | 第 3.0.16 节；本卷「数据集运营平台」节 | | 知识底座建成并可被各环节调用 | 本体版本、术语表、知识条目与图谱、检索索引、对象主键映射表 | 第三层知识底座层 | 口径门与终审门通过，检索可用，映射表发版后全层生效 | 表 3-3 第三层；表 3-4 接口 I-09 至 I-11 | | 数据治理体系建成 | DCMM 三级所需的九大能力域执行记录，治理文档不少于 25 份 | 横向治理管控层 | 规则在平台上可执行、执行记录可追溯，文档逐份交付并经评审 | 本卷「数据治理体系」各节 | | 场景验证服务交付 | 十一个场景按各自判据给出数据可用性结论 | 第五层与第六层之间，以场景的实际业务任务检验数据集 | 按各场景验证流程执行并留见证记录，不通过的按归因整改复测 | 表 1-8；本卷场景验证各节 | | 安全与自主可控底座建成 | 软硬件整体国产化比率不低于 80%，等保三级与密码应用安全性评估结论出具 | 纵向安全与国产化底座 | 按设备台数与合同金额两个口径分别测算并取其低者，测评与评估结论逐项闭环 | 第 1.2.6 节；本卷「非功能性技术要求」节第八部分 | | 交付成果可被上层项目直接使用 | 数据集版本移交运营平台并登记完成 | 第四层到第六层的移交接口 | 登记信息字段齐备且与数据卡一致 | 表 3-4 接口 I-13（依 `b1575`、`b1576`） | 表 3-2 数据来源：各项承接值依第 1.2 节的逐项承接结论与招标文件对应条目（`b0668`、`b0670`、`b0676`、`b0677`、`b0683`、`b0685`、`b0804r04`、`b1198`、`b1854`）；架构落点依 `b1215` 的生产逻辑规定；核验方式为我方实施口径。 这八项目标之间有先后关系，不能并列推进。知识底座与安全底座两项是其余各项的前提，排在首批建设；四个数据集与工具链两项并行推进，工具链按公共层先行、工具分批投产的次序投入；运营平台在首批数据集版本冻结之前具备登记与目录能力即可；治理体系贯穿全程，其规划成果在首批数据进入标注之前须覆盖所涉对象的主键、编码与术语定义；场景验证在相应数据集版本通过版本门之后开展。这一先后关系在第 3.0.18.1 节的实施节奏里展开为五个阶段。 ##### 3.0.1.4　技术路线 本项目的技术路线是一条纵向生产链路加两条贯穿支撑，链路上设七道门，门不通过时按血缘定向回流，整体构成有向无环的生产逻辑（依 `b1215`）。 纵向链路分五段。第一段是采集接入与规范化：五类通道把源系统数据、离线资料与设备时序取回落地区，在采集通道内完成接入四要素核验、增量识别与入口脱敏，按批次成形。第二段是知识底座建设：建立本体类目与关系、知识库与检索索引，统一对象主键与时间基准，形成全链路共用的标注口径、合成约束与检索证据来源。 第三段是数据集加工：十个加工环节由 9 类 25 个工具链执行，标注、合成与增强在底座口径的约束下进行，每个算子写入血缘。第四段是训练与评测：按业务主线与部件族分层的配比组织四阶段训练，评测在与训练域隔离的沙箱内进行，产出知识注入有效性报告、能力增量结论与结构化整改任务单。第五段是场景验证与运营交付：以十一个场景的实际业务任务检验数据集效果，结论随版本封装移交运营平台登记、挂牌与交付。 两条贯穿支撑分别是横向的数据治理管控与纵向的安全与国产化底座。治理层把标准、质量规则、分类分级、元数据与血缘做成平台上可执行的规则，在五段链路的每一段生效；安全底座把密码服务、脱敏能力与出域控制做成可被各层调用的服务，涉及敏感数据的每一次读写与出域都经由它。两条支撑不是链路的某一环，它们的产出不在链路上流动，而是作为约束作用于链路（接口见表 3-4 的 I-18 与 I-19）。 这条路线有两处与常见做法不同，都在建设原则里给出了理由。一处是门控数量：招标文件明确质检与验证两道，本路线在采集后、预处理后、本体版本发布、知识库交付、标注后、合成与增强后、版本冻结前设七道，把缺陷暴露点前移到产生缺陷的环节附近（七道门见表 3-5）。 另一处是回流方式：整改任务单按血缘与错样归因结果指向具体环节、具体批次、具体算子，不触发整条链重做（接口见表 3-4 的 I-15）。路线的全景见第 3.0.6 节的数据流转全景图，一条数据沿路线走完的完整过程见第 3.0.7 节，各技术章节在路线上的位置见第 3.0.12 节。 #### 3.0.2　技术主线：以知识本体为中枢 本项目的技术中枢是知识本体：四大数据集的加工口径由它约束，十一个场景智能体的证据由它供给，数据与场景之间的连接靠它完成。六层结构规定了各层的职责分工，知识本体规定的是各层共用的同一套对象、属性与关系定义——它在第三层知识底座产出，并以版本化发布的形式被第二、四、五、六层与横向治理层引用，对应接口为表 3-4 的 I-08、I-09、I-10、I-11。 ##### 3.0.2.1　知识本体中枢的设计依据与对象统一机制 矿山装备制造的数据条件，制约因素不在数据量，而在**同一个物理对象在各系统里各有一套说法**。一台刮板输送机，在设备资产管理系统里是一条资产台账、在产品生命周期管理系统里是一组零部件号、在维修工单里是一段自由文本描述、在仓储系统里是若干物料批次；四处记录各自成立，却拼不成一台设备的完整履历。备料的 28 道工序与 63 万张历史工艺样本同样分散在工艺规程、生产执行记录与班组台账三处，工序叫法互不统一。本项目交付的是可直接用于模型训练的数据集，样本的事实一致性直接取决于这些记录能否归并到同一个对象上，因此对象统一由哪一层承担，是架构的首个选型决策。 可承担对象统一的技术路径有三条，本方案的取舍依据如下。平台侧汇聚解决的是数据搬运、存储与调度形态，搬运完成后四套说法仍并存，对象之间的归并关系没有可执行的载体可写，下游环节无从引用。模型侧学习可从语料中归纳近似关系，但归纳结果不可枚举、不可评审、不可被标注与质检环节当作判据直接引用；语料本身存在口径冲突时，归纳结果同样带着冲突。知识本体把对象、属性与关系写成显式定义，可评审、可版本化、可由平台编译成加工环节的执行规则，三条路径中只有它同时满足「可被人确认」与「可被机器执行」。据此，本架构的分工为：本体承担对象、属性与关系的定义，平台承担承载、调度与规则执行，模型承担生成与问答。 本体的交付形态是七类目定义集及其配套表：类目定义（设备与部件、工艺与工序、故障模式、质量特性与检验项、物料与物料清单、供应商与合同、能耗与工况）、各类目的属性集与值域、类目之间的关系定义、对象主键与别名登记表、标准映射对照表、本体版本记录。工序类目按工艺部门确认的 28 道备料工序字典建立，部件层级按链条、链轮、溜槽、电机、减速器、液压系统等刮板输送装备部件构成建立；属性的对齐基准逐项指明该属性以哪个源系统为准，同一对象在多系统中的记录经基准编码与别名登记归并为一条。 本体以版本号发布，发布前过口径门，三项齐备方可发版：类目与关系经相应业务部门评审确认、与企业既有编码完成对齐、检索通道可用。口径门不通过的版本不发布，相关批次暂不进入标注环节（接口 I-09）。发版后按影响范围处理历史批次：仅新增类目的不触发复核；修改值域或关系的，按血缘定位受影响批次并下发定向回流任务单，不触发整条链重做。类目与值域的调整不由项目组单方裁定，主键候选值不唯一的登记为待裁定项，交由相应业务部门确认后写入映射表（接口 I-08、I-11）。 招标文件把本体与知识库定为标注口径、合成约束与检索证据的来源。本方案据此把本体的引用范围覆盖到五段链路并共用同一版本：采集侧按它校验术语与主键候选值，加工侧按它取标签体系与合成约束，训练与评测侧按它取检索证据与评测题目的事实依据，场景验证侧按它归因并提交修订项。五段不各留副本，版本以知识底座发布的为准。 ##### 3.0.2.2　本体如何连接数据：三个方向的约束 本体对数据的作用体现在三个方向上，三者缺一，连接就断一处。 **向上定义对象。** 本体的七类目——设备与部件、工艺与工序、故障模式、质量特性与检验项、物料与物料清单、供应商与合同、能耗与工况——把矿山装备制造的核心对象固定下来。每一类目有属性集、值域与对齐基准，对齐基准指明该属性以哪个系统为准。这样一来，四个业务域的数据无论来自哪个系统，都能挂到同一套对象上；跨系统的同一对象经基准编码与别名登记归并，不再是四条互不相识的记录。 **向下约束加工。** 标注环节的标签体系取自本体类目，不另立一套；合成环节的参数窗口与工艺约束取自本体属性的值域，不凭模型自由生成；质检环节的口径校验以本体为判据，字段值不在值域内即判不通过。这使得十个加工环节、9 类 25 个工具的产出口径天然一致——一致不是靠事后比对，而是靠共用同一份定义。 **横向打通语义。** 术语表与同义词别名表解决的是同一对象多种叫法的问题，标准映射对照表解决的是同一属性多套编码的问题。两者合起来，使「按任一叫法、任一编码都能检索到同一对象」成为可能。这一能力是技术标准问答、管理制度问答这类场景能给出准确依据的前提——业务人员提问时用的是现场叫法，而数据里存的是系统编码，中间的翻译只能由本体完成。 ##### 3.0.2.3　本体如何支撑场景智能体 十一个场景智能体从本体取三样东西，各有不同用途。 **取定义，用于理解需求。** 产品智能选型场景中，用户给出的是工况条件与矿井参数；要把它翻译成装备配置，先要知道「工作面类型」有哪些取值、每个取值对应哪些装备族。这组知识来自本体的类目与值域，不来自模型的常识。 **取关系，用于组织推理。** 刮板输送装备健康智能诊断场景中，从一个报警征兆推到可能的故障模式、再推到应检查的部件，走的是本体中「征兆—故障—部件」的关系链。关系链在本体中显式存在，推理过程因此可解释、可核对；若靠模型隐式学习，结论无从追溯。 **取证据，用于支撑结论。** 五个通用场景（管理制度问答、技术标准问答、标书问答、决策数据问答、合同合规审查）的回答必须给出依据，而依据的来源是知识库中带出处的条目。条目的组织方式由本体决定——制度按条款层级切分、标准按条文编号索引、指标按业务域归集。没有这套组织，检索到的只是相似文本，不是可引用的依据。 正因为三样东西都来自同一个本体，十一个场景之间不是十一套独立实现。一个场景在使用中发现本体的某处定义不准，修订后十一个场景同时受益；反过来，本体的任一缺陷也会在多个场景上同时显现——这使缺陷更容易被发现，而不是被某一个场景的特殊处理掩盖过去。 ##### 3.0.2.4　场景验证结论回流本体：闭环的落点 本包承担场景验证服务。验证的产出有两项：场景可用性结论，以及**本体质量的实测反馈**。 场景验证中出现的错例，按归因可分三类：数据没有、数据有但没找到、找到了但判断错。第二类错例中有相当一部分根源在本体——对象没有定义、叫法没有登记、关系没有建立，于是检索不到。这类错例在验证报告中单列，按本体修订项提交知识底座环节，修订后重新验证。 这条回流路径使本体不是一次建成的静态产物，而是**随场景使用逐轮变准的工作基准**。回流的具体机制、修订的审批与版本发布规则由知识底座环节与场景验证章节分别规定。本体的修订不由项目组单方面决定，类目与值域的调整须经相应业务部门确认：这既是口径权属的要求，也用于防止把单个场景的特例当作普遍规律写进定义。 ##### 3.0.2.5　技术主线图 下图把本体中枢与四个方向的关系画在一处。图的读法是：左侧四个业务域与外部语料的数据经采集与规范化后，在中枢处完成对象归并与口径对齐；中枢向右约束四大数据集的加工口径，并向最右侧十一个场景智能体供给定义、关系与证据；底部的回流箭头表示场景验证中发现的本体缺陷按修订项返回中枢。 技术主线：知识本体作为数据与场景之间的中枢 数据来源 知识本体中枢 四大数据集 场景智能体 供需计划域 产品工艺设计域 制造过程域 产品质量域 通用与外部语料 采集接入 · 规范化 七类目 · 属性 · 关系 设备与部件 工艺与工序 故障模式 质量特性与检验项 物料与物料清单 供应商与合同 能耗与工况 术语表 · 同义词别名表 标准映射对照表 基准编码 · 时间基准 对象归并 · 口径对齐 预训练子集 615 亿 Token 指令微调子集 89 万条 强化学习偏好子集 6.6 万组 基准测试子集 0.95 万条 标注口径 · 合成约束 均取自本体 六个专业场景 产品智能选型 板材备料工艺设计 库存控制智能化 热处理过程监控 焊接过程控制监控 刮板装备健康诊断 五个通用场景 管理制度智能问答 技术标准智能问答 标书智能问答 决策数据智能问答 合同合规智能审查 数据集用于训练与评测 本体向场景供给：定义 · 关系 · 证据 场景验证错例按归因回流：本体修订项 这条主线决定了三件事的做法 一、加工口径不靠事后比对一致，而靠共用同一份本体定义；十个环节、25 个工具的产出因此天然同口径。 二、十一个场景不是十一套独立实现；本体的一处改进同时作用于全部场景，本体的一处缺陷也在多个场景同时显现。 三、场景验证的结论有确定去向：错例按归因拆成数据缺口、检索缺口与判断缺口，其中检索缺口回流为本体修订项。 注：本图为技术主线示意，层次与接口的完整定义见第 3.0.4 节、第 3.0.5 节。 图 3-1　技术主线：知识本体作为数据与场景之间的中枢。数据层四类数据集的规模依招标文件逐数据集规模表；本体七类目依数据资源建设要求中知识本体与知识库的构成；十一个场景依场景验证服务要求；评测三维度依 TC609-5-2025-04。图中「场景验证」一栏的动词为验证，本包不负责智能场景的建设（见第 1.1.1 节）。 ##### 3.0.2.6　国际同类实践的借鉴与本土化取舍 把本体立为中枢，不是本方案的独创，而是国际上企业级数据与智能系统近十年逐步形成的共识做法。其中较有代表性的是 Palantir 的 Foundry 体系：它把企业的数据资产映射为「对象—属性—链接」构成的语义层，使分析与操作都以业务对象为单位进行，而不是以表和字段为单位；在此之上再叠加受治理的动作定义与模型绑定，使模型的推理结果可以落到具体业务动作上。这一思路的价值在于它回答了一个传统数据仓库回答不了的问题：**数据与业务之间的语义断层由谁来弥合。** 本方案在三点上借鉴这一思想。其一，**以对象而非表为组织单位**：本体七类目定义的是矿山装备制造的真实对象，数据集的组织、检索的入口、场景的推理都围绕对象展开。其二，**语义层与治理一体**：分类分级、权限、血缘、质量规则不是建成之后再加的管控，而是与本体同时定义、随本体版本一同发布。其三，**模型只做推理，确定性计算外置**：工艺参数的核算、定额的计算、规则的判定交由算子与规则库执行，模型负责理解与组织表述，这一分工在工具链与训推服务章节都已落实。 同时，有三点必须按国内实际与本项目实际作不同处理，不能照搬。 **第一，技术栈必须自主可控。** 本项目的全部平台与工具链在国产操作系统、国产数据库、国产中间件与国产算力环境上构建与运行，适配结论按四层分别验证并出具报告（见非功能性章节）。国外体系的工程思想可以借鉴，技术实现不能依赖。本方案不引入任何需要境外服务或境外许可支撑的组件，数据不出企业内网，模型调用经统一网关在内网完成。 **第二，边界必须符合我国法规与行业管理要求。** 煤机装备的技术数据与设备参数涉及生产技术信息，其分级、使用与开放范围按《中华人民共和国数据安全法》与招标方的密级管理规定执行。国外体系强调的「对外部业务系统执行写入」这一能力，在本项目中不作为建设内容：本包的定位是数据加工生产与场景验证，对源业务系统**只读不写**，任何回写需求由招标方在其系统建设中另行决策。这既是责任边界，也避免在数据治理尚未成熟的阶段引入不可控的操作风险。 **第三，本体内容必须长在煤机装备的行业土壤上。** 通用的对象模型解决不了 28 道备料工序的工序划分、埋弧焊与气保焊在参数含义上的差别、井下工况对设备健康判据的影响这类问题。本方案的本体类目、属性值域与关系定义，全部取自招标方的工艺规程、检验规程、制图标准与现场实践，并经相应业务部门确认。这一部分没有国际经验可循，只能靠逐项梳理与确认——它也是本方案区别于通用数据平台方案的实质所在。 ##### 3.0.2.7　本体与数据集面向企业智能系统的工程含义 本包的交付物是数据集、工具链、平台与评测结论，不含智能体建设。但数据集建成之后要被谁用、怎么用，决定了它现在应该怎么建。这一点必须在总体方案里讲清，否则加工口径容易只盯着交付当时的指标，而忽略数据集的长期可用性。 招标方建设四大数据集的目的，是支撑矿山装备制造领域的行业大模型与企业智能应用。这类应用与传统信息系统的差别，在于它的能力上限不由程序逻辑决定，而由**数据的语义质量**决定——同样规模的语料，口径一致、对象归并、出处可查的那一份，训练出的模型在专业场景上的表现会明显更好；而口径混乱的语料，规模再大也只能学到表面相关。这正是本方案把本体立为中枢的现实理由。 具体而言，本体与数据集为后续的企业智能应用准备了四项基础条件。 **第一，高保真的上下文。** 智能应用在回答专业问题时，需要的不是相似文本，而是锚定到具体对象的事实。本体提供对象标识与属性，知识库提供带出处的条目，两者合起来使应用的回答可以指向「哪台设备、哪道工序、依据哪一条规程」。这是减少凭空作答的根本办法——约束来自数据结构，而不是来自提示词技巧。 **第二，可解释的推理链路。** 本体中的关系是显式的，从征兆到故障、从工序到质量特性的推理路径可以被列出、被核对、被业务专家判断对错。对煤机装备这类后果严重的领域，结论可解释不是加分项而是必要条件：一个无法说明理由的诊断建议，现场不会采用。 **第三,可治理的访问边界。** 数据分级分类与权限控制挂在本体对象上，而不是挂在表和文件上。这使得后续应用在调用数据时，可按对象粒度、按字段敏感度控制可见范围——同一个问答应用，对工艺人员与对外部人员可以返回不同详细程度的内容，而无需为此准备两套数据。 **第四，可持续的迭代机制。** 场景验证的错例按归因回流为数据补采项、本体修订项与标注规范修订项三类。这一机制在本项目期内用于提升数据集质量，项目结束后可由招标方按同一流程继续运行——交付的不只是一批数据，还有一套让数据越用越准的办法。 需要明确的是，上述四项是本包交付物所具备的性质，不是本包承诺的应用成效。智能应用的实际效果取决于应用自身的设计与后续建设投入，本方案承诺的是数据集与本体在上述四个方面的工程质量，并以可核验的方式交付：对象归并率、出处完整率、关系覆盖度、分级标注覆盖率均列入验收口径，逐项实测并出具报告。 ##### 3.0.2.8　本方案的四项技术亮点 把前述主线收成四点，便于逐项对照查看。 **亮点一，一套本体贯穿五段链路。** 采集的对象锚定、加工的标注口径、合成的参数约束、检索的证据组织、验证的归因判据，全部以同一份本体为基准。口径一致由机制保证，而非靠事后比对补齐。 **亮点二，门控位置按错误代价设置，而非均匀分布。** 七道门设在错误代价开始放大的那几步之前；门与自动检查分开，门需签字确认，检查由系统执行。这一设计使质量控制既有效又不至于压垮进度。 **亮点三，错例归因三分法，使验证结论有确定去向。** 数据缺口回流采集与补采，检索缺口回流本体与知识库，判断缺口回流标注规范与模型侧。三类各有责任方与处置时限，不出现「问题记录在案但无人处置」的情形。 **亮点四，国产化适配按四层分别验证。** 运行层、依赖层、性能层、生态层各有验证方式与遗留项清单，适配结论逐层出具，不以某一层通过代表整体适配。这使国产化不是一句承诺，而是一组可核查的结论。 #### 3.0.3　总体架构的分层构成 总体架构按六层一横一纵组织。六层是数据资源层、采集接入层、知识底座层、加工生产层、训练与评测层、运营服务层；一横是数据治理管控层，在六层之上横向贯穿；一纵是安全与国产化底座，自下向上纵向支撑。场景验证服务跨训练与评测层、运营服务层展开，是本包三类交付成果之一。 奔牛数据智能平台总体技术架构（六层一横一纵） 安全与 国产化底座 商用密码服务 平台（b0693） 国密加解密 服务器密码机 分类分级与 出域控制 等保三级 密评（b1879） 国产化比率 ≥80%（b0677） 算力与存储 网络与芯片 RBAC 与 三员分权 审计日志 留痕与计量 详见本卷 安全方案节 与非功能性 技术要求节 横向管控层：数据治理（b1215、3.2.6.1） 数据标准 · 质量规则 · 安全分级 · 元数据与血缘 · 九大能力域 · 决策数据指标体系——在以下每一层生效 第六层　运营服务层（3.2.4、3.2.6.6）：17 个功能模块 目录与元数据 · 上传下载 · 检索预览 · 版本与动态更新 · 权限 · 确权与挂牌 · 登记注册 · 数据集服务 订单 · 交易合同 · 交易费用 · 交付 · 清算 · 审计 · SLA 保障 · 对外接口　｜　接入国家数据基础设施（三统一，b0676） 第五层　训练与评测层（3.2.6.2）：三域一网关 训练域 配比预实验 · 继续预训练 · 微调· 对齐 评测域（冻结沙箱） 基准集不向训练域开放 推理域（内网隔离区＋受控区） 统一模型接入与评测网关在三域之上 第四层　加工生产层（3.2.6.3、3.2.3） 十环节加工链：采集→预处理→本体→知识库→标注→合成→增强→质检→验证→项目管理 专项智能工具链 9 类 25 个（b0917） 七道质量门（入口 · 预处理 · 口径 · 终审 · 标注 · 合成增强 · 版本）＋ 三类定向回流（b1215） 第三层　知识底座层（3.2.6.3.3、3.2.6.3.4） 知识本体（类目 · 属性 · 关系） ｜ 知识库（知识条目 · 图谱 · 检索索引 · 三元组） ｜ 主数据与对象主键 ｜ 时间基准 作用：标注口径、合成约束、检索证据的唯一来源——四个数据集共享，不各建一套 第二层　采集接入层（3.2.2） 五类通道：数据库只读 · 接口服务 · 文件与图纸 · 时序测点 · 离线与纸质录入　｜　接入四要素核验与登记 增量水位线 · 入口脱敏 · 格式合规校验 · 批次成形与采集记录 · 对象主键贯通 第一层　数据资源层（甲方既有，非本包建设） 17 套业务与设备系统 ｜ 五类 46 台现场感知与检测设备 ｜ 离线资料与纸质记录 ｜ 外部语料与公共数据 场景验证服务（3.2.6.5）：跨第五、第六层展开，六个专业场景＋五个通用场景 以场景业务任务检验数据集效果，产出可用性结论与整改任务单——不含场景本身的建设（b0684） 图 3-2　总体技术架构。向上箭头为数据与成果的主流向；治理层横向贯穿六层，安全与国产化底座纵向支撑六层。数据来源：架构骨架依招标文件 `b1215`；各层条目依第 3 章对应章节号（3.2.2、3.2.3、3.2.4、3.2.6.2、3.2.6.3、3.2.6.5）；功能模块依 `b0804r04` 实列 16 项并另增 1 项（`b1198`）；25 个工具链依 `b0917`；硬件台数依第五章硬件采购清单。 #### 3.0.4　六层的职责与交接物 架构图给的是位置关系，真正决定可实施性的是层与层之间交什么、交到什么状态算完成。下表把六层的职责与交接物逐层写明，交接物的格式与字段在各节细化。 表 3-3　六层的职责、交接物与完成判据 | 层 | 本层职责 | 向上一层交什么 | 完成判据 | 详述位置 | |---|---|---|---|---| | 第一层 数据资源层 | 甲方既有系统与资料，本包不建设，只按授权范围取数 | 源系统的只读数据、离线资料、设备时序 | 授权书面确认、接口可连通、样本可取回 | 本卷 T12 第三部分 | | 第二层 采集接入层 | 五类通道接入、接入四要素核验、增量识别、入口脱敏、批次成形 | 带批次号与采集记录的原始数据，写入落地区 | 入口门通过：四要素齐备、格式合规、脱敏生效、批次台账登记 | 本卷 T12、T1A 第二部分 | | 第三层 知识底座层 | 本体类目与关系定义、知识库建设、主数据与对象主键、时间基准统一 | 本体版本、术语表、知识条目与图谱、检索索引、主键映射表 | 口径门与终审门通过：类目与关系经评审、与企业既有编码对齐、检索可用 | 本卷 T1A 第四、第五部分 | | 第四层 加工生产层 | 十环节加工、25 个工具链执行、七道门判定、定向回流 | 经质检与验证通过并冻结的数据集版本，含数据体、数据卡、质检与验证报告、血缘清单 | 版本门通过：规模、模态、时效、六维质量指标达判据，血缘完整 | 本卷 T1、T2 | | 第五层 训练与评测层 | 训练配比与四阶段训练、评测沙箱、多阶段评测与错题归因 | 知识注入有效性报告、能力增量结论、结构化整改任务单 | 评测可复现（同种子同版本同结果）、增量结论有对照 | 本卷 T13 | | 第六层 运营服务层 | 功能模块（招标列明 16 个＋我方增建 1 个）：登记注册、目录与元数据、确权挂牌、订单与交付、清算与审计、SLA 保障、对外接口 | 可对外交付的数据集服务与交易记录 | 版本登记完成、目录可检索、交付通道可用、SLA 指标可度量 | 本卷 T3 | | 横向 治理管控层 | 标准、质量规则、安全分级、元数据与血缘；九大能力域规划与实施 | 在每层生效的标准与规则，以及 DCMM 贯标所需执行记录 | 规则在平台上可执行、执行记录可追溯 | 本卷 T4 | | 纵向 安全与国产化底座 | 密码服务、分类分级与出域控制、等保与密评、国产化适配 | 各层可调用的密码服务与安全管控能力 | 密码应用按设计落点生效、测评与评估结论出具、国产化测算表完成 | 本卷 T10、T11 | 表 3-3 数据来源：层次划分依招标文件 `b1215` 的生产逻辑规定；交接物与判据依各层对应章节的要求条目（3.2.2、3.2.3、3.2.4、3.2.6.1—3.2.6.5）。 六层之中有两层需要特别说明其边界，因为它们容易与甲方既有工作混淆。第一层数据资源层不在本包建设范围，本包对它的要求只有一件：按已授权范围开放只读数据接口。我方不替换、不重建其中任何一套系统，源系统的改造需求若出现，按变更流程另议（详见本卷「系统集成方案」节第七部分与「数据资源采集接入」节第二部分的前置条件）。第六层运营服务层属于本包建设范围，但其运营工作本身（挂牌定价、客户拓展、交易撮合）在质保期内由我方提供支持、由甲方主导，机制与分工见本卷「技术创新与机制创新」节运营体系一段。 六层逐层的构成、设立依据、上下层接口与产出消费方如下。六层之中任何一层被当成可以省略的中间环节，省下的工作量都会以返工的形式在下游出现，因此每一层的边界与交接物均须在实施前固化。 ##### 3.0.4.1　第一层　数据资源层 本层是甲方既有的数据资产，不在本包建设范围。构成为三部分：十七套业务与设备系统（CRM、ERP、SCM、QMS、WMS、MES、LMS、EMS、SOS、EAM、PLM、SCADA、OA、久其系统、主数据管理平台、热处理群控系统、安全监管平台，依 `b0804r02`、`b0807`）；离线非结构化资料，含业务域文档、图片、工程图纸、技术书籍、财务票据与音视频（`b0911`）；本项目新增的五类 46 台现场感知与检测设备（`b2150r02`—`b2150r06`），设备本体由本包供货安装，其产生的数据归甲方。 本层单列成一层而不并入采集环节，原因是本包与甲方的责任边界就划在这一层与第二层之间，划不清楚会在实施期反复扯皮。本包对本层的要求只有三件，都是前置条件而非建设内容：按已授权范围开放只读数据接口或文件通道；提供数据库连接信息、接口信息或 FTP 信息（`b0813`、`b0820`、`b0827` 等各系统同类条目）；提供数据字典或数据库设计说明书（`b0815`、`b0822`、`b0829`）。我方不替换、不重建其中任何一套系统，源系统的改造需求若出现，按变更流程另议。 接口形式按源系统的条件分别确定，取数时段按各系统要求安排在业务低峰（各系统条目均写明例如 0 点至 5 点）。本层的产出被第二层消费，消费方式是只读抽取与文件取回，不回写。 ##### 3.0.4.2　第二层　采集接入层 本层有五类通道：数据库只读抽取、接口服务调用、文件与图纸取回、时序测点订阅、离线与纸质录入。每类通道内含五个固定动作：接入四要素核验（源系统、授权范围、字段清单、责任人）、格式合规校验、入口脱敏、增量水位线识别、批次成形与采集记录登记。本层还承担对象主键的初次贯通尝试，即在批次成形时写入可识别的业务主键。 本层单列而不由加工环节直连源库，有三条理由。其一，脱敏必须在入口完成：高敏字段一旦进入加工域再脱敏，加工域就已经留下了副本，分类分级的管控失效。其二，增量识别必须在入口完成：十七套系统的增量判定方式各不相同，有的有时间戳、有的只能靠主键比对，这件事放到下游做会导致每个加工环节各写一套增量逻辑。其三，批次号必须在入口生成：批次号是后续血缘、定向回流与版本登记的唯一串联键，它若不是在数据第一次进入我方平台时生成，中间就一定有一段无法追溯。 向上交接的是带批次号与采集记录的原始数据，写入落地区，并附数据源登记台账与增量水位线对账结果。交接判据是入口门通过：四要素齐备、格式合规、脱敏生效、批次台账登记完成。本层产出被第四层加工生产层消费，登记台账与水位线同时被横向治理层消费（用于元数据与质量规则的执行记录）。 ##### 3.0.4.3　第三层　知识底座层 本层有四件东西：知识本体（类目、属性、关系）、知识库（知识条目、图谱、检索索引、三元组）、主数据与对象主键映射表、时间基准与折算规则。本体的工序类目按工艺部门确认的 28 道备料工序字典建立，部件层级按链条、链轮、溜槽、电机、减速器、液压系统等刮板输送装备部件构成建立。 底座须先立，依据是招标文件已把本体与知识库定为标注口径、合成约束与检索证据的唯一来源（`b1215`）。若不先立，三件事会同时失控：标注员各自按理解给标签，同一缺陷在不同批次里有不同名字；合成样本没有约束条件，生成出与工艺事实冲突的内容；检索增强给不出可核对的出处。这三件事的共同特点是发现得晚、返工量大——它们都要到质检或场景验证阶段才暴露，而那时相关批次已经加工完毕。 与下层的接口是从第二层取规范化样本与术语原料；与上层的接口是向第四层下发本体版本、术语表、标注口径与合成约束，向第五层提供检索证据与评测题目的事实依据。交接判据是口径门与终审门通过：类目与关系经评审、与企业既有编码对齐、检索可用。本层产出被第四层、第五层共同消费，且被四个数据集共享——四集共用一套底座，不各建一套，这是本架构与按数据集分别建库的做法的主要差别。 ##### 3.0.4.4　第四层　加工生产层 本层是本包工作量的主体，有三块内容：十个加工环节（采集、预处理、本体构建、知识库建设、标注、合成、增强、质检、验证、项目管理）、9 类 25 个专项智能工具链（`b0915`、`b0917`）、七道质量门与三类定向回流。 环节细分到十个而不按采集—加工—交付三段组织，原因是门控的位置由环节边界决定。每一个环节之后设一道判定，一批数据的问题最多向后传递一个环节；若只分三段，问题会积累到交付段才暴露，返工的范围就是整段而不是单个算子。这一层的设计取舍已在第 3.0.1 节第三条交代。 与下层的接口是从第二层取原始数据、从第三层取本体与口径；与上层的接口是向第五层交冻结封装的数据集版本（数据体、数据卡、质检报告、验证报告、血缘清单），向第六层交版本封装包与登记信息。交接判据是版本门通过：规模、模态、时效与六维质量指标达判据，血缘完整。本层产出的消费方有三个：第五层用于训练与评测，第六层用于对外交付，服务方案卷的质量评测节用于外部评测送检。 ##### 3.0.4.5　第五层　训练与评测层 本层按三域一网关组织：训练域（配比预实验、继续预训练、指令微调、偏好对齐）、评测域（冻结沙箱）、推理域（内网隔离区与受控区），三域之上是统一模型接入与评测网关，承担鉴权、数据分级校验、多协议适配、调用计量留痕与版本路由。 评测域做成与训练域隔离的冻结沙箱，原因是基准测试数据集一旦进入训练数据，评测结论就失去意义，而本项目的交付物价值恰恰要靠评测结论来证明。隔离的代价是沙箱内的运维成本与评测作业的排队，收益是模型替换之后评测结论仍然可比（依 `b1354` 的可复现要求）。这也是全卷唯一一条写成无回退的技术约束。 本层单列而不把数据集直接交出，原因是本包承诺的不是「交付了多少数据」，而是「数据管用」。管用与否要靠两个证据：知识注入有效性（同一基准在注入前后的能力差）与错题归因（答错的题对应哪一批样本的缺陷）。这两个证据只能在训练与评测环节产生。 与下层的接口是从第四层取数据集版本、从第三层取事实依据；与上层的接口是向第六层提供可对外说明的能力增量结论，向第四层反向交付结构化整改任务单——这条反向接口就是 `b1215` 要求的定向回流在层间的体现。交接判据是评测可复现（同版本、同种子、同结果）且增量结论有对照基准。 ##### 3.0.4.6　第六层　运营服务层 本层承载的功能模块共 17 个，其中招标文件服务采购清单列明 16 个、我方额外增建 1 个：目录与元数据、上传下载、检索预览、版本与动态更新、权限、确权与挂牌、登记注册、数据集服务、订单、交易合同、交易费用、交付、清算、审计、对外接口（以上 15 项与国家数据基础设施对接能力 1 项，合计为招标列明的 16 项），以及我方增建的平台服务与 SLA 保障模块 1 项。对接国家数据基础设施按统一目录标识、统一身份登记、统一接口要求实施（`b0676`、`b1206`）。模块数量取采购清单实列的 16 项并另增 1 项（`b0804r04`、`b1198`），高于 `b0685` 的不少于 14 个模块要求。 本层的设立依据是：招标文件对本项目的目标不止于建成数据集，还要求数据集可服务行业用户、可在交易所挂牌上架交易（`b0676`）。没有这一层，数据集停在资产状态，政策要求的资本转化一段就没有承载物。 与下层的接口是接收第四层的版本封装包与登记信息、接收第五层的能力增量结论作为挂牌说明材料；对外接口按三统一要求提供目录、服务与交易接口。交接判据是版本登记完成、目录可检索、交付通道可用、SLA 指标可度量。本层产出被外部用户消费；其运营工作本身（挂牌定价、客户拓展、交易撮合）在质保期内由我方提供支持、由甲方主导。 ##### 3.0.4.7　横向　数据治理管控层 本层横向贯穿六层，内容是五类管控对象：数据标准（术语、主数据、参考数据、数据元、指标）、质量规则库、分类分级结论、元数据与血缘库、九大能力域的治理实施记录，另含治理实施要求的决策数据指标体系（`b1759`）。 治理层设为横向而非前置阶段，取舍理由见第 3.0.1 节第一条：治理规划的九大能力域成果需要数月，而加工必须尽早启动。横向的含义是治理的产出在每一层都生效而不是只在开头生效——标准在采集层决定字段清单、在知识底座层决定类目命名、在加工层决定质检规则、在运营层决定目录元数据字段。 接口是双向的：向各层下发标准与规则，从各层接收元数据与执行记录。交接判据是规则在平台上可执行、执行记录可追溯。本层产出的消费方是全部六层，另外被 DCMM 贯标评估消费。 ##### 3.0.4.8　纵向　安全与国产化底座 本层纵向支撑六层，内容是：商用密码服务平台与服务器密码机承担的国密加解密（`b0693`、`b2150r02`）、数据分类分级与出域控制、等保三级与密码应用安全性评估、RBAC 与三员分权、审计日志留痕与计量，以及数据库、安全软件、云平台、服务器、存储、网络、芯片的国产化适配与比率测算（`b0677`）。 安全做成纵向底座而不在每层各设一套安全措施，原因是安全管控的有效性取决于是否存在绕过路径。分级在采集层做、出域控制在网关层做、留痕在交付层做，这三处若各自实现，就会出现分级结论在网关层读不到的情况，而那正是高敏数据出域的典型漏洞。底座的做法是三处共用同一套分级结论与同一套审计日志。 接口是向各层提供可调用的密码服务与安全管控能力，从各层接收调用记录。交接判据是密码应用按设计落点生效、测评与评估结论出具、国产化测算表完成。本层产出被全部六层消费，测评与评估结论同时作为验收材料。 #### 3.0.5　层与层之间的接口清单 层间接口按施工口径逐条编号列出，每条给出传递内容、形式、触发时机与失败处理。失败处理一列是本表的要点：集成项目的实际故障大多不在接口不通，而在接口通了但上游给的内容不合格，而下游没有拒收的依据。 表 3-4　层间接口清单 | 编号 | 上游 | 下游 | 传递内容 | 形式 | 触发时机 | 失败处理 | |---|---|---|---|---|---|---| | I-01 | 第一层 源系统 | 第二层 采集接入 | 结构化业务数据 | 数据库只读抽取 | 按日或按周调度，取数窗口安排在业务低峰 | 连接失败按重试策略重试，连续失败登记阻塞项并通知数据源责任人 | | I-02 | 第一层 源系统 | 第二层 采集接入 | 接口型业务数据 | 接口服务调用 | 按调度或按事件 | 返回码异常记入采集记录，该批次不成形 | | I-03 | 第一层 源系统 | 第二层 采集接入 | 图纸、工艺卡、报告等文件 | 文件通道取回原生文件 | 按批次清单取回 | 文件缺失或不可读的逐条登记缺口清单，不以空记录占位 | | I-04 | 第一层 设备侧 | 第二层 采集接入 | 时序测点数据 | 测点订阅或历史段导出 | 实时订阅与按段补采并行 | 断点按水位线补采，补采不全的时段在数据卡标注 | | I-05 | 第一层 离线资料 | 第二层 采集接入 | 纸质件与音视频 | 扫描录入与影像增强 | 按专项批次 | 清晰度低于可读阈值的转人工或退回重扫 | | I-06 | 第二层 采集接入 | 第四层 加工生产 | 带批次号的原始数据 | 落地区数据对象＋采集记录 | 入口门通过后即可被取用 | 入口门不通过即阻断，不进落地区正式分区 | | I-07 | 第二层 采集接入 | 横向 治理层 | 数据源登记台账、增量水位线与对账结果 | 元数据写入 | 每次采集作业结束 | 对账差异超约定范围的挂起该批次并复采 | | I-08 | 第二层 采集接入 | 第三层 知识底座 | 术语与编码原料、主键候选值 | 规范化样本抽样 | 本体建设期与本体版本修订期 | 主键候选值不唯一的登记为待裁定项，不自行选定 | | I-09 | 第三层 知识底座 | 第四层 加工生产 | 本体版本、术语表、标注口径、合成约束 | 版本化发布 | 本体发版后生效，历史批次按影响范围复核 | 口径门不通过的本体版本不发布，相关批次暂不进标注 | | I-10 | 第三层 知识底座 | 第五层 训练与评测 | 检索索引、三元组、事实依据 | 检索服务与知识库查询 | 评测题目编制期与检索增强样本构建期 | 检索不可用时退到结构化检索加人工确认 | | I-11 | 第三层 知识底座 | 全层 | 对象主键映射表、时间基准折算规则 | 映射服务与折算函数 | 映射表发版后全层生效 | 映射不成立的部分标注关联缺口，下游不强行拼接 | | I-12 | 第四层 加工生产 | 第五层 训练与评测 | 冻结封装的数据集版本 | 版本封装包（数据体、数据卡、质检报告、验证报告、血缘清单） | 版本门通过并冻结后 | 版本门不通过的不得送训，缺陷按归因结果定向回流 | | I-13 | 第四层 加工生产 | 第六层 运营服务 | 版本封装包与登记信息 | 移交登记（依 `b1575`、`b1576`） | 版本冻结且登记信息齐备后 | 登记信息字段缺失的退回补齐，不先挂牌后补 | | I-14 | 第四层 加工生产 | 横向 治理层 | 元数据与算子级血缘、质检执行记录 | 元数据与血缘写入 | 每个算子执行即写入 | 血缘写入失败的该算子输出不计入版本 | | I-15 | 第五层 训练与评测 | 第四层 加工生产 | 结构化整改任务单（错题归因结果） | 任务单推送至加工任务池 | 每轮评测结论出具后 | 归因不明确的任务单先转专家库裁定，不直接下发返工 | | I-16 | 第五层 训练与评测 | 第六层 运营服务 | 知识注入有效性报告、能力增量结论 | 文档与指标项 | 阶段评测完成后 | 结论无对照基准的不作为挂牌说明材料 | | I-17 | 第六层 运营服务 | 外部用户 | 数据集目录、服务与交易接口 | 对外接口（按三统一要求） | 挂牌后按订单触发 | 权属或使用限制不明确的不开放交付 | | I-18 | 横向 治理层 | 全层 | 数据标准、质量规则库、分类分级结论 | 平台可执行规则与标准发布 | 标准发布后生效，变更按版本管理 | 规则在平台上不可执行的不计为发布完成 | | I-19 | 纵向 安全底座 | 全层 | 密码服务、脱敏能力、出域控制策略 | 服务调用（国密加解密、分级校验） | 涉及敏感数据的每一次读写与出域 | 密码服务不可用时该操作阻断，按应急通道人工审批放行并留痕 | | I-20 | 全层 | 纵向 安全底座 | 调用记录、审计日志、出域计量 | 日志写入 | 每次调用即写入 | 日志写入失败的操作视为未完成并回滚 | 表 3-4 数据来源：接口划分依招标文件 `b1215` 的生产逻辑与各层对应章节要求（3.2.2、3.2.3、3.2.4、3.2.6.1—3.2.6.5）；取数时段与连接方式依 3.2.2.1 各系统集成要求；移交登记依 `b1575`、`b1576`；失败处理为我方实施口径。 表 3-4 中 I-15 是唯一一条自上而下的接口，承载定向回流。它与 I-12 对照即能看出本架构为什么是有向无环而不是循环：I-12 传的是数据，I-15 传的是任务单；数据只向上走，任务单只向下走，两者不在同一条通路上，因此不构成数据的循环依赖。这一点在实施期的检查办法是：任取一张整改任务单，确认它指向的是具体环节、具体批次与具体算子，而不是「数据集质量待提升」这种无法施工的描述。 #### 3.0.6　数据流转全景与门控、交付物的位置 分层视图给出的是系统的组成，数据流转全景给出的是运行过程：数据从哪进来到哪出去、谁在什么时候判定合格、在哪一步产生交付物。三者画在同一张图上，便于按同一条路径核对流程、门控与交付物三项。 数据流转全景：源系统到对外交付，含七道质量门与交付物产生点 质量门 ① 入口门 ② 预处理门 ③ 口径门　④终审门 ⑤ 标注门　⑥合成增强门 ⑦ 版本门 源系统与设备 17 套 ＋ 46 台 采集接入 五类通道 预处理与 规范化 知识底座 本体与知识库 标注·合成 ·增强 质检与版本冻结 四集 × 四用途子集 交付物 数据源登记台账 采集记录 增量水位线 规范化样本 缺口清单 脱敏生效记录 本体版本与术语表 知识条目与图谱 主键映射表 标注规范 一致率记录 合成来源标识 数据体＋数据卡 质检报告 血缘清单 训练与评测 三域一网关·冻结沙箱 场景验证 6 专业 ＋ 5 通用 运营服务 对外交付与接入 国家数据基础设施 知识注入有效性报告 能力增量结论 错题归因任务单 版本登记与挂牌记录 交付通道与订单记录 SLA 监控报表 盖章评测报告 数据质量档案 接入技术方案与记录 定向回流（只走任务单，不走数据） 评测错题归因、场景验证未通过项、外部评测缺陷清单 → 按血缘定位到具体环节、具体批次、具体算子 → 退回该处重做，不整条链重做 说明：上排为七道质量门的位置，中排为数据流转的主路径，下排为该处产生的交付物；虚线为任务单回流 源系统与设备框为虚线，表示不在本包建设范围；本包交付责任起于原始数据写入落地区，止于版本移交运营平台并登记完成 登记·确权挂牌·交付·清算 各场景验证报告 数据可用性结论 整改任务单 图 3-3　数据流转全景与七道质量门、交付物产生点。数据来源：流转路径与门控设置依招标文件 `b1215` 的生产逻辑规定与 3.2.6.3 各环节要求；交付物依各环节的成果要求与 `b1575`、`b1576` 的移交登记要求；场景数量依 `b0684`；接入要求依 `b0676`、`b1840`；源系统与设备数量依 `b0804r02`、`b2150r02`—`b2150r06`。 全景图上有三处是本方案的设计结论，不是对招标文件的复述，需要在此说明。 第一处，门的数量是七道而不是两道。招标文件只明确质检为训练前门控、验证为训练后终验（`b1215`）。我方增设五道的理由已在 6.1 第三条交代，这里补一句实施口径：七道门共用一套指标定义，上游门已判定合格的项目，下游门不重复判定，只判定本环节新增的风险项——否则七道门会变成七次全量复查，工期承受不了。 第二处，交付物在过程中产生，不在末段集中补写。采集记录、缺口清单、一致率记录这类材料，若等到交付前再整理，就只能凭回忆补，补出来的材料经不起核对。我方的做法是把它们作为各环节任务的完成条件之一：任务状态要推到完成，对应的记录必须已经写入，由平台的任务状态机强制。 第三处，回流只走任务单不走数据。这条设计把数据的流向保持为单向，从而满足有向无环的要求；同时让返工的范围可控——任务单指到具体算子，重做的就是那个算子的那一批输出，上下游其他批次不受影响。 表 3-5　七道质量门的判定对象、判定项与回退终点 | 门 | 位于何处 | 判定对象 | 主要判定项 | 判定主体 | 不通过时退到 | 该处产生的交付物 | |---|---|---|---|---|---|---| | ① 入口门 | 采集接入之后 | 一个采集批次 | 接入四要素齐备、格式合规、入口脱敏生效、批次台账登记完成 | 采集作业责任岗加平台自动校验 | 退回源系统侧补齐授权或字段，批次不成形 | 数据源登记台账、采集记录、增量水位线对账结果 | | ② 预处理门 | 预处理与规范化之后 | 一个预处理批次 | 解析成功率达阈值、字段取值域校验通过、重复与冲突记录已标识 | 加工作业责任岗 | 退回预处理算子重跑；解析置信度低的转人工复核队列 | 规范化样本、缺口清单、人工复核台账 | | ③ 口径门 | 本体版本发布前 | 一个本体版本 | 类目与关系经评审、与企业既有编码对齐、术语无歧义 | 口径评审组加甲方业务部门确认 | 本体版本不发布，相关批次暂不进标注 | 本体版本、术语表、口径评审记录 | | ④ 终审门 | 知识库交付前 | 一批知识条目 | 条目有出处、三元组可核、检索可用、与本体一致 | 知识库终审岗加专家库抽审 | 退回知识条目加工环节，缺出处的条目不入库 | 知识条目与图谱、检索索引、终审记录 | | ⑤ 标注门 | 标注之后 | 一个标注批次 | 标注员间一致率达下限、规范引用的术语全部出自本体、抽检返工率在约定范围 | 标注质检岗加专家库仲裁 | 整批返工并修订标注规范，必要时重做培训与考核 | 标注规范、一致率记录、仲裁记录 | | ⑥ 合成增强门 | 合成与增强之后 | 一个合成批次 | 合成样本带来源标识、占比未超子集上限、与知识库事实无冲突、去重与相似度过滤通过 | 加工质检岗 | 下调合成占比并重新生成；与事实冲突的样本作废 | 合成来源标识、占比统计、去重报告 | | ⑦ 版本门 | 版本冻结前 | 一个数据集版本 | 规模、模态、时效达承诺基线；六维质量指标达判据；血缘完整；数据卡字段齐备 | 版本评审组 | 不得送训与移交；按归因结果定向回流到具体环节与批次 | 数据集版本（数据体、数据卡、质检报告、验证报告、血缘清单） | 表 3-5 数据来源：门控设置依招标文件 `b1215`；各门判定项依对应环节的要求条目（3.2.6.3.1—3.2.6.3.10）与 3.2.6.4 指标要求；一致率与仲裁机制依 3.2.6.3.5 标注要求与 3.2.6.9 标注规范建设要求；六维质量维度依 `b0670`。各门的具体判定阈值与执行记录格式见本卷「数据加工生产（一）」节 1.4 与「数据加工生产（二）」节第八部分。 #### 3.0.7　一条数据的完整路径 架构的可实施性最终要落到一条数据走得通。下图以一张历史图纸为例，画出它从源系统被取出到成为场景验证结论依据的完整路径，以及路径上每一步的责任主体与判据。选图纸作为例子，是因为它经过的环节最多：既要解析图元与标注，又要与工艺卡配对，还要进入多个用途子集。 一张历史图纸的完整加工路径与门控点 PLM：图纸与工艺 文件（只读授权） 按图号取回原生 图纸，批次成形 入口门 四要素 · 格式 · 脱敏 图元与标注解析 视图投影关系还原 预处理门 要素完备性抽检 与已签发工艺卡配对 按图号与版本匹配 按本体类目挂接 部件 · 工序 · 设备 口径门 28 道工序字典核对 标注：工艺要素与 加工要求标签 标注门 标注员间一致率 合成与增强：构造 指令样本与思维链 合成增强门 来源标识 · 占比上限 分流入四个用途子集 基准集不收合成样本 质检（训练前门控） 六维度指标判定 训练与评测：配比 实验与多阶段评测 验证（训练后终验） 能力增量与错样归因 版本门 规模 · 模态 · 时效 ·血缘 版本冻结与封装 数据卡 · 报告 ·血缘清单 移交运营平台登记 本包交付责任终点 场景验证：备料工艺 设计场景的可用性结论 回流通道一：质检不通过 → 退回标注或预处理环节重做（按血缘定位到算子与批次） 三类定向回流（b1215、b1357） 一　质检不通过：按不通过项定位到环节与算子，退回预处理或标注重做，重新质检；批次级回流，不影响同版本其他批次。 二　验证不通过：按错样归因结果区分脏数据、覆盖盲区、歧义标注、难度缺口四类，分别退回质检、采集、标注、合成环节。 三　场景验证未达判据：形成整改任务单，进入下一期加工计划；若属数据不足，先补采集，不以放宽判据的方式通过。 图 3-4　一张历史图纸从源系统到场景验证结论的完整路径。深底框为门控点，虚线框为本包范围外的相邻环节。数据来源：环节划分依招标文件 3.2.6.3 各小节；门控设置依 `b1215`；回流分类依 `b1215` 与 `b1357` 的错题归因要求；28 道备料工序为本投标文件既定量纲。 下表把这条路径展开为可施工的步骤。案例取 PLM 中一张编号为示意的刮板输送机中部槽图纸及其配套工艺卡片，自源系统取出起，至板材备料工艺智能设计场景给出可用性结论、并经问题归因完成整改重发为止。表中的参数取值为示意格式，实际取值按首轮试产实测确定并登记。 表 3-6　一张历史图纸从原始记录到场景验证、问题归因与整改重发的完整步骤 | 步 | 业务对象与输入 | 处理步骤 | 字段与规则 | 参数及适用条件 | 责任岗位与权限 | 异常与恢复 | 输出与交接 | 验证方法与判定依据 | |---|---|---|---|---|---|---|---|---| | 1 取数 | PLM 中的图纸文件与配套工艺卡片，按图号成对取回 | 文件通道按批次清单取回原生文件，登记采集记录 | 取数四要素：源系统、授权范围、字段清单、责任人；批次号在入库时生成 | 取数窗口安排在业务低峰；单批次规模按通道吞吐设定 | 采集作业责任岗，仅具源系统只读权限 | 文件缺失或不可读的逐条登记缺口清单，不以空记录占位；连接失败重试后仍失败的登记阻塞项并通知数据源责任人 | 落地区中带批次号的原生文件与采集记录 | 入口门①：四要素齐备、格式合规、脱敏生效、批次台账登记完成 | | 2 解析 | 落地区的图纸与工艺卡片文件 | 影像增强、版式识别、要素抽取，低置信度件转人工复核队列 | 抽取字段：图号、零部件编号、变更版本、材质、板厚、外形尺寸、下料方式、工序序列 | 解析置信度阈值按版式分档设定，阈值以首轮抽样实测标定 | 加工作业责任岗执行，人工复核队列由工艺口径确认方核验 | 置信度低于阈值的转人工；版式未覆盖的登记为新增版式并补模板，该批次挂起至模板补齐 | 结构化的图纸要素记录与工艺卡片要素记录 | 预处理门②：必填字段齐备、字段取值在值域内、解析一致性抽检通过 | | 3 配对与挂接 | 图纸要素记录、工艺卡片要素记录、主数据编码 | 按图号、零部件编号、变更版本三键建立配对关系表，并挂接到本体的「工艺与工序」「物料与物料清单」类目 | 三键全等为高可信度配对；两键相等且第三键可由变更记录推定为中可信度；其余登记为待裁定 | 可信度分档的判定规则随本体版本发布，适用于全部历史批次 | 加工作业责任岗执行配对，口径评审组裁定待裁定项 | 主键候选值不唯一的登记为待裁定项，不自行选定；配对不成立的部分在数据卡中列明，不以估算关系填补 | 图纸—工艺卡片配对关系表，含可信度标识 | 口径门③：类目与关系经评审、与企业既有编码对齐 | | 4 标注 | 配对后的图纸—工艺卡片对 | 按标注规范标注下料工序、排样方式、材料定额、工序参数 | 标签体系取自本体类目，不另立一套；每条标注登记标注员、时点与依据 | 标注员间一致率下限按任务类型分别设定，低于下限即返工 | 标注员执行，标注质检岗抽检，专家库仲裁分歧 | 一致率低于下限的整批返工并修订标注规范，必要时重做培训与考核 | 带标注的工艺样本 | 标注门⑤：一致率达下限、抽检合格、争议项已仲裁并留书面结论 | | 5 质检与封装 | 带标注的工艺样本 | 规则与模型双通道质检，通过后计量、去重、冻结封装 | 六维质量指标按 TC609-5-2025-04 的定义测量；净交付量按去重后计量 | 该子集的当期目标量依表 3-14 的产品工艺设计分域承诺量 | 加工质检岗执行，版本评审组核验并批准冻结 | 质检不通过的按归因定向回流至第 2 步或第 4 步，不触发整条链重做 | 冻结的数据集版本，含数据体、数据卡、质检报告、血缘清单 | 版本门⑦：规模、模态、时效达承诺；六维指标达判据；血缘完整 | | 6 场景验证 | 冻结的数据集版本、板材备料工艺智能设计场景的验证用例 | 在评测沙箱内执行验证用例，比对模型输出与基准答案 | 判定项：图纸要素识别、材料定额计算、工序序列与工艺卡片生成 | 判据取各场景的基线档判据；招标文件已列明门槛的判定项按招标门槛 | 评测与场景验证岗执行，业务部门参与结论评议 | 验证环境不可用或样本不足的，该用例标注为「不具备验证条件」，不以推定结论代替 | 场景数据可用性结论与验证记录 | 结论三值：数据集可支撑／存在缺口／不具备验证条件，并附见证记录 | | 7 问题归因 | 验证中判定为错的用例 | 按血缘回溯错例所用样本的批次、算子与本体版本，判定错因类别 | 错因三类：数据没有、数据有但没找到、找到了但判断错；第三类再分本体定义缺失、标注口径分歧、解析错误 | 归因不明确的转专家库裁定，不直接下发返工 | 评测与场景验证岗归因，专家库仲裁 | 归因不成立或证据不足的，该错例转入观察清单，下一轮复验 | 结构化整改任务单，指向具体环节、具体批次、具体算子 | 任务单须可施工：三项指向齐备方可下发 | | 8 整改重发 | 整改任务单 | 按任务单指向的环节执行补采、重解析、重标注或本体修订，完成后重新走对应的门 | 整改只在受影响的版本组合范围内执行，不波及其余批次 | 复测在整改完成后的同一验证用例上执行，用例与判据不变 | 相应环节的责任岗执行，版本评审组批准重新封装 | 复测仍不通过的继续立单，连续两轮不通过的提交口径评审组复核判据本身 | 修订后的数据集版本与复测记录，版本号递增，数据卡登记整改原因与范围 | 复测通过且原错例不再复现；整改关闭须有复测记录支撑 | 表 3-6 数据来源：环节划分依招标文件 3.2.6.3 各小节；门控设置依 `b1215`；归因与整改要求依 `b1357`；场景判定项依 3.2.6.5.1 板材备料工艺智能设计场景的验证要求；参数取值为示意格式，实际值按首轮试产与抽样实测标定后登记。 图 3-4 要说明的不是流程图本身，而是三件在实施中反复出现的事。第一，门控点位于每一次加工动作之后，而不是集中在末段，因此任何一批数据的问题最多向后传递一个环节。第二，回流是批次级的，一批不合格不影响同版本其他批次，这依赖批次号从采集起就贯穿全程。第三，路径的终点不是数据集封装，而是场景验证结论——数据集是否够用，由场景说话，不由加工方自评。 #### 3.0.8　架构承载的量级测算 架构能不能实施，除了结构是否清楚，还取决于它要承载的量级是否被算过。本节把四集规模与现场数据条件换算成架构侧的几个关键量，并写明每个量的测算假设。写出假设的目的是让这张表可以被推翻：假设与开工后的实测不符时，调整的是假设与相应的资源配置，而不是悄悄下调交付规模。 表 3-7　架构承载的关键量级测算 | 测算对象 | 输入条件 | 测算假设 | 测算结果 | 对架构的影响 | 假设不成立时 | |---|---|---|---|---|---| | 预训练语料体量 | 四集合计 615 亿 Token（`b0670`、3.2.6.4 各集规模表） | 中文语料按每 Token 约 1.2 至 1.5 个汉字折算，系数以所选分词器实测标定 | 折合汉字量级约 740 亿至 920 亿 | 决定落地区与加工区的存储规模、去重算子的索引规模 | 以实测系数重算并调整存储配置，Token 计量规则不变 | | 去重与相似度过滤的比较规模 | 预训练语料的篇章数 | 按篇章平均长度测算篇章数，采用分块指纹加局部敏感哈希两级比较 | 两级比较将全量两两比较降为分桶内比较 | 决定去重算子的内存与中间存储；两级比较是必需而非优选 | 退到按业务域分域去重加跨域抽样复核，并在数据卡登记去重范围 | | 图纸解析作业量 | 63 万张历史图纸及其配套工艺卡片 | 原生文件可按图号批量取回；解析按批次并发，置信度低者转人工 | 解析与配对为第一批投产的主要作业量，人工复核队列按置信度阈值定比例 | 决定图纸解析通道的并发度与人工复核岗的配置 | 可取回比例低于预期时按实际量投产，缺口在数据卡列明 | | 时序数据条数 | SCADA、热处理群控、EMS、SOS 的测点数与采样周期 | 采样周期按调研为秒级至分钟级，接入前以数据字典复核；入库按原始分辨率留存、按场景需要降采样派生 | 时序为条数口径下的主要来源之一，支撑多模态占比不低于 40% 的达成 | 决定时序存储的分区策略与降采样派生规则 | 采样周期与测点数核实后重算，派生规则随之调整 | | 影像数据体量 | 15 台红外图像采集设备（帧频≥30fps）、6 台在线高温热成像、21 台在线热成像（`b2150r04`—`b2150r06`） | 影像不做全量长期留存，按焊接作业段与炉次段触发留存，其余按降帧归档 | 留存量由触发规则而非设备帧率决定 | 决定影像存储策略与触发规则的设计位置（采集通道内，不在加工层） | 触发规则覆盖不足时提高留存比例并相应增加存储，不改变样本判定口径 | | 标注与偏好样本的人工工作量 | 指令微调 89 万条、偏好 6.6 万组（`b0670`） | 大模型预标注加人工复核为主通道，纯人工撰写为补充；偏好判断依赖专家库 | 人工工作量集中在复核与仲裁，不在逐条撰写；专家库不少于 50 人（`b0672`） | 决定标注工具链的预标注能力是必需项，以及专家库须在加工早期建成 | 预标注可用率低于预期时提高人工比例，并相应下调当期目标量 | | 评测作业的可复现开销 | 基准测试 0.95 万条，多阶段评测与错题归因 | 评测在冻结沙箱内执行，固化题型协议、判分规则、版本号与随机种子 | 每轮评测可重放，重放成本等于一次完整评测 | 决定沙箱须具备独立算力配额，不与训练域抢占 | 无回退：此项为硬约束，详见表 3-11 末行 | | 血缘写入点规模 | 十个加工环节、25 个工具链的算子数量 | 血缘按算子级写入，每次算子执行写入一条 | 血缘记录条数随加工批次与算子数线性增长 | 决定血缘库的写入吞吐与存储增长，须在平台设计时统一埋点 | 退到批次级血缘加算子日志，回流范围相应扩大（见表 3-11 血缘一行） | 表 3-7 数据来源：输入条件依招标文件 `b0670`、`b0672`、3.2.6.4 各集规模要求表与硬件采购清单（`b2150r04`—`b2150r06`）；测算假设与结果为我方测算结论，系数与粒度以开工后实测标定；存储、算力与性能的详细配置测算见本卷「非功能性技术要求」节与「硬件选型与配置」节。 表 3-7 中有两行直接决定架构的形态。影像数据一行：若按设备帧率全量留存，存储会在数月内失控，所以留存触发规则必须放在采集通道内，由采集侧按焊接作业段与炉次段触发，而不是先全量入库再到加工层筛选。血缘写入点一行：算子级埋点必须在平台设计阶段统一完成，后补的代价是已加工批次的血缘不完整，而血缘不完整直接导致定向回流退化为整链返工。这两处都是「做晚了就补不回来」的设计，列在总论里是为了让各技术段在同一个时点就按这个口径施工。 #### 3.0.9　平台族的分层与部署形态 采购清单把平台相关内容列为两项服务（`b0804r03`、`b0804r04`），治理实施另要求数据治理开发工具平台（`b1336`）。这三者在我方方案中是奔牛数据智能平台的三个部分，共用一套身份与权限体系、一套元数据与血缘库、一套审计日志。这样安排的理由是：若三者各建一套用户体系与元数据库，同一数据集在加工侧与运营侧会出现两个标识，血缘在移交处断掉，而血缘断掉就无法满足定向回流的要求。 部署形态按招标文件的系统集成要求确定：数据集加工生产平台部署在通用服务器上，数据集运营服务管理平台部署在接入连接器上，服务器密码机承担国密加解密（依 3.1.2.3 与 `b0804r05`）。训练推理部分按三域一网关组织，推理域分内网隔离区与受控区，评测域为冻结沙箱。部署拓扑与网络分区见本卷「系统集成方案」节图 7-5 与「安全方案」节第三部分，本节不重复绘制。 表 3-8　奔牛数据智能平台三个部分的职责分界与接口 | 部分 | 承载内容 | 不承载 | 对外接口 | 详述位置 | |---|---|---|---|---| | 数据集加工生产部分 | 十环节加工链、25 个工具链、知识底座、七道门与回流、训练推理三域一网关 | 对外交付与交易、挂牌与清算 | 向运营部分提交版本封装包与登记信息；向治理部分写入元数据与血缘 | 本卷 T1、T2、T13 | | 数据治理开发工具部分 | 数据标准、质量规则、元数据与血缘、分类分级、九个管理业务域的治理实施 | 数据加工的具体算子执行 | 向加工与运营两部分下发标准与规则；接收两部分的元数据与执行记录 | 本卷 T4 | | 运营服务管理部分 | 功能模块 17 个（招标列明 16 个＋我方增建 1 个）、确权挂牌、订单与交付、清算与审计、SLA、对外接口 | 数据加工与质检判定 | 接收版本封装包与登记信息；对外提供目录、服务与交易接口；按三统一接入国家数据基础设施 | 本卷 T3 | 表 3-8 数据来源：职责划分依招标文件 3.2.3、3.2.4、`b1336` 的要求范围；接口关系依 `b1575`、`b1576` 的移交登记要求与 3.2.4.7 对外接口要求。 平台族的部署节点、各节点承载的组件与其职责、容量测算依据与故障恢复方式如下表。表中的容量依据一列给出测算所用的量纲与来源，不以经验值代替；故障恢复一列给出恢复方式与恢复目标，恢复目标在系统集成与非功能性技术要求各节按同一口径细化。 表 3-9　平台族的部署节点、组件职责、容量依据与故障恢复 | 部署节点 | 承载的组件 | 组件职责 | 输入对象 | 输出对象 | 容量测算依据 | 故障恢复方式 | |---|---|---|---|---|---|---| | 接入连接器节点 | 五类采集通道适配器、入口脱敏算子、增量水位线服务、批次成形服务 | 从源系统取数并成形批次，入口脱敏与四要素核验 | 源系统库表、接口、文件、测点流、离线件 | 带批次号的原始数据对象与采集记录 | 按十七套源系统的日增量与时序测点数估算峰值并发与落地带宽，量纲取自各系统数据字典与设备采样周期 | 单通道失败按重试策略重试，连续失败登记阻塞项；水位线持久化，重启后自断点续采，不重复入库 | | 加工计算节点 | 十环节加工算子、9 类 25 个工具链、质量门判定服务、血缘写入代理 | 执行解析、规范化、标注、合成、增强、质检与验证作业 | 落地区原始数据、本体版本、标注口径、合成约束 | 中间数据集、质检与验证记录、算子级血缘 | 按四类数据集的分域承诺量与各环节单位处理耗时估算作业并发，量纲取自表 3-14 与首轮试产实测 | 作业按批次幂等设计，失败批次整批回滚重跑；算子输出写入失败的不计入版本，由任务调度重投 | | 知识底座节点 | 本体服务、知识库与图谱、检索索引服务、主键映射服务、时间基准折算服务 | 发布并提供本体版本、术语、检索证据与主键映射 | 规范化样本、术语原料、企业既有编码 | 本体版本、术语表、检索索引、主键映射表 | 按七类目的类目数、关系数与知识条目数估算索引规模，量纲取自本体设计与知识库建设计划 | 本体与索引按版本保留历史版本，发布失败回退到上一有效版本；检索不可用时退到结构化检索加人工确认 | | 训练与评测节点 | 训练域、评测域冻结沙箱、推理域、统一模型接入与评测网关 | 执行四阶段训练、多阶段评测、错题归因与模型服务 | 冻结的数据集版本、评测题目、事实依据 | 知识注入有效性报告、能力增量结论、整改任务单 | 按训练配比预实验结论与评测轮次估算算力占用与排队窗口 | 评测作业按同版本、同种子可复现重跑；训练中断按检查点续训；沙箱与训练域隔离，任一侧故障不污染另一侧 | | 运营服务节点 | 运营服务管理平台 17 个功能模块、对外接口网关 | 版本登记、目录与元数据、确权挂牌、订单与交付、清算与审计、SLA 度量 | 版本封装包与登记信息、能力增量结论 | 对外数据集服务、交易与交付记录 | 按数据集版本数、对外接口调用量与订单量估算在线容量 | 服务按模块独立伸缩，单模块故障不影响目录检索与已生成订单；交付通道不可用时转离线交付并留痕 | | 治理工具节点 | 数据标准管理、质量规则库、元数据与血缘库、分类分级服务 | 向各层下发标准与规则，收集元数据与执行记录 | 各层元数据与执行记录 | 可执行规则、分类分级结论、血缘图 | 按数据元数量、规则条数与血缘边数估算存储与查询负载 | 规则发布失败回退到上一版本；血缘库按日备份，恢复后以算子执行记录补齐缺失边 | | 密码与安全节点 | 商用密码服务平台、服务器密码机、审计日志服务 | 提供国密加解密、脱敏、出域控制与审计留痕 | 各层的密码服务调用与出域申请 | 加解密结果、出域放行结论、审计日志 | 按涉密字段的读写频次与出域次数估算密码运算量 | 密码服务不可用时相关操作阻断，按应急通道人工审批放行并留痕；日志写入失败的操作视为未完成并回滚 | 表 3-9 数据来源：节点划分依招标文件 3.1.2.3 与 3.2.5 的系统集成要求及 `b0804r05` 硬件配套；组件职责依各层对应章节的要求条目；容量依据的量纲取自各系统数据字典、设备采样周期与表 3-14 的承诺量；故障恢复方式为本方案的实施口径，具体恢复目标在本卷「非功能性技术要求」节按同一口径给出。 平台族各节点之间的调用一律经统一身份与权限体系鉴权，鉴权口径在全卷统一如下。身份方面，人员账号与服务账号分离，人员账号按 RBAC 授权到角色、角色授权到功能与数据范围，服务账号按节点与组件粒度签发并限定可调用的接口集合。凭证方面，节点间调用使用双向认证通道，凭证按有效期轮换，轮换记录进入审计日志。数据范围方面，每一次读写在鉴权之外再过一次分类分级校验：调用方的数据权限等级低于对象的分级结论时直接拒绝，拒绝记录同样留痕。出域方面，涉及对外交付与定向开放的调用另经出域控制策略判定，策略的判定依据是数据分级结论与使用限制字段，两者任一缺失即不予放行。 版本追踪在全卷按四类对象统一：本体版本、数据标准版本、工具链算子版本、数据集版本。四类版本各有版本号与发布记录，并在数据集的数据卡中成组登记——任何一个数据集版本都能回答「它是由哪一版本体、哪一版标准、哪些版本的算子加工而成」。版本号在加工作业启动时绑定，加工过程中不允许切换；本体或标准发版后，已完成加工的历史批次按影响范围评估是否复核，评估结论与处置方式一并登记。这一设计使整改重发有确定的作用范围：一次整改只针对受影响的版本组合，不波及其余批次。 #### 3.0.10　对象主键与时间基准的统一 这一条单列，因为它是架构里最先要做、也最容易被跳过的一项。企业现状是各系统编码规则不一致、跨系统关联困难（见第 1.1 节）。若不先统一，后面所有环节都会在同一个问题上反复返工：同一个工件在 MES 里是工单号、在 QMS 里是检验批号、在热处理群控里是炉次号，三者不打通，制造过程数据集与产品质量数据集就无法建立对应。 我方的做法分两步。第一步建主键映射表：以产品结构中的部件编号、生产中的施工号与工单号、质量中的检验批号、热处理的炉次号、焊接的焊道编号为主键候选，逐对建立映射关系并登记映射的可信度；映射不成立的，在数据卡中标注该部分数据的关联缺口，不强行拼接。 第二步统一时间基准：各系统时间戳的时区、精度与采集延迟不同，统一折算到同一基准并记录折算规则；设备时序数据按采样周期对齐，报工时点相对实际作业的滞后在数据卡中注明（具体规则见本卷「系统集成方案」节图 7-4 与「数据资源采集接入」节 3.7）。 这项工作的验收口径是对象主键可贯通率，即在抽样核验的工件样本中，能够从部件编号贯通到工单、炉次、焊道与检验批号的比例。我方承诺的是逐步接近全量贯通，首期以试点部件族为范围给出基线值，后续期按整改计划提升；凡未贯通的部分一律在数据卡中列明，不以估算关系填补。 映射表的形态如下，各节按此格式扩充。样例取自跨三套系统的真实对象关系，取值为示意格式而非实际数据。 表 3-10　对象主键映射表样例（格式示意） | 主键候选 | 所在系统 | 取值形态示例 | 可桥接到 | 桥接依据 | 映射可信度 | 未映射部分的处置 | |---|---|---|---|---|---|---| | 部件编号 | PLM（`b0873`） | 产品结构中的零部件编号 | 工单号、检验批号 | BOM 行与工单的生成关系 | 高：由系统生成关系直接可查 | 不适用 | | 施工令号 | ERP、WMS | 项目级施工令编号 | 销售订单号、实物批次 | 项目与订单的签订关系、领料记录 | 中：领料记录完整的可桥接 | 领料记录缺失的标注关联缺口，不按时间就近匹配 | | 工单号 | MES（`b0844`） | 生产工单编号 | 焊道编号、炉次号、检验批号 | 工序流转记录 | 中：工序流转完整的可桥接 | 流转记录中断的工单标为部分可贯通 | | 炉次号 | 热处理群控（`b0902`） | 炉次工单编号 | 工件编号、材料批次、硬度检测结果 | 开完工记录与装炉清单 | 中：装炉清单齐备的可桥接 | 装炉清单缺失的炉次只用于工艺曲线分析，不进质量关联样本 | | 焊道编号 | 本项目新建 | 工件编号＋焊道序号＋焊道类型 | 参数流时段、熔池影像段、缺陷判定 | 焊接作业段的起止时点与工位对应 | 待建：本项目建立后登记可信度 | 对应不成立的参数段只进过程语料，不进缺陷配对样本 | | 检验批号 | QMS（`b0832`） | 检验批编号 | 工单号、材料批次、缺陷记录 | 报验记录 | 中：报验记录完整的可桥接 | 报验记录缺失的检验结果不参与根因追溯样本 | | 报警事件号 | SOS（`b0860`） | 报警事件编号 | 处置工单、更换备件、复查结论 | 报警处置流程记录 | 低：四段齐备的比例按调研偏低 | 四段配不齐的标为未确认，不作为故障标签 | | 物料编码 | 主数据管理平台（`b0897`） | 统一物料编码 | ERP 物料、WMS 物料、SCM 采购行 | 主数据为权威源 | 高：以主数据为基准 | 各系统自建编码与主数据不一致的登记差异清单 | 表 3-10 数据来源：主键候选与所在系统依招标文件 3.2.2.1 各系统集成要求；桥接依据与可信度分档为我方设计结论，具体可信度取值在采集接入段按抽样核验确定；格式细化见本卷「系统集成方案」节图 7-4 与「数据资源采集接入」节 3.7。 #### 3.0.11　关键技术选择、备选方案与回退路径 每一项关键技术选择同时给出三件事：本项目为什么需要它、它的适用边界在哪里、做不到时退到什么。只写前一件的方案在答辩时经不起追问，写了后两件的方案在实施时才不会被迫改口径。下表是本卷各节共同遵循的技术选择与回退口径，各节不再另立口径。 表 3-11　关键技术选择、适用边界与回退路径 | 技术选择 | 本项目为什么需要 | 适用边界 | 做不到时退到什么 | 详述位置 | |---|---|---|---|---| | 原生图纸解析（读图元、标注、图层与视图投影关系），不依赖截图识别 | 63 万张历史图纸是最大的成对样本来源，截图识别丢失尺寸与标注的结构信息，无法支撑工艺要素抽取 | 依赖 PLM 按图号开放原生文件的只读读取；加密或异常版式图纸不在此通道 | 退到结构化抽取加人工复核：解析置信度低于阈值的图纸转人工复核队列，复核结论回填为规则 | 本卷 T1A 第三部分、T2 多模态对齐类工具链 | | 多模态文档解析（版面还原、表格还原、图文对应） | 工艺卡、检验记录、技术标准以版式文档为主，按纯文本抽取会丢表格结构与图文对应关系 | 扫描质量低于可读阈值的纸质件需先行影像增强；手写批注按单独通道处理 | 退到按版式模板抽取：对格式固定的卡片与报告先用模板规则抽取，模板未覆盖的转人工 | 本卷 T1A 第三部分 | | 合成数据与拒绝采样（构造指令样本、思维链与对话样本） | 指令微调 89 万条与偏好 6.6 万组的规模无法全靠人工撰写，必须有合成通道 | 合成样本一律带来源标识；各用途子集设占比上限；基准测试数据集不接受合成样本 | 退到人工撰写与改写为主、合成为辅：下调合成占比上限，相应下调该子集的当期目标量并在数据卡登记 | 本卷 T1B 第三部分、T2 数据生成与增强类工具链 | | 规则与模型双通道质检 | 单一通道会在两头失效：纯规则查不出语义错误，纯模型给不出可复核的判定依据 | 两通道判定冲突时按仲裁规则处置，仲裁由专家库承担；模型通道的判定须给出可核对的依据 | 退到规则通道加抽检：模型通道不可用时按规则通道判定，并提高人工抽检比例 | 本卷 T1B 第五部分、T2 质量与分布控制类工具链 | | 数据血缘与版本化（算子级血缘写入） | 定向回流要求把问题定位到环节、批次与算子，批次级血缘不够用 | 血缘写入点随算子增加而增加，需在平台设计时统一埋点，不能后补 | 退到批次级血缘加算子日志：以批次为回流单位，用算子执行日志辅助定位，回流范围相应扩大 | 本卷 T2 血缘追溯类工具链、T4 元数据管理 | | 检索增强生成（为通用场景提供带出处的回答样本） | 通用问答场景要求回答带条款出处与版本状态，纯生成无法满足可核对的要求 | 召回以结构化检索与全文检索为主，向量检索作为措辞不一致时的补充通道；召回结果回原文核对后再作答 | 退到结构化检索加人工确认：命中不足时给出候选条款列表，由人工确认后作为样本 | 本卷 T2 长上下文与检索增强类工具链、T14 通用场景验证 | | 同工况正常基线（设备诊断类数据的异常判据） | 井下装备报警不少而故障标签很少，固定阈值判据产生大量无效报警，无法形成可用样本 | 需先完成工况分段与测点可信度识别；三机联动的耦合干扰须分离 | 退到阈值加工况分段：在基线样本不足的测点上先用分段阈值，待样本积累后切换 | 本卷 T5 刮板输送装备健康诊断场景验证 | | 统一模型网关（鉴权、数据分级校验、多协议适配、调用计量与留痕、版本路由） | 模型需可替换、可评测、可随代升级，且高敏数据不得出域 | 高敏级数据在网关层拦截，不进入外部推理环境；外部调用一律留痕与计量 | 退到内网私有化部署的单一模型通道：牺牲模型可选性，保留数据不出域与评测可比 | 本卷 T13 第 3.5 条、T10 出域控制 | | 评测沙箱冻结（基准集不向训练域开放） | 基准集一旦进入训练数据，评测结论失去意义，数据集价值无法证明 | 沙箱内评测需固化题型协议、判分规则、版本号与随机种子 | 无回退：此项为硬约束。若出现基准集泄漏，该基准集版本作废并重建，相关评测结论一并作废 | 本卷 T13、服务方案卷质量评测节 | 表 3-11 数据来源：技术选择依本卷各节的方案设计；需求理由依招标文件对应条目（`b0663` 的三项瓶颈、`b1354`—`b1359` 的评测与归因要求、3.2.6.3 各环节要求）；现场事实依本项目需求调研。 表 3-11 最后一行是全卷唯一一处写「无回退」的技术约束。写明这一点是因为基准集的独立性是数据集价值可被证明的前提，退让它等于取消本项目的验证环节。其余各项都给了回退路径，回退的代价一律写成当期目标量下调或人工比例上升，而不是写成指标口径放宽。 每项技术选择同时给出其主要备选方案与弃用理由，说明选择经过比较而非默认取用。下表把每项选择的主要备选方案与弃用理由列出。弃用不等于否定该方案本身，多数是因为它在本项目的约束下代价更大。 表 3-12　关键技术选择的主要备选方案与弃用理由 | 已选方案 | 主要备选 | 为什么不选备选 | 备选在何种条件下会更优 | |---|---|---|---| | 原生图纸解析（读图元、标注、图层与视图投影关系） | 图像识别：将图纸渲染为位图后用视觉模型识别 | 位图丢失尺寸、公差与标注的结构信息，而工艺要素抽取恰恰依赖这些结构；63 万张的量级下逐张人工校正不可行 | 若原生文件不可取回、只存扫描件，则必须走图像通道，并相应提高人工复核比例 | | 四个数据集按业务主线划分 | 按数据来源系统划分（每套系统一个数据集） | 按来源划分会把同一业务问题的样本切到不同数据集，场景验证取数要跨集拼接；招标文件的四集划分本身就是按业务主线定的（`b1214`） | 若各业务主线之间的数据几乎不交叉，按来源划分的加工并行度更高 | | 知识本体与知识库四集共享一套 | 每个数据集各建一套本体与知识库 | 各建一套会导致同一对象在四集中有四种定义，跨集样本无法互校；本体变更要改四处 | 若四集的业务对象完全不重叠，各建一套可缩短单集的建设周期 | | 治理与加工并行，治理作常驻管控层 | 治理前置：先完成九大能力域规划再开工加工 | 治理规划成果需数月，前置会把加工压到末段，2028 年 5 月的工期承受不了 | 若工期宽松且数据口径极度混乱，前置能减少返工 | | 七道质量门 | 两道门（质检与验证，即招标文件明确的最低要求） | 问题会积累到质检才暴露，返工范围是整段而非单个算子 | 若加工链很短且环节间耦合低，两道门的管理成本更低 | | 规则与模型双通道质检 | 单一规则通道，或单一模型通道 | 纯规则查不出语义错误；纯模型给不出可复核的判定依据，而质检结论要能被评审 | 若质检项全部可形式化表达，纯规则通道成本更低 | | 算子级血缘 | 批次级血缘 | 批次级只能定位到批，定向回流要求定位到环节、批次与算子三者 | 若加工链上算子数量很少，批次级血缘已足够 | | 同工况正常基线作为设备异常判据 | 固定阈值判据 | 井下装备工况变化大，固定阈值在重载与空载下同时成立的区间很窄，产生大量无效报警，样本无法积累 | 在工况稳定的测点上，固定阈值实现简单且可解释 | | 统一模型网关 | 各环节直连各自选用的模型 | 直连无法集中做数据分级校验与出域控制，高敏数据可能经某一环节出域；也无法在模型替换时保持评测可比 | 若全部模型均为内网私有化部署且数据不出域，直连的链路更短 | | 评测域做成冻结沙箱 | 评测与训练共用环境，按流程纪律约束 | 流程纪律无法证明基准集未被使用，而数据集价值的证明恰恰需要这一点 | 不存在更优条件：此项为硬约束 | | 三部分共用一套身份、元数据与血缘 | 加工、治理、运营各建一套 | 同一数据集在加工侧与运营侧会出现两个标识，血缘在移交处断掉，定向回流失效 | 若三部分由不同主体长期独立运营且无需血缘贯通，各建一套的耦合更低 | 表 3-12 数据来源：备选方案与弃用理由为我方比较结论；约束条件依招标文件 `b1214`、`b1215`、`b1354`、`b2156` 的工期规定与本项目需求调研得到的现场数据条件。 #### 3.0.12　各技术段在架构中的位置 各技术章节在总体架构中各有确定的落点。下图给出每一段所处的层次与相邻关系；各段之间交什么、交到什么状态算完成，由第 3.0.17.1 节的接口矩阵逐条给出。 本卷各技术段在总体架构中的位置 横向　数据治理管控层 T4 数据治理体系总述（含规划与实施）　｜　T8 技术创新与机制创新（专家库、标注规范、运营机制） 第六层　运营服务层 T3 数据集运营平台（17 个功能模块、确权挂牌、订单交付、清算审计、SLA、对外接口） 第五层　训练与评测层 行业大模型训练推理技术服务（三域一网关、多阶段评测、错题归因） 第四层　加工生产层 本包工作量主体 四大数据集加工生产（总述＋加工环节、标注与质检、四集规模指标三分段） T2 专项智能工具链（9 类 25 个，分思维链与长上下文、对话与多模态、质量与归因三分段） 第三层　知识底座层 T1A 数据加工生产（一）中的本体与知识库两环节　｜　T7 系统集成方案提供主键映射与时间基准 第二层　采集接入层 T12 数据资源采集接入（五类通道、四要素核验、增量与脱敏）　｜　T7 系统集成方案（连通与联调） 第一层　数据资源层 甲方既有系统与资料，非本包建设　｜　T6 硬件选型与配置：新增五类 46 台感知与检测设备 纵向　安全与国产化底座 T10 安全方案（密码应用、分类分级、等保与密评）　｜　T11 非功能性技术要求（含国产化测算） 图 3-5　本卷各技术段在总体架构中的位置。跨层的技术段在其主要落点处列出，次要落点在该节正文交代。数据来源：章节划分依本投标文件目录；架构层次依招标文件 `b1215`；设备数量依硬件采购清单（`b2150r02`—`b2150r06`）。场景验证（T5 专业场景、T14 通用场景）跨第五层与第六层展开，不属单一层，另见图 3-2 底部。 有四段的位置需要补一句说明，因为它们在图上不止一个落点。 T7 系统集成方案跨第一层到第三层：它在第一层与第二层之间负责连通与联调，在第三层负责提供对象主键映射表与时间基准折算规则。把主键映射放在集成段而不是加工段，理由是它的工作对象是源系统之间的关系，而不是某一批数据。 T2 专项智能工具链落在第四层，但它的消费方横跨第四层与第五层：预标注、合成、去重、分布均衡类工具服务于加工，评测引擎、归因与血缘追溯类工具服务于训练评测与回流。25 个工具的分类与归属见本卷「专项智能工具链总述」节的交付清单。 T5 与 T14 场景验证跨第五层与第六层：验证作业在第五层的推理域内执行，验证结论作为挂牌说明材料进入第六层。本包只做验证不做场景建设这一边界，在两节开头各写明一次（依 `b1603`）。 T9 需求书逐条应答矩阵不落在任何一层：它是对本卷全部内容的索引，产出是条目与页码的对应关系，服务于评审核对而非数据流转。 #### 3.0.13　方案与矿山装备制造对象的贴合 一套通用的数据中台方案也能画出六层架构，区别在于每一层是否落到本行业的具体对象上。下表把各层的设计与具体对象对应起来，供评审对照。 表 3-13　各层设计与矿山装备制造具体对象的对应 | 层 | 本项目的具体对象 | 与通用做法的差异 | |---|---|---| | 采集接入层 | 热处理群控的炉次工单与开完工记录、焊接参数流、淬火工位热像、熔池影像、PLM 原生图纸 | 设备侧取数需按试点炉型、试点产线分批扩展采集范围，不假定全覆盖；图像采集不沿用安防监控点位，按工艺观察要求另行布点 | | 知识底座层 | 刮板输送机的部件层级、28 道备料工序字典、材料牌号与板厚、坡口与倒角、压弯线、粗糙度符号 | 工序字典是封闭集合且由工艺部门确认，本体的工序类目按该字典建，不自行扩充 | | 加工生产层 | 图纸与工艺卡的配对样本、炉次与工件及材料批次的关联、焊道与参数流的一件一档一道一档 | 加工重点是建关联而非清洗单表；展开长按中性层公式确定性计算，不交给模型推断 | | 训练与评测层 | 按工作面类型（超长、常规、大采高、薄煤层）分层的选型用例、按部件族分层的工艺用例 | 配比与采样权重按业务主线与部件族分层，不按数据来源系统分层 | | 运营服务层 | 数据集按业务域与用途子集挂牌，使用限制注明涉及工艺参数与客户信息的脱敏范围 | 挂牌单元不是整库，而是按业务域与用途子集切分的版本 | | 场景验证 | 选型校核一致性、备料工序选择合规性、炉次曲线偏离识别、焊道参数差异清单、部件级异常判断 | 判据以业务可接受为准（如下料尺寸错即为废料，故该项判据从严），不用通用指标一刀切 | 表 3-13 数据来源：对象依本项目需求调研与甲方书面需求；工序道数与图纸数量为本投标文件既定量纲；场景判据依 3.2.6.5 各场景验证要求。 #### 3.0.14　指标的承诺方式与分项交付量承诺 本项目的指标分两类，承诺方式不同，全卷各节按本节口径执行，同一指标不在不同章节出现不同的表述强度。 **第一类是招标文件已规定数值的指标**，包括：四类数据集的规模（预训练 615 亿 Token、指令微调 89 万条、强化学习偏好 6.6 万组、基准测试 0.95 万条，含逐数据集规模表给出的四个业务领域分域数值）、模态种类不少于 3 种、多模态数据条数占比不低于 40%、近 3 年内时效性数据条数占比不低于 40%、软硬件设备整体国产化比率不低于 80%、智能工具链 9 大类 25 个、数据集运营服务管理平台功能模块不少于 14 个（服务采购清单实列 16 个）、数据标注专家库入库专家不少于 50 人、参与建设的数据企业与高校院所不少于 5 家、高质量论文不少于 5 篇、发明专利申请不少于 3 项、软件著作权不少于 6 项。**这一类指标按招标文件规定的数值整额承诺并整额验收，不设基线档与目标档之分，不随实测结果逐轮修订，亦不以「合计达标」替代任一分项。** 其中四类数据集的分域规模，按第 3.0.14 节表 3-14 逐格承诺。 **第二类是招标文件未规定数值、由我方在实施中给出的过程类与优化类指标**，例如标注员间一致率、对象主键可贯通率、文档解析置信度阈值、数据标准覆盖范围、缺陷整改关闭进度等。这一类指标采用基线档与目标档两档承诺：基线档是我方承诺的下限，阶段验收以它为准；目标档是逐轮优化的目标值，用于过程管理与阶段评议。两档同时列出，并写明测量方法、测量时点与测量主体。**首轮实测基线逐轮修订的机制只适用于第二类指标，不适用于第一类。** 计量口径统一如下：规模类指标（Token 数、条数、组数）按版本封装时的统一计量规则计量，以去重、去污染、通过版本门后的净交付量为准；占比类指标（多模态占比、时效占比）按数据卡字段统计，分母为该数据集的净交付条数；质量类指标（六维度）按《高质量数据集质量评测规范》（TC609-5-2025-04）的指标定义测量。 表 3-14　四类数据集按业务领域的分项净交付量承诺 | 业务领域 | 预训练数据集（亿 Token） | 指令微调数据集（万条） | 强化学习偏好数据（万组） | 基准测试数据集（万条） | |---|---|---|---|---| | 供需计划 | 276 | 40 | 3.2 | 0.4 | | 产品工艺设计 | 70 | 10 | 0.8 | 0.1 | | 制造过程 | 105 | 15 | 1 | 0.2 | | 产品质量 | 164 | 24 | 1.6 | 0.25 | | **合计** | **615** | **89** | **6.6** | **0.95** | | 招标文件下限（`b0670`、`b0683`） | ≥600 | ≥80 | ≥6 | ≥0.9 | 表 3-14 数据来源：分域数值依招标文件逐数据集规模表（`b1583r02`—`b1598r02` 各集规模要求）；下限依 `b0670`、`b0683`。 表中每一格均为我方的承诺交付量，逐格计量、逐格验收。任一格未达承诺量，不以其他格超出部分抵补，亦不以合计数达到下限为由免除该格的交付责任；当期未达的，在后续期补足并在数据卡与阶段验收记录中登记未达原因、补足计划与补足结果。 凡涉及覆盖范围与准确程度的表述，一律按趋向与逐步接近的方式写，并配基线值、验收口径与回退机制。以几处典型为例：对象主键贯通按「首期在试点部件族内达到基线值、后续期逐步接近全量贯通，未贯通部分在数据卡中列明」承诺；数据标准覆盖按「首轮覆盖四个加工业务域的核心对象、随治理实施逐步扩展至九个管理业务域」承诺；缺陷整改按「首轮全量评测后对判定为缺陷的项目逐项立单整改并复测，复测未通过的继续立单，趋向全部关闭」承诺。 带基线值、验收口径与回退机制的承诺，在建设期内的每一次抽检与阶段验收中都有明确的判定依据，招标方据此逐期核算实际进展。本方案的覆盖类与准确度类指标（均属上述第二类）一律按基线加改进的方式承诺，并在数据卡与质量报告中逐期披露实测值；属第一类的招标规定值不适用本段，按规定数值整额承诺。 表 3-15　各类指标的承诺方式 | 指标 | 指标类别 | 承诺值（第一类）或基线档（第二类） | 目标档 | 测量方法与时点 | 未达时的处置 | |---|---|---|---|---|---| | 四集规模及其分域量 | 第一类，招标规定值 | 615 亿 Token／89 万条／6.6 万组／0.95 万条，并按表 3-14 逐格达标 | 不设目标档，按分期计划逐期完成当期量 | 版本封装时按统一计量规则计量，分期核验 | 在后续期补足并在数据卡登记，不调整计量规则，不以合计抵补分项 | | 多模态数据条数占比 | 第一类，招标规定值 | 不低于 40% | 不设目标档，按分集测算值组织生产 | 按数据卡模态字段统计，版本冻结时核验 | 调整后续批次的采集与加工配比补足 | | 近 3 年内时效数据占比 | 第一类，招标规定值 | 不低于 40% | 不设目标档，按分集测算值组织生产 | 按数据产生时间统计，版本冻结时点一并登记 | 增加近期批次采集量补足 | | 软硬件设备整体国产化比率 | 第一类，招标规定值 | 不低于 80% | 不设目标档 | 按台数与金额两个口径分别测算并取其低者，选型定稿后核验 | 调整选型并重新测算，测算表随验收提交 | | 标注员间一致率 | 第二类，我方给值 | 按标注任务类型分别设下限，低于下限即返工 | 逐批提升并趋向稳定 | 按抽样复标计算，每批次核验 | 返工并修订标注规范，必要时重做培训与考核 | | 对象主键可贯通率 | 第二类，我方给值 | 首期在试点部件族内给出基线值 | 逐步接近全量贯通 | 按工件样本抽样核验 | 未贯通部分在数据卡列明，不以估算关系填补 | | 场景验证通过判据 | 第二类，我方给值（招标已列明门槛的场景按招标门槛） | 各场景按基线档判据通过 | 按目标档判据组织优化 | 按各场景验证流程执行并留见证记录 | 按归因结果形成整改任务单，进入下一期加工 | 表 3-15 数据来源：规模与占比依招标文件 `b0670`、`b0683`、`b1361`；一致率与判据依 3.2.6.3.5 标注要求、3.2.6.5 各场景验证要求；承诺方式依本节统一规定。 #### 3.0.15　业务架构：业务角色与环节责任 第 3.0.2 节至第 3.0.13 节给的是技术视角的架构：有哪几层、层间传什么、数据怎么流、在哪里判定。业务架构给出同一副架构在业务上的运转方式：哪个业务角色在哪个环节出现、在那里承担什么判定或产出。业务角色与技术层次一一对位之后，甲方各业务部门在架构中的位置、以及双方的责任分界即落到具体环节，而不停留在总的分工表述。 业务角色按归属分三类。甲方侧是业务部门与数据治理组织，承担口径确认、数据源授权与成果验收；我方侧是项目组的各作业与质检岗位，承担加工执行与过程判定；双方共同参与的是口径评审组、版本评审组与专家库，这三处的判定需要业务知识与加工口径同时在场，由任何一方单独判定都不成立。 表 3-16　业务角色在各环节的责任与对应判定 | 业务角色 | 归属 | 出现在哪些环节 | 在该环节承担什么 | 对应的门与落点 | |---|---|---|---|---| | 业务部门（工艺、质量、生产、供销、设备等） | 甲方 | 需求确认、本体类目确认、数据源授权、成果验收 | 确认术语与编码口径、确认工序字典与工艺卡口径、书面确认分类分级结论 | 口径门③；表 3-21 前置条件 | | 数据治理组织（委员会、办公室、数据专员） | 甲方主导、我方支持 | 标准发布、规则发布、口径争议裁定、考核 | 发布数据标准与质量规则库，裁定跨部门口径争议 | 横向治理层；表 3-4 接口 I-18 | | 数据源责任人 | 甲方 | 采集接入 | 提供连接信息与数据字典，处置连接失败与对账差异的阻塞项 | 入口门①；表 3-4 接口 I-01 至 I-05 | | 采集作业责任岗 | 项目组 | 采集接入 | 执行五类通道取数、增量识别与入口脱敏，登记批次台账 | 入口门①；本卷 T12 | | 加工作业责任岗 | 项目组 | 预处理与规范化、加工十环节 | 执行解析、规范化与各工具链算子，按算子写入血缘 | 预处理门②；本卷 T1、T2 | | 口径评审组 | 双方共同 | 本体版本发布前 | 评审类目与关系、核对与企业既有编码的对齐情况 | 口径门③ | | 知识库终审岗与专家库 | 项目组与甲方专家 | 知识库交付前 | 核验条目出处与三元组可核性，抽审知识条目 | 终审门④ | | 标注员与标注质检岗 | 项目组 | 标注 | 按标注规范执行标注，计算标注员间一致率并组织抽检返工 | 标注门⑤ | | 专家库仲裁 | 甲方专家为主 | 标注争议、选型优劣判断、归因不明的整改任务单 | 对标注分歧与工程优劣作出判定，回溯评定选型偏好 | 标注门⑤；表 3-4 接口 I-15 | | 加工质检岗 | 项目组 | 合成与增强之后 | 核验合成样本的来源标识、占比与事实一致性 | 合成增强门⑥ | | 版本评审组 | 双方共同 | 版本冻结前 | 核验规模、模态、时效与六维质量指标，核验血缘与数据卡齐备性 | 版本门⑦ | | 评测与场景验证岗 | 项目组 | 训练评测、场景验证 | 组织多阶段评测与错题归因，按场景判据给出数据可用性结论 | 本卷 T13 与场景验证各节 | | 运营岗 | 甲方主导、我方质保期内支持 | 登记、挂牌、订单、交付、清算 | 执行确权挂牌与交易撮合，对外交付经网关计量留痕 | 第六层；本卷 T3 | | 安全与保密责任岗 | 双方各设 | 全环节 | 执行分类分级、出域控制与密码服务调用，审计日志留痕 | 纵向底座；表 3-4 接口 I-19、I-20 | 表 3-16 数据来源：判定主体一列依表 3-5 七道门的判定主体设置；甲方侧角色依本卷「数据治理体系」各节的治理组织设计与招标文件 3.2.6.1 的能力域要求；接口编号依表 3-4；责任分界依 `b1575`、`b1576` 的移交规定与第 1.1.1 节的包界说明。 表 3-16 有三行需要单独交代，因为它们是实施期最容易出现责任真空的地方。口径评审组一行，评审结论须有甲方业务部门的书面确认才算通过，这一点在表 3-21 里列为前置条件；逾期未确认时按我方建议口径先行并把该批数据标注为待确认状态，确认后批量复核，待确认状态的批次在版本门前须转为已确认。 专家库一行，选型优劣判断在现场没有现成记录，须由专家库按既有验收记录、售后工单与同类矿井运行反馈回溯评定，这项工作的工作量在实施计划里单列。运营岗一行，本包交付的是平台能力与数据集版本，挂牌定价与客户拓展等运营工作在质保期内由我方提供支持、由甲方主导，分工见本卷「技术创新与机制创新」节运营体系一段。 #### 3.0.16　功能架构：平台功能模块视图 技术视图按层组织，回答「系统分几层、层间传什么」；功能视图按功能域组织，回答「平台对使用者提供哪些功能、这些功能分别服务哪个环节」。两个视图看的是同一套平台：奔牛数据智能平台由加工生产、运营服务管理、治理开发工具三个部分构成，三部分共用一套身份与权限体系、一套元数据与血缘库、一套审计日志（三部分的职责分界与接口见表 3-8）。 表 3-17　功能域、所含功能模块与服务的环节 | 功能域 | 所属部分 | 包含的功能模块或工具 | 服务的环节 | 详述位置 | |---|---|---|---|---| | 采集接入 | 加工生产 | 五类通道接入、增量识别与水位线、入口脱敏、批次成形与台账、采集记录 | 第二层采集接入 | 本卷 T12 | | 知识底座 | 加工生产 | 本体建模与版本管理、知识库与图谱、检索服务、主数据与对象主键映射、时间基准折算 | 第三层知识底座 | 本卷 T1 | | 数据加工 | 加工生产 | 9 类 25 个工具链，覆盖解析、清洗、标注、合成、增强、质检等十个加工环节，共用任务骨架与血缘写入点 | 第四层加工生产 | 本卷 T2 | | 训练与评测 | 加工生产 | 训练域、评测域、推理域及其上的统一模型接入与评测网关；评测沙箱与错题归因 | 第五层训练与评测 | 本卷 T13 | | 治理管控 | 治理开发工具 | 数据标准管理、质量规则库、元数据管理、血缘管理、分类分级、九大能力域执行记录 | 横向贯穿六层 | 本卷 T4 | | 运营服务 | 运营服务管理 | 功能模块 17 个（招标列明 16 个＋我方增建 1 个）：目录与元数据、上传下载、检索预览、版本与动态更新、权限、确权与挂牌、登记注册、数据集服务、订单、交易合同、交易费用、交付、清算、审计、SLA 保障、对外接口，以及按三统一要求接入国家数据基础设施的对接能力 | 第六层运营服务 | 本卷 T3 | | 安全与运维 | 三部分共用 | 身份与权限、密码服务调用、脱敏与出域控制、审计日志、运维监控与 SLA 度量 | 纵向支撑六层 | 本卷 T10、T11 | 表 3-17 数据来源：运营服务模块清单依 `b0804r04` 实列 16 项全额交付，另增平台服务与 SLA 保障模块 1 个（`b1198`）为我方额外服务能力，两者合计 17 个；招标列明数量为 16 个，`b0685` 的不少于 14 个为下限，口径说明见第 1.2.2 节；工具链 9 类 25 个依 `b0917`；三域一网关依 3.2.6.2；治理工具平台依 `b1336`；功能域划分为我方实施口径。 功能视图与技术视图之间不是一一对应。采集接入、知识底座、数据加工、训练与评测四个功能域各自对应一个技术层次，而治理管控与安全运维两个功能域横跨全部层次，运营服务功能域则同时承担对内的版本登记与对外的交易交付两类职责。功能域这样划分，是为了让平台的建设次序能按功能域排期：公共的身份权限、元数据与血缘、审计日志先行建设，其余功能域在其上分批投产，避免各功能域各建一套底层能力（建设次序见表 3-19）。 #### 3.0.17　各技术段的衔接关系 本项目各技术段之间的生产逻辑为有向无环（依 `b1215`）。各技术段若不把接口固化，合在一起会出现三种情形：同一件事两处都写且口径不同、某件事两处都以为对方会做而都没做、上游产出与下游输入对不上。一张接口矩阵、五条贯通主线与四条口径约定用于消除这三种情形。 ##### 3.0.17.1　技术章节的接口矩阵 矩阵按「上游—交接物—交接判据—下游」四列组织。交接判据是本矩阵的要点：只写交什么还不够，要写到什么状态算交付完成，否则下游无法判断能不能开工。 表 3-18　技术方案卷各节的接口矩阵 | 上游节 | 交接物 | 交接判据（达到此状态即算交付） | 下游节 | |---|---|---|---| | T12 数据资源采集接入 | 带批次号与采集记录的原始数据，写入落地区；数据源登记台账 | 接入四要素齐备、格式合规校验通过、入口脱敏生效、批次台账登记完成 | T1 四大数据集加工生产 | | T12 数据资源采集接入 | 增量水位线与对账结果 | 每次增量作业的水位线已更新、与源系统计数对账差异在约定范围内 | T1、T4 数据治理 | | T7 系统集成方案 | 对象主键映射表、时间基准折算规则 | 映射关系经口径评审、可信度已登记、折算规则已在平台实现 | T1、T5、T14 场景验证 | | T7 系统集成方案 | 平台安装与适配结论、国密加解密联调记录、硬件联网记录 | 四级测试门控通过、密码调用链可用、设备数据可取回 | T1、T10 安全方案 | | T4 数据治理体系 | 数据标准（术语、主数据、参考数据、数据元、指标）、质量规则库、分类分级结论 | 标准经评审发布、规则在平台上可执行、分级结论已书面确认 | T1、T2 工具链、T3 运营平台 | | T4 数据治理体系 | 元数据与血缘库、治理执行记录 | 元数据可检索、血缘可从版本回溯到算子、记录可支撑贯标评估 | T1、T3、T13 训练推理 | | T1A 数据加工生产（一） | 规范化样本、本体版本与术语表、知识条目与图谱、检索索引 | 入口门与预处理门通过、本体经口径门评审、知识库经终审门 | T1B 数据加工生产（二）、T2、T5、T14 | | T1B 数据加工生产（二） | 经质检与验证通过的批次、标注规范与一致性记录 | 标注门与合成增强门通过、质检六维度达判据、验证结论出具 | T1C 四集规模与数据卡、T13 | | T1C 四集规模与数据卡 | 冻结封装的数据集版本：数据体、数据卡、质检与验证报告、血缘清单 | 版本门通过：规模、模态、时效达承诺基线，血缘完整，数据卡字段齐备 | T3 运营平台、T13、服务方案卷质量评测节 | | T2 专项智能工具链 | 25 个工具的可用实例、接口文档、配置与测试用例 | 单工具验收通过、公共层接口联调通过、任务状态机可追溯 | T1 各节、T13 | | T13 训练推理技术服务 | 知识注入有效性报告、多阶段评测结论、能力增量量化、错题归因任务单 | 评测可复现（同版本同种子同结果）、增量结论有对照基准 | T1（定向回流）、T5、T14 | | T5／T14 场景验证 | 各场景验证报告：所需数据就绪度结论、指标实测值、通过判据判定、整改任务单 | 验证流程留见证记录、判据判定有依据、未通过项已归因 | T1（下一期加工计划）、服务方案卷质量评测节 | | 服务方案卷质量评测节 | 首轮全量评测结论、缺陷清单、复测结论、盖章评测报告与数据质量档案 | 评测依据与指标与内部门控同一套定义、缺陷逐项立单、复测结论出具 | T1（整改回流）、T3（登记材料） | | T3 数据集运营平台 | 版本登记结论、目录与元数据条目、交付通道、SLA 监控数据 | 登记完成、目录可检索、交付通道可用、SLA 指标可度量 | T8 技术创新（运营推广）、对外服务 | | T10 安全方案 | 密码应用落点设计、等保测评与密评结论、整改记录 | 密码服务在各环节可调用、测评与评估报告出具、整改闭环记录完整 | 全部技术节 | | T11 非功能性技术要求 | 七组指标的承诺值、测量方法与实测记录 | 指标测量方法已确认、实测记录可复现 | T3、T7、T10 | | T6 硬件选型与配置 | 五类 46 台设备的到货、安装、调试与标定记录 | 参数逐条响应、安装位置与时序经确认、标定结论出具 | T12（设备侧取数）、T5（热处理与焊接场景） | | T8 技术创新与机制创新 | 专家库机制与名册、标注规范、软建设配套措施、知识产权成果 | 机制文件发布、规范经评审、成果按节奏申报与登记 | T1（标注与仲裁）、T3（运营）、T4 | | T9 需求书逐条应答矩阵 | 第五章逐条响应结论与正文页码索引 | 每条有结论、每条指到页码、与差异表口径一致 | 资格与商务卷差异表、合稿索引页 | 表 3-18 数据来源：章节划分依本投标文件目录；交接物与判据依各节对应的招标文件要求条目；移交登记判据依 `b1575`、`b1576`。 矩阵中有三处是双向的，需要单独说明，因为单向理解会漏掉回流。其一是训练推理与加工生产之间：加工向训练交数据集版本，训练向加工交错题归因任务单。其二是场景验证与加工生产之间：加工向验证交验证用数据，验证向加工交可用性结论与整改任务单。其三是质量评测与加工生产之间：加工向评测交送检版本，评测向加工交缺陷清单。这三处双向关系就是 `b1215` 要求的定向回流在章节层面的体现。 ##### 3.0.17.2　五条贯通主线 十五个章节之间的关系不是一条链，而是五条并行的主线。把主线显式写出来，是为了在实施期能按主线检查贯通性，而不是按章节检查完成度——章节各自完成但主线断掉，是集成项目最常见的失败方式。 贯通全卷的五条主线与各自的断点检查项 源系统与 现场设备 采集接入 五类通道 加工生产 十环节 · 25 工具 训练与评测 四阶段 · 沙箱 场景验证 十一个场景 运营服务 17 模块 主线一　数据主线：原始数据 → 规范化样本 → 标注与合成样本 → 数据集版本 → 对外服务 断点检查项：批次号是否从采集贯穿到版本封装；每一次形态转换是否有算子记录与可复算参数 主线二　质量主线：入口门 → 预处理门 → 口径门 → 终审门 → 标注门 → 合成增强门 → 版本门 → 外部评测 断点检查项：七道门与外部评测是否共用同一套指标定义；每道门的判定结论是否可查、回退终点是否明确 主线三　血缘与版本主线：算子级血缘 → 批次血缘 → 数据集版本 → 模型版本 → 评测结论 断点检查项：能否从一条评测错题回溯到产生它的样本、算子与源数据批次；版本冻结后是否不可变更 主线四　知识主线：数据标准 → 知识本体 → 知识库 → 标注口径与合成约束 → 检索证据 断点检查项：标注规范引用的术语是否全部出自本体；本体变更是否触发受影响批次的复核 主线五　安全主线：分类分级 → 入口脱敏 → 加工内密码应用 → 网关出域控制 → 交付与审计 断点检查项：高敏级数据能否在网关层被拦截；每一次出域与交付是否留痕可计量 图 3-6　贯通全卷的五条主线及其断点检查项。数据来源：主线划分依招标文件 `b1215` 的生产逻辑与门控规定、`b1357` 错题归因要求、3.2.6.12 安全合规要求；断点检查项为我方实施期的集成检查依据。 五条主线在实施期的用法是：每个阶段验收前按主线各走一遍端到端抽查，抽查对象是真实批次而不是演示数据。主线一与主线三的抽查合并进行，办法是任取一条样本，向上追到源系统记录、向下追到它参与过的评测结论；追不通即为断点，在该阶段整改完成后方可通过阶段验收。这项检查列入项目管理措施的配置管理与质量管理一节（详见服务方案卷「项目管理措施」节）。 ##### 3.0.17.3　全卷口径一致的五条约定 跨段口径冲突是合稿时最难修的问题，因为它往往要改多处正文。我方在动笔前先定五条约定，各节一律遵守。 第一条，标识与编号的约定。批次号自采集受理时生成，贯穿全程不变更；数据集版本号采用业务域、用途子集、期次三段式；模型版本号与数据集版本号在血缘库中成对登记。各节引用同一对象时用同一标识，不另造别名。 第二条，指标定义的约定。同名指标全卷只有一个定义。六维质量指标（保真度、完备性、规整性、均衡性、可用性、可信性）的定义取自评测方案，加工过程的质检门直接引用，不另行解释；规模与占比的计量规则取自四集指标节；性能与可靠性指标的定义取自非功能性技术要求节。 第三条，术语的约定。招标文件定义的 30 个简写按本节表 0-1 取义；本方案补充的术语按表 0-2 取义；同一事物不换词，数据集不在别处叫数据资产或数据资源。 第四条，绝对指标的约定。覆盖范围与准确程度一律按趋向与逐步接近的方式表述，配基线值、验收口径与回退机制，写法见第 3.0.14 节。全卷唯一的例外是基准集不向训练域开放这一条，它写成硬约束且无回退（见表 3-11 末行）。 第五条，组织层级的约定。本项目涉及三套组织：数据治理组织、运营服务组织、项目建设期的项目管理组织，三套各在对应章节设置，职责与议事规则不在总论重述。招标文件 `b1856` 要求的五级组织责任体系（决策级、把关级、管理级、作业级、岗位级）是把这三套组织按责任层级归并后的统一视图，其层级划分、与三套组织的对应关系以及各级的交账产出，在「技术创新与机制创新」节一处呈现，不在总论另给一套层级名称。各节描述组织时，用本节的层级名称指代责任层级，用本节的组织名称指代具体机构，两者不混用。 ##### 3.0.17.4　跨段冲突的处置机制 约定之外仍可能出现冲突，尤其是在实施期需求细化之后。我方的处置机制是三步：发现方在配置库登记冲突点，写明两处的表述与影响范围；由项目组统一裁定并指定唯一口径，裁定结论进入数据标准或方案变更记录；受影响章节同步修订，修订后重新检查引用该口径的其他章节。裁定不由任一技术段自行调和，这是为了避免两段各改一半、改完仍不一致。本投标文件在编制阶段即按此机制处置，发现的口径问题随投标文件以差异表与应答矩阵的形式如实呈现，不在正文中隐去。 #### 3.0.18　方案的可实施性 方案的可实施性按 3.2.6 总则对实施落地的规定组织（`b1215`、`b1216`）。可实施性不是一句承诺，它由四件事决定：顺序对不对、前置条件齐不齐、指标能不能验、出问题退到哪里。前两件在本节给出，后两件见第 3.0.14 节与表 3-11。 ##### 3.0.18.1　实施总体节奏 建设周期至 2028 年 5 月。节奏安排的依据是三条约束：知识底座必须先立（第 3.0.1 节第二条取舍）；四个数据集的数据条件强弱不同（表 1-1）；外部评测与测评机构的工作需要留出整改期，不能压在末段。 按这三条约束，实施分五个阶段。阶段划分不按日历均分，而按交付物成形的先后排。 表 3-19　五个实施阶段的工作重点与阶段交付物 | 阶段 | 工作重点 | 阶段交付物 | 阶段验收判据 | |---|---|---|---| | 第一阶段　准备与底座 | 需求细化与蓝图确认；源系统授权与接口开通；对象主键映射与时间基准统一；知识本体类目与关系定义；数据标准首轮发布；平台基础功能与工具链公共层上线 | 蓝图设计文件、数据源登记台账、主键映射表、本体首版、数据标准首批、平台基础功能与公共层 | 口径门通过；首批源系统可取回样本；主键映射经评审 | | 第二阶段　首批加工与首轮验证 | 产品工艺设计数据集首批加工（图纸与工艺卡配对样本）；标注规范发布与标注队伍培训考核；质检与验证流程跑通；训练配比预实验 | 首批数据集版本、标注规范、首轮质检与验证报告、配比预实验结论 | 版本门通过；标注员间一致率达下限；首轮验证结论出具 | | 第三阶段　全面加工与场景验证 | 四集并行加工与规模推进；25 个工具链分批投产；六个专业场景与五个通用场景分批验证；治理九大能力域规划落地与实施 | 分期数据集版本、工具链验收记录、场景验证报告、治理规划与实施成果 | 分期目标量达成；场景按基线判据通过；治理执行记录可支撑贯标评估 | | 第四阶段　外部评测与整改复测 | 首轮全量质量评测；缺陷逐项立单整改；复测；等保测评与密评；DCMM 贯标评估 | 盖章评测报告与数据质量档案、整改闭环记录、测评与评估结论 | 缺陷趋向全部关闭；测评与评估结论出具 | | 第五阶段　运营上线与移交 | 版本登记与目录上线；确权、挂牌与交易通道启用；按三统一准备接入国家数据基础设施；成果移交与培训 | 登记与挂牌记录、交付通道、接入材料、移交清单与培训记录 | 目录可检索；交付通道可用；SLA 指标可度量；移交清单签认 | 表 3-19 数据来源：阶段划分依本方案实施安排；交付物依招标文件 3.2.6 各节要求与 3.2.8 评测实施过程（`b2108` 及以下）；建设周期依招标文件合同条款。 五个阶段的并行关系与关键里程碑 签约 底座就绪 首批版本 规模达成 评测与整改 移交 一　准备与底座 三　全面加工与场景验证 五　运营上线与移交 贯穿全程：数据治理管控 · 安全合规 · 项目管理与配置管理 · 知识产权成果沉淀 · 专家库与培训 底座不就绪不开标注 首批通过后转全面加工 二　首批加工与首轮验证 四　外部评测与整改复测 图 3-7　五个阶段的并行关系与关键里程碑。相邻阶段存在重叠，但箭头所示的四处为硬性前置关系。数据来源：阶段划分依表 3-19；前置关系依 `b1215` 的知识底座与门控要求。 阶段之间有四处硬性前置关系，写明是为了让进度安排有约束而不是看起来紧凑。其一，知识底座未就绪不开标注——本体类目与工序字典未经口径门，标注即返工。其二，首批数据集版本未通过版本门不转全面加工——首批的作用是把流程跑通并暴露口径问题，跳过它会把问题放大到四集规模。其三，场景验证未出首轮结论不定下一期加工配比——配比要由验证结论决定，不由计划决定。其四，缺陷整改未复测不进运营上线——带缺陷的版本挂牌，对外服务时会被退回。 阶段之间的交接不以时间到点为准，以交接判据达成为准。下表按阶段给出交接物、交接判据、交出方与接收方，以及判据未达成时的处置。阶段交接会由双方共同召开，交接结论书面留档。 表 3-20　五个阶段的交接物、交接判据与责任方 | 阶段交接点 | 交出方 | 接收方 | 交接物 | 交接判据 | 判据未达成时的处置 | |---|---|---|---|---|---| | 准备与底座 → 首批加工 | 项目组知识底座与集成岗 | 项目组加工作业岗 | 源系统授权与接口开通清单、本体首版、对象主键映射表、时间基准折算规则、数据标准首批 | 授权覆盖首批加工所需的全部数据源；本体首版过口径门；映射表发版且可被全层调用 | 未开通的源系统启用离线导出过渡通道，该系统所涉对象在数据卡登记为过渡来源；本体未过门的，相关批次暂不进标注 | | 首批加工 → 分批投产 | 项目组加工作业岗与质检岗 | 项目组评测岗、版本评审组 | 首批冻结数据集版本、质检报告、血缘清单、首轮试产实测的参数标定结论 | 首批版本过版本门；各环节参数完成标定并写入作业规程 | 首批未过门的，按归因定向回流整改后重新送审，分批投产计划相应顺延，不以降低门控阈值放行 | | 分批投产 → 评测与验证 | 项目组版本评审组 | 项目组评测与场景验证岗、外部评测机构 | 按期冻结的数据集版本及其数据卡、送检批次清单 | 当期承诺量达成且分域量逐格达标；数据卡字段齐备、与版本一致 | 当期未达量的在后续期补足并登记未达原因与补足计划；数据卡不齐备的退回补齐，不先送检后补 | | 评测与验证 → 整改复测 | 项目组评测与场景验证岗 | 项目组相应环节责任岗 | 评测报告、场景可用性结论、结构化整改任务单 | 任务单指向具体环节、批次与算子；错因归类明确 | 归因不明确的转专家库裁定；裁定后仍不明确的转入观察清单并在下一轮复验 | | 整改复测 → 移交运营 | 项目组版本评审组 | 运营服务管理平台登记岗（甲方主导、我方支持） | 复测通过的数据集版本封装包、登记信息、质量档案 | 复测通过且原错例不再复现；登记信息字段齐备且与数据卡一致 | 登记信息字段缺失的退回补齐，不先挂牌后补；复测未通过的继续立单，不进入移交 | 表 3-20 数据来源：阶段划分依本方案实施安排；交接物与判据依各环节对应的招标文件要求条目与 `b1575`、`b1576` 的移交规定；责任方划分依表 3-16 的角色设置。 交接判据与人员职责的对应关系是：每一项交接判据都有唯一的判定主体，判定主体在表 3-16 中有明确的归属与权限；双方共同判定的三处（口径评审组、版本评审组、专家库仲裁）须双方代表同时在场，任一方缺席的判定不成立，判定结论须书面留档并进入对应环节的执行记录。 ##### 3.0.18.2　前置条件与我方的处置 方案能否按节奏实施，取决于若干不在我方单方控制范围内的前置条件。把它们逐条列出并给出处置办法，比在方案里假定一切顺利更有说服力。 表 3-21　前置条件、影响与我方处置 | 前置条件 | 若不具备的影响 | 我方处置 | 责任界面 | |---|---|---|---| | 源系统按已授权范围开放只读接口（17 套系统） | 采集接入无法开工，四集加工全线推迟 | 按系统分批推动，先开数据条件最好的 PLM、ERP、MES；未开通的系统先走离线导出通道过渡，并在台账登记过渡方式与差异 | 我方提出接口规范与范围；授权与协调由管理单位决定 | | 源系统厂商配合提供接口文档与联调支持 | 接口形态需反复试探，集成工期延长 | 以数据库只读视图与文件导出作为不依赖厂商的替代通道；需厂商配合的部分列入变更与协调事项 | 我方负责接入实现；厂商配合由甲方协调 | | 设备侧采集范围按场景要求分批扩展 | 制造过程与产品质量数据集的时序与影像数据不足 | 首期以试点炉型、试点产线与试点车间所需设备为准，扩展清单以现场勘察结论为准；不足部分在数据卡登记 | 我方提出扩展清单；实施范围由甲方确认 | | 口径确认方按期给出书面结论（工序字典、部件层级、缺陷判定依据、指标定义） | 标注无依据，已标数据面临返工 | 每类口径设一次正式评审并留书面结论；逾期未确认的，按我方建议口径先行并标注为待确认，确认后批量复核 | 我方提供建议口径与评审材料；结论由口径确认方出具 | | 数据分类分级结论书面确认 | 脱敏范围与出域控制无依据，安全合规存在缺口 | 按最严口径先行处理，待分级结论确认后放宽；不采取先宽后严的做法 | 我方提出分级建议；结论由管理单位出具 | | 专家库人员到位（不少于 50 人） | 标注仲裁与规范评审缺少主体 | 按内部专家与社会专家两种情形准备入库条件与派工规则，先启动内部专家入库，社会专家按条件分批补充 | 我方负责机制与组织；内部专家由甲方推荐 | | 第三方测评与认证机构档期（等保测评、密评、质量评测盖章、DCMM 贯标） | 评测与整改期被压缩到项目末段，复测时间不足 | 在第三阶段中段即启动机构对接与预评估，把正式评测排在整改期之前，留出至少一轮复测的余量 | 我方负责组织与配合；机构由具备资质方承做 | | 现场驻场条件与安全准入 | 现场勘察、设备安装与标定无法开展 | 按甲方的安全准入要求提前办理，驻场人员按项目管理措施的现场管理一节执行 | 我方负责人员与资质；准入由甲方安排 | 表 3-21 数据来源：前置条件依本方案各节的实施依赖；17 套源系统依 `b0804r02`；设备侧扩展口径依本项目需求调研；测评与认证要求依 `b0804r07`、`b0688`、`b1218`。 表 3-21 中口径确认逾期的处置单独说明。我方不采取停工等待的做法，也不采取先标后改的做法，而是按我方建议口径先行并把该批数据标注为待确认状态，确认后批量复核。该做法的代价是复核工作量，收益是进度不被单点阻塞；代价可控，因为待确认状态的批次在版本门前必须转为已确认，不会流入交付版本。 ##### 3.0.18.3　验收与交付物总清单 招标文件的验收分阶段进行，交付物分布在各项服务之中。下表按成果类别给出交付物总清单，用于组织阶段验收与核对交付完整性。各交付物的格式与模板见附件卷的标准规范与样例部分。 表 3-22　交付物总清单与归属章节 | 类别 | 交付物 | 归属章节（技术方案卷节号） | 对应要求 | |---|---|---|---| | 数据集成果 | 四个数据集的各期版本（数据体、数据卡、质检报告、验证报告、血缘清单） | T1 各节 | `b0683`、3.2.6.3、3.2.6.4 | | 数据集成果 | 规模、模态与时效的计量与核验记录 | T1C 四集规模与数据卡 | `b0670`、`b1599` | | 平台成果 | 数据集加工生产平台（含工具链 25 个）、运营服务管理平台（招标列明 16 个模块＋我方增建 1 个）、治理开发工具平台 | T1、T2、T3、T4 | `b0804r03`、`b0804r04`、`b1336` | | 平台成果 | 接口文档、部署文档、运维手册、测试用例与测试报告 | T2、T3、T11 | 3.2.3.11、3.2.4.7、3.1.2.2 | | 治理成果 | 现状诊断报告、九大能力域规划文件、制度与流程文件、决策数据指标体系 | T4 各节 | 3.2.6.1、`b1331` | | 治理成果 | 数据标准（术语、主数据、参考数据、数据元、指标）、质量规则库、分类分级结论 | T4 各节 | 3.2.6.1.1.2.5、3.2.6.1.1.2.6 | | 验证成果 | 十一个场景的验证报告与整改任务单 | T5、T14 | `b0684`、3.2.6.5 | | 验证成果 | 知识注入有效性报告、能力增量结论、专家偏好对齐度与安全合规通过率报告 | T13 | `b1343`、`b1353`、`b1356` | | 评测成果 | 首轮全量评测报告（正式盖章）、缺陷清单、复测报告、数据质量档案 | 服务方案卷质量评测节 | `b0688`、3.2.8 | | 安全成果 | 密码应用方案、等保测评报告、密评报告、整改记录 | T10 | `b0804r07`、3.2.6.12 | | 集成成果 | 平台安装适配记录、国密联调记录、硬件联网与标定记录、集成测试报告 | T7、T6 | `b0804r05`、3.1.2.3 | | 机制成果 | 标注规范、专家库机制与名册、软建设配套措施、项目内部管理制度不少于 7 份 | T8、服务方案卷项目管理节 | 3.2.6.8、3.2.6.9、3.2.6.10、`b0804r06` | | 知识产权成果 | 论文不少于 5 篇、发明专利不少于 3 项、软件著作权不少于 6 项 | T8 | `b0687`、3.2.6.13 | | 运营成果 | 版本登记与挂牌记录、交付通道、接入国家数据基础设施材料、SLA 监控报表 | T3、T8 | `b0676`、3.2.4、3.2.6.6.7 | | 服务成果 | 培训方案与培训记录、质保期内服务记录、质保期外服务承诺 | 服务方案卷售后服务节 | `b0496r07` | 表 3-22 数据来源：交付物依招标文件 3.2.6 各节与 3.2.8 的要求条目；数量要求依 `b0687`、`b0804r06`。 ##### 3.0.18.4　风险与应对 以下为本项目实际存在的风险点，每条给出触发信号与应对动作。泛论性的风险表述不列入。 表 3-23　主要风险、触发信号与应对 | 风险 | 触发信号 | 应对动作 | 残留影响 | |---|---|---|---| | 图纸解析要素完备性不足，产品工艺设计数据集首批规模不达期 | 首批抽检中要素完备性低于预处理门判据，或解析置信度低于阈值的比例超出预期 | 转人工复核队列并修订解析规则；同期提高制造过程数据集的加工量以平衡总规模进度 | 当期该集目标量下调，后续期补足并在数据卡登记 | | 对象主键映射不成立的比例偏高，制造过程与产品质量数据集关联缺口大 | 抽样核验中贯通率低于首期基线 | 缩小首期范围至试点部件族；缺口部分在数据卡列明，不强行拼接 | 两集的部分用途子集规模推迟达成 | | 标注员间一致率长期低于下限 | 连续两批抽样复标一致率未达下限 | 修订标注规范的粒度定义与边界案例；重做培训与考核；必要时调整标注任务拆分方式 | 标注产能下降，需增加标注批次与周期 | | 合成样本占比触及上限而规模仍有缺口 | 某用途子集的合成占比已达上限、目标量未达成 | 增加人工撰写与改写比例；扩展采集范围以增加真实样本 | 单位成本上升，当期目标量可能下调 | | 外部评测缺陷集中在同一维度 | 首轮全量评测中某一质量维度的缺陷占比显著偏高 | 按维度定位到对应环节与算子，批量整改后复测；同步修订该维度的内部门控阈值 | 整改期延长，需占用后续期产能 | | 第三方机构档期紧张导致评测与测评排期后移 | 机构反馈的档期晚于计划节点 | 提前启动预评估与自评估，把正式评测排在整改期之前；必要时分批送评 | 项目末段并行工作增多，需加强进度管控 | | 源系统接口迟迟不开通 | 某系统在约定时点后仍未开通且无明确时间 | 启用离线导出过渡通道；该系统所涉对象的数据在数据卡登记为过渡来源 | 该部分数据的时效性与增量能力下降 | | 场景验证判据争议 | 验证结论与业务方判断不一致 | 由专家库仲裁并留书面结论；判据修订按变更流程处理，修订前的结论保留 | 验证周期延长，需重跑受影响用例 | 表 3-23 数据来源：风险点依本方案各节的实施依赖与现场数据条件（见表 1-1）；应对动作依表 3-11 的回退路径与 `b1215` 的定向回流要求。 #### 3.0.19　招标文件未明确事项的处置口径 招标文件有若干处未给出确定数值或存在两处表述，我方对这些处的处置口径统一如下，并在实施期按同一口径执行，不因章节不同而改变取值。 表 3-24　留白处的处置口径 | 留白处 | 招标文件原文情形 | 我方处置口径 | |---|---|---| | 服务期内集中复测次数 | 原文写「不少于 X 次（X 在实施阶段由项目蓝图设计要求定义）」 | 在方案中承诺不少于我方给出的次数，并写明最终次数随蓝图设计确认后执行，取两者较高值 | | 数据标注专家库 50 人的构成 | 未明确为甲方内部专家或社会专家 | 按两种情形都给入库条件与派工规则，内部专家承担口径确认与仲裁，社会专家承担规范评审与争议裁决 | | 功能模块数量的两处表述 | 业务范围写不少于 14 个（`b0685`），服务采购清单实列 16 个（`b0804r04`） | 招标文件列明的功能模块为 16 个，我方按 16 个全部交付，一个不减；在此之外，我方另行增建平台服务与 SLA 保障模块 1 个以承载 3.2.4.6 的服务级别要求（`b1198`）。该增建模块属我方额外提供的服务能力，不计入招标文件列明的模块数量。凡本方案出现「17 个功能模块」的表述，含义均为招标列明 16 个加我方增建 1 个 | | 数据集规模的两处表述 | 项目目标与业务范围写下限（≥600 亿 Token 等），逐数据集规模表给四领域分域数值 | 逐数据集规模表的四领域分域数值即我方的交付承诺值，逐项承诺、逐项验收，不以「合计达到下限」替代任一分项；项目目标与业务范围的下限为同一承诺的底线表述，两者并存时以分域数值为准 | | 资格条件中的设备要求 | 资格审查表列「设备要求」一项，内容指向第一章招标公告 | 按招标公告的资格要求提供对应材料，详见资格与商务卷 | 表 3-24 数据来源：留白情形依招标文件对应条目原文；处置口径依本投标文件统一安排。 #### 3.0.20　本项目的总体交付承诺 本项目的交付物、交付方式与验收依据，归纳为以下六项承诺，全卷各节的具体设计均落在这六项之内。 **交付对象。** 本项目向招标方交付可交易、可复用、可溯源的行业高质量数据资产，以及证明这些资产可支撑业务场景的验证结论（依 `b0663`、`b0676`）。 **交付范围。** 本包承担数据集加工生产、数据集质量评测、数据集场景验证三类服务。交付责任的起点为原始数据写入平台落地区，终点为数据集版本移交数据集运营服务管理平台并登记完成；智能场景本身的建设不在本包范围（依 `b0662`、`b0684`）。 **实施方式。** 以数据治理为横向管控层、知识本体与知识库为统一知识底座、十环节加工链为纵向生产主线、七道质量门与三类定向回流为控制手段；四类数据集各走专属加工路径，共享同一套知识底座与门控规则（依 `b1215`）。 **交付数量与质量。** 四类数据集合计交付预训练 615 亿 Token、指令微调 89 万条、强化学习偏好 6.6 万组、基准测试 0.95 万条，并按供需计划、产品工艺设计、制造过程、产品质量四个业务领域逐项达到分域承诺量；数据集覆盖文本、图像、时序、视频四种模态，多模态数据条数占比与近 3 年内时效性数据条数占比均不低于 40%；保真度、完备性、规整性、均衡性、可用性、可信性六个质量维度按《高质量数据集质量评测规范》（TC609-5-2025-04）的指标定义达到判据（依 `b0670`、`b0683`）。 **验证方式。** 内部七道质量门与外部首轮全量评测共用同一套指标定义；十一个场景按各自基线判据给出数据可用性结论；多阶段模型评测量化数据集带来的能力增量；评测错题开展训练数据归因并形成结构化整改任务单，整改后复测（依 `b1354`—`b1359`、`b0688`）。 **偏差处置。** 每项关键技术选择均给出回退路径，回退的代价计为当期目标量顺延或人工比例上升，不以放宽指标口径的方式达成；基准测试数据集不向训练域开放一条无回退路径（见表 3-11）。招标文件已规定数值的指标按招标值承诺，不纳入逐轮修订。