## 术语定义 表 0-1　术语定义 | 序号 | 简写名称 | 释义 | |---|---|---| | 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 | 释义 | |---|---| | 业务域 | 按照业务对象、业务活动及管理职责划分的数据组织单元。 | | 用途子集 | 按照模型使用目的划分的数据子集，包括预训练、有监督指令微调、人类偏好对齐和基准评测。 | | 批次 | 具有唯一标识的一组受理数据，采集、加工、质量检查和交付记录通过该标识关联。 | | 数据集版本 | 具有唯一版本标识，经质量检查和场景验证后冻结的数据成果及其配套交付文件。 | | 数据卡 | 记录数据集来源、组成、规模、模态、时间范围、加工过程、质量结果、适用用途和使用限制的交付文件。 | | 质量检查节点 | 设置在数据生产流程中的检查环节，依据质量规则判断数据是否符合进入后续工序或交付的条件。 | | 定向回流 | 依据质量检查结论、场景验证结论与错例归因结果，结合数据血缘定位受影响的来源、环节、批次与算子，将修订要求送回相应加工环节执行补采、重标或重切，并对处理结果及其下游成果重新检查与验证。 | ## 第1章　项目背景 ### 1.1　项目目的 面向矿山装备制造领域，建设数据加工生产及运营服务能力，汇聚供需计划、产品工艺设计、制造过程和产品质量业务数据，开展数据治理、标注、合成、增强、质量检查和验证，形成可追溯、可训练、可评测、可交付的数据集。建设专项智能工具链和数据集运营服务管理平台，实施系统集成、训练推理技术服务、场景验证及配套保障，支持数据资源持续更新、质量改进和合规使用。 围绕专业数据供给、标注规则一致性和场景适配开展数据资源调查、治理加工及验证。调查数据来源、业务对象、保存形式、覆盖时间、更新机制和授权条件，形成资源清单；建立标签体系、标注规则、复核及争议处理流程，形成可执行的标注规范；逐场景明确数据需求和验证条件，形成测试用例、验证记录及整改成果。 对历史业务记录、设备过程数据、图纸和工艺文件开展数据盘点，核查覆盖时间、文件数量、有效版本、审核状态、关键字段及保存完整性。图纸与工艺卡按图号、版本、产品或零部件标识建立候选关联，复核变更记录和签发状态后确认配对关系；无法唯一匹配的记录列入异常清单，交由业务人员确认，未经确认不得作为配对监督样本。 选型方案抽取工况、需求、配置及校核结果；焊接数据关联工件、焊缝、焊道和工艺任务；热处理数据关联炉次、工件、材料批次和检验结果；故障数据关联设备、事件时间、诊断和维修记录。对缺失关联分别制定数据补充、编码映射或人工复核措施，保存原始证据、处理记录和关联置信状态。 建立跨系统业务对象标识及映射关系，记录对象类型、统一标识、来源系统、源记录主键、映射依据和规则版本。对一对多、多对一及无法匹配的记录设置复核流程，不覆盖原始主键。统一数据时间格式和时区，分别保留业务发生时间、系统记录时间、采集时间及修正依据。完成关联完整性、唯一性和时间一致性检查后，将合格数据纳入相应数据集；原始数据缺失或粒度不足的，按场景需求组织补采并保留来源记录。 表 1-1　对象标识映射登记表的字段、取值规则与校验方法 | 字段 | 含义 | 取值规则 | 校验方法 | 不合格处置 | |---|---|---|---|---| | 统一对象标识 | 跨系统唯一标识一个业务对象 | 按对象类型分段编码，同一对象在各系统中对应同一标识 | 唯一性校验、重复标识比对 | 重复或冲突的挂起，经业务确认后合并或拆分 | | 对象类型 | 工件、工单、焊缝、焊道、炉次、材料批次、检验批、设备、部件、物料、合同等 | 取自知识本体发布版本的类目 | 与本体版本的类目清单逐项比对 | 类目缺失的提交本体变更申请，审批后补入 | | 来源系统 | 该条映射记录的数据来源 | 取自数据源登记台账的数据源编号 | 与台账逐条核对 | 未登记来源的记录不予建立映射 | | 源记录主键 | 来源系统中该记录的主键值 | 原值保存，不覆盖、不改写 | 回源抽样核对 | 回源查不到的标记为失效，暂停使用 | | 关系类型 | 等同、从属、派生、关联 | 按关系字典取值 | 关系闭合性与方向性校验 | 关系成环或方向矛盾的转人工裁定 | | 业务发生时间 | 业务事件的发生时刻 | 与系统记录时间、采集时间分别保存 | 与工单执行记录、设备事件比对 | 时间缺失或超出合理区间的进入复核队列 | | 时区与时间精度 | 时间字段的时区与精度 | 统一记录时区、精度与同步状态，保留原始值 | 抽样复算时间换算结果 | 换算依据缺失的不纳入时序敏感样本 | | 映射规则版本 | 生成该条映射所用规则的版本号 | 规则发布后绑定，加工过程中不切换 | 与规则库发布记录比对 | 版本不一致的重新执行映射 | | 映射依据 | 建立该映射所依据的资料 | 记录资料名称、版本与条目位置 | 抽查依据资料的有效性 | 依据缺失的降为待确认，不进入样本构建 | | 关联置信状态 | 映射成立的把握程度 | 按依据强度分档记录，低于阈值的转人工确认 | 人工抽样复核，统计复核通过率 | 低于阈值且复核未通过的不计入有效映射 | | 审核状态 | 待审、通过、驳回 | 通过后方可被下游引用 | 审核记录完整性检查 | 未通过的不对下游开放 | | 生效与失效时间 | 映射关系的有效区间 | 对象发生变更或拆并时登记失效时间 | 区间重叠与断档检查 | 区间冲突的按业务确认结论修订 | 逐系统核对产品、物料、设备、工序及缺陷等对象的代码、名称、定义和使用范围，建立编码映射与差异清单。对工艺卡记录与实际执行记录开展对应检查，识别工序名称、粒度和顺序差异，形成经业务审核的转换规则。焊缝缺陷保留原始描述，增加规范化缺陷类别、部位、程度、检测方法及关联工艺参数。设备报警关联故障诊断和维修证据，区分未确认报警、已确认故障和误报，未经核验不得直接用作故障标签。 标注作业启动前，完成标签体系、标注粒度、标注规则、一致性检查方法和返工条件的编制、评审及发布。每项标签记录定义、适用对象、判定依据、正反例、排除条件和歧义处理方法。标注人员使用同版本规则开展试标，复核结果达到质量要求后进入批量作业。规范未覆盖的对象暂停标注，登记问题并提交业务专家裁决；规则修订后确定受影响样本范围，组织补标或复标。标注、复核、裁决及返工记录关联样本标识、人员、时间和规则版本。 选型数据按使用工况、技术需求、设备配置、计算条件、校核过程和结论组织，保留公式、参数单位、适用范围和专业审核记录。工艺设计数据建立图纸特征与工艺路线、工序参数、工装及检验要求的关联，区分现行、变更和作废版本，记录可复用条件及限制。库存数据保留物料、批次、库位、收发存、订单需求、在途状态和成本期间，分别形成数量与金额指标，支持按物料、项目、时间和业务原因开展分析及场景验证。 建设供需计划、产品工艺设计、制造过程和产品质量四类数据集，每类分别形成预训练、有监督指令微调、人类偏好对齐和基准评测子集。样本记录来源系统及业务对象，按场景、产品类别、部件族、时间和质量状态进行分层统计，识别覆盖不足、分布失衡及重复样本。训练配比和采样规则经实验验证后版本化保存；基准评测子集独立管理，执行跨子集重复检查和隔离控制。 数据关联、标注与验证流程 数据 关联 来源数据登记 业务对象与时间字 段核验 标识映射及关联确 认 关联完整性、唯一 性与一致性检查 合格数据入库 不合格退回 数据 标注 标签体系与规则评 审 试标及一致性检查 批量标注 独立复核与争议裁 决 合格样本入库 不合格退回 场景 验证 场景数据需求确认 验证样本与环境准 备 执行验证并计算指 标 问题归因与整改 复测及结果确认 不合格退回 共同输出 数据集版本　｜　质量检查记录　｜　数据血缘　｜　场景验证报告 图 1-1　数据关联、标注与验证流程 供需计划、产品工艺设计、制造过程和产品质量数据分别开展来源识别、业务对象核验、数据粒度分析和关联关系建设。对每类数据记录业务主管部门、来源系统、对象标识、关键字段、保存形式、时间范围及更新方式，明确采集任务、加工规则、质量检查和问题处理责任。资源调查结果经业务确认后纳入数据目录，变更时同步更新关联规则和加工任务。 表 1-2　业务数据来源与加工要求 | 业务领域 | 数据来源及对象 | 加工处理 | 质量核验 | 交付规模 | |---|---|---|---|---| | 供需计划 | CRM 项目与商机，ERP 需求计划和库存账，SCM 采购计划与履约，WMS 实物库存和批次，LMS 运输记录，历史选型文件 | 建立客户、项目、物料、订单与批次关联；抽取选型需求、配置和校核记录；统一时间字段，分别计算库存数量与金额指标 | 检查授权、关键字段、对象匹配、时间一致性、数量平衡和方案审核依据 | 预训练 276 亿 Token；指令微调 40 万条；偏好对齐 3.2 万组；基准评测 0.4 万条 | | 产品工艺设计 | PLM 产品结构、零部件、图纸、工艺卡片和变更记录，工序字典及工艺规程 | 校验文件版本与有效性；建立图纸、零部件和工艺卡片关联；抽取尺寸、材料、工序、参数及检验要求 | 检查图文对应、版本一致、配对有效、参数单位和工艺规则；不确定关联转人工复核 | 预训练 70 亿 Token；指令微调 10 万条；偏好对齐 0.8 万组；基准评测 0.1 万条 | | 制造过程 | MES 工单和工序记录，SCADA 及工业物联网平台过程数据，热处理炉次及温控记录，EMS 能耗数据，设备运维记录 | 关联工单、设备、工件、焊道、炉次及材料批次；处理时间同步、缺失、异常和重复；标注过程事件与工况 | 检查采样粒度、时钟偏差、事件关联、计量单位、序列连续性及异常处理记录 | 预训练 105 亿 Token；指令微调 15 万条；偏好对齐 1 万组；基准评测 0.2 万条 | | 产品质量 | QMS 检验及质量记录，检测报告、图像和附件，无损检测、硬度检测、售后及维修记录 | 规范缺陷类别、部位、程度和检测方法；关联工艺参数、材料批次、检验对象及维修事实 | 检查检验依据、结论一致性、附件可读性、缺陷定位和证据关联；区分报警与确认故障 | 预训练 164 亿 Token；指令微调 24 万条；偏好对齐 1.6 万组；基准评测 0.25 万条 | 各领域、各用途子集分别计量验收，不用一个领域的超额数量抵补另一领域。 汇聚 CRM 的客户、商机、报价、合同、订单、回款记录，以及获准使用的招投标文件、资质文件和业绩合同；接入 ERP 的组织、人力、物料、采购、销售订单、成本核算、应收应付、凭证、资产及资金数据；接入 SCM 的供应商档案与评估、采购计划与订单、订单下达、供货履约和付款计划；接入 WMS 的仓库、库区、货位、物料、批次及出入库单据；接入 LMS 的物流需求、运单、调度、装卸、取货、送达和运输时间数据。 对历史选型方案建立文档目录，记录项目、客户需求、产品配置、方案版本、审核状态及文件校验值。各数据源在采集前确认字段范围、访问权限、更新机制和责任人；个人、财务及商业敏感信息按授权范围和分类分级策略处理。 库存关联数据分别保留合同签订、需求计划、核算期间、实物收发和运输事件的时间字段，禁止将不同业务含义的时间直接替换。按确定的统计截止时点生成库存快照，记录在途、在库、占用、冻结和已消耗状态。数量指标使用实物计量单位和批次明细，金额指标关联成本期间、计价规则和财务记录。 以销售合同、施工令号、生产批次、客户、供应商和物料标识关联供需计划、库存实物流与资金记录。设置数量平衡、单据衔接和时间顺序校验，对未达账、延迟记账、单位转换及跨期业务分别登记差异原因、处理依据和复核结果，支持库存指标的多维追溯。 历史选型方案按需求条件、产品配置、参数校核、审核结果和后续使用记录组织。将验收、售后工单、故障与维修记录及获准使用的运行反馈关联至方案版本，记录反馈来源、时间、适用条件和可靠性。缺少使用效果证据的方案保留其需求与配置关系，并标明可用于的任务类型；不得补写未经证实的效果标签或将专家推断标记为实际运行结果。 库存样本保留指标计算明细及业务关联，支持按合同、施工令号、批次、客户和供应商追溯超龄、滞留及结构异常的原因。偏好对齐样本在相同需求条件下组织候选配置，按安全约束、适配程度、技术校核、交付条件及可用效果证据开展专家比较，形成排序或成对偏好标签。保存评价依据、专家复核记录和分歧裁决结果；证据不足、条件不可比或存在关键约束冲突的样本不进入合格偏好子集。 建立各系统时间字段的语义映射，分别保存业务发生、单据创建、审核、记账、采集和运输事件时间。库存分析采用明确的统计截止时点和状态转换规则，对延迟记录、补录、冲销及跨期事项保留修正记录。实物数量与库存金额分别计算并保留关联明细，差异通过单据、批次、计价及时间因素逐项核验。 选型效果评价关联验收记录、售后工单及运行反馈，由专家按明确的评价规则开展复核。样本注明评价属于实际测量、历史记录核验或专家判断，记录证据来源、适用工况、评价人员、时间及规则版本。专家评定的偏好标签单独标识；缺乏支持证据的效果结论不写入合格样本。 接入 PLM 的 BOM 编号、工序、变更记录和零部件信息，以及选型方案、工艺图纸、CAD 图纸和工艺卡片。建立文件目录及元数据，记录图号、版本、零部件标识、文件类型、审核状态、签发日期、变更关联和校验值。依据图号、零部件及变更版本生成图纸与工艺卡候选配对，核对业务关联和有效状态后形成配对样本；多候选、版本冲突和缺失文件进入人工复核，保存判定依据。 建立图纸与工艺卡关联表，记录源文件标识、图号、零部件标识、图纸版本、工艺卡版本、匹配方法、复核状态及证据位置。对工艺卡工序名称与执行记录开展比对，按有效工序字典建立映射，保留原始表述、标准代码及差异原因。 原生 CAD 文件与扫描文件分别处理：原生文件提取图元、图层、尺寸标注和文本，扫描文件开展图像质量检查、版面识别和文字抽取。区分现行、历史、作废和变更中版本，关联变更通知及生效时间；训练样本标明版本用途，不将不同版本内容拼接成同一有效工艺。 工艺设计样本建立图纸特征、工序序列和工艺卡字段的关联。图纸特征包括形状、尺寸、材料、公差及技术要求；工序记录包括工序代码、顺序、加工参数、设备、工装和检验要求；工艺卡字段记录值、单位、来源位置及审核状态。逐样本检查特征到工序、工序到卡片的对应关系，确认前后版本一致、关键字段完整、单位正确及技术约束满足要求。配对缺失、关联冲突或专业复核不通过的样本进入整改流程。 按图号、零部件编号和变更版本建立图纸与工艺卡关联，记录匹配规则、冲突情况和人工复核结论。工序分类使用工艺主管部门审核发布的字典，记录代码、名称、适用范围和版本；卡片记录与实际执行记录存在差异时，保存双方原值、差异类型、确认依据和处理结果。 原生图纸采用图元、图层和标注解析，扫描图纸采用图像预处理、版面识别与文字抽取。对关键尺寸、公差、材料和工艺参数执行规则校验及人工复核；低置信度、无法解析和规则冲突的内容进入问题队列，纠正后重新检查。先以代表性样本完成解析、配对、标注和质量验证，再按照生产计划扩大处理规模。 接入 MES 的焊丝牌号、焊丝直径、生产工单、工序及生产进度记录，接入 EAM 的设备台账、设备档案、点检记录、维修工单和作业计划。通过设备标识、工单标识和作业时间建立业务记录关联，核验字段类型、计量单位、时间语义及更新方式，保留来源记录主键和采集批次。 通过 SCADA 接入设备电流、电压、温度、湿度、运行状态及焊接电流、电压、送丝速度、气体流量等过程数据；通过热处理群控系统接入设定与实测温度、电流、电压、加热和冷却时间、冷却水及淬火介质温度等数据；通过 EMS 接入能耗监测和统计数据。 逐设备登记测点、采样周期、量程、单位、数据质量标识和时钟来源，执行连通性、取值范围、时间连续性及异常状态测试。将通过核验的测点纳入采集任务；未接通、缺测或精度不满足要求的测点列入整改清单，完成联调和复测后启用。 天地奔牛现有 15 台焊接机器人，通过 SCADA 系统采集电流、电压、温度和速度等过程参数。对既有采集通道核验设备标识、测点配置、采样周期、时间同步和数据完整性，建立设备、工单、工件及焊道的关联，扩展参数数据与熔池影像、温度数据和检测结果的联合处理能力。 以工件、焊缝和焊道为对象关联焊接过程数据。关联记录包含设备标识、工单、工件标识、焊缝及焊道编号、工艺版本、作业起止时间、参数序列和检测结果。根据作业事件及时间窗口生成候选关联，再结合任务切换、工件流转和工艺记录核验；同一时段存在多工件或多道焊接时，无法唯一确认的数据进入人工复核。保留关联规则、时间偏差、缺失片段和复核结果，支持同类焊道在不同工况下的参数及质量比较。 建立热处理炉次、工单、工件、材料批次和检验结果的关联。记录工艺类型、设定参数、实测曲线、装炉信息、作业起止时间及温度测量条件，关联外观、硬度和其他质量检测记录。逐炉次核验工件清单、过程时间窗口、材料批次及检测对象，检查缺测、重复、错配和版本冲突。无法确认关联的数据保留原始记录并进入业务复核，不以时间相近直接认定同一处理对象。 配置 15 台红外图像采集设备获取焊接熔池影像，配置 6 台在线高温热成像设备用于热处理加热过程测温和图像采集，配置 21 台在线热成像设备，其中 6 台用于热处理淬火后测温和图像采集，15 台用于焊接前温度测量。设备安装后完成测量范围、精度、发射率及环境补偿参数设置，开展校准、时间同步、接口联调和样本核验，记录设备与工位、工件及作业任务的关系。 图像与温度数据保留采集时间、设备标识、测量区域、配置版本和质量状态。工单数据同时保留实际作业与报工时间，使用任务事件及经核验的时间窗口关联过程数据；存在延迟报工时记录偏差依据，不覆盖原始时间，不以固定偏移量代替逐任务核验。 热处理样本关联炉次工艺曲线、工件及材料批次、工艺参数、外观检测和硬度结果，支持工艺条件与质量表现的关联验证。焊接样本关联焊道级参数序列、熔池影像、测温数据和缺陷检测结果，保存多模态同步关系、缺陷位置及专业复核依据。设备诊断样本关联工况片段、报警事件、故障诊断、维修工单和复查结论，用于诊断规则与模型的离线回放及效果比较。各类样本记录有效时间范围、数据完整性、关联可信状态和不适用条件，关联未确认的样本不得作为确定性监督标签。 按炉次、工件、焊缝、焊道和工单建立过程档案，关联设备、材料、工艺版本、过程参数、图像及质量结果。新增感知设备完成安装、校准和联调后，以代表性设备和任务开展试采，检查覆盖范围、时间同步、质量状态及业务关联，再按实施计划完成全部配置设备的接入和验证。 时序数据保留原始采样时间及周期；工单保留实际作业与报工事件。对时钟偏差、传输延迟和业务补录分别识别、记录和修正，修正前后数据及规则可追溯。跨模态关联设置时间容差和事件校验，超出条件的数据转人工复核，禁止无依据补齐或强行配对。 接入 QMS 的制程检验、进厂检验、出厂检验、成品检验和质量台账，以及质量报告、检验数据、产品质量档案和质量知识资料。接入 SOS 的设备健康状态时序数据、运维计划、报警处置、售后工单和备件消耗记录，以及设备档案、维修记录、诊断报告和故障案例。 以产品、设备、工件、批次、检验单和服务工单建立数据关联，保留检测方法、检测时间、检验依据、结论及附件。采集前确认使用权限与数据分类分级，处理过程中保留原文和标准化字段，确保质量结论能够回溯至原始证据。 对缺陷记录建立标准化分类与属性，覆盖气孔、裂纹、咬边、余高、弧坑、焊脚偏差等对象，记录缺陷位置、尺寸或程度、检测方法、判定依据及审核结果。保留原始文本和图像，将规范化标签与原始证据关联。缺陷类别存在歧义、检测结论冲突或证据缺失时，提交专业人员复核并登记裁决结果。 纸质及扫描检测报告按报告标识、检验对象、批次、日期和页码登记，检查扫描完整性、清晰度、旋转、遮挡及附件缺页，达到可识别条件后开展文字与表格提取；无法可靠读取的内容转人工核对，不以推测补写检测结果。 无损检测与硬度检测报告保留原件或原始影像，结构化提取检验对象、检测位置、方法、设备、测量值、单位、判定标准和结论。手写批注与印刷内容分区提取，人工核对关键数值及结论，记录来源页码、区域位置、识别结果和复核人员。 报警数据通过设备标识、事件时间和处置工单关联诊断、维修、更换备件及复查结果。区分已确认故障、误报、已处理但原因未定和待确认事件。故障标签须具备相应诊断或维修证据；不能确认的事件保留状态，不强制归入故障类别。 产品质量数据集交付预训练数据 164 亿 Token、指令微调数据 24 万条、偏好对齐数据 1.6 万组和基准评测数据 0.25 万条。按缺陷类型、产品及部件类别、检测方法、工况和时间范围统计样本覆盖情况，分别检查各用途子集的数量、重复、完整性、准确性和适用性。生产计划同时安排数据补充、专业标注、证据复核和质量检查，合格数据方可纳入交付计量。 质量数据加工前完成缺陷分类、属性、判定规则和复核要求的评审发布。纸质资料执行影像质量检查、版面分析、字段提取和人工核验；未适配模板及手写内容进入专门复核流程，关键参数与检测结论逐项核对原始证据。 报警、处置工单、更换备件和复查结论通过设备、事件和时间窗口关联，记录关联依据及复核状态。无法确认的事件保留未确认标识，与已确认故障样本分开管理。数据卡记录来源、处理方法、样本构成、质量结果、使用限制和不适用场景；问题样本完成整改复核后再纳入发布版本。 表 1-3　数据来源与接入核验要求 | 数据来源 | 接入对象 | 关联与加工要求 | 接入核验内容 | |---|---|---|---| | CRM系统 | 客户、商机、报价、合同、订单、回款及相关文档 | 按项目、客户、合同和订单标识关联结构化记录与附件，登记选型方案及其业务对象 | 核验主键唯一性、附件对应、授权范围和更新方式，抽样检查合同与订单关系 | | ERP系统 | 组织、人力、物料、采购、销售、成本、应收应付、凭证、资产和资金数据 | 区分业务发生时间与核算期间，保存数量、金额、币种、单位和统计范围 | 核验账期、单据状态、冲销关系及统计口径，开展业务对账 | | SCM系统 | 供应商、采购计划、采购订单、履约及付款计划 | 关联供应商、物料、订单行与履约节点，记录计划与实际到货时间 | 核验订单行标识、分批交付、变更、退货及付款节点 | | QMS系统 | 制程、进厂、出厂、成品检验、质量台账及报告 | 关联检验批、工件、材料批次和工序，规范缺陷类别、测量值和判定结果 | 核验检验标准版本、测量单位、报告有效性及复检记录 | | WMS系统 | 仓库、库区、货位、物料、批次及出入库单据 | 关联实物批次、订单与生产对象，分别记录库存数量及其统计时点 | 核验批次流转、库存状态、单位换算、退料及盘点调整 | | MES系统 | 焊丝信息、生产工单及生产进度 | 关联工单、工序、工件、焊道与炉次，分别保存业务事件时间和报工时间 | 核验工序状态、对象标识、报工延迟及记录修订 | | LMS系统 | 物流需求、运单、调度及取货、装卸、送达信息 | 关联订单、发货计划与运单节点，记录在途状态和事件时间 | 核验拆单合单、异常签收、回单及运输节点完整性 | | EMS系统 | 能耗监控、统计及分析数据 | 按设备、计量点和时间区间关联生产对象，保留计量单位及累计值属性 | 核验采样周期、计量边界、累计值复位、缺测和异常跳变 | | SOS系统 | 健康状态、运维计划、报警处置、售后工单、备件及相关文档 | 关联设备、报警事件、处置工单、维修部件和复查结论，区分报警与确认故障 | 核验事件时间、故障确认依据、维修闭环和标签来源 | | EAM系统 | 设备台账、档案、点检、维修工单和作业计划 | 建立设备与部件层级，关联点检、维修和更换记录 | 核验设备编码、部件变更、维修状态及历史记录连续性 | | PLM系统 | BOM、工序、变更、零部件、选型方案、图纸与工艺卡片 | 按图号、零件编号和有效版本建立配对关系，保存变更链与有效状态 | 核验文件可读性、版本有效性、图纸卡片对应关系及配对可信度 | | SCADA系统 | 设备状态、电流、电压、温度、湿度及焊接过程参数 | 保存测点、设备、采样时间、单位和质量标志，并与工单、工件或焊道建立关联 | 核验采样周期、时间同步、量程、缺测、重复及采集异常 | | OA系统 | 管理制度和合同文档 | 按文档、条款、版本、发布部门和适用范围组织，保留引用与失效关系 | 核验文档授权、现行状态、附件、签发及条款完整性 | | 久其系统 | 营业收入、利润、成本及资产负债等指标 | 保存指标定义、统计期间、组织范围、计量单位和来源口径 | 核验指标口径、汇总层级、期间一致性及修订记录 | | 主数据管理平台 | 组织机构、人员和物料编码 | 以有效主数据建立跨系统映射，记录编码版本、生效时间及变更关系 | 核验编码唯一性、有效状态、审批记录和映射冲突 | | 热处理群控系统 | 温度、电流、电压、加热冷却时间及相关过程数据 | 关联炉次、工件、材料批次、工艺曲线和检验结果 | 核验测点含义、采样时间、炉次边界、曲线完整性及单位 | | 安全监管平台 | 经授权的安全监管和生产监控数据 | 采用单向只读方式接入，按批准范围登记业务归属和使用限制 | 核验接口范围、访问权限、字段授权及接入日志 | | 离线资料 | 文档、图片、工程图纸、技术书籍、票据和音视频 | 登记来源与授权，分类解析并关联业务对象，保留原件与加工记录 | 核验文件完整性、清晰度、版本、重复及抽取准确性 | | 新增感知设备 | 15 台红外图像采集设备的熔池影像；6 台在线高温热成像设备的热处理加热测温与图像；21 台在线热成像设备的热处理淬火后和焊接前测温数据 | 按设备、工位、工件、炉次或焊接任务建立关联，记录采集时间、测量区域、配置和校准版本 | 核验安装位置、视场、测量范围与精度、发射率及环境补偿、时间同步、SDK 或工业接口和采集完整性 | 表 1-4　数据来源、加工用途与验证场景 | 数据来源 | 适用业务范围 | 数据加工用途 | 验证场景 | |---|---|---|---| | CRM | 供需计划 | 商机与合同文本；选型问答指令样本；经证据支持的选型偏好样本；独立基准评测样本（选型要素识别） | 产品智能选型、库存控制智能化、标书智能问答、合同合规智能审查 | | ERP | 供需计划 | 经授权并完成敏感信息处理的经营记录；经营分析指令样本；独立指标一致性评测样本 | 库存控制智能化、决策数据智能问答、合同合规智能审查 | | SCM | 供需计划 | 采购与履约记录；补货与履约问答指令样本 | 库存控制智能化、决策数据智能问答 | | QMS | 产品质量 | 检验记录与质量报告；缺陷判定问答指令样本；判定分歧偏好样本；独立基准评测样本（判定一致性） | 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 | 出入库流水；库存问答指令样本 | 库存控制智能化 | | MES | 制造过程 | 工单与工序流转记录；工艺执行问答指令样本 | 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 | 运单与节点时间记录 | 库存控制智能化 | | EMS | 制造过程 | 能耗时序摘要；独立基准评测样本（能耗异常判定） | 热处理过程智能监控 | | SOS | 产品质量 | 售后工单与维修记录；故障问答指令样本；处置方案偏好样本 | 刮板输送装备健康智能诊断 | | EAM | 产品质量 | 设备台账与点检记录；点检与维修问答指令样本 | 刮板输送装备健康智能诊断 | | PLM | 产品工艺设计 | 经版本核验的图纸与工艺记录；经复核的图纸和工艺卡配对样本；工艺编制指令样本；经专家裁决的方案偏好样本；独立要素识别与计算评测样本 | 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 | 过程参数时序摘要；参数异常问答指令样本；独立基准评测样本（异常识别） | 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 | 管理制度、合同及业务管理 | 经授权的有效制度和合同文本；制度检索与问答样本；独立条款出处和适用性评测样本 | 管理制度智能问答、合同合规智能审查、标书智能问答 | | 久其系统 | 供需计划 | 经营指标序列；指标口径问答指令样本；独立基准评测样本（指标定义与计算一致性） | 决策数据智能问答 | | 主数据管理平台 | 四个业务领域共用 | 业务对象标识、编码映射、版本与有效状态校验 | 各验证场景的业务对象识别与关联核验 | | 热处理群控系统 | 制造过程 | 炉次曲线摘要；配方与偏差问答指令样本；独立基准评测样本（工艺偏差判定） | 热处理过程智能监控 | | 安全监管平台 | 制造过程 | 单向获取且获准使用的安全与生产监控记录，经分类分级处理后形成授权用途的数据样本 | 刮板输送装备健康智能诊断的授权工况信息核验 | | 离线资料 | 四个业务领域 | 经权属和授权核验的文档、图像、图纸、音视频内容；经质量检查的问答及结构化样本；独立来源核验评测样本 | 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 | 熔池影像与温度时序；工况判读问答指令样本；独立基准评测样本（缺陷与温度判读） | 焊接过程控制智能监控、热处理过程智能监控 | 样本记录来源系统、源记录或文件标识、采集批次、处理任务、数据集版本及授权信息。数据从采集到加工、质量检查和验证的关系纳入血缘管理，支持按样本追溯来源及处理过程。 建立数据需求和采集任务清单，逐项记录业务用途、来源、字段、授权、更新频率、加工任务及验证方式。采集范围覆盖项目确定的数据资源和服务任务，新增或调整对象履行需求确认与变更审批。场景验证发现数据问题时，根据样本血缘、共享规则和版本依赖确定影响范围，制定补采或返工任务；涉及共用源数据、映射规则或模型配置的，同步检查关联数据集和场景。整改后完成回归验证并记录关闭结果。 选型验证覆盖需求解析、参数计算与验算、配置推荐及方案生成。数据样本记录矿井产量、采高、工作面长度、倾角、配套设备等需求条件，关联候选产品配置、计算参数、校核结果和审核记录。对公式及规则登记名称、版本、输入输出、单位、适用条件和约束，核验输送能力、运行阻力、驱动功率、刮板链速度及链条安全系数等计算结果。 构建包含需求工况、历史配置、计算过程、校核结果和专业审核结论的指令样本，并建立相同需求下候选配置的成对偏好样本。候选配置首先满足适用规则和安全约束，再按设备适配、性能、可制造性及使用证据开展比较。模型推荐结果经公式与规则校验，对关键计算和配置冲突设置人工复核，不以语言模型判断替代工程计算。 从 CRM 项目记录和 PLM 选型方案中提取需求条件与历史配置，从方案文档、计算书和审核记录中提取校核过程及结论。核对字段单位、配置版本、适用工况和审核状态后形成关联样本。偏好标签依据有效验收记录、售后工单、运行反馈和专家评审形成，分别标识证据类型、评价条件和不确定项。专家意见不一致时开展复核裁决，保留原始意见和最终依据；无充分证据的样本不标记为确定优劣。 产品智能选型样本构建与验证流程 输入 客户需求与工况　｜　产品参数与配置　｜　历史方案与计算书　｜　验收及运行反馈 来源与授权核验 字段提取及单位检查 工况与配置关联 公式计算及规则校核 专家复核 样本质量检查 指令微调样本 经证据支持的配置偏好样本 独立样本选取与隔离 需求解析测试 参数计算及验算测试 配置适用性测试 方案生成及版本记录测试 指标满足要求　→　形成验证报告 指标未满足　→　定位数据或模型问题 整改后复测，退回相应处理环节 共同记录 数据版本、模型版本、公式及规则版本、输入输出、计算结果、人工复核与问题关闭记录 合格输出 独立评测 图 1-2　产品智能选型样本构建与验证流程 表 1-5　场景数据需求与样本结构 | 场景 | 数据对象与样本结构 | 主要来源 | 加工与核验要求 | |---|---|---|---| | 产品智能选型 | 工况、候选配置、计算条件、校核结果及候选方案偏好 | CRM 关联项目资料、PLM 选型资料、校核与运行反馈 | 统一参数和单位，关联配置版本与证据，复核校核结果及偏好标签 | | 板材备料工艺智能设计 | 图纸要素、零件特征、材料、工序序列及工艺卡片字段 | PLM 图纸、工艺文件、有效工序字典 | 按图号、零件和版本配对，检查要素完整性及工序约束，低置信结果转人工复核 | | 库存控制智能化 | 物料、需求、采购履约、出入库、在途状态和库存时序 | ERP、SCM、WMS、LMS | 保留数量与金额口径，统一统计时点，关联订单和批次，核验需求消耗及库存变化 | | 热处理过程智能监控 | 炉次、工件、材料批次、工艺曲线及质量检测结果 | 热处理群控、MES、QMS 及相关检测设备 | 关联炉次边界和测点时间，校验曲线完整性、温度单位及检验结果对应关系 | | 焊接过程控制智能监控 | 工件、焊道、过程参数、影像及缺陷标签 | SCADA、MES、感知设备及质量检测记录；焊接前温度测量对应 15 台在线热成像设备，熔池影像对应 15 台红外图像采集设备 | 按焊道关联参数和影像，保存工艺条件、时间映射、缺陷位置及复核结论 | | 刮板输送装备健康智能诊断 | 设备部件、工况分段、状态参数、报警及维修结果 | SOS、EAM、点检巡检和失效分析资料 | 区分报警与确认故障，关联维修及复查证据，按设备和工况分层组织样本 | | 管理制度智能问答 | 问题、答案、制度条款、适用对象及有效版本 | 授权使用的现行制度及历史版本 | 解析条款层级与引用关系，检查答案出处、适用范围和版本状态 | | 技术标准智能问答 | 问题、条文、参数限值、单位及适用条件 | 有效技术标准、设计手册和企业标准 | 关联标准版本，校验参数及单位，记录引用链和替代关系 | | 标书智能问答 | 问题、采购要求、响应资料、资质证据及原文位置 | 授权使用的招标文件、历史投标资料和企业资质资料 | 区分具体项目、有效期及证据来源，建立条目检索与回答核验样本，防止跨项目混用 | | 决策数据智能问答 | 问句、指标定义、统计期间、取数路径及计算结果 | 久其系统及经授权的业务系统指标数据 | 统一指标、单位和组织范围，保留数据更新时间及计算过程，校验结果可追溯性 | | 合同合规智能审查 | 合同条款、审查事项、风险类别、适用规则及复核结论 | 授权合同、有效制度规则和专业审查记录 | 按条款定位风险，保留规则版本和证据，冲突及证据不足事项转人工复核 | 表 1-6　场景数据需求清单的记录字段与取值要求 | 字段 | 取值要求 | 来源 | 核验方法 | |---|---|---|---| | 场景编号与名称 | 取招标文件场景验证服务要求列明的场景名称 | 招标文件场景条目 | 与场景清单逐项比对，不增不减 | | 业务任务 | 一句话写明该场景要完成的业务动作 | 业务部门确认 | 业务部门书面确认记录 | | 输入条件 | 执行该任务所需的业务输入及其取值范围 | 现行业务流程调查 | 与业务流程记录核对 | | 目标输出 | 任务应产生的结论形态及其表达方式 | 业务部门确认 | 与验证用例的期望输出一致 | | 业务对象 | 该场景涉及的对象类型及其层级 | 知识本体发布版本 | 与本体类目比对 | | 样本字段 | 逐字段给出名称、类型、单位、取值域、必填性 | 数据源字段映射表 | 字段级比对与空值率统计 | | 样本量 | 该场景所需样本的条数或组数，按生产计划分配 | 数据集分域指标与验证用例规模 | 与分域承诺量核对，不以其他领域抵补 | | 时间范围 | 样本的业务时间起止 | 业务部门确认与时效占比要求 | 时效占比统计 | | 来源系统与授权 | 数据来源及其授权范围、有效期 | 数据源登记台账 | 授权文件有效性核验 | | 模态构成 | 文本、图像、时序、视频各自的条数占比 | 采集与加工计划 | 按数据卡字段统计 | | 质量要求 | 适用的质量维度及其判定规则 | 质量规则库发布版本 | 规则可执行性检查 | | 标注规范引用 | 适用的标注规范名称与版本 | 数据标注规范 | 规范版本与标注任务配置一致 | | 验证用例编号 | 与该需求对应的验证用例标识 | 验证用例集 | 需求与用例双向可追溯 | | 评价指标与通过判据 | 指标名称、计算规则与通过阈值 | 评测方法文件 | 指标可复算，判据有数值或判定规则 | | 生产任务编号 | 承接该需求的加工任务标识 | 加工任务池 | 需求、任务、批次三者可追溯 | 合同审查样本按合同类别、条款类型、审查事项和风险类别组织，关联有效审查规则、业务制度及专业复核记录。核验条款定位、适用条件、规则版本和证据完整性，形成风险识别、依据检索、审查结果展示及人工复核的验证用例。对证据不足、规则冲突或超出适用范围的事项保留状态并转交专业复核，记录处理结果和版本变化。 管理制度、技术标准和标书问答保留文档名称、版本、有效状态、条款或页码及证据片段，答案与引用内容逐项核对。决策数据问答关联指标定义、组织范围、统计期间、查询条件、取数路径及计算过程，确保结果可复算。设置无有效证据、版本冲突、越权查询和问题歧义测试用例；证据不足时提示缺少的条件，不生成无依据答案。独立评测检查回答正确性、引用准确性、适用性和权限控制，保存输入输出及复核记录。 建立数据质量指标、检查规则、测试数据和结果记录，覆盖保真度、完备性、规整性、均衡性、可用性和可信性要求。对各数据集版本组织质量检查和正式评测，保存检查范围、计算方法、样本及运行记录。内部检查与正式评测采用明确且可比较的指标定义，差异逐项核查原因。首轮评测发现的问题形成整改清单，明确责任、措施和完成时间；整改后复测并记录关闭结果，交付正式评测报告及完整的数据质量档案。 建设目录标识、身份登记及标准接口对接能力，建立项目元数据与接入字段的映射，配置标识登记、身份注册、接口认证、调用审计和异常处理机制。对外接口完成格式、权限、错误处理和数据一致性测试，交付接口文档、映射表及测试记录。外部服务具备接入条件后，开展标识注册、解析及联调验证；外部条件尚未具备时，完成项目侧接口实现和模拟验证，记录外部依赖、待联调事项及后续实施安排。 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不低于 80%。建立软硬件清单，逐项记录名称、型号或版本、生产厂商、国产化属性、证明材料和部署位置。按确定的统计范围和计算规则测算比率，核对计数依据及配套证明，完成操作系统、数据库、芯片、接口和密码组件的适配测试。交付国产化清单、测算记录、证明材料和适配测试结果，实施变更后重新核验。 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、数据安全及绿色低碳等领域的法律法规、产业政策、专项规划、技术导则、建设指南和评价标准，形成不少于 25 个文件的政策与标准清单。逐份登记发布机构、文件编号、发布日期、生效及有效状态、适用范围、实施事项和责任岗位，形成梳理报告。对文件更新、替代和废止建立跟踪机制，评估对建设、运营及交付成果的影响，经审核后更新实施要求及相关记录。 数据集发布前完成来源授权、权属材料、数据质量、使用范围和交付条件核验，登记数据集名称、版本、内容范围、质量结果、许可条件和使用限制。对外服务按批准的产品及服务目录执行，保留挂牌、订单、授权、交付、计量、结算和审计记录。成本归集记录关联生产任务、资源投入和数据集版本，支持企业开展数据资源管理及相关核算工作。涉及权利、会计及交易事项，由相应责任主体依据有效材料履行审核和确认程序。 ### 1.2　项目目标 项目建设目标包括协同汇聚、平台技术、数据质量、标准生态、场景赋能及服务与安全六个方面。建立数据资源协同机制，完善数据加工与运营能力，形成质量可检验的数据集、专业人员及制度支撑，完成场景验证和安全保障。各项目标分别落实到实施任务、交付成果和验收记录。 #### 1.2.1　协同汇聚目标 建立行业数据协同汇聚机制，整合企业内部、产业链上下游及经授权使用的公共数据资源，建设行业数据资源库。按业务场景识别数据需求，以知识本体及对象关系组织资源目录，明确参与单位、数据责任、授权条件、共享方式和更新要求，形成多方参与的数据资源协同工作机制。 企业内部数据汇聚按实施单位、业务对象和来源系统组织，指定数据接口人，确认字段含义、授权范围及更新频率。外部数据在接入前核验提供方权限、许可范围、使用目的和有效期限。数据源登记后按批次受理，每批次保留来源、授权、采集时间、数据范围、处理记录和质量状态；许可失效或授权变化时暂停相应使用并开展影响处置。 表 1-7　数据源登记台账的字段、取值规则与维护要求 | 字段 | 取值规则 | 维护责任 | 更新时机 | 核验方法 | |---|---|---|---|---| | 责任部门与接口人 | 记录责任部门、岗位及获准用于项目协作的接口人姓名和工作联系方式，按最小必要原则控制访问 | 来源部门 | 人员或职责变动时更新 | 核对部门授权和接口人确认记录，职责变化时同步更新 | | 来源系统或资料名称 | 取系统正式名称或资料正式名称 | 数据管理岗 | 登记时填写，更名时同步 | 与资产清单核对 | | 授权范围 | 写明可用于的业务用途与数据范围 | 数据管理岗维护，来源单位或权利主体审核确认 | 授权变更时更新 | 核对授权主体、用途、数据范围、有效期和限制条件，确认台账与有效授权材料一致 | | 许可条件与有效期 | 记录使用限制、保密要求与到期日 | 数据管理岗维护，来源单位或权利主体审核确认 | 许可变更或续期时更新 | 到期前复核，失效即暂停使用 | | 授权范围 | 写明可用于的业务用途与数据范围 | 管理单位批准 | 授权变更时更新 | 授权文件与台账一致 | | 许可条件与有效期 | 记录使用限制、保密要求与到期日 | 管理单位批准 | 许可变更或续期时更新 | 到期前复核，失效即暂停使用 | | 接入方式 | 数据库只读抽取、接口调用、文件通道、测点订阅、离线录入 | 采集实施岗 | 接入方案变更时更新 | 与接入配置一致 | | 更新频率 | 按实时、按日、按周、按批次记录 | 采集实施岗 | 调度调整时更新 | 与调度配置及实际作业记录比对 | | 批次受理记录 | 记录每批次的采集时间、数据范围、对账结果 | 采集实施岗 | 每次采集作业结束 | 核对记录数、文件数、校验值和关键业务汇总，超出容差的批次隔离调查，确认原因并完成补采或重采后复核 | | 使用限制 | 出域、留存期限、加工限制 | 安全管理岗 | 策略调整时更新 | 出域记录与限制一致 | | 批次受理记录 | 记录每批次的采集时间、数据范围、对账结果 | 采集实施岗 | 每次采集作业结束 | 对账差异超范围的挂起复采 | | 状态 | 在用、暂停、终止 | 数据管理岗 | 状态变化时更新 | 暂停与终止的数据源无新增取数记录 | 针对十一个验证场景分别明确业务对象、字段、时间范围、样本结构和质量要求，形成场景数据需求清单，并据此配置采集与加工任务。通过知识本体定义对象、属性和关系，将跨系统数据映射到统一业务语义，建立可查询、可追溯的对象关联和知识检索能力。 #### 1.2.2　平台技术目标 建设不少于 9 类 25 项数据集加工生产专项智能工具链，实施多模态数据治理、智能标注、数据合成和质量验证，配套建设数据集运营服务管理平台，形成数据生产、管理、发布与服务的持续运行能力。 对 25 项工具分别明确输入数据、处理规则、输出结构、调用接口、权限、执行日志及验收用例。工具共用任务调度、版本管理、质量规则、血缘登记和审计服务，按依赖关系分批部署和验证。工具调用保留任务标识、数据及规则版本、运行参数、执行结果和异常记录，支持失败重试、结果复核与定向回流。 完成数据集运营服务管理平台 16 项功能模块建设，并实现平台服务与 SLA 保障能力。对各模块分别开展功能设计、业务流程配置、权限设置、接口联调及测试，提供相应功能界面、操作流程和验收证据。服务保障覆盖运行监测、事件响应、问题处理和服务报告，形成可持续运营能力。 通过多模态数据对齐和元数据管理统一处理文本、图像、时序及视频数据；通过预标注、主动学习、规则标注和一致性校验支持标注生产；通过受控生成、场景模拟和文本重写形成合成及增强数据。合成样本单独记录生成来源、方法、模型及规则版本，并按用途子集执行比例控制和质量核验。基准测试数据集采用独立受控数据，禁止训练、合成或增强结果泄漏至基准测试数据。 表 1-8　合成与增强数据的登记字段与控制规则 | 登记字段 | 取值规则 | 控制规则 | 核验方法 | |---|---|---|---| | 生成方法 | 受控生成、场景模拟、文本重写、数据增强，逐条标明 | 方法须在数据合成方案中列明并经评审 | 与方案登记的方法清单比对 | | 生成来源样本 | 记录种子样本的批次号与对象标识 | 种子样本须为已通过质量检查的样本 | 回溯种子样本的质量结论 | | 生成来源样本 | 记录种子样本的批次号与对象标识 | 种子样本通过质量检查，授权范围允许相应加工及生成用途，且不含受保护的基准评测内容 | 回溯种子样本的质量结论与授权记录 | | 规则或模板版本 | 记录生成规则、提示模板的版本号 | 版本在作业启动时绑定，过程中不切换 | 与规则库发布记录比对 | | 生成参数 | 记录采样参数、长度限制、约束条件 | 参数随批次留存，不逐条改动 | 抽样复现生成结果 | | 生成参数 | 记录采样参数、随机种子、长度限制、约束条件和实际生效配置 | 批次绑定参数版本，样本记录其实际使用的配置；参数变更时建立新任务版本，不覆盖原记录 | 核对任务配置和运行日志，在保存环境下复测并记录结果差异 | | 人工复核结论 | 通过、修改后通过、废弃 | 按用途、生成方法和风险分层复核，关键业务参数及安全相关结论执行专项复核；抽检不合格时扩大检查范围并隔离受影响批次 | 复核记录完整性与一致率统计 | | 占比上限 | 按用途子集分别给定，取值写入数据合成方案 | 批次入库时校验，超出上限的部分不予入库 | 按数据卡字段统计批次与累计占比 | | 基准测试数据集隔离 | 基准测试数据集不接受合成与增强样本 | 入库前执行来源标识检查与近重复检测 | 检出泄漏即作废该基准版本并重建 | | 基准测试数据集隔离 | 基准测试数据集不接受合成与增强样本 | 入库前执行来源标识检查与近重复检测 | 发现泄漏后立即停止受影响基准版本使用，定位污染范围，替换受影响样本，重新冻结版本并对相关评测结论重新验证 | #### 1.2.3　数据质量目标 四类业务数据集分别达到各用途子集的交付数量和质量要求，覆盖文本、图像、时序、视频等超过 3 种模态，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%。落实保真度、完备性、规整性、均衡性、可用性和可信性要求，按适用评测规范完成质量检查、正式评测及缺陷整改复测。 表 1-9　数据集交付指标与核验方法 | 指标 | 交付指标 | 计量与核验方法 | |---|---|---| | 预训练数据 | 合计 615 亿 Token；供需计划 276 亿、产品工艺设计 70 亿、制造过程 105 亿、产品质量 164 亿 | 固定分词规则和工具版本，按有效交付数据计量，逐业务域登记并核对，保留计算记录 | | 指令微调数据 | 合计 89 万条；四业务域分别 40 万、10 万、15 万、24 万条 | 按有效指令样本计量，保存任务、输入输出及必要上下文，执行重复检查和质量核验 | | 强化学习偏好数据 | 合计 6.6 万组；四业务域分别 3.2 万、0.8 万、1 万、1.6 万组 | 按完整有效偏好组计量，核验共同任务条件、候选内容、偏好结论及依据 | | 基准测试数据 | 合计 0.95 万条；四业务域分别 0.4 万、0.1 万、0.2 万、0.25 万条 | 独立冻结测试样本、答案及判分规则，检查训练隔离、重复及泄漏风险 | | 数据模态 | 覆盖文本、图像、时序、视频四类 | 根据实际数据结构及模态标记统计，检查文件内容与元数据一致性 | | 多模态条数占比 | 不低于 40% | 以纳入计量范围的合格多模态条目数除以合格条目总数；固定条目定义、统计范围和去重规则，不将 Token 数与条数直接相加 | | 近 3 年内时效性数据条数占比 | 不低于 40% | 按数据原始产生时间及统计截止日核验，保留时间证据；采集、转换或复制时间不得替代原始产生时间 | | 数据质量 | 保真度、完备性、规整性、均衡性、可用性、可信性达到规定要求 | 执行统一指标定义和质量控制规则，完成正式评测及整改复测，保存可复算的证据 | 多轮样本保留完整任务上下文与确定的样本单位，不以拆轮重复放大计量。 各业务数据集按用途子集制定分期生产计划，分别登记目标数量、合格数量、缺陷数量和待补数量。阶段核验未达计划时，分析数据来源、加工产能及质量损耗，落实补采、补标和资源调整，安排后续批次补足。最终按各业务域及用途子集分别验收，不通过改变计量规则、重复归集或跨业务域抵销完成指标。阶段目标不足的纠正措施纳入批准的项目计划并满足合同交付节点；发生计划变更时履行审批。 数据加工质量控制与正式评测使用一致的指标定义、计算规则、适用条件和证据要求。将质量指标配置到相应加工环节，对输入、过程和输出执行检查并记录结果；发现偏差时定位受影响批次，组织整改和复核。正式评测结论与过程检查存在差异的，核查样本范围、规则版本和计算过程，完成问题处置后重新验证。 #### 1.2.4　标准生态目标 吸引不少于 5 家数据企业、高校或科研院所参与数据集建设，建立不少于 50 名专家的数据标注专家库，形成覆盖数据采集、标注和质量检查的专业人才支撑体系。明确参与任务、人员能力要求、工作职责、成果要求和协作机制，并对参与过程及成果进行记录和考核。 按建设任务组织参与单位开展协同工作，明确任务负责人、实施内容、交付成果及知识产权安排。专家库执行申请、资格审核、专业分类、任务分配、履职评价和退出管理；采集、标注及质检岗位分别建立能力要求、培训内容和考核规则。任务分配与质量复核相互制约，过程记录与成果关联保存。 专家库按专业领域、实践经验和履职能力组织人员入库，登记资格材料、擅长领域、可承担任务及利益冲突信息。按照任务对象和专业要求派工，对规则评审、标注争议及质量复核实施回避和独立复核，参与生产或存在利益关联的人员不得独立完成同一事项的最终裁决。 #### 1.2.5　场景赋能目标 建成的数据集支撑不少于 11 个行业细分任务场景，围绕研发设计、中试验证、生产制造和经营管理开展数据适用性验证及模型能力评测。按场景建立任务、数据、指标和用例的对应关系，记录模型及数据版本，量化验证结果，并将质量缺陷和覆盖不足转化为后续数据整改任务。 实施十一个场景的数据集验证，完成数据准备、验证环境配置、测试样本及用例设计、验证执行、结果分析和整改复测。各场景逐项验证相应业务能力，保存数据版本、模型版本、规则版本、输入输出及指标计算记录。对验证未通过的事项分析数据质量、样本覆盖、标注、模型或环境原因，形成整改任务并复测。交付验证方案、用例、运行记录、验证报告和问题关闭记录。 利用模型评测结果识别数据质量缺陷、覆盖盲区、歧义标注及难度分布问题，关联数据血缘定位受影响批次，形成包含对象、原因、处理要求和复核条件的整改任务。对修复后的数据重新检查并开展回归评测，在一致的测试条件下比较不同数据及模型版本的表现，记录指标变化和影响因素。 表 1-10　场景验证任务与成果 | 类别 | 场景 | 验证任务 | 交付记录 | |---|---|---|---| | 专业场景 | 产品智能选型 | 验证需求解析、缺失信息提醒与校验；计算与验算输送能力、运行阻力、驱动功率、刮板链速度和链条安全系数；验证配置推荐、方案规格书与报价配置清单生成、编辑确认及版本留痕 | 需求解析结果、计算明细、规则校验、配置与方案输出、编辑及版本记录 | | 专业场景 | 板材备料工艺智能设计 | 验证 PLM 任务与图纸接收、工艺卡片及工序附图生成、工艺变更修订、规则库与设备台账维护、应急工艺通道；验证 DWG/DXF 及 STP/STEP 批量识别、图纸要素提取与在线预览、PDF 导出与打印；对全部识别通过后生成的工艺卡片及工序附图逐项核验内容准确性 | 任务及图纸版本、要素识别明细、卡片与附图、专业逐项核验、变更记录、导出打印测试 | | 专业场景 | 库存控制智能化 | 验证可配置库存指标及多维穿透；库存评级与健康诊断；全周期库存预测及风险预警；差异化物料需求预测；安全库存动态测算、智能补给及跨分厂调拨建议 | 指标计算及对账、分类评价、预测与实际对比、预警、补给和调拨测试记录 | | 专业场景 | 热处理过程智能监控 | 验证结合目标链轮特征的历史工艺检索与推荐、工艺参数区间优化、链轮齿轨刮板感应淬火及调质生产线质量分析；分析外观缺陷、硬度异常与加热功率、温度及淬火介质参数的关联 | 炉次与样本关联、检索推荐、参数优化、缺陷与硬度分析、追溯结果 | | 专业场景 | 焊接过程控制智能监控 | 验证电流、电压、预热及层间温度、焊接与送丝速度、气体流量、焊道类型等采集；熔池视频和焊缝图像缺陷检测；时序与视觉联合质量评估及预警干预判定；不同焊道、板厚和材质的参数优化；参数影像与检测结果追溯；工艺知识库 | 采集及同步记录、缺陷检测明细、质量评估与预警判定、参数推荐、关联追溯、知识库验证记录 | | 专业场景 | 刮板输送装备健康智能诊断 | 验证诊断标签、典型故障样本划取、质检审核、版本与溯源；多机型结构工况的规则编排、机理台账及离线回放比较；时序质量分析、工况识别、故障模式搜索和在线异常检测；原因、处置及备件建议 | 样本与标签记录、规则台账、回放及比较、异常诊断、原因和处置建议验证结果 | | 通用场景 | 管理制度智能问答 | 验证制度条文及类别、适用范围、发布部门和关联关系知识管理；精准检索、语义解读及跨制度咨询；引用关系和逻辑校验；查询与复杂咨询响应效率改善 | 知识条目、问答与引用、关联及冲突检查、人工基线与响应时间比较 | | 通用场景 | 技术标准智能问答 | 验证标准条文、限值、引用、版本更迭及合规案例知识管理；多轮与历史版本问答；表格及公式提取并达到单元格级表格解析；检索量、高频条款和用户活跃度统计可视化 | 标准及版本记录、问答、表格单元格和公式解析结果、统计图表及核验记录 | | 通用场景 | 标书智能问答 | 验证投标文本与商务知识库；项目、资格、评分、废标、技术设备及业绩材料要求提取与风险标注；商务及技术方案内容生成；废标、资格、评分、遗漏和格式检查及评审报告生成 | 知识库检查、条目提取与风险标注、生成内容核验、评审报告和漏误检记录 | | 通用场景 | 决策数据智能问答 | 验证业务概念、指标定义与计算规则、分析报告知识管理；自然语言查数、可视化和多维分析；指标异动识别与影响因素追踪；多轮意图及条件继承 | 指标定义与计算、查询与图表、异动归因、对话上下文和权限检查记录 | | 通用场景 | 合同合规智能审查 | 验证合同文本、附件、补充协议及合规风控知识管理；Word 和 PDF 解析与关键信息提取；合规、责任、交付及付款风险识别；单份合同审查效率提升 | 文件解析、条款及风险定位、依据复核、人工基线与审查用时比较 | 项目建设任务与交付成果 数据汇聚 数据源登记、授权核验、批次采集、质量检查 资源目录与采集记录 平台建设 不少于 9 类 25 项工具链、16 项 运营模块及 SLA 保障能力、接口联调 部署文件、配置、接口文档与测 试记录 数据质量 四类数据集分项生产、质量检查、正式评测与 整改复测 数据集版本、数据卡、计量记录 与质量报告 专业协作 不少于 5 家参与单位、不少于 50 名 专家、岗位培训与任务考核 任务记录、专家档案和培训考核 成果 场景验证 六个专业场景、五个通用场景、问题归因与回 归验证 用例、运行记录、验证报告与问 题关闭记录 运营与安全 授权登记、挂牌交易、受控交付、基础设施接 口、国产化核验与安全测评 运营记录、接口测试、国产化材 料与安全评估整改成果 图 1-3　项目建设任务与交付成果 #### 1.2.6　服务与安全目标 面向行业用户提供高质量数据集服务，建设目录标识、身份登记和标准接口对接能力，推进数据集登记、挂牌、上架和交易。定向开放执行用途确认、授权审批和受控交付，保留数据范围、使用期限、交付记录与审计证据。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不低于 80%，完成适配测试和证明材料核验。 数据集运营平台维护数据目录、标识、版本、元数据和许可条件，提供身份登记、接口认证、协议适配、访问控制和调用审计功能。对接时完成字段映射、身份验证、目录查询、标识解析及接口异常测试，保留联调结果。 挂牌和交易前核验权属及授权材料、数据质量和服务条件，完成产品登记、展示发布、订单及合同管理、交付、费用记录和清算。定向开放单独登记服务对象、用途、数据范围、期限和出域条件，经审批后执行；超范围访问、授权失效及异常下载触发拦截和处置。 建立软硬件国产化清单和适配测试记录，核对型号、版本、国产化属性及证明材料。商用密码服务平台对身份认证、通信保护、数据存储、完整性校验和密钥管理提供密码服务，配置权限、密钥生命周期和审计策略，开展接口及应用验证。组织等级保护测评和商用密码应用安全性评估，由具备相应能力和资质的机构开展测评评估；项目组提供系统资料、配置、测试环境及运行记录，逐项完成问题整改和复测，交付报告及关闭证据。 对项目采购和交付的数据库、安全软件、云平台、服务器、存储、网络、芯片等建立逐项清单，记录名称、型号或版本、数量、部署位置、国产化属性及证明材料。确定统计对象、计算单位、分子分母、重复计入处理和复核责任，保存计算规则及数据来源，整体国产化比率不低于 80%。硬件整机与内含芯片、配套操作系统及软件组件分别登记，测算时避免重复计入。交付配置或数量变更后重新核验比率与兼容性，保留复核结果。 ## 第2章　项目建设范围 ### 2.1　实施范围 项目实施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、营销中心和审计法务部，管理单位为数字化转型工作办公室。围绕各单位参与的业务、资料和使用任务，开展需求调查、数据清点、专业核验、授权协同、成果验证及培训。 本项目实施数据资源汇聚与接入、数据治理规划与实施、数据集加工生产专项智能工具链建设、数据集运营服务管理平台建设、系统集成、行业大模型训练推理技术服务、数据加工生产、数据集场景验证和运营推广服务。配套完成安全软件与硬件部署、信息安全风险评估、数据集质量评测、技术标准验证、专家库与标注规范建设，以及管理制度、组织保障、安全合规和知识产权管理工作，形成软件、数据、服务成果及配套交付文件。 来源单位确认数据目录、接口人、授权范围和更新频率，按批次完成交接及对账。业务主管部门组织工序字典、部件层级、缺陷判定和指标定义评审，形成规则版本、适用范围、生效时间及审核记录；规则变更或新问题出现时重新评审，并检查受影响数据和任务。成果使用单位参与阶段样本复核及场景验证，记录评价依据、问题和改进要求。项目组跟踪问题处理与复测结果，阶段评审意见纳入后续任务安排。 数字化转型工作办公室统筹跨部门协调、计划推进和问题升级。数据开放及使用授权由具有相应管理权限的单位审核，分类分级由业务与安全管理责任部门评审，阶段验收由项目确定的验收组织实施。项目组登记申请事项、依据材料、审核角色、处理时限和批准结果；存在意见冲突时提交协调处理，未经授权批准不得开放数据或扩大用途。 对每项资料分别登记业务责任、来源系统、维护人员、提供人员、专业审核人员、使用对象和审批权限。一个单位承担多种职责或一项业务涉及多个单位时，明确对应事项及协作关系；管理协调、技术提供、专业判断和授权批准分别落实到具有相应职责的人员，授权依据按人员职责登记而不按单位名称推定。 业务资料清单记录对象、来源位置、格式、版本、有效时间、缺失内容及补充安排。涉及多个部门的同一对象保留来源和定义差异，通过实际业务记录及有效审核确认关联方式；未确认事项跟踪至完成，变更后检查受影响数据及成果。各单位的业务对接任务、资料核验内容与对接成果如表 2-1。 表 2-1　实施单位业务协同与资料核验 | 协同单位 | 业务对接任务 | 资料核验内容 | 加工与验证用途 | 对接成果及处理要求 | |---|---|---|---|---| | 营销中心 | 围绕需求、订单和产品选型组织业务调查，协调实际资料责任人员参与核验 | 客户需求、订单、销量、预测记录、历史选型方案及反馈的来源、版本、形成时间和使用权限；区分实际结果、预测值和主观评价 | 供需计划数据及产品智能选型、库存相关需求分析；共享资料按实际用途授权使用 | 形成业务对象和字段清单、需求及选型评价依据。偏好结论对应真实候选方案、条件和专业评定，效果分级以已验证的专业评定为准；缺失信息明确补充责任 | | 生产管理部 | 协调生产计划、工单、排产、完工及相关库存物流业务资料核验 | 计划与实际执行时间、工单状态、产品及物料对象、库存时点和业务范围，核对来源系统和实际维护责任；仓储物流数据的持有范围按实际维护责任登记 | 供需计划、制造过程及相关业务指标和场景验证 | 形成计划执行关联、状态定义、时间与统计范围记录；返工、撤销、变更和跨部门交接保留历史。生产与仓储数据差异由相关业务责任人员共同核实，差异结论随事实记录保留 | | 刮板机研究分院 | 围绕产品结构、部件设计、性能参数及选型技术条件开展专业核验 | 主机与部件设计资料、规格参数、技术规范和设计版本，区分设计类目、型号、具体产品和实际设备；核实参数适用条件及证据 | 产品工艺设计、供需计划中的产品技术与选型数据，相关知识和场景验证 | 形成对象关系、有效设计版本和参数依据；实物唯一标识单独建立，与设计编号分列对应。数据复用时登记用途，技术判断由具有实际职责及专业能力的人员审核 | | 工艺研究分院 | 组织图纸、工艺卡、编制规则、工序及工艺变更的专业核验 | 图号、零件编号、版本、生效时间、工序、参数、工装和技术要求，检查图纸与工艺卡实际对应关系及适用条件 | 产品工艺设计及相关制造、质量知识，板材备料等场景验证 | 形成工序与工艺规则、来源及专业审核记录；保留共用工艺、多版本和变更历史，关联关系按实际对应情况建立。知识条目完成终审后用于标注、合成 | | 备料加工分厂 | 核验备料工序执行、设备运行、完工、返工及异常处理资料 | 实际任务、设备、工件、工序、作业时间、执行参数、异常和处置记录，与有效工艺要求逐项关联 | 制造过程及工艺设计、质量相关样本和板材备料场景验证 | 形成实际执行与工艺要求的对应及偏差记录；无实测数据时保留缺失状态，计划参数与实际运行值分列登记。资料与设备时间不一致时核对事件和记录依据 | | 热处理分厂 | 组织热处理工艺、设备、工件、材料及检验记录核验 | 炉次或实际热处理事件、群控曲线、装载对象、时间、温度及其他工艺参数、硬度和相关检测结果；检查返工复检及材料关系 | 制造过程、产品质量及热处理场景验证和知识构建 | 形成工件、处理事件、工艺版本、曲线和检验关联。不同处理方式按真实业务记录建立关系，炉次结构只用于以炉次组织的设备；批次检测结果按批次记录并标明覆盖范围，时间与计量信息保留原值和处理记录 | | 结构件焊接分厂 | 围绕焊接任务、工件、焊道、参数、影像及检验开展核验 | 焊接程序或任务、设备、工件与焊道关系、过程参数、时间戳、熔池及相关图像、焊缝检查和返修记录，核实缺陷判定依据 | 制造过程、产品质量及焊接场景验证 | 形成焊接事件与影像、参数、检查结果的关联和专业审核记录；返修另记事件及版本，原过程记录保留。报警、异常信号与已确认缺陷分别登记，各自保留判定依据 | | 企业管理部 | 组织管理制度、流程及相关业务知识的有效性核验，协调使用人员参与应用验证 | 制度名称、编号、发布部门、生效时间、适用范围、层级、引用关系和废止情况；核实可使用版本及权限 | 制度知识库、管理制度智能问答及获准的相关训练评测材料 | 形成条款级来源与有效版本记录，关联引用和适用范围。共享知识按实际用途纳入四类数据集的相应子集并防止重复计量；过期制度保留历史标识，当前有效规则以现行版本为准 | | 科研管理部 | 协调技术资料、科研成果、标准工作及知识产权资料归集与核验 | 技术报告、项目成果、标准的来源版本、状态、权属和使用条件，核实论文、专利及软件成果的实际形成与办理记录 | 专业知识、技术标准智能问答、研究验证及知识产权成果管理 | 形成资料与项目成果对应、有效版本和权利证明清单；研究结论、建议、已发布标准和已取得成果分类登记，计划或申报安排另列为在办事项 | | 审计法务部 | 围绕合同、投标相关资料及合规审查规则开展专业协同 | 合同要素、模板基线、实际条款差异、资料版本及适用依据，核实商业秘密、个人信息和其他敏感内容的处理及使用条件 | 供需计划中的合同条款及风险数据，合同合规审查、标书问答及相关知识应用 | 形成审核依据、条款标注和敏感内容处理记录；专业审核、数据使用授权和最终业务决定分别按实际权限执行，数据开放范围以单独的授权记录为准 | | 数字化转型工作办公室 | 履行项目管理与跨单位协调职责，组织需求、数据、技术、质量、安全和成果事项的协同 | 参与人员及实际职责、需求任务、跨系统依赖、待确认事项、资源条件、变更和阶段成果，核验相应审批主体和程序 | 四类数据集及配套平台、工具、治理、验证和交付工作协调 | 形成协调计划、责任分工、问题跟踪和有效确认记录。数据授权、分类分级、专业终审、质量结论及正式验收分别由具备相应权限的人员或机构完成，各项批准保留本方的主体与依据 | 数据来源同时登记业务责任单位和实际来源系统，记录对象、字段、维护人员、提取方式、授权范围及使用任务。跨部门共享系统的数据按具体业务对象核验责任与含义；同一业务存在多系统记录时，比较形成时间、状态、版本及业务依据，确定适用关系并保留差异，有效性判定以业务依据与版本核验结果为准。 需要确认的事项按数据授权、专业规则、质量结论、安全控制和业务使用分别提交有相应权限的责任人员处理。数字化转型工作办公室组织跨单位协调及进度跟踪，批准和审核结果保留实际主体、内容、版本、生效时间及适用范围。 已有标准和审批结果在对象、用途、规则、版本和权限仍有效时按适用条件使用。每个任务启动仍检查相关条件，出现数据新增、用途变化、规则修订、权限失效或影响质量的差异时重新核验并完成必要审批，有效性检查逐任务执行。确认结果需要转为本体、知识或标准时，分别完成相应专业审核、发布和任务关联。 ### 2.2　业务范围 建设高质量数据集，实施应用场景验证、数据集运营服务管理平台建设、数据加工生产专项智能工具链建设、知识产权成果工作和数据集质量评测。各项任务分别明确交付清单、实施计划、质量要求、验证方法和验收记录，统一纳入项目进度与质量管理。 建设四个业务领域、四种用途的行业多模态高质量数据集，完成来源接入、加工、知识建设、质量检查、训练验证和版本交付。数据集与模型、知识、工具和评测记录建立实际关联，支撑业务使用、持续更新及受控服务。 完成九类 25 个专项智能工具和数据集运营服务管理平台建设，提供实际运行实例、必要授权、接口、配置和测试资料。运营平台落实 16 项功能及订单、交付、清算、审计和 SLA 要求，配套建立协同汇聚、运营组织、服务供给和实际国家数据基础设施接入能力，功能完成情况分别核验。 六个专业场景和五个通用场景按各自业务任务完成数据、模型及应用效果验证，检查全部要求功能和量化指标。正式数据质量评测完成首轮全量评测、模型对照、缺陷整改复测及盖章报告，由承担评测的机构独立于过程质检单独组织。 建设不少于 50 名、覆盖六个专业领域的数据标注专家库，形成标注规范和完整软建设成果；累计发表论文不少于 5 篇、申请发明专利不少于 3 项、获得软件著作权不少于 6 项。各类成果保存实际完成状态和证明，以建设与交付实物为验收依据。六项业务建设内容、交付成果与检查要求如表 2-2。 表 2-2　业务建设内容与成果检查要求 | 业务内容 | 实施内容 | 交付成果 | 检查要求 | |---|---|---|---| | 高质量数据集建设 | 按供需计划、产品工艺设计、制造过程、产品质量四领域建设预训练、指令微调、偏好对齐和基准评测子集；开展来源核验、预处理、知识及标注、适用合成增强、质检、训练验证与版本管理 | 实际数据体、数据卡、数据字典、来源授权、加工与质量记录、验证报告、血缘及规模结构明细 | 四领域预训练分别达到 276、70、105、164 亿 Token，微调 40、10、15、24 万条，偏好 3.2、0.8、1、1.6 万组，基准 0.4、0.1、0.2、0.25 万条。分项独立核验，不同领域与用途之间不互相抵充；具备文本、图像、时序、视频，多模态及近三年数据条数占比均不低于 40%。计数、去重、分母及来源时间可核验，基准子集独立建设且不使用任何形式的合成数据 | | 应用场景验证 | 完成产品智能选型、板材备料工艺智能设计、库存控制智能化、热处理过程智能监控、焊接过程控制智能监控、刮板输送装备健康智能诊断六个专业场景，以及管理制度智能问答、技术标准智能问答、标书智能问答、决策数据智能问答、合同合规智能审查五个通用场景的验证任务 | 适用数据与知识、模型及验证环境、用例与实际输入输出、各功能和指标结果、问题及复测报告 | 逐场景验证全部要求功能和指标，数据、模型、规则及报告对应实际版本。板材备料对全部识别通过后生成的工艺卡片及工序附图逐卡逐字段全量核对，差异进台账并逐条关闭，存在未关闭项的卡片不予下发；闭合条件与等效表述认定规则在首轮验证前经甲方工艺部门确认。验证以功能实现与完整用例执行为准，数据可用性说明、测试计划与演示记录作为过程材料一并提交 | | 数据集运营服务管理平台 | 建设目录、元数据、上传、下载、权限、动态更新、检索预览、版本、服务、对外接口、登记注册、确权、挂牌展示、交易合同、交易费用、全流程审计 16 项功能，落实订单、服务交付、清算及 SLA，并完成相应实际接入 | 可运行平台、不限节点及许可数量的授权、部署配置、接口与操作文档、测试记录，目录及版本登记、权限、交付、计量清算、审计及接入成果 | 逐项检查功能及正常异常流程，核验用户、用途、对象、版本、授权和期限，交付内容与登记一致，计量清算与订单和执行对应。SLA 功能和指标满足要求，国家数据基础设施接入以实际联调与运行记录为完成判据 | | 数据集加工生产专项智能工具链 | 建设思维链构建、长上下文数据构建、多轮对话数据构建、多模态数据对齐、智能标注、数据生成与增强、数据质量与分布控制、数据生成控制与评测、数据集验证与归因九类 25 个工具，接入实际加工任务 | 25 个可运行工具、授权、输入输出及配置、接口文档、用例和测试报告、使用维护资料及任务追溯记录 | 逐工具核验真实功能，检查创建任务、状态查询、结果获取、重试、导出及回调等适用接口，权限、异常和版本记录完整；不限制使用节点及许可数量，验收以可运行实例的实测结果为准 | | 专家库、标注规范、软建设及知识产权 | 建设不少于 50 人且覆盖标准编制、数据生产、质量管控、行业应用、项目管理、安全合规六领域的专家库和机制，形成各模态标注规范；完成政策梳理、规划、制度机制、标准规范等配套任务及实际知识产权成果 | 专家名单与能力资料、遴选派工考核，标注规范及实践记录；25 个政策文件梳理，中长期规划、4 项专项实施方案、制度体系、动态调整机制、年度政策符合性评估，5 项机制，2 项关键行业标准、18 项细分标准及 6 项实施技术规范等具体成果；论文发表、专利申请、软著登记证明 | 各项内容分别完整，按上列具体数量逐项核验。累计发表论文不少于 5 篇、申请发明专利不少于 3 项、获得软著不少于 6 项，完成状态与证据一一对应；专家身份、能力及实际任务可查，规范和机制有执行记录，人员、标准与权利状态以在办与已成两类分别登记 | | 数据集质量评测 | 由承担评测的机构和人员组织首轮全量评测、模型对照实验、缺陷定位指导及整改复测，覆盖说明文档、数据质量和模型应用 | 完整评测方案、原始执行记录、分项及综合评分、模型实验、缺陷整改复测、正式盖章报告和质量档案 | 三维度指标覆盖率趋向全部，承诺基线不低于 98%，未覆盖项逐项说明原因并在下一轮集中补测；各维度达到最低合格标准且综合得分不低于 85 分；高风险缺陷按复测抽样复查零发现判定达标，中低风险缺陷整改完成率趋向全部完成、承诺基线 99%，未闭环项附经甲方确认的不整改评估；模型动态验证达到最低性能提升阈值。报告与受检版本一致，正式评测独立于过程质检单独组织 | 按任务依赖组织软件部署、工具链开发、数据准备、加工生产、质量评测和场景验证。优先完成共用认证、存储、调度、版本及审计能力和首批数据接入，工具与数据分批实施，完成相应测试后进入下一阶段。各批次同步开展质量检查、缺陷整改与场景验证；知识产权及文档成果随研发和实施过程形成，分别登记成果、证据、评审状态和完成节点。各类交付成果独立核验，不以数据集数量达标替代平台、工具或服务验收。 面向六个专业场景和五个通用场景开展数据集验证，完成场景数据需求分析、样本准备、验证环境配置、测试用例设计、验证执行、结果分析和整改复测。验证记录关联数据集版本、模型版本、测试条件及评价指标，形成能够复核的数据适用性结论和场景验证报告。 逐场景编制数据需求清单和验证用例，明确业务对象、字段、样本结构、数据量、时间范围、质量条件、评价指标及通过判据。验证前检查数据、模型、环境和授权条件；准备条件不满足时登记缺项，明确责任岗位和完成时间，补齐后执行验证。 验证过程中保存输入、输出、指标计算、人工复核和异常记录。数据质量问题追溯至来源及加工环节，完成补采、清洗、标注修正或重新加工后复测；涉及场景接口或运行条件的问题形成协同处理单，记录责任方、措施和关闭结果。未通过的验证项持续整改和复测，达到验收要求后形成最终报告；待处理问题不得以情况说明代替完成成果。 场景验证交付验证方案、用例、测试数据版本清单、运行记录、指标计算结果、问题及整改记录、复测结果和验证报告。训练推理服务交付数据配比实验、各阶段训练配置与运行记录、模型版本及检查点、评测报告、错例归因和数据改进记录。数据集交付数据文件、版本清单、数据卡、质量检查与评测报告、血缘记录、授权及使用限制文件，并完成发布登记、移交确认和运营支持。 表 2-3　场景验证作业的步骤、输入、产出与判定依据 | 步骤 | 业务对象与输入 | 处理内容 | 角色与权限 | 产出物 | 判定依据 | 不合格处置 | |---|---|---|---|---|---|---| | 需求确认 | 场景任务说明、业务规则、授权范围 | 确定业务对象、字段、样本结构、数据量、时间范围与质量条件 | 场景分析岗编制，业务部门确认 | 场景数据需求清单 | 清单各字段齐备且经业务部门书面确认 | 字段或授权未确认的登记缺项，补齐后再进入下一步 | | 用例设计 | 场景数据需求清单、评测指标定义 | 编制验证用例、评价指标、通过判据与抽样规则 | 验证设计岗编制，评审组核准 | 验证用例集与判据表 | 每条用例可对应到指标与判据，判据给出数值或判定规则 | 判据不可计算的退回重编 | | 环境与数据准备 | 冻结的数据集版本、模型版本、运行配置 | 配置验证环境，核验数据、模型、授权与版本一致性 | 验证执行岗配置，安全管理岗核验授权 | 环境配置记录、版本清单 | 数据、模型、代码、规则和配置版本与批准的用例基线对应，依赖环境、访问授权及资源条件满足要求 | 版本不一致或授权缺失的暂停执行 | | 验证执行 | 验证用例集、测试数据、运行环境 | 执行用例，记录输入、输出、运行参数与异常 | 验证执行岗执行，复核岗抽查 | 运行记录、原始输出 | 用例执行覆盖率与记录完整性达到用例集要求 | 保留失败日志、输入及中间状态，检查重复执行风险，恢复环境并确认幂等或回退条件后重新执行 | | 结果分析 | 运行记录、指标定义 | 计算指标，逐项比对判据，标注未通过项 | 验证分析岗计算，评审组复核 | 指标计算结果、未通过项清单 | 指标计算过程可复算，结论有数据支撑 | 结论无法复算的重新计算 | | 问题归因 | 未通过项清单、数据血缘、模型记录 | 核查数据来源、加工规则、标注、模型、接口与环境因素，记录证据及责任任务 | 归因岗分析，专家库裁定争议项 | 问题清单与归因结论 | 每一项问题定位到具体对象、环节与责任方 | 补充日志、对照实验和专业复核，证据不足时保持待确认，不以专家意见直接替代事实证据 | | 整改复测 | 问题清单、补采与返工任务 | 执行补采、清洗、标注修正或重新加工，模型、接口和环境问题由相应责任岗位修复，完成后复测 | 加工责任岗与平台责任岗整改，验证执行岗复测 | 整改记录、复测结果 | 复测指标达到判据，且未引入新的不合格项 | 复测仍不合格的再次归因并整改，直至达到判据 | | 结论出具 | 复测结果、全过程记录 | 汇总形成数据适用性结论与场景验证报告 | 项目组出具，招标方确认 | 场景验证报告 | 报告含用例、指标、证据与整改闭环记录 | 待处理事项未关闭的不出具最终结论 | 数据生产、验证与运营流程 来源数据 授权与接入检查 治理及预处理 标注、合成与增强 质量检查 冻结数据集版本 场景验证 发布审批 运营登记与受控交 付 质量检查不合格　定位加工任务　整改后重新检查 场景验证不合格　数据、模型及环境归因　相应任务整改后回归验证 横向能力：任务调度　｜　版本管理　｜　身份权限　｜　元数据及血缘　｜　审计记录 交付成果 四类数据集及配套 文件 专项智能工具链 运营服务管理平台 质量评测与场景验 证成果 知识产权及制度文 档 图 2-1　数据生产、验证与运营流程。实线为作业流转，虚线为整改返回。 ## 第3章　信息系统技术要求 ### 3.0　总体技术架构 #### 3.0.1　总体技术架构的构成与质量控制总则 数据治理贯穿数据生产全过程，知识本体与知识库为各加工环节提供对象、属性、关系、规则及知识服务。数据依次完成采集、预处理、标注、合成、增强、质量检查和验证，四类数据集按照各自业务特点配置加工路径，共用基础能力和质量规则。训练前完成数据质量检查，训练后完成数据集验证；未通过验证的数据依据问题归因和血缘记录定位责任环节，修复后重新执行受影响的质量检查和验证任务。每次返工形成新的任务或版本，保存前后关联和处理记录。 数据治理与加工任务按批准的实施计划协同开展。每批数据进入标注前，核验所涉业务对象、主键、编码、术语、分类分级和标注规则的有效版本。定义缺失、编码冲突或规则存在歧义时，暂停受影响对象的批量标注，完成业务评审、规则发布及试标验证后再处理。已具备条件的任务按计划执行；规则变更后识别受影响样本，组织复核与必要返工，保存变更及处理记录。 建立业务对象、属性、关系、术语和约束规则，形成经评审发布的知识本体版本。知识库接入获准使用的业务资料，记录来源、有效期、适用范围和证据位置，建立可检索知识条目及索引。标注、合成和检索任务引用明确版本的本体及知识内容；关键业务规则关联专业审核依据。知识更新先开展影响分析和回归测试，再发布新版本并通知相关任务。 在采集完成、预处理完成、本体版本发布、知识库交付、标注完成、合成增强完成和数据集版本冻结前设置质量检查。采集检查授权、来源、记录及文件完整性；预处理检查解析、去重、单位及时间规范化结果；本体检查类目、关系、约束和版本兼容性；知识库检查来源有效性、条目完整性及检索结果；标注检查标签准确性、一致性和专业复核；合成增强检查来源标识、生成约束、真实性及跨子集泄漏；版本冻结检查分项规模、质量结果、授权、数据卡和交付文件。 各检查明确对象、规则版本、执行岗位、复核岗位、通过条件和异常处理。未通过的对象隔离并生成整改任务，处理后重新检查；训练后的数据集验证独立执行，未通过时按问题归因返回相应环节，修复后重新质检和验证。 在采集和每个加工任务记录输入对象、来源批次、处理规则、算子及版本、参数、输出对象和执行时间，形成样本与任务级血缘。问题发生后结合错例、规则版本和共享依赖确定影响范围，将整改任务分配至对应来源、环节、批次或算子。返工保留原结果和新版本，重新执行受影响的下游检查及场景验证；共享源数据或规则问题影响多个数据集时，扩大检查范围，禁止仅修复单个错例而遗漏关联成果。 模型通过统一接入网关注册、授权和调用，保存模型名称、版本、许可、配置及测试记录。训练环境与评测环境隔离，基准评测数据不向训练任务开放。模型升级前完成任务适用性、质量、安全和性能回归评测，经批准后切换；异常时恢复已验证版本和配置。训练推理服务按任务交付模型版本、检查点、运行配置、训练记录和评测成果，数据集与所用模型、规则及环境建立可追溯关联。 表 3-1　建设成果与核验要求 | 建设成果 | 交付内容 | 核验要求 | |---|---|---| | 四类数据集 | 预训练 615 亿 Token、指令微调 89 万条、偏好对齐 6.6 万组、基准评测 0.95 万条，附版本、数据卡和质量文件 | 各业务领域及用途子集分别达标，按固定计量规则核验有效数量、质量、来源和授权，保留计算记录 | | 专项智能工具链 | 不少于 9 类 25 项工具链及部署、配置、接口和运行文档 | 逐项核验输入输出、处理规则、权限、异常处理和验收用例，保存功能及性能测试记录 | | 运营服务管理平台 | 16 项功能模块及平台服务与 SLA 保障能力 | 验证数据及服务管理、订单、交付、清算、审计和对外接口，核验监测与服务记录 | | 本体与知识库 | 本体版本、术语、知识条目、图谱、检索索引和对象映射 | 核验来源、版本、对象关系、约束、检索效果和接口调用，保留专业评审与测试结果 | | 数据治理成果 | 治理规划、实施记录、标准规则和不少于 25 份治理文档，支撑 DCMM 三级目标 | 核对治理任务及执行证据，开展规则测试、文档评审和适用性检查，配合评估并整改 | | 场景验证成果 | 六个专业场景及五个通用场景的方案、用例、运行记录、报告和整改复测成果 | 逐项验证业务能力及指标，核验数据、模型、规则与环境版本，确认问题关闭 | | 安全及国产化成果 | 国产化清单、适配记录、安全测试、等级保护测评和密码应用安全性评估材料 | 整体国产化比率不低于 80%，统计依据可核验；完成测评评估及整改复测 | | 运营移交成果 | 数据集发布版本、登记信息、权限及使用限制、运维文档和移交记录 | 检查交付文件校验值、版本和数据卡一致性，测试授权及交付链路，完成双方移交确认 | 编制任务依赖和分阶段实施计划，明确数据授权、网络与资源环境、身份权限、标准规则、工具组件及验收条件。首批加工前完成必要的本体、字典、映射及质量规则发布；各工具按依赖关系部署和测试，数据集分批加工。运营平台的登记、授权、目录和交付能力在相应发布任务前完成验证。治理、安全及审计贯穿建设过程，场景验证使用经质量检查并受控冻结的数据版本。各阶段完成条件和交付节点纳入计划，未达条件时制定纠正措施并履行计划调整程序。 按依赖关系编排数据采集、预处理、标注、合成、增强、质量检查和验证任务，任务执行前核验输入版本、规则、授权及资源条件。各次执行形成有向无环的任务依赖图；整改重新生成任务并关联原失败任务，不覆盖历史输入输出。治理、安全、版本和审计控制覆盖全部任务，四类数据集分别配置加工路径，共享获准使用的基础能力。 通过数据库只读抽取、接口调用、文件交换、测点订阅和离线录入接入数据。接入前核验来源主体、授权范围、数据分类分级和接口安全条件，确定全量及增量识别规则。按批次记录源对象、时间范围、记录数、文件数及校验值，执行对账和入口保护，对不满足条件的数据隔离处理。 建立对象、属性、关系及约束定义，发布本体、字典和业务规则；知识资料完成授权、有效性和内容质量检查后入库，保存证据位置并建立索引。跨系统对象通过主键映射关联，各时间字段保留语义、原值、时区及转换规则，向加工任务提供确定版本的知识和规则服务。 数据加工任务调用专项工具完成标注、合成、增强及质量检查，记录每项任务的输入、规则、模型、参数、输出和血缘。按业务领域、部件类别和任务用途制定训练数据配比，开展配比预实验、继续预训练、指令微调和偏好对齐，保存配置、检查点及阶段结果。独立评测环境使用冻结基准进行模型与数据效果评测，形成质量结论、能力变化记录和问题清单。 开展十一个场景的业务能力验证，定位不合格项并组织整改复测。通过质量检查、评测、场景验证和发布审核的数据集封装为交付版本，完成数据卡、血缘、授权及使用限制文件核验，再移交运营平台登记和提供受控服务。 数据标准、质量规则、分类分级、元数据和血缘管理通过版本化配置及接口贯穿生产任务。任务启动核验适用规则和授权，运行时记录执行状态，完成后回传质量结果与血缘。密码、身份认证、权限、脱敏和审计能力按服务职责配置至采集、加工、存储、调用及交付环节，跨区域访问通过受控接口实施检查。敏感数据按分级策略限制字段、用途、接收方和留存期限，记录操作主体、对象、时间及结果，异常访问触发阻断和告警。 整改任务关联问题样本、来源批次、处理规则、算子和下游依赖，记录原因、影响范围、责任岗位、处理要求及复核条件。按确认的影响范围重新加工和验证，存在共用来源或规则问题时检查其他关联成果。新结果保留与原任务的版本关系，问题关闭后更新质量记录和交付版本。 #### 3.0.2　知识本体与知识库 建立覆盖供需计划、产品工艺设计、制造过程和产品质量的知识本体，定义业务对象、属性、关系、编码及取值约束。知识库保存经授权的制度、标准、工艺文件和业务记录，并登记文件版本、有效期、适用范围及原文位置。本体、知识库与加工规则分别实行版本管理。采集、标注、合成、质检、训练和场景验证任务登记所引用的版本，依据对象标识及证据位置关联源数据，支持复核、影响分析和结果追溯。 知识本体定义设备与部件、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、能耗与工况七类业务对象。交付类目定义、属性及值域、关系定义、对象标识映射、术语及别名、标准映射和版本记录。类目登记编码、名称、定义、适用范围及上下级关系；属性登记数据类型、计量单位、允许值、必填条件及来源；关系登记两端对象类型、方向、基数及有效时间。发布前检查编码重复、必填信息缺失、关系端点不存在、层级循环和规则冲突。一个术语存在多个业务含义时，分别登记所属领域、定义及适用条件；同一概念的不同称谓作为别名维护。评审未通过的条目不进入正式版本。 建立跨系统对象标识映射，分别保留设备资产编号、产品编号、零部件编号、物料编码、维修工单编号及其来源系统。根据对象类型、产品配置、部件层级、业务关系和有效时间识别记录间的对应关系，区分同一实物对象、同型号产品、替换部件及物料批次。候选映射登记匹配依据、置信度和复核状态；编号重复、关系冲突或依据不足的记录进入待核查队列。业务人员确认后发布有效映射，关联记录保留原始标识和历史版本。工序字典及历史工艺样本分别核验名称、数量、版本、来源和适用范围，形成可追溯的数据清单。 标注任务引用已发布的本体版本、标签集版本和标注规范版本，按对象类型、属性约束及关系定义执行标注。合成任务同时绑定工艺规则、适用参数范围、知识证据和生成模板，生成结果通过约束校验及人工复核后入库。检索任务按对象标识关联知识库条目，返回条目编号、文件版本、适用条件和原文位置。每项任务记录完整的版本依赖清单，运行期间保持依赖配置固定；需要更新时终止或完成当前任务，登记变更原因，经评审后以新的任务标识启动，保留前后结果的关联关系。 场景验证通过对象查询接口检索设备、部件、工艺、物料及其关联记录，查询请求携带对象标识、业务范围、时间范围和访问权限，返回结果保留来源与版本。验证发现的问题分别登记数据缺失、数据错误、对象映射错误、本体定义错误、知识证据缺失、检索错误及模型输出错误，关联验证用例、输入、实际输出、预期结果和复现条件。经复核属于本体的问题提交本体修订任务；其他问题分别交由数据加工、知识库、检索或模型服务岗位处理。修订前分析关联数据集与场景的影响，修订后实施对应复测及受影响用例回归，保存修订和验证记录。 数据加工、知识服务与场景验证流程 数据来源 知识与规则服务 数据集加工 训练、评测与场景验证 供需计划域 产品工艺设计域 制造过程域 产品质量域 经授权的通用与外部语料 采集接入与预处理 知识本体 类目、属性、关系、值域、术语及 别名；七类对象：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 主数据映射 对象标识、源系统编码、 有效时间 知识库 文件版本、知识条目、 证据位置、检索索引 加工规则 标注规范、工艺约束、质量规则 标注、合成、质检按版本绑定调用 采集 预处理 标注 合成 增强 质检 四领域数据集 供需计划 产品工艺设计 制造过程 产品质量 用途子集 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 模型训练 独立评测 场景验证 产品智能选型 板材备料工艺智能设计 库存控制智能化 热处理过程智能监控 焊接过程控制智能监控 刮板输送装备健康智能诊断 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 前三种用途子集（按授权） 基准测试子集 模型 证据与对象定义 问题登记与归因（按数据、本体或映射、知识库或检索、模型分类归口） 数据整改 本体或映射修订 知识库或检索修订 模型整改 整改以新任务、新版本重新执行受影响环节及验证，保留与原任务的血缘关系 图 3-1　数据加工、知识服务与场景验证流程 #### 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）：16 项功能模块 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） 七道质量检查节点（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 3-2　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 | 入口检查节点通过：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 | 口径检查节点与终审门通过：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、七道质量检查节点判定、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 | 版本检查节点通过：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 3-2 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 1.4、1.10 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。交接判据是入口检查节点通过：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。交接判据是口径检查节点与终审门通过：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`）、七道质量检查节点与三类定向回流。 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。交接判据是版本检查节点通过：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 3-3　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 | 入口检查节点通过后即可被取用 | 入口检查节点不通过即阻断，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 | 口径检查节点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） | 版本检查节点通过并冻结后 | 版本检查节点不通过的不得送训，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 3-3 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 3-3 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。 三个部分之间的接口按下述口径设计。治理服务向加工服务发布数据元、分类分级标签和质量规则版本；加工服务向治理服务回传字段级血缘、质量检查结果和问题处理记录；加工服务向运营服务提交已批准发布的数据集版本封装包及登记信息；运营服务向治理服务回传授权范围内的使用计量记录。接口请求携带调用身份、请求标识、业务对象标识、数据版本、规则版本和时间戳，并记录处理状态与错误信息。 异步任务采用持久化队列、幂等处理、失败重试和人工补偿机制。重复请求核对请求标识与业务状态，避免重复登记、重复交付或重复计量；重放任务保留原始请求及重放记录。运营服务不可用时，具备独立运行条件的加工与质检任务继续执行，待发布成果进入受控队列，恢复后核验授权、版本和文件校验值再补办登记。加工服务不可用时，仅对已完成发布且存储、认证和交付链路正常的数据集提供运营服务。 治理服务不可用时，逐项检查缓存规则的版本、有效期及授权状态。仅在规则仍有效、权限可核验且未触发撤销或风险告警的条件下继续已批准任务；无法确认权限或规则有效性的任务暂停处理，不新增发布和对外交付。恢复后核对变更记录，按血缘识别影响范围，执行补充检查或返工。共享认证、网络、存储和审计服务异常时，依据依赖关系暂停受影响业务，完成恢复验证后再开放调用。 #### 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，含七道质量检查节点与交付物产生点 质量检查节点 ① 入口检查节点 ② 预处理门 ③ 口径检查节点　④终审门 ⑤ 标注门　⑥合成增强门 ⑦ 版本检查节点 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：上排为七道质量检查节点的位置，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检查节点、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`）。增设五道门的依据见第 3.0.1 节建设原则第三条。实施口径为：七道质量检查节点共用一套指标定义，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——否则七道质量检查节点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 3-4　七道质量检查节点的判定对象、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 入口检查节点 | 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 口径检查节点 | 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 版本检查节点 | 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 3-4 数据来源：门控设置依招标文件 `b1215`；各检查节点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）」节的全链条门控与回退总表。 #### 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 入口检查节点 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 口径检查节点 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 版本检查节点 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 3-5　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 | 入口检查节点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 | 口径检查节点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 3-11 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 | 版本版本检查节点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 3-5 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 四类数据集规模与现场数据条件换算为架构侧的关键承载量，逐项写明测算假设。开工后的实测与假设不符时，调整测算假设与相应资源配置，交付规模不随之下调。 表 3-6　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 3-10 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 3-10 血缘一行） | 表 3-6 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 3-6 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，各项建设内容在同一时点按此口径施工。 #### 3.0.9　平台族的分层与部署形态 为招标方建设的天地奔牛煤机装备数据智能平台（以下简称奔牛数据智能平台）由数据集加工生产、运营服务管理、数据治理开发工具三个部分构成。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，同一数据集在加工侧与运营侧使用同一标识，血缘在移交处不中断。 数据集加工生产专项智能工具链支持数据采集、数据预处理、领域本体构建、知识库构建、数据标注、数据合成、数据增强、数据质量检查、数据验证和数据集项目管理。配置思维链、长上下文、多轮对话、多模态对齐、智能标注、生成增强、质量分布分析、生成控制评测、验证归因九类工具，交付二十五个工具链功能组件。各组件通过作业标识、数据版本、规则版本和运行日志关联，记录输入、处理参数、输出及异常结果。 数据集运营服务管理平台提供数据及服务管理、订单管理、交付管理、清算管理、审计管理、平台服务与 SLA 保障、对外接口能力。数据集发布前完成版本登记、权属及授权材料审核、使用条件配置和交付方式确认；订单、授权、交付、计量、清算及审计记录关联保存。平台服务设置运行监测、故障告警、服务请求受理、恢复验证和服务报告机制。 数据治理工具管理数据元与数据标准、质量规则、元数据、数据血缘、数据分类分级和访问权限。规则发布实施版本控制和审核审批；加工任务引用确定的规则版本，处理完成后回传质量结果和血缘记录。 数据加工生产服务和数据治理服务部署在通用服务器区域，数据集运营服务部署在对外服务区域，通过受控接口与接入连接器交换数据。训练环境、推理环境和评测环境分别配置访问控制策略；推理环境划分内网隔离区和受控区，评测环境与训练环境隔离。跨区域访问经接口网关完成身份认证、权限校验和审计记录，禁止绕过网关直接访问业务数据库。服务器密码机承担国密加解密。 各服务接入统一身份认证与权限管理，使用统一的元数据、血缘和审计管理能力。加工过程数据、运营交易数据和治理管理数据分别存储并按服务身份授权访问。加工中间数据不得直接发布至对外服务区域；对外交付仅使用完成发布审批的数据集版本。交易及清算记录由运营服务维护，通过受控接口提供必要的状态和计量结果。治理规则采用版本化接口发布，加工作业记录所引用的标准、规则及权限策略版本。 表 3-7　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、七道质量检查节点与回流、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 | 16 项功能模块、平台服务与 SLA 保障能力、确权挂牌、订单与交付、清算与审计、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 3-7 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 3-8　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、质量检查节点判定服务、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 3-11 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 16 项功能模块与平台服务及 SLA 保障能力、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 3-8 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 3-11 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。 训练推理服务设置训练环境、推理环境、评测环境及模型接入网关。训练环境开展数据配比预实验、继续预训练、指令微调和偏好对齐，接收经批准并冻结的数据集版本，输出模型检查点、训练配置、运行日志和训练结果，不直接向业务系统开放推理接口。推理环境提供在线推理、批量生成和检索增强服务，按数据分类分级和授权范围配置内网隔离区、受控区及对应访问策略。评测环境独立保存冻结的基准评测数据、评测程序、评分规则和运行配置，对待评模型执行确定版本的评测任务。 模型接入网关统一实施身份认证、权限校验、数据分级检查、协议适配、版本路由、调用计量和审计。调用记录关联用户、任务、模型版本和数据版本。提示词及响应内容按分类分级策略脱敏、加密和限权保存，审计人员仅在授权范围内查阅；留存期限届满后按照审批流程清理。 训练环境与评测环境使用独立存储和访问凭证。基准评测数据以只读方式提供给评测作业，训练任务无权访问；训练数据制作和版本发布时实施样本交叉检查，防止评测样本及其近重复内容进入训练数据。推理受控区仅调用已批准的数据集和知识库。涉及未脱敏工艺、质量数据的任务在内网隔离区执行，逐项核验业务必要性、访问授权及输出限制，禁止将原始敏感数据转发至受控区。跨区请求经过网关校验，仅传递获准的数据字段和处理结果。 训练推理服务向运营平台提供模型版本、评测报告和数据集与模型的关联记录，向治理服务提供质量检查结果及问题归因记录，向场景验证任务提供经授权的推理和评测接口。接口采用最小权限控制，记录请求、处理结果和异常情况。 训练任务异常后，校验最近有效检查点、数据版本和环境配置，确认一致后恢复训练。评测任务失败后保留失败日志，使用登记的数据、模型、代码、依赖和参数重新执行，并核对结果差异。推理服务异常时暂停受影响的场景任务，保留排队状态和已完成结果，恢复后检查任务幂等性再继续执行。共享资源故障按依赖关系识别影响范围；既有评测报告如涉及受损数据、错误配置或失效模型版本，暂停使用并重新验证。 #### 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 1-4 与「数据资源采集接入」节 3.7）。 工序、部件、产品、物料和质量特性等业务对象采用业务主管部门审核发布的代码和字典。字典记录代码、名称、定义、适用范围、版本、生效日期和管理责任人。采集与加工任务记录所用字典版本；对缺失值、无效代码及无法匹配的记录建立问题清单，完成业务确认后更新映射关系并重新校验。字典变更发布前开展影响分析，识别受影响的数据、加工规则和数据集版本，保留变更审批、转换处理及复核记录。 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 3-9　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 3-9 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 1-4 与「数据资源采集接入」节 3.7。 #### 3.0.11　关键技术选择与回退路径 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 3-10　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 3-10 中评测沙箱冻结一行不设回退路径：基准测试数据集的独立性是数据集价值可被证明的前提。若发生基准集泄漏，该基准集版本作废并重建，相关评测结论一并作废重算。其余各项的回退代价为当期目标量下调或人工比例上升，不放宽指标口径。 各项技术选择的参数、适用条件与实现方式在对应建设内容各节详述，本节只给选择结论与回退路径。 #### 3.0.12　各项建设内容在六层架构中的落位 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 3.0.16.1 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 数据治理规划和实施服务 · 技术标准验证 · 数据标注规范建设 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（16 项功能模块、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　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，各节按同一口径执行。 **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 3.0.13 节表 3-11 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、通过版本检查节点后的净交付量为准；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 3-11　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 3-11 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 3-12　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 3-11 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 3-12 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。 #### 3.0.14　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 3-13　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 | 口径检查节点③；表 3-18 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 3-3 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 | 入口检查节点①；表 3-3 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 | 入口检查节点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 | 口径检查节点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 3-3 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 | 版本版本检查节点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 3-3 接口 I-19、I-20 | 表 3-13 数据来源：判定主体一列依表 3-4 七道质量检查节点的判定主体设置；甲方侧角色依本卷「数据治理规划和实施服务 · 技术标准验证要求 · 数据标注规范建设要求」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 3-3；责任分界依 `b1575`、`b1576` 的移交规定与第 2.2 节的交付责任。 表 3-13 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 3-18 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检查节点前须转为已确认。 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。 #### 3.0.15　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 3-7）。 表 3-14　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 | 16 项功能模块：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、对外接口，以及平台服务与 SLA 保障能力；另按三统一要求建设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 3-14 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 3-16）。 #### 3.0.16　各项建设内容之间的交接物与交接判据 本项目各项建设内容之间的生产逻辑为有向无环（依 `b1215`）。接口不固化会出现三种情形：同一事项两处重复执行且口径不同、某一事项两处互相认为由对方承担而均未执行、上游产出与下游输入对不上。接口矩阵、五条贯通主线与五条统一约定用于消除这三种情形。 ##### 3.0.16.1　交接物与交接判据矩阵 矩阵按上游、交接物、交接判据、下游四列组织。交接判据规定交付物达到何种状态即算交接完成，下游据此判定是否具备开工条件。 表 3-15　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 | 入口检查节点与预处理门通过、本体经口径检查节点评审、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 | 版本检查节点通过：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 3-15 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。 ##### 3.0.16.2　五条贯通主线 各项建设内容之间不是一条单链，而是五条并行的主线。实施期的贯通性检查按主线进行：主线上任一环节断开，相关建设内容即便各自完工，该主线也不计为通过。 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：入口检查节点 → 预处理门 → 口径检查节点 → 终审门 → 标注门 → 合成增强门 → 版本检查节点 → 外部评测 断点检查项：七道质量检查节点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）。 ##### 3.0.16.3　标识、指标、术语、绝对指标与组织层级的统一约定 本项目各项建设内容在实施期统一遵守以下五条约定，避免同一事项出现两套口径。 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 3.0.13 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 3-10 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，三套组织各自的职责与议事规则在对应章节规定。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」节给出。责任层级一律用上述五级名称指代，具体机构一律用三套组织的名称指代，两者不混用。 ##### 3.0.16.4　口径冲突的登记、裁定与同步修订 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。 #### 3.0.17　实施节奏、前置条件、交付物与风险应对 实施落地按 3.2.6 总则的规定执行（`b1215`、`b1216`）。实施安排由四件事决定：建设顺序、前置条件、指标的验证方式、问题发生后的回退终点。前两件在以下各条给出，指标验证与回退终点见第 3.0.13 节与表 3-10。 ##### 3.0.17.1　实施总体节奏 建设周期至 2028 年 5 月。阶段划分依据三项实施约束：知识底座先于标注与合成投产；四个业务领域的数据条件不同，分批加工；外部评测与测评评估需预留整改复测期。 据此划分五个实施阶段，按交付物成形先后排列。各阶段的任务分解、资源配置、里程碑与进度控制办法在项目组织实施与保障措施相应条款详述。 表 3-16　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 | 口径检查节点通过；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 | 版本检查节点通过；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 3-16 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 3-16；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检查节点，标注即返工。其二，首批数据集版本未通过版本检查节点不转全面加工——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 3-17　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；本体首版过口径检查节点；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 | 首批版本过版本检查节点；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 3-17 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 3-13 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 3-13 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。 ##### 3.0.17.2　前置条件与未达成时的处置 下列前置条件不在我方单方控制范围内，逐条给出影响、处置办法与责任界面。前置条件的跟踪、升级与变更程序在项目组织实施与保障措施相应条款详述。 表 3-18　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 3-18 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 3-18 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检查节点前必须转为已确认，不会流入交付版本。 ##### 3.0.17.3　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 3-19　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 3-19 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`。 ##### 3.0.17.4　风险与应对 下列风险点逐条给出触发信号与应对动作。风险登记、评估、应对执行与关闭的管理程序在项目组织实施与保障措施相应条款详述。 表 3-20　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 3-20 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 1-2）；应对动作依表 3-10 的回退路径与 `b1215` 的定向回流要求。 表 3-21　数据准备风险及处置措施 | 风险条件 | 影响对象 | 识别方法 | 处置措施 | 完成条件 | |---|---|---|---|---| | 图纸与工艺卡片配对不足 | 产品工艺设计样本 | 按图号、零件编号、版本核验配对记录，统计有效配对及缺项 | 补取资料，完善映射，安排人工确认与复核，重新编排生产批次 | 有效配对通过审核，相关用途子集按分域指标完成交付 | | 跨系统对象关联冲突 | 多源业务样本 | 检查主键唯一性、映射一致性和业务链完整性 | 隔离冲突记录，开展业务核实、规则修订及回归校验 | 映射依据明确，关联结果可追溯，影响批次复核通过 | | 选型偏好标签不足 | 供需计划偏好数据 | 核查成对候选方案、评价依据和审核结果 | 补充合法来源资料，组织专业评定，增加符合业务范围的样本构建与复核 | 供需计划偏好数据达到分项数量及质量要求，不以其他业务域替代 | | 工序字典发生修订 | 工艺本体及标注结果 | 评估字典版本差异及受影响数据 | 审批规则变更，发布新版本，重检相关样本并保存版本映射 | 规则、工具、标注及数据卡版本一致，受影响成果通过复核 | | 设备到货或标定延迟 | 新增采集数据及关联验证 | 跟踪采购、安装、标定和采集计划 | 调整作业顺序，协调设备资源，落实补采及验证计划；不合格设备数据隔离 | 设备标定合格，采集覆盖和相关验证任务完成 | | 故障标签或正常基线样本不足 | 装备诊断数据 | 按设备、工况和故障类别核验覆盖 | 补充运维资料，复核标签，完善采集和评测计划，未确认标签不得冒充故障事实 | 适用范围明确，数据覆盖与验证结果满足规定要求 | | 纸质资料数量或可读性不足 | 产品质量数据 | 清点原件，检查清晰度和字段完整性 | 补取原件，重扫、人工录入和双重核验，安排缺口补足生产 | 对应数据集分项数量及质量达标，资料来源可追溯 | | 采样时间与业务时间错位 | 时序关联样本 | 分析设备事件、业务事件和报工时间差 | 分批确认对齐参数，保存映射规则，无法可靠对齐的样本隔离复核 | 时间关联经核验，质量标志和规则版本完整 | | 库存统计口径不一致 | 库存与经营指标样本 | 对比组织范围、时点、单位、数量及金额定义 | 经业务确认后建立统一指标定义，保留原始口径与转换规则并开展对账 | 指标定义获得确认，结果可复算，来源及转换过程可追溯 | 各项风险处置纳入项目进度和质量管理，责任人员、完成时点及复核结论在处理记录中登记；需要变更合同约定的事项按正式变更程序执行。 #### 3.0.18　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 3-22　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 | | 运营服务管理平台的功能模块交付范围 | 业务范围写不少于 14 个，服务采购清单实列 16 个 | 按服务采购清单实列的 16 项功能模块全部交付，逐模块给出功能、界面与关键流程，并实现平台服务与 SLA 保障能力以承载 3.2.4.6 的服务级别要求 | | 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 3-22 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。 #### 3.0.19　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、七道质量检查节点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质量检查规则（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。** 内部七道质量检查节点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 3-10）。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。