阅读批注汇总

质量门／版本门／入口门／口径门

质量门／版本门／入口门／口径门

七道门与质量门

质量门／版本门／入口门／口径门

七道门与质量门

3.1　项目管理措施（管理技术+实施计划 · 制度/流程/模板/表单）

单元留白项填写口径b0505、b0506、b0507合同名称（甲方名称＋项目名称＋数据加工生产服务合同）按模板原文保留，不改动b0508、b0509合同单位、甲方名称按模板原文保留b0510乙方【待填：乙方单位全称，由商务与资格卷提供】b0511合同编号签约时由双方确定b0512签订时间签约时填写实际日期b0513签订地点按模板为宁夏石嘴山市b0514签约依据与双方意愿表述按模板原文保留b0515交付物应达到合同及技术协议所示标准及功能、性能、安全等要求我方承诺按此标准交付（落实见第十三章）b0516、b0517交付物详见技术协议技术协议随签约一并签署，交付物清单与本节表 13-2 一致b0518交付时间：2028 年 5 月前完成终验收我方按第十九章计划执行，内部控制目标提前两个月b0519交付地点：甲方我方按此交付（另见 b2220、b2221）b0520、b0521项目总价与交付物明细、单价、总价表按表 18-1 的口径填写b0522r01 至 b0522r05价款表表头与软件、服务、硬件三行及含税合计行按表 18-1 的口径填写；其中服务部分税率 6%（b0522r03）b0522r06备注：交付范围与费用包含范围、不限制授权期限与许可数量我方承诺报价已包含全部所列内容，不提出报价不包含费用的特别声明（见第十八章第 1 节）b0647甲乙双方落款栏甲方栏按模板原文保留；乙方

3.1　项目管理措施（管理技术+实施计划 · 制度/流程/模板/表单）

里程碑相对时间判定依据对应交付物关联付款节点M1 项目启动T0启动会召开；《项目管理计划》《项目人力资源配备表》提交；项目经理面试完成项目实施方案、项目管理计划、人力资源配备表、启动会纪要第一次付款（b0524）M2 需求基线确立T0+3需求规格评审通过并签认；配合事项清单签认；数据收集清单与导入模板交付需求规格说明书、需求跟踪矩阵首版、数据收集清单、数据导入模板—M3 设计基线确立T0+6蓝图设计与详细设计评审通过；硬件安装调试确认单签认；标注规范 V1 签认系统设计蓝图、详细设计说明书、系统集成技术方案、硬件到货与安装调试确认单第二次付款条件之一（b0528）M4 联调测试通过T0+12系统功能验证与性能压力测试报告通过；工具链三波次交付验证通过；软件试运行确认单签认系统功能验证报告、性能压力测试报告、集成接口说明书、软件试运行确认单第二次付款（b0530）M5 竣工验收T0+16建设内容建成；数据集首轮评测与整改复测达标；运营平台上线试用；竣工验收通过评测报告、系统上线运行报告、阶段性验收报告—M6 最终验收T0+19（内部控制 T0+17）场景验证报告通过；培训与考核完成；验收资料完整；终验收合格项目终验收报告、验收自查报告、全过程资料、质量保函第三次付款（b0532、b0537）✎ 对这张表提意见

人力投入曲线与资源安排

【图 19-1　项目总体进度计划甘特图（以 T0 为时间零点，刻度为月】整幅图

甘特图行对应 WBS 工作包（表 4-1）进度统计单位与出场物里程碑需求调研基础设施及数据资源建设—多源异构数据集成采集；多格式多模态数据接入；贯穿性工作包—项目管理与文档源系统／资料批次；调研记录、源系统与资料台账、配合事项清单M1—M2需求分析与需求规格贯穿性工作包—项目管理与文档；基础设施及数据资源建设—多源异构数据集成采集需求条目与三级 WBS 单元；需求规格说明书、需求跟踪矩阵M2蓝图设计数据集加工生产运营平台建设—数据集加工生产平台、专项智能工具链、数据集运营服务管理平台设计包；系统设计蓝图及评审记录M2—M3概要设计／详细设计数据集加工生产运营平台建设—数据集加工生产平台、专项智能工具链、数据集运营服务管理平台设计包／模块；概要设计、详细设计说明书、接口与字段说明M3定制开发（工具链三波次）数据集加工生产运营平台建设—数据集加工生产平台、专项智能工具链、数据集运营服务管理平台工具或模块波次；开发包、验证记录、安装配置文档M3—M4系统集成与接口适配基础设施及数据资源建设—多源异构数据集成采集；数据集加工生产运营平台建设—数据集加工生产平台、数据集运营服务管理平台接口／适配单元；接口说明书、一致性核对记录M4联调测试数据集加工生产运营平台建设—数据集加工生产平台、专项智能工具链、数据集运营服务管理平台测试单元；功能验证报告、性能压力测试报告、缺陷单M4数据加工与标注质检

二十、各阶段工作安排

3.2　售后服务方案（培训 + 质保内 + 质保外终身承诺）

3.2　售后服务方案（培训 + 质保内 + 质保外终身承诺）

系统升级、操作系统替换、数据库替换、服务迁移、系统维护、二次开发技术支持、系统集成技术支持等，要求详细说明各类服务的范围、内容、方式，

1、建设目标与总体技术路线✎ 对这块提意见

10、本稿待补材料清单✎ 对这块提意见

1、建设目标与总体技术路线✎ 对这块提意见💬 1

1、建设目标与总体技术路线✎ 对这块提意见

1、建设目标与总体技术路线✎ 对这块提意见💬 2

1.1 本节范围与边界✎ 对这块提意见

2、术语与口径的统一✎ 对这块提意见

招标文件在技术要求开头统一定义了 30 个简写，其用意是避免同一事物在不同章节出现不同叫法。我方全卷沿用这 30 个定义，不改写、不另造同义词；本卷各节出现这些简写时一律按下表取义。✎ 对这块提意见

招标文件术语定义的沿用✎ 对这块提意见💬 1

表 0-1 招标文件术语定义的沿用（照录 b0659r01—b0659r30）✎ 对这块提意见

序号简写名称解释说明单元—表头行序号／简写名称／解释说明b0659r011天地奔牛宁夏天地奔牛实业集团有限公司b0659r022Token词元，大模型处理文本的最小单位b0659r033ERP企业资源计划b0659r044MES制造执行系统b0659r055QMS质量管理系统b0659r066WMS仓储管理系统b0659r077LMS物流管理系统b0659r088EAM设备资产管理系统b0659r099OA办公自动化系统b0659r1010CRM客户关系管理系统b0659r1111SCM供应链管理系统b0659r1212SOS售后服务管理系统b0659r1313SCADA数据采集与监控系统b0659r1414IIoT工业物联网平台b0659r1515MDM主数据管理系统b0659r1616ESB企业服务总线b0659r1717WCS仓库控制系统b0659r1818WMS-APP仓储管理系统移动端b0659r1919PDA手持终端b0659r2020RBAC基于角色的权限访问控制b0659r2121SSL 协议安全套接层协议b0659r22226S整理（SEIRI）、整顿（SEITON）、清扫（SEISO）、清洁（SEIKETSU）、素养（SHITSUKE）、安全（SECURITY）六个项目b0659r2323RFID射频识别b0659r2424AGV自动引导搬运车b0659r252

表 0-1 数据来源：招标文件第五章术语定义表（b0659r01—b0659r30）原文照录。✎ 对这块提意见

本方案补充并统一使用的术语✎ 对这块提意见

招标文件的术语表覆盖了系统简写与管理名词，但数据集生产过程中还有若干概念在全卷频繁出现，若各节各自表述会出现同一事物三种叫法。我方在此补充定义，并在全卷统一使用。补充术语不改变招标文件任何定义的含义，只是把招标文件正文中已隐含使用的概念显式化。✎ 对这块提意见

表 0-2 本方案补充并统一使用的术语✎ 对这块提意见

术语本方案定义招标文件中的来源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，由数据集加工生产部分、训练推理部分、运营服务管理部分三块构成，三块同源、共用一套身份与权限、共用一套元数据与血缘对应 b0804r03、b0804r04 两项采购清单及 3.2.6.2 的训练推理服务业务域按企业业务主线划分的数据归集单元，本项目为供需计划、产品工艺设计、制造过程、产品质量四个加工业务域；治理实施另按九个管理业务域组织加工业务域依 b1214；九个管理业务域依 b1336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b1214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依 3.2.6.3.1 采集记录与 3.2.6.3.10 数据集项目管理要求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、血缘清单依 b1563—b1576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依 3.2.6.4 指标要求与 3.2.6.3.10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，并规定不通过时的回退终点依 b1215 的「门控规则」与质检、验证两段要求定向回流按血缘与错样归因

表 0-2 数据来源：定义依本投标文件全卷统一口径；来源列指向招标文件对应条目。✎ 对这块提意见

平台名称与模型选用的统一口径✎ 对这块提意见

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。平台不是货架产品的贴牌，命名即说明它按招标方的煤机装备业务与 28 道备料工序口径建设，交付后归招标方所有、由招标方自主运营。采购清单把平台列为两项：数据集加工生产专项智能工具链建设服务（b0804r03）与数据集运营服务管理平台建设服务（b0804r04）；治理实施另要求数据治理开发工具平台（b1336）。✎ 对这块提意见

这三者在我方方案中是同一平台体系的三个部分，不是三套相互独立的系统：加工生产部分承载十个加工环节与 25 个工具链，运营服务管理部分承载 17 个功能模块与对外交付，治理开发工具部分承载标准、质量规则、元数据与血缘的管理。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。✎ 对这块提意见

3.2.6.2 要求的训练推理服务按三域一网关组织（训练域、评测域、推理域，其上为统一模型接入与评测网关），作为加工生产部分的训练推理能力实现，不另立系统名称。三者的职责分界与接口详见本卷「数据治理体系总述」节图 4-1 与「数据集运营平台」节第一部分。✎ 对这块提意见

模型的口径在全卷统一：采用当期能力评测领先的通用大模型，经统一网关接入，可替换、可评测、可随代升级。本项目的建设主线是数据集，不是模型；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）。因此方案不把某一具体模型的能力写成交付承诺，而是把网关的可替换能力与评测方法写成交付承诺：任一模型被替换后，基准测试数据集与评测沙箱不变，评测结论仍可比较（依 3.2.6.2 第 5 条 b1354—b1359 的可复现要求）。✎ 对这块提意见

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。以下依次给出本项目在配套设施中的位置与交付责任、三项共性瓶颈在本企业的对应事实、四条业务主线的数据现状、由现状导出的数据问题与处置顺序、承接的政策与标准要求，以及项目建设的必要性。✎ 对这块提意见

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）。✎ 对这块提意见

这条定位中有一层必须在总论处讲明，因为它决定了本方案全篇的责任边界：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。✎ 对这块提意见

这一边界带来三个具体后果，本方案据此组织全部场景相关内容。第一，十一个场景的论述重点在数据侧：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，而不在场景的界面、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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

【图 1-1　三个共性瓶颈在本项目中的对应事实与处置顺序】整幅图

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）。✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

1.1.3.1 供需计划主线：数据齐而口径不齐✎ 对这块提意见

1.1.3.2 产品工艺设计主线：成对的存量，缺一张关系表✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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 3-9 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）。✎ 对这块提意见

1.1.3.3 制造过程主线：参数在采，对象没挂上✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

序号简写名称解释说明单元—表头行序号／简写名称／解释说明b0659r011天地奔牛宁夏天地奔牛实业集团有限公司b0659r022Token词元，大模型处理文本的最小单位b0659r033ERP企业资源计划b0659r044MES制造执行系统b0659r055QMS质量管理系统b0659r066WMS仓储管理系统b0659r077LMS物流管理系统b0659r088EAM设备资产管理系统b0659r099OA办公自动化系统b0659r1010CRM客户关系管理系统b0659r1111SCM供应链管理系统b0659r1212SOS售后服务管理系统b0659r1313SCADA数据采集与监控系统b0659r1414IIoT工业物联网平台b0659r1515MDM主数据管理系统b0659r1616ESB企业服务总线b0659r1717WCS仓库控制系统b0659r1818WMS-APP仓储管理系统移动端b0659r1919PDA手持终端b0659r2020RBAC基于角色的权限访问控制b0659r2121SSL 协议安全套接层协议b0659r22226S整理（SEIRI）、整顿（SEITON）、清扫（SEISO）、清洁（SEIKETSU）、素养（SHITSUKE）、安全（SECURITY）六个项目b0659r2323RFID射频识别b0659r2424AGV自动引导搬运车b0659r252

术语本方案定义招标文件中的来源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，由数据集加工生产部分、训练推理部分、运营服务管理部分三块构成，三块同源、共用一套身份与权限、共用一套元数据与血缘对应 b0804r03、b0804r04 两项采购清单及 3.2.6.2 的训练推理服务业务域按企业业务主线划分的数据归集单元，本项目为供需计划、产品工艺设计、制造过程、产品质量四个加工业务域；治理实施另按九个管理业务域组织加工业务域依 b1214；九个管理业务域依 b1336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b1214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依 3.2.6.3.1 采集记录与 3.2.6.3.10 数据集项目管理要求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、血缘清单依 b1563—b1576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依 3.2.6.4 指标要求与 3.2.6.3.10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，并规定不通过时的回退终点依 b1215 的「门控规则」与质检、验证两段要求定向回流按血缘与错样归因

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。以下依次给出本项目在配套设施中的位置与交付责任、三项共性瓶颈在本企业的对应事实、四条业务主线的数据现状、由现状导出的数据问题与处置顺序、承接的政策与标准要求，以及项目建设的必要性。✎ 对这块提意见

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）。✎ 对这块提意见

1.1.3.4 产品质量主线：判断在人脑里，证据在纸上✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 1-3 十一个场景的痛点、数据命题、样本形态与落点✎ 对这块提意见

表 1-3 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。✎ 对这块提意见

表 1-3 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。✎ 对这块提意见

「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。✎ 对这块提意见

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

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 3-11 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

数据治理体系总述 / 数据治理体系总体方案

表 1-4 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✎ 对这块提意见

表 1-4 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 3-9 的回退口径。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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（b

表 1-5 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。✎ 对这块提意见

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。✎ 对这块提意见

前六节分别给出本项目在配套设施中的位置、三个共性瓶颈在现场的对应物、四条业务主线的数据现状、业务痛点到数据命题的翻译，以及方案选择与政策承接。把这些事实合到一处，可以回答评审最关心的一问：这件事为什么要做，以及为什么是现在做。本节不引新材料，只把前文已经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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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 1-3，验证口径见表 1-7 与本卷场景验证各节）。✎ 对这块提意见

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 1-5）。✎ 对这块提意见

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 1-4）；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。✎ 对这块提意见

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 1-4 最后一列的回退口径与第 3.0.14 节的承诺方式处置。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

表 1-6 数据质量目标的要求下限与我方承接值✎ 对这块提意见

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。✎ 对这块提意见💬 1

平台名称与模型选用的统一口径✎ 对这块提意见💬 1

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

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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 2-1）。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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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 1-6；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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见

1.1.1 本项目在配套设施中的位置与交付责任✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 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。✎ 对这块提意见

1.1.2 三个共性瓶颈对应的现场事实✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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 1-4 与「数据资源采集接入」节 3.7。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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）」节的数据标注部分与「技术创新与机制创新」节的数据标注规范一段）。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

【图 1-1　三个共性瓶颈在本项目中的对应事实与处置顺序】整幅图

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）。✎ 对这块提意见

1.1.3 四条业务主线上的数据现状画像✎ 对这块提意见💬 1

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。✎ 对这块提意见

表 1-1 四条业务主线的现场问题、数据条件与加工重点✎ 对这块提意见💬 1

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

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。✎ 对这块提意见💬 1

1.1.3.1 供需计划主线：数据齐而口径不齐✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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 1.7）；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）。✎ 对这块提意见💬 1

1.1.3.2 产品工艺设计主线：成对的存量，缺一张关系表✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

1.1.3.3 制造过程主线：参数在采，对象没挂上✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

1.1.3.4 产品质量主线：判断在人脑里，证据在纸上✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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）。✎ 对这块提意见

1.1.3.5 源系统数据现状逐项画像✎ 对这块提意见💬 1

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。✎ 对这块提意见

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✎ 对这块提意见💬 1

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

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）。✎ 对这块提意见💬 1

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✎ 对这块提意见

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

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

1.1.4 现场痛点对应的数据问题✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

【图 1-2　从业务痛点到数据命题再到样本形态的翻译链】整幅图

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

表 1-4 十一个场景的痛点、数据命题、样本形态与落点✎ 对这块提意见

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

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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」节的共用方法部分）。✎ 对这块提意见💬 1

1.1.5 现场事实对方案选择的决定作用✎ 对这块提意见

「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。✎ 对这块提意见💬 1

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✎ 对这块提意见💬 1

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

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。✎ 对这块提意见

1.1.6 本项目承接的政策与标准要求✎ 对这块提意见💬 1

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

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）。政策承接逐项给出三件事：该文件中与本项目直接相关的条款、该条款落在本项目的哪一个交付物上、落实情况的证明方式。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

表 1-6 本项目承接的政策与标准要求及其落点✎ 对这块提意见💬 1

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（b

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

1.1.7 项目建设的必要性✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

字段取值规则维护责任更新时机核验方法数据源编号全项目唯一，一经分配不再变更数据管理岗登记时分配唯一性校验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责任部门与接口人按部门与岗位记录，不记个人以外的其他信息来源部门人员或职责变动时更新对接记录可追溯到岗位数据对象逐类列出可取用的数据对象数据管理岗范围调整时更新与接入配置逐项比对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数据分级按分类分级结论取值安全管理岗分级结论调整时更新分级结论与访问策略一致使用限制出域、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✎ 对这张表提意见💬 2

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所用模型与版本记录模型名称、版本号与网关路由配置模型须已通过准入评测并登记在模型目录与模型目录及调用日志比对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人工复核结论通过、修改后通过、废弃按抽样比例复核，复核比例在合成方案中给定复核记录完整性与一致率统计用途子集归属预训练、指令微调、强化学习偏好一条样本只归属一个用途子集跨子集重复样本检测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来源标识合成样本逐条带来源标识标识随样本流转至交付，不在封装时剥除交付版本抽样检查标识保留率✎ 对这张表提意见💬 2

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 Token615 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

四个数据集按分期达成组织，每期设定目标量与核验点。某一期未达目标量的，在后续期补足并在数据卡中登记，计量规则不随之调整。交付量按去重、去污染并通过版本门后的净交付量计量。✎ 对这块提意见💬 2

保真度、完备性、规整性、均衡性、可用性、可信性六个质量维度的指标定义、计算规则与证据要求在加工质量检查与正式评测两处统一，取同一套定义；指标定义在加工阶段即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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 1

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）。✎ 对这块提意见💬 2

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）。✎ 对这块提意见💬 2

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）。✎ 对这块提意见

这项目标是本包与上层项目的接合点。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）；场景本身的功能设计、系统开发与上线运行由该项目的其他组成部分承担。十一个场景的验证统一按五段组织：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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

表 1-12 十一个场景的验证承接与详述位置✎ 对这块提意见💬 1

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

表 1-12 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。✎ 对这块提意见

【图 1-3　六项项目目标的承接内容与可核验交付物】整幅图

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。✎ 对这块提意见💬 1

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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、配置三项版本记录齐备且一致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执行中断的保留现场记录并重跑结果分析运行记录、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、模型记录区分数据来源问题、加工环节问题与场景侧条件问题归因岗分析，专家库裁定争议项问题清单与归因结论每一项问题定

【图 2-1　业务范围六项的关系】整幅图

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

表 3-1 第 3 章两段要求的承接方式✎ 对这块提意见

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✎ 对这张表提意见

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。✎ 对这块提意见

3.0 总体技术架构✎ 对这块提意见

3.0.1 编制依据、建设原则、建设目标与技术路线✎ 对这块提意见

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。✎ 对这块提意见

3.0.1.1 编制依据✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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 1-8，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。✎ 对这块提意见

3.0.1.2 建设原则✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）」节的全链条门控与回退总表）。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

3.0.1.3 建设目标✎ 对这块提意见

本小节的建设目标，是把第 1.2 节六项项目目标折算为架构建成后可逐项核验的指标：第 1.2 节按招标文件的目标条目给出承接值，本小节给出对应的验证对象、计量规则与达成时点。两处数值同源，以表 1-11 与表 3-15 为准，本表不另立数值。✎ 对这块提意见

表 3-2 建设目标与核验口径✎ 对这块提意见

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 1-11；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

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.1.4 技术路线✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

3.0.2 技术主线：以知识本体为中枢✎ 对这块提意见💬 1

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 3-3 的 I-08、I-09、I-10、I-11。✎ 对这块提意见💬 1

3.0.2.1 知识本体中枢的设计依据与对象统一机制✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

3.0.2.1 知识本体中枢的职责与接口✎ 对这块提意见💬 1

知识本体承担对象统一的职责：把分散在各源系统的产品、部件、工件、工单、焊缝、焊道、炉次、材料批次、检验批、设备与物料统一为一套对象定义，并对外提供类目、属性、关系、约束与术语五类内容。本体的交付形态为七类目定义集及其配套表，以版本号发布，发布前核验类目完整性、关系闭合性与术语唯一性三项。✎ 对这块提意见💬 1

本体对加工链的接口有三个方向：向标注环节下发标签体系与标注口径，向合成环节下发生成约束与取值域，向检索与验证环节提供事实依据与引用出处。三个方向共用同一版本号，加工作业启动时绑定，过程中不切换。✎ 对这块提意见💬 1

本体对场景的接口是对象与关系的查询服务：场景验证按对象而非按表名取数，跨系统、跨部门的数据据此关联。场景验证得出的数据可用性结论与错例归因结果回写本体的问题台账，作为下一版本体修订的输入。✎ 对这块提意见💬 1

本体的类目设计、属性集、值域、构建工序与知识库入库规则属实施层内容，在数据加工生产相应环节详述，本节不重复。✎ 对这块提意见💬 1

【图 3-1　技术主线：知识本体作为数据与场景之间的中枢】整幅图

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《高质量数据集 质量评测规范》。图中「场景验证」一栏的动词为验证（见第 2.2 节）。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

七道门与质量门

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。✎ 对这块提意见💬 2

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。✎ 对这张表提意见💬 2

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。✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

第1章 项目背景✎ 对这块提意见💬 2

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

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

【图 1-1　数据关联、标注与验证流程✎ 对这块提意见💬 1】整幅图

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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E

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

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

【图 1-2　产品智能选型样本构建与验证流程✎ 对这块提意见💬 1】整幅图

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

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

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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

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。✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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

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。✎ 对这块提意见💬 3

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

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 3

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

【图 1-3　项目建设任务与交付成果✎ 对这块提意见💬 3】整幅图

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。各实施单位确定业务负责人和数据接口人，参与数据资源调查、授权及字段确认、业务规则评审、样本复核和场景验证，形成需求确认、资料交接及成果评审记录。✎ 对这块提意见💬 2

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。✎ 对这块提意见💬 2

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。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见

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

【图 2-1　数据生产、验证与运营流程】整幅图

3.0 总体技术架构✎ 对这块提意见💬 1

3.0.1 总体技术架构的构成与质量控制总则✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见💬 1

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

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

3.0.2 知识本体与知识库✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 2

【图 3-1　数据加工、知识服务与场景验证流程✎ 对这块提意见💬 3】整幅图

3.0.3 总体架构的分层构成✎ 对这块提意见💬 3

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。✎ 对这块提意见💬 2

【图 3-2　总体技术架构】整幅图

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。✎ 对这块提意见💬 1

3.0.4 六层的职责与交接物✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

表 3-2 六层的职责、交接物与完成判据✎ 对这块提意见💬 1

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

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）。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

3.0.4.1 第一层 数据资源层✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

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。✎ 对这块提意见💬 1

3.0.4.2 第二层 采集接入层✎ 对这块提意见💬 1

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

3.0.4.3 第三层 知识底座层✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.4.4 第四层 加工生产层✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.4.5 第五层 训练与评测层✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.4.6 第六层 运营服务层✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.4.7 横向 数据治理管控层✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.4.8 纵向 安全与国产化底座✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.5 层与层之间的接口清单✎ 对这块提意见

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。✎ 对这块提意见

表 3-3 层间接口清单✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.6 数据流转全景与门控、交付物的位置✎ 对这块提意见

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。✎ 对这块提意见

【图 3-3　数据流转全景与七道质量检查节点、交付物产生点】整幅图

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 3-4 七道质量检查节点的判定对象、判定项与回退终点✎ 对这块提意见

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

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。✎ 对这块提意见

3.0.7 一条数据的完整路径✎ 对这块提意见

3.0.7 一条数据的完整路径✎ 对这块提意见

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。✎ 对这块提意见

【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】整幅图

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。✎ 对这块提意见

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。✎ 对这块提意见

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✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.8 架构承载的量级测算✎ 对这块提意见

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。✎ 对这块提意见

表 3-6 架构承载的关键量级测算✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.9 平台族的分层与部署形态✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 3-7 平台三个部分的职责分界与接口✎ 对这块提意见

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✎ 对这张表提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 3-8 平台族的部署节点、组件职责、容量依据与故障恢复✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.10 对象主键与时间基准的统一✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 3-9 对象主键映射表样例（格式示意）✎ 对这块提意见

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

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。✎ 对这块提意见

3.0.11 关键技术选择与回退路径✎ 对这块提意见

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。✎ 对这块提意见

表 3-10 关键技术选择、适用边界与回退路径✎ 对这块提意见

评分表第 2 项「技术方案」评价维度

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；

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.11 关键技术选择与回退路径✎ 对这块提意见

3.0.12 各项建设内容在六层架构中的落位✎ 对这块提意见

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。✎ 对这块提意见

【图 3-5　本卷各技术段在总体架构中的位置】整幅图

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

3.0.13 指标的承诺方式与分项交付量承诺✎ 对这块提意见

本项目的指标分两类，承诺方式不同，各节按同一口径执行。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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276403.20.4产品工艺设计70100.80.1制造过程1051510.2产品质量164241.60.25合计615896.60.95招标文件下限（b0670、b0683）≥600≥80≥6≥0.9✎ 对这张表提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

表 3-12 各类指标的承诺方式✎ 对这块提意见

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

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。✎ 对这块提意见

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

3.0.14 业务架构：业务角色与环节责任✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.15 功能架构：平台功能模块视图✎ 对这块提意见

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）。✎ 对这块提意见

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✎ 对这张表提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

3.0.16 各项建设内容之间的交接物与交接判据✎ 对这块提意见

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。✎ 对这块提意见

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

3.0.16.1 交接物与交接判据矩阵✎ 对这块提意见

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。✎ 对这块提意见

表 3-15 技术方案卷各节的接口矩阵✎ 对这块提意见

2.1　技术方案总论 · 需求理解 · 总体技术架构

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、T14T1B 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

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.16.2 五条贯通主线✎ 对这块提意见

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。✎ 对这块提意见

【图 3-6　贯通全卷的五条主线及其断点检查项】整幅图

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。✎ 对这块提意见

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）。✎ 对这块提意见

3.0.16.3 标识、指标、术语、绝对指标与组织层级的统一约定✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.16.4 口径冲突的登记、裁定与同步修订✎ 对这块提意见

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。✎ 对这块提意见

3.0.17 实施节奏、前置条件、交付物与风险应对✎ 对这块提意见

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。✎ 对这块提意见

3.0.17.1 实施总体节奏✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

【图 3-7　五个阶段的并行关系与关键里程碑】整幅图

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.17.2 前置条件与未达成时的处置✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

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。✎ 对这块提意见

3.0.17.3 验收与交付物总清单✎ 对这块提意见

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。✎ 对这块提意见

表 3-19 交付物总清单与归属章节✎ 对这块提意见

表 3-19 交付物总清单与归属章节✎ 对这块提意见

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、T4b0804r03、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、T113.2.3.11、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、T14b0684、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T13b1343、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T1

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。✎ 对这块提意见

3.0.17.4 风险与应对✎ 对这块提意见

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。✎ 对这块提意见

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

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。✎ 对这块提意见

3.0.18 招标文件未明确事项的处置口径✎ 对这块提意见

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。✎ 对这块提意见

表 3-22 留白处的处置口径✎ 对这块提意见

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✎ 对这张表提意见

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。✎ 对这块提意见

3.0.19 本项目的总体交付承诺✎ 对这块提意见

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。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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）。✎ 对这块提意见

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。✎ 对这块提意见

表格占比过高、多处表格前无论述

2.1　技术方案总论 · 需求理解 · 总体技术架构

1、本节的位置、实施范围与业务范围✎ 对这块提意见

1、本节的位置、实施范围与业务范围✎ 对这块提意见

1、本节的位置、实施范围与业务范围✎ 对这块提意见

质量门／版本门／入口门／口径门

七道门与质量门

1、实施范围与业务范围✎ 对这块提意见💬 3

数据加工生产服务的内容是：在招标文件给定的实施范围内受理十个单位分管的业务与设备数据，沿数据采集、数据预处理、知识本体、知识库、数据标注、数据合成、数据增强、数据集质检、数据集验证、数据集项目管理十个环节加工，产出供需计划、产品工艺设计、制造过程、产品质量四类数据集，每类覆盖预训练、有监督指令微调、人类偏好对齐与基准评测四个用途子集，合计预训练 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，并按版本封装后移交数据集运营服务管理平台登记（b1214、b1361、b1575）。✎ 对这块提意见

工作内容按三类组织。第一类是加工作业：十个环节按批次执行，每一批次有确定的输入对象、处理动作、输出包与责任岗位，交接以交付物与判定结论为准，不以口头协调为准。第二类是过程管控：七道质量检查节点按批次或按版本判定。质量检查节点指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；未通过的不放行至下一环节，按血缘定位回流至具体环节、具体批次、具体算子修复，构成有向无环的生产逻辑（b1215）。第三类是成果固化：批次台账、质检报告、验证报告、数据集卡片、数据字典与资产台账随版本一并交付，使任一条样本的来源、加工过程与判定结论可在脱离本项目作业环境的条件下复核。✎ 对这块提意见

贯通十个环节的实施口径在本项服务内统一确定：岗位与交接、门控与审批、调度与产能、异常与仲裁、交接清单与净量核算，各环节按同一套口径作业，不逐环节另立一份。各环节的作业方法——采集、预处理、知识本体、知识库四个环节见本卷「数据加工生产（一）」节，标注、合成、增强、质检、验证、数据集项目管理六个环节见「数据加工生产（二）」节，四类数据集各自的规模分解、模态与时效性构成、数据集卡片字段见「四大数据集建设及指标要求」节。✎ 对这块提意见

1.1 实施范围✎ 对这块提意见

招标文件列明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、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）。这十个单位不是十个平行的接口方，它们在数据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。我方按这三类角色分别设对接方式，而不是按单位数量设十条独立流程。✎ 对这块提意见

表 1-1 实施范围内各单位在加工生产中的角色与对接内容✎ 对这块提意见

单位主要角色向加工生产提供什么需要其确认什么对应数据集营销中心数据来源方、口径确认方客户与订单资料、历史销量与销售预测、选型方案及其使用评价客户与产品口径、选型方案的效果分级供需计划数据集生产管理部数据来源方、口径确认方生产计划与工单、排产与完工记录、库存与物流记录计划类指标口径、工单状态定义供需计划数据集、制造过程数据集刮板机研究分院数据来源方、口径确认方主机与部件设计资料、产品结构与部件层级、技术规范部件层级与命名、技术参数取值范围产品工艺设计数据集工艺研究分院数据来源方、口径确认方图纸与工艺卡片、工艺编制准则、制图标准备料工序字典、加工方法分档规则产品工艺设计数据集备料加工分厂数据来源方备料工序的过程记录、设备运行数据、工序完工与返工记录工序实际执行口径与异常记录方式制造过程数据集热处理分厂数据来源方炉次记录、群控系统工艺曲线、装炉清单、硬度检测结果炉次与工件、材料批次的关联方式制造过程数据集、产品质量数据集结构件焊接分厂数据来源方焊接参数流、焊道与工件对应、焊缝检测记录与影像焊道编号规则、缺陷判定依据制造过程数据集、产品质量数据集企业管理部数据来源方、成果使用方管理制度文本、流程文件制度的现行版本与适用范围通用语料（支撑通用问答场景验证）科研管理部数据来源方、成果使用方科研项目资料、技术报告、标准化工作资料技术标准的现行版本通用语料、知识产权成果归集审计法务部数据来源方、口

表 1-1 数据来源：实施范围依招标文件 2.1 实施范围（b0679），单位名单依 b0680、管理单位依 b0681；各单位与数据集的对应依四大数据集的来源构成（见本卷「四大数据集建设及指标要求」节各集第 2 小节）。✎ 对这块提意见

数据来源按部门落位而不按系统落位：同一个系统的数据往往由不同部门负责口径，按系统对接会在同一份数据上得到两个口径结论。需招标方确认的事项按部门归集后，由数字化转型工作办公室按部门统一排期确认，确认结论进入知识本体与数据标准，各环节不再逐批请示。四个业务域各自的数据来源清单、受理方式与批次组织见本卷「数据加工生产（一）」节第 2 章。✎ 对这块提意见

1.2 业务范围✎ 对这块提意见

招标文件业务范围列出六项（b0682）：高质量数据集、应用场景验证、平台建设、智能工具链、知识产权、数据集质量评测。六项不是六个并列的交付包，它们之间是「一个主交付物 + 五项围绕它的配套」的关系——主交付物是四大数据集。其余五项分别解决数据集怎么被生产出来（工具链）、怎么被管理和流通（平台）、怎么被证明有用（场景验证）、怎么被证明合格（质量评测）、怎么形成可留存的能力（知识产权与软建设）。✎ 对这块提意见

表 1-2 业务范围六项的承接值与详述位置✎ 对这块提意见

业务范围项招标文件要求我方承接详述位置单元高质量数据集行业多模态高质量数据集 1 套，预训练 ≥600 亿 Token、指令微调 ≥80 万条、强化学习偏好 ≥6 万组、基准测试 ≥0.9 万条；模态超过 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%四集合计 615 亿 Token、89 万条、6.6 万组、0.95 万条，均高于要求下限；模态覆盖文本、图像、时序、视频四类本卷「四大数据集建设及指标要求」节b0683应用场景验证11 个数据集验证场景，验证数据集价值，提升垂域模型与智能体性能六个专业场景与五个通用场景逐场景给验证口径、所需数据、通过判据；本包承担验证，不承担场景建设本卷「六个专业场景验证方案」节、「五个通用场景验证方案」节b0684平台建设数据集运营服务管理平台 1 套，不少于 14 个功能模块按采购清单实列的 16 个功能模块建设，覆盖目录、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、全流程审计本卷「数据集运营平台」节b0685、b0804r04智能工具链9 大类 25 个数据集加工生产专项智能工具链25 个工具逐一列名归类，给出输入输出接口与在加工链上的调用点本卷「专项智能工具链」各节b0686、b0804r03知识产权论文不少于 5 篇、发明专利不少于

表 1-2 数据来源：业务范围依招标文件 2.2 业务范围（b0682），要求列依 b0683—b0688 原文与服务采购清单 b0804r03、b0804r04、b0804r06、b0804r08；承接值依本投标文件事实口径（四集规模见本卷「四大数据集建设及指标要求」节表 1）。✎ 对这块提意见

1.3 交付范围与相邻范围的责任边界✎ 对这块提意见

服务采购清单各项的承接与本项服务的位置✎ 对这块提意见💬 1

围绕供需计划、产品工艺设计、制造过程和产品质量四个业务领域，组织数据采集、预处理、知识本体、知识库、数据标注、合成、增强、数据集质检、验证和项目管理。按实际数据来源、业务责任及授权关系登记处理对象，核对业务系统、设备采集、纸质及离线资料的来源、内容、格式、时间、版本和允许用途，形成可执行的加工任务。✎ 对这块提意见💬 1

招标文件第 3 章信息系统技术要求（b0689）下设服务部分（b0802），服务部分之首为服务采购清单（b0803）。采购清单是合同标的的正式列项，评标与验收均以其为准；清单之后依次为数据资源建设要求、专项智能工具链建设要求、运营服务管理平台建设要求、系统集成服务要求、数据集加工生产实施服务要求、信息安全风险评估服务要求与数据集质量评测建设要求。数据集加工生产实施服务要求（b1213）是清单第 5 项在技术要求正文中的展开，本项服务即在其项下。✎ 对这块提意见💬 1

表 1-1 服务采购清单七项与方案章节的对应✎ 对这块提意见💬 1

序号清单名称数量清单备注的主要内容方案详述位置单元1数据资源建设服务1 套多源异构数据集成采集，覆盖 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；多格式多模态数据接入与离线非结构化数据解析录入本卷「数据资源采集接入」节（通道与接入）；本卷「数据加工生产（一）」节（受理之后的解析与规范化）b0804r022数据集加工生产专项智能工具链建设服务1 套9 大类 25 个工具链，不限制使用节点数量本卷「专项智能工具链」总述与三节b0804r033数据集运营服务管理平台建设服务1 套16 个功能模块，不限制使用节点数量本卷「数据集运营平台」节b0804r044系统集成服务1 套通用服务器上数据集加工生产平台的安装与适配、接入连接器上运营服务管理平台的安装与适配、服务密码机国密算法调试、硬件网络连接与适配本卷「系统集成方案」节b0804r055数据集加工生产实施服务1 套治理规划与实施、训练推理技术服务、数据加工生产、数据集建设及指标要求、场景验证、运营推广、关键技术攻关；标准验证；数据标准专家库；数据标注规范；软建设约 30 余项；不少于 7 份项目内部管理制度；安全合规；知识产权数据加工生产服务（3.2.6.3）见本节与本卷「数据加工生产（一）」「数据加工生产（二）」两节；

表 1-1 数据来源：招标文件 3.2.1 服务采购清单原表（b0804r01—b0804r08），原表的数量与备注照录，本表按「清单项—方案位置」二维重排。清单各项的报价填写在商务卷投标报价一览表及其分项明细表中完成，本部分不填数字。✎ 对这块提意见💬 1

清单第 5 项数据集加工生产实施服务是本包工作量的主体。该项在技术要求正文中展开为数据集加工生产实施服务要求（b1213）项下的十三项服务，各为独立的服务内容，分别有各自的要求条款与交付物。本方案按原顺序逐项设节应答，不将其中任何一项并入另一项论述。✎ 对这块提意见💬 1

数据集加工生产实施服务要求项下各项服务的位置✎ 对这块提意见💬 1

数据加工生产服务（3.2.6.3）是这十三项中的一项，与数据治理规划和实施服务、行业大模型训练推理技术服务、数据集建设及指标要求、数据集场景验证服务要求等项并列，不包含它们。本节是数据加工生产服务这一项的总述，其余各项的总述与详述在各自分节内完成。✎ 对这块提意见💬 1

表 1-2 数据集加工生产实施服务要求项下十三项服务的分节位置✎ 对这块提意见💬 1

原编号服务项名称本投标文件的应答位置3.2.6.1数据治理规划和实施服务本卷「数据治理体系」总述节及「数据治理（一）」「数据治理（二）」两节3.2.6.2行业大模型训练推理技术服务本卷「行业大模型训练推理技术服务」节（b1337）3.2.6.3数据加工生产服务要求本节（总述）及本卷「数据加工生产（一）」「数据加工生产（二）」两节（b1360）3.2.6.4数据集建设及指标要求本卷「四大数据集建设及指标要求」节（b1577）3.2.6.5数据集场景验证服务要求本卷「六个专业场景验证方案」节与「五个通用场景验证方案」节3.2.6.6数据集运营推广服务要求本卷「数据集运营平台」节（平台承载）与「技术创新与机制创新」节（运营体系、架构、盈利模式与公共服务内容）3.2.6.7技术标准验证要求本卷「数据治理体系」总述节3.2.6.8数据标注专家库建设机制建设要求本卷「技术创新与机制创新」节3.2.6.9数据标注规范建设要求规范体系与版本管理见本卷「数据治理体系」总述节；各业务域的作业口径见「数据加工生产（二）」节数据标注部分3.2.6.10项目「软建设」配套措施建设要求本卷「技术创新与机制创新」节3.2.6.11项目组织实施与保障措施要求服务方案卷「项目管理措施」节3.2.6.12项目安全合规建设要求本卷「安全方案」节；加工链上的执行点见本节「从接收到最终发布的完整交接清单」与「数据加工生产（

表 1-2 数据来源：编号与名称依招标文件 3.2.6 数据集加工生产实施服务要求（b1213）项下各小节标题原文，顺序与层级照录；应答位置依本投标文件的分节安排。✎ 对这块提意见

十三项中有三项的内容与加工链直接交织：数据标注规范（3.2.6.9）既是配套交付文件又是标注环节的作业依据，技术标准验证（3.2.6.7）的载体是本体与知识库的标准引用关系，项目安全合规（3.2.6.12）的执行点落在入口脱敏与全流程留痕上。对这三项的处理是：规范、机制与交付物清单在其本节给出完整口径，加工链上的执行点在本节与两个子节给出执行方式，两处引同一版本号，不各写一套口径。✎ 对这块提意见

交付范围与相邻范围的责任边界✎ 对这块提意见

本包是数据加工生产服务。交付物是三类：数据集加工生产成果、数据集质量评测成果、数据集场景验证成果。智能场景本身的建设不属于本包范围，本包在各场景中承担的工作是以该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）。这条边界在方案各处的表述须一致，因此在总述中先行写明：凡涉及场景的段落，本方案描述的都是「用什么数据、按什么口径、怎么判定数据够不够用」，不描述场景应用本身的功能设计与界面。✎ 对这块提意见

另一条边界在下游。四个数据集完成质检与验证并封装为版本之后，向数据集运营服务管理平台移交并登记，本包的交付责任至移交登记完成为止（b1575、b1576）。移交之后数据集的挂牌展示、对外发布、交易与接入国家数据基础设施属于运营服务与平台建设的范围；本包的职责是为每一个版本准备并提交登记所需的信息与元数据，使运营侧开展上述工作时无须回头补齐数据侧信息。✎ 对这块提意见

【图 1-1　本包的交付范围与相邻范围的责任边界】整幅图

图 1-1 本包的交付范围与相邻范围的责任边界。数据来源：范围依招标文件 2.2 业务范围（b0683—b0688）；两端边界依 3.2.2 数据资源建设要求（b0805）与 3.2.6.3.10 数据集项目管理（b1575、b1576）。✎ 对这块提意见

生产逻辑：横向管控层、统一知识底座与纵向生产链路✎ 对这块提意见

要求的实质：一条有向无环的生产链，而不是一组加工动作✎ 对这块提意见

招标文件对生产逻辑的规定相当具体：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→数据预处理→数据集标注→数据合成→数据增强→数据集质检→数据集验证为纵向生产链路，并以血缘追溯驱动定向回流，构成有向无环的生产逻辑；四类数据集在该生产逻辑上各自走专属路径，共享底座能力与门控规则；数据集质检为训练前门控，数据集验证为训练后终验；未通过验证的数据集按错样归因结果定向回流至上游相应环节修复并重新质检与验证（b1215）。✎ 对这块提意见

这段要求值得逐句对照，因为它决定了方案的组织方式。「横向贯穿」意味着治理不是一个前置阶段而是一个常驻管控层，标准、质量规则、安全分级在每个环节上都要生效；「统一知识底座」意味着本体与知识库不是知识管理的副产品，而是标注口径、合成约束与检索证据的唯一来源；「有向无环」意味着回流必须是定向的，即从验证结果归因到具体环节、具体批次、具体算子，而不是整条链重做；「质检为训练前门控、验证为训练后终验」意味着两者的性质不同：质检判定的是数据本身合不合格，验证判定的是数据有没有用，前者不能替代后者。✎ 对这块提意见

我方按这段要求组织加工生产，并在三处作了具体化。第一，把纵向链路由七个环节扩成十个环节：在采集与预处理之后、标注之前，补入知识本体与知识库两个环节（招标文件 3.2.6.3.3、3.2.6.3.4 也是独立环节），在验证之后补入数据集项目管理环节（3.2.6.3.10），使「底座先立、链路后行、成果成版」的顺序在方案里显式存在。第二，把「门控」具体化为七道质量检查节点，每一道检查节点有判定对象、判定项、判定主体、通过条件与不通过时的回退路径，未通过的不放行至下一环节。第三，把「定向回流」具体化为三类回流通道，每一类有触发条件与回流终点。✎ 对这块提意见

十个环节与七道质量检查节点的总图✎ 对这块提意见

服务名称单位与数量实施工作交付及检查要求数据资源建设服务1 套针对 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，按业务需要完成授权协同、资料核查、采集接入、历史和增量获取；完成纸质及离线非结构化资料电子化、解析和录入交付来源台账、合法授权、接口与字段配置、原始及电子化数据、采集记录、数量和增量对账、异常处理及血缘。检查对象、用途、时段、格式、完整性和实际更新能力；安全监管数据按单向获取要求接入，替代采集方式不绕过授权，也不降低最终能力数据集加工生产专项智能工具链建设服务1 套建设思维链、长上下文、多轮对话、多模态对齐、智能标注、数据生成增强、质量分布控制、生成控制评测、验证归因九类 25 个专项工具，配置实际加工调用及公共接口提供 25 个可运行实例、不限使用节点及许可数量的授权、输入输出、配置、接口、部署、使用维护资料及测试结果。逐工具验证所需功能，检查任务创建、查询、结果、重试、导出、回调等适用接口与权限、异常、版本和追溯；验收以可运行实例的实测结果为准数据集运营服务管理平台建设服务1 套建设目录、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、交付、清算和 S

服务内容实施工作交付成果与检查要求数据治理规划和实施服务开展业务、数据、系统和管理制度调查，建立问题清单及整改计划；围绕数据战略、治理、架构、资产、标准、质量、安全、生存周期及应用流通建设治理体系；在业务部门完成规则评审后实施数据汇聚、处理、元数据、资产、标准、质量、安全、指标及服务管理，组织制度执行检查和持续改进交付治理现状调查、规划设计、制度规范、实施配置、运行记录和改进报告，治理文件不少于 25 份，交付清单各项内容完整；覆盖人力资源、研发、生产、仓储、财务、设备、采购、营销和质量业务；以通过 DCMM 三级为目标落实能力建设、证据归集及评估改进行业大模型训练推理技术服务在私有环境部署国产通用大模型及多模态模型，完成训练数据统计、配比、继续预训练、监督微调、行业奖励模型训练和偏好优化；按模型及资源条件组织全参数或参数高效训练，保存检查点、配置、训练曲线和异常记录；开展独立基准测试、行业知识与安全评估、推理部署及回归验证交付模型及适用许可材料、数据版本清单、训练与推理代码、配置、权重、运行环境说明、实验记录及评估报告；监督微调保留基础、消融及混合实验结果，奖励模型保留独立偏好测试结果；训练、验证和基准评测数据按来源及衍生关系隔离，提供可复现的测试程序与运行证据数据加工生产服务对授权数据依次实施采集、预处理、本体构建、知识库构建、标注、合成、增强、质检、验证及项目管理；建立来源、

【图 1-1　十个加工环节、七道质量检查节点与三类定向回流】整幅图

图 1-1 十个加工环节、七道质量检查节点与三类定向回流。数据来源：环节划分与生产逻辑依招标文件 3.2.6（b1215）及 3.2.6.3.1—3.2.6.3.10 各小节；规模数值依 3.2.6.4 各集规模表（见本卷「四大数据集建设及指标要求」节表 1）；回流三的归因分类依 3.2.6.2（b1357、b1358）。✎ 对这块提意见💬 1

七道质量检查节点的设置与归属✎ 对这块提意见💬 1

七道质量检查节点按所控环节归位：入口检查节点设在数据采集（3.2.6.3.1）与数据预处理（3.2.6.3.2）之间的受理口，预处理检查节点设在数据预处理出口，口径检查节点设在知识本体（3.2.6.3.3）的版本发布处，终审检查节点设在知识库（3.2.6.3.4）的交付处，标注检查节点设在数据集标注（3.2.6.3.5）出口，合成增强检查节点设在数据合成（3.2.6.3.6）与数据增强（3.2.6.3.7）出口，版本检查节点设在数据集质检（3.2.6.3.8）与数据集验证（3.2.6.3.9）之后的版本冻结处。各检查节点的判定项、判定方式与回退路径在对应环节逐一写明，未通过的不放行至下一环节；本小节给出全链的设置位置、判定对象与判定问题。✎ 对这块提意见💬 1

表 1-3 七道质量检查节点的设置位置、判定对象与所控环节✎ 对这块提意见💬 1

名称设置位置判定对象判定的核心问题所控环节（原条款号）单元入口检查节点采集之后、进入预处理之前采集批次来源是否登记、许可是否有效、入口脱敏是否执行、格式是否合规数据采集（3.2.6.3.1）b1396、b1534预处理检查节点预处理之后预处理批次结构还原与图文对照是否可核、时序对齐是否错位、去重是否到位、算子是否留痕数据预处理（3.2.6.3.2）b1414、b1536口径检查节点本体版本发布时本体版本类目与关系是否自洽、实体编码能否映射到主数据与产品全生命周期管理系统、与数据治理的术语标准是否一致知识本体（3.2.6.3.3）b1419、b1427终审检查节点知识库交付时知识条目与图谱条目是否逐条有出处、图谱关系是否经业务专家确认、数据字典是否齐备知识库（3.2.6.3.4）b1436、b1459、b1460标注检查节点标注之后标注批次标签是否完整、是否符合标签体系、跨标注员一致性与黄金集通过率是否达线数据集标注（3.2.6.3.5）b1538合成增强检查节点合成与增强之后合成批次、增强批次业务合理性、与真实样本的分布偏离度、重复率、语义漂移程度数据合成（3.2.6.3.6）、数据增强（3.2.6.3.7）b1540版本检查节点版本冻结之前数据集版本候选质量维度指标是否达线、训练集与评测集是否已去重隔离、发布物是否齐备数据集质检（3.2.6.3.8）、数据集验证（3.2.6.3.

表 1-3 数据来源：设置位置与判定项依招标文件 3.2.6.3.8 数据集质检各条（b1533—b1545）及 3.2.6.3.1—3.2.6.3.4 各环节的产出要求；所控环节依招标文件 3.2.6.3 各小节的环节划分。✎ 对这块提意见💬 1

四道上游检查节点与三道下游检查节点的性质不同，这一点在实施上影响排期。上游四道判定的是「这批素材能不能用」，判定依据以规则校验与抽样复核为主，可以按批次高频运转；下游三道判定的是「这批样本够不够好」与「这个版本能不能发」，其中标注检查节点依赖标注一致性的统计量、版本检查节点依赖验证实验的结论，节奏受人工评审与训练资源的约束。因此批次计划不按「所有环节同步推进」安排，而按「上游连续、下游按期汇集」安排：上游四个环节按业务域分批滚动，下游三道按版本节点集中判定。✎ 对这块提意见💬 1

七道质量检查节点的设置遵循一条原则：检查节点设在「错误代价开始放大」的那一步之前，而不是均匀分布在每个环节之后。 数据加工的特点是，一个错误越往后走，返工的范围越大——一条来源许可没登记的样本，在入口处剔除只损失一条；若它走到标注环节才被发现，已经消耗了预处理、本体映射与标注三道工序的人力；若走到数据集发布后才被发现，则整个版本都要回收。七道质量检查节点的位置正是按这条代价曲线定的。✎ 对这块提意见

据此可以解释几处看似不均匀的安排。采集与预处理之间设检查节点，而预处理内部的三个子步骤之间不设检查节点——因为结构还原、图文对照与时序对齐三者互为输入，中途拦截反而会让后续子步骤拿到半成品；三者整体完成后一次判定，判不过就整批重跑，重跑成本低于分段拦截的协调成本。本体与知识库之间设两道检查节点（口径检查节点与终审检查节点），看似密集，原因是这两步的产出是后续全链的基准：本体定错，所有标注的标签体系就错；知识条目没有出处，后续所有引用该条目的样本都失去可核查性。基准环节的检查节点值得设密。✎ 对这块提意见

七道质量检查节点之外的其余环节不另设检查节点，不等于不检查。 环节内的检查由工具链在作业中自动执行（如去重率、空值率、格式合规率），结果写入批次记录；质量检查节点是需要人工判定或需要跨角色会签的放行卡点，不是自动检查的代称。把自动检查也计作检查节点，会让检查节点的数量膨胀到十几道，而每一道都要约人、要签字，实施期的协调成本会压垮进度。这一区分在两个子节的门控章节中逐一写明：哪些判定项由系统自动给出结论，哪些必须由指定岗位签认。✎ 对这块提意见

四类数据集在同一条链上走专属路径✎ 对这块提意见

招标文件要求四类数据集在该生产逻辑上各自走专属路径，共享底座能力与门控规则，避免重复建设（b1215）。这句要求的落点是：链路是一条，路径是四条。共享的是本体与知识库这一套底座、七道质量检查节点这一套门控规则、以及工具链与批次血缘体系；专属的是各集的来源构成、标注任务类型、合成策略与验收口径。✎ 对这块提意见

表 1-4 四类数据集的专属路径与共享部分✎ 对这块提意见

数据集主要来源侧重标注任务的侧重合成的侧重共享的底座与规则供需计划数据集客户与订单、销量与预测、库存与物流、经营指标需求与计划类要素抽取、选型方案的效果判别计划决策类指令样本、问答口径样本共用本体的物料、供应商、合同类目；共用七道质量检查节点；共用去重与分布控制工具链产品工艺设计数据集图纸与工艺卡片、设计资料、制图与工艺编制准则图面要素抽取、工序与加工方法标注、图纸与工艺卡配对工艺推理与思维链样本共用本体的设备与部件、工艺与工序类目；共用图文对照与一致性校验规则制造过程数据集制造执行、数据采集与监控、热处理群控、能源与设备管理、加装传感器时序片段与事件配对、工况与异常标注长尾故障场景样本共用本体的故障模式、能耗与工况类目；共用时序对齐与切窗算子产品质量数据集质量管理系统检验记录与质量台账、硬度与缺陷检验、质量影像缺陷类型与位置标注、检验结论与过程数据配对稀有缺陷样本、判定依据类样本共用本体的质量特性与检验项类目；共用图像规范化与缺陷值域✎ 对这张表提意见

表 1-4 数据来源：来源与标注侧重依四集的来源构成与标签体系（见本卷「四大数据集建设及指标要求」节各集第 2、3 小节与「数据加工生产（二）」节数据标注部分各业务域）；共享部分依 b1215 对共享底座与门控规则的要求。✎ 对这块提意见

四类数据集走专属路径，带来一个实施上的问题：同一条生产链上并行跑着四种工艺，批次管理不当就会串台。我方的处置是批次号自带数据集标识与路径标识，格式为「数据集码－用途子集码－路径码－批次序号」。路径码区分四类专属路径，使任一批次在任何环节都能被识别为「走哪条工艺」，工具链据此自动选用对应的算子组合与门控判据，不依赖作业人员记忆。✎ 对这块提意见

这个做法还解决了另一个问题：跨数据集的样本复用需要可追溯。 同一份工艺卡片既可能进入产品工艺设计数据集的预训练子集，也可能被改写为指令微调样本，还可能作为基准测试的题干来源。三次使用的加工深度不同、质量判据不同，但必须能回指到同一个原始对象，否则基准测试与训练集的隔离核验就无从做起。✎ 对这块提意见

批次号之外另设原始对象标识，一个原始对象在不同数据集中的所有派生样本共享该标识；隔离核验时按该标识做交集检查，交集非空即触发隔离失效告警。这一机制与「数据加工生产（二）」的版本检查节点、以及质量评测方案中的污染与泄漏防护是同一套标识体系，不另起一套。✎ 对这块提意见

每项加工任务明确输入对象、执行顺序、处理规则、输出格式、责任人员和接收条件，启动前检查来源授权、相关知识终审、规则有效性、工具及环境可用性。任务实际输入与配置固定记录，执行中保存状态、异常、重试及输出校验，交接依据实际成果和检查证据办理。✎ 对这块提意见💬 2

服务名称单位与数量实施工作交付及检查要求数据资源建设服务1 套针对 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，按业务需要完成授权协同、资料核查、采集接入、历史和增量获取；完成纸质及离线非结构化资料电子化、解析和录入交付来源台账、合法授权、接口与字段配置、原始及电子化数据、采集记录、数量和增量对账、异常处理及血缘。检查对象、用途、时段、格式、完整性和实际更新能力；安全监管数据按单向获取要求接入，替代采集方式不绕过授权，也不降低最终能力数据集加工生产专项智能工具链建设服务1 套建设思维链、长上下文、多轮对话、多模态对齐、智能标注、数据生成增强、质量分布控制、生成控制评测、验证归因九类 25 个专项工具，配置实际加工调用及公共接口提供 25 个可运行实例、不限使用节点及许可数量的授权、输入输出、配置、接口、部署、使用维护资料及测试结果。逐工具验证所需功能，检查任务创建、查询、结果、重试、导出、回调等适用接口与权限、异常、版本和追溯；验收以可运行实例的实测结果为准数据集运营服务管理平台建设服务1 套建设目录、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、交付、清算和 S

对数据、软件、模型及其他建设内容逐项检查来源、许可和商业使用条件，建立授权范围、用途、期限及限制事项记录。对个人信息、敏感地理信息、重要行业数据和企业秘密数据实施适用的去标识化或脱敏处理，并核验处理效果。采集、加工、训练、验证、存储、交付和运营各环节均执行权限校验、访问名单管理及审计记录；授权变化、用途变更或权限撤销时识别受影响对象并停止相应操作，完成复核后继续。✎ 对这块提意见💬 2

过程中要形成的配套成果✎ 对这块提意见

招标文件要求在执行过程中实现国家和行业标准验证、积累实践经验、形成配套措施（含软建设配套措施与项目管理及保障措施）、建设数据标注专家库、制定数据标注规范、保障安全合规建设、输出成果（b1216）。这七项中有三项的载体就在加工链内部，另四项的载体在其他章节，本节给出归属以免重复编制。✎ 对这块提意见

表 1-5 实施过程中要形成的七项配套成果的载体与归属✎ 对这块提意见

要求项载体归属章节国家与行业标准验证本体与知识库的标准引用关系、评测指标的标准依据、参与标准验证与试点应用的工作安排本卷「技术创新与机制创新」节；标准引用表见「数据加工生产（一）」节第 1 章实践经验积累各批次的门限标定记录、算子参数基线、单位工时与损耗率实测、问题清单与整改记录本节「批次调度与分批试产」与「产能测算与质检损耗的补足」，记录载体见「数据加工生产（一）」节批次台账软建设配套措施约 30 余项配套文件、措施与机制本卷「技术创新与机制创新」节项目管理及保障措施不少于 7 份项目内部管理制度服务方案卷「项目管理措施」节数据标注专家库不少于 50 人，含建设原则、专家类别、入库标准、遴选流程、工作职责、考核机制本卷「技术创新与机制创新」节数据标注规范覆盖不同数据类型的标准化、流程化标注规范「数据加工生产（二）」节数据标注部分给出口径与结构，模板全文见附录佐证卷安全合规建设商业用途核查、数据来源合法性承诺、去标识化与脱敏、全流程审计与日志、权限校验本卷「安全方案」节；加工链上的执行点见「数据加工生产（一）」节入口脱敏与「数据加工生产（二）」节许可登记✎ 对这张表提意见

表 1-5 数据来源：要求项依招标文件 b1216 与服务采购清单第 5 项备注（b0804r06）。✎ 对这块提意见

十个环节、七道质量检查节点之外，招标方在这条生产链上的参与同样要排到可执行的粒度。数据加工生产与软件开发有一处本质不同——软件开发的需求确认是阶段性的，确认完就进入编码；数据加工的口径确认贯穿全程，每一批新数据、每一个新工序、每一类新缺陷，都可能需要业务部门给一次判断。参与的时点、频次与单次工作量不预先排定，实施期就会反复停摆。✎ 对这块提意见

按环节梳理，招标方的参与分三类。第一类是一次性的口径确认：工序字典、标签体系、缺陷分级、术语标准、密级判定规则，这五项在第一阶段集中确认，确认后进入版本管理，后续变更走变更流程而不是重新讨论。第二类是批次级的签认：七道质量检查节点中的口径检查节点与终审检查节点需要业务专家会签，按批次发生，单次工作量以半天计。第三类是持续性的裁决：标注争议、工艺判断分歧、跨域口径冲突，发生频次随数据量递减——首批数据争议最多，流程跑顺后显著下降。✎ 对这块提意见

三类参与的时点、频次与单次工作量估计列入本投标文件的前置条件与配合事项表。我方在此说明一条处置原则：口径确认逾期时，不停工等待，也不先标后改，而是按我方建议口径先行并在数据卡中标注为待确认，确认后批量复核。这样做的代价是复核工作量，该工作量由我方承担，不另行计费；收益是进度不被单点确认卡死。这一条在本投标文件各节一致适用。✎ 对这块提意见

3.2.6.3 数据加工生产服务要求✎ 对这块提意见

招标文件对本项服务给出的目标是：建成预训练数据集不低于 600 亿 Token、指令微调数据集不低于 80 万条、强化学习偏好数据不低于 6 万组、基准测试数据集不低于 0.9 万条的行业高质量数据集，涵盖不少于 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%（b1361）。本部分把这个目标落到可执行的粒度：十个加工环节各自交什么、由谁交、何时交、过哪道检查节点、不合格退到哪里、靠什么键追回去；四个业务领域的记录怎样串成业务链；批次怎样排、产能怎样测、损耗怎样补；源数据迟到、重发、撤回与跨系统取值不一致怎样处置；从接收到最终发布一共有哪些交接点。✎ 对这块提意见

规模目标与净量口径✎ 对这块提意见

本项服务承诺的四个规模数值是净量，不是投料量。净量的界定是：通过本环节全部质量检查节点、完成版本封装并可对外发布的样本量；未通过检查节点的批次、被去重判定为重复的副本、仅存在于中间加工态的临时产物均不计入。四个用途子集的计量单位与计量时点依《数据集规模计量规则》，该规则在第一期与招标方书面确认，版本号写入每一版数据集卡片，同一数据集的历次版本不中途更换规则。✎ 对这块提意见

净量口径在三处必须一致，口径不一致则同一批数据会得出三个规模数字：本节「产能测算与质检损耗的补足」的损耗与补足核算、「四大数据集建设及指标要求」节的规模计量规则与分期累计达成下限、「数据加工生产（二）」节标注与质检环节的入集判定，以及数据集卡片的规模与内容特征字段。三处共用同一套计量项、同一个计量时点、同一份不计入情形清单，任何一处的调整须同步另两处并重新出具该版本的规模统计。✎ 对这块提意见

规模不足时的处置顺序在本节「产能测算与质检损耗的补足」写明，其中第一条是：不以调低质检门限的方式补足数量。 门限的任何调整须经技术评审，并在批次台账中记录调整理由、调整幅度与受影响的批次范围；未经评审的门限调整，其产出不得计入净量。✎ 对这块提意见

十个加工环节的输入、处理、输出与交接总表✎ 对这块提意见

十个环节的衔接靠四件东西固定下来：交什么（输出包）、谁交（责任岗位）、何时交（交接时点）、怎么追回去（追溯键）。这四件事不预先约定，实施期就会出现「数据已经给了」与「给的不是我要的」同时成立的局面，而缺陷会在两个环节之间来回推。表 2-1 把十个环节的这四件事连同质量检查节点与异常去向排在一张表里，各环节的作业方法在两个子节详述，本表是贯通口径。✎ 对这块提意见

表 2-1 十个加工环节的输入对象、处理动作、输出包、责任岗位、交接时点、质量检查节点、异常去向与追溯键✎ 对这块提意见

环节输入对象处理动作输出包责任岗位交接时点质量检查节点异常去向追溯键① 数据采集（3.2.6.3.1）平台落地区的原始文件与原始记录、数据源登记表、授权文件、数据分级结论来源登记、许可核验、入口脱敏、格式与字符编码合规校验、批次成形各业务域原始数据批次、采集记录、许可核验台账、脱敏复核记录、格式校验问题清单数据受理岗（按业务域各一名）判定，合规事项由安全管理岗复核批次成形并过入口检查节点后当期交预处理入口检查节点缺来源或授权的退回采集接入通道补齐；格式不合规的入隔离区并出问题清单；批次挂起，不生成批次号数据源登记编号、批次号、文件指纹、记录主键② 数据预处理（3.2.6.3.2）过入口检查节点的原始数据批次、已发布本体版本的术语表、算子库结构还原、图文对照、时序对齐与切窗、文本化、去重、算子登记结构化长文本、图像样本与图文对照记录、时序片段—事件样本对、文本化样本与源记录对照表、贴源数据与规范化样本、算子登记表预处理工程岗（按通道分工）自检，质检岗复判预处理检查节点通过后交标注与合成预处理检查节点按算子单项回退重跑，原批次保留并标记为废弃版本；源数据缺陷退回采集环节；同一算子连续两批次未通过，暂停该算子版本并排查算子指纹、样本编号（批次号＋通道码＋顺序号）③ 知识本体（3.2.6.3.3）结构化长文本与术语候选、主数据与产品全生命周期管理系统的编码、治理侧发布的四套标准、企业制图标

表 2-1 数据来源：环节划分与各环节产出要求依招标文件 3.2.6.3.1—3.2.6.3.10 各小节（b1362—b1576）；岗位与作业单元设置依本卷「数据加工生产（一）」节第 1 章与「数据加工生产（二）」节作业单元设置与岗位职责部分；追溯键依「数据加工生产（一）」节第 1 章批次与血缘标识体系。✎ 对这块提意见

表中「异常去向」一列的设计原则是退到能改的地方，不是退到上一环节。源数据本身有缺陷，退给预处理环节无用，必须退到采集环节甚至源侧；算子参数不当导致的结构还原错误，只需单项重跑该算子，不必整批退回。这一区分使返工范围与缺陷成因匹配，避免一处小问题触发整批重做，也使修复工单有确定的收件人——工单未指明回流终点环节与具体批次的，接收方退回质检单元重开。✎ 对这块提意见

表中「追溯键」一列是血缘链的实际形态。十个环节不另起编号：批次号在采集环节一次生成并贯穿全链，样本编号在预处理环节派生自批次号，合成与增强样本的溯源记录指回种子样本标识，验证环节的错题经三元组编号与样本编号回溯到批次与算子。任一条发布态样本都能回答三个问题：它从哪条原始记录来、经过了哪些算子与哪一版本体、在哪几道检查节点上被判定过。✎ 对这块提意见

服务内容实施工作交付成果与检查要求数据治理规划和实施服务开展业务、数据、系统和管理制度调查，建立问题清单及整改计划；围绕数据战略、治理、架构、资产、标准、质量、安全、生存周期及应用流通建设治理体系；在业务部门完成规则评审后实施数据汇聚、处理、元数据、资产、标准、质量、安全、指标及服务管理，组织制度执行检查和持续改进交付治理现状调查、规划设计、制度规范、实施配置、运行记录和改进报告，治理文件不少于 25 份，交付清单各项内容完整；覆盖人力资源、研发、生产、仓储、财务、设备、采购、营销和质量业务；以通过 DCMM 三级为目标落实能力建设、证据归集及评估改进行业大模型训练推理技术服务在私有环境部署国产通用大模型及多模态模型，完成训练数据统计、配比、继续预训练、监督微调、行业奖励模型训练和偏好优化；按模型及资源条件组织全参数或参数高效训练，保存检查点、配置、训练曲线和异常记录；开展独立基准测试、行业知识与安全评估、推理部署及回归验证交付模型及适用许可材料、数据版本清单、训练与推理代码、配置、权重、运行环境说明、实验记录及评估报告；监督微调保留基础、消融及混合实验结果，奖励模型保留独立偏好测试结果；训练、验证和基准评测数据按来源及衍生关系隔离，提供可复现的测试程序与运行证据数据加工生产服务对授权数据依次实施采集、预处理、本体构建、知识库构建、标注、合成、增强、质检、验证及项目管理；建立来源、

终审检查节点与版本检查节点的先后关系、审批权限与升级路径✎ 对这块提意见

七道质量检查节点不是七个同质的检查点，它们的判定对象、判定主体与签认方式各不相同。实施期最容易出问题的是两处：终审检查节点与版本检查节点。终审检查节点判定知识条目能不能被引用，位于链路上游；版本检查节点判定数据集版本能不能发布，位于链路末端。两者之间隔着标注、合成、增强、质检、验证五个环节，容易被当成互不相干的两件事，实际上它们之间存在单向的前置依赖。✎ 对这块提意见

终审检查节点必先于版本检查节点，且不可并行。 版本检查节点的判定项之一是「本版本引用的知识条目均已过终审」：凡引用了状态为「待审」或「退回重抽」条目的样本，不计入该版本，由质检单元在版本级质检时按条目状态逐条过滤。反向不成立——版本检查节点不通过不会使已过终审的条目失效，终审结论的有效性只由本体版本变更与条目修订触发复审，不由下游的版本判定触发。这一不对称是有意的：知识条目是全链的事实基准，若让版本发布的结果反过来推翻条目终审，基准就会随下游波动而漂移。✎ 对这块提意见

两者的审批权限也不同。终审检查节点是单域会签：按业务域组织终审，由业务专家评审组该域席位签认，知识抽取岗提交，不需要跨域会签——知识条目的正确性只在本域范围内可判，跨域会签既无助于判准，又会把单次会签的组织成本抬高一倍。版本检查节点是跨角色会签：由项目管理单元提请，质检单元、验证实验单元与技术评审三方分别签认，任一方不签即不冻结。理由是版本是对外交付的单位，一旦封装移交并进入运营流通，回收代价是整版而不是单批。✎ 对这块提意见

表 2-2 七道质量检查节点的提请方、判定方、签认方式与升级路径✎ 对这块提意见

名称设置位置提请方判定方签认方式判定结论取值升级路径入口检查节点采集之后、进入预处理之前数据受理岗数据受理岗判定，合规事项由安全管理岗复核单岗判定＋合规事项复核会签通过／有条件通过／不通过同一数据源连续两批次未通过，提请数字化转型工作办公室协调源侧预处理检查节点预处理之后预处理工程岗预处理工程岗自检，质检单元复判自检＋独立复判，以复判为准通过／有条件通过／不通过同一算子连续两批次未通过，暂停该算子版本并提交技术评审口径检查节点本体版本发布时本体维护岗业务专家评审组按类目分域评审，涉及跨域类目的由相关域联席评审通过／有条件通过／不通过跨域类目口径冲突的提交业务专家评审组联席裁决；招标方口径未定的转待确认流程终审检查节点知识库交付时知识抽取岗业务专家评审组该业务域席位单域会签，逐条目留痕通过／待审／退回重抽同一条目两次退回的转人工补录并记入覆盖盲区标注检查节点标注之后标注作业单元质检单元判定，分歧样本由业务专家组仲裁自检＋抽检判定＋争议仲裁通过／有条件通过／不通过同一标注员两次导致批次退回的转全量复核，直至重新通过黄金集考核合成增强检查节点合成与增强之后合成与增强作业单元质检单元判定，时序类合成由业务专家组确认自动校验＋判定＋专项确认通过／有条件通过／不通过同一生成或变换配置两次回退的提交技术评审版本检查节点版本冻结之前项目管理单元质检单元、验证实验单元、技术评审三方分别签认，任一方不

表 2-2 数据来源：设置位置与判定项依招标文件 3.2.6.3.8 数据集质检各条（b1533—b1545）与 3.2.6.3.1—3.2.6.3.4 各环节的产出要求；岗位与评审组织依本卷「数据加工生产（一）」节第 1 章、「数据加工生产（二）」节作业单元设置与岗位职责部分。✎ 对这块提意见

判定结论统一取三值，不取「通过／不通过」两值。设「有条件通过」一档的用处是让批次能在未结事项明确的前提下继续向下游流动：未结事项逐条登记，指定责任岗位与关闭时限，全部未结事项必须在版本检查节点之前结清；版本检查节点检查的第一项就是未结事项清单是否已清零，未清零的不进入三方签认。终审检查节点不设「有条件通过」——知识条目要么可被引用，要么不可被引用，没有中间态；对应地，终审检查节点的第二档取值是「待审」，工具侧按状态过滤，效果是不可引用而非有条件引用。✎ 对这块提意见

门限取值的来源与调整权限一并在此写明，以免实施期出现门限被作业侧自行放宽的情况。首批次之前没有本企业的实测分布，门限取首批试产批的标定结果作为基线；此后按批次逐步上调，上调幅度在月度例会上确认后写入下一批次计划。下调门限只有一条路径：由质检单元提出、技术评审批准，在批次台账中记录下调理由、幅度与受影响的批次范围，并在该版本的数据集卡片局限性字段中登记。未经技术评审批准的门限调整，其产出不计入净量。✎ 对这块提意见

四个业务领域的典型业务链✎ 对这块提意见

四类数据集对应四个业务领域，每个领域有一条贯穿其业务的记录链。加工的第一步不是清洗，而是把这条链在数据上接起来——链接不上，样本就只是孤立的记录，训练不出业务因果。四条链各自的节点、源记录与关联键如表 2-3；表中「断链的常见原因与处置」一列写的是各领域在现场盘点中确实会遇到的情形与我方的处置办法，不是通用的风险罗列。✎ 对这块提意见

业务领域典型业务链链上各节点的源记录上下游的关联键断链的常见原因与处置产出的样本形态供需计划订单—计划—采购—库存客户与商机记录、销售订单行、主生产计划与工单、采购申请与采购订单行、入库出库单与库存快照客户编号→商机编号→订单号→订单行号；订单行号→工单号（按产品型号与交期匹配）；工单号→物料需求行→采购订单行；采购订单行→入库单行→库存批次号；跨段以物料编码＋需求日期兜底匹配商机与成交未回溯对齐——按客户编号与产品型号在时间窗内配对，配对结果标注置信度三档，低档不进基准子集；库存口径多套并存——以库存快照时点为准建立口径对照表，差异登记后由生产管理部裁定；外购有效提前期无历史统计——由采购订单行与入库单行的时间差回算，回算值标注为派生字段需求—方案—交付的长链样本、计划决策类指令样本、库存与提前期问答样本产品工艺设计图纸—工艺—版本产品结构与部件层级、工程图纸、工艺卡片、工艺编制准则与制图标准、变更单图号＋版本号→工艺卡片号；工艺卡片号→工序号→加工方法码；图号→部件层级节点→产品型号；版本以产品全生命周期管理系统受控版本为准同一图号多版本并存、工艺卡片未随图纸升版——以受控版本为准，车间打印件与个人汇总表作为补充，三者不一致的登记差异台账并由工艺研究分院判定，判定记录随样本留存；历史卡片质量参差——按字段完整度、是否经审核签发、有无投产或闭环记录分 A、B、C 三级，级别决定可

表 2-3 数据来源：业务链节点与源记录依四大数据集的来源构成（见本卷「四大数据集建设及指标要求」节各集第 2 小节）与「数据加工生产（一）」节第 2 章各业务域的受理方式；关联键与断链处置依「数据加工生产（二）」节数据标注部分各业务域的标注与关联口径。✎ 对这块提意见

四条链之间有交叉。工单既在供需计划的链上（计划与排产）又在制造过程的链上（工序执行），工件既在制造过程的链上又在产品质量的链上，工艺卡片既是产品工艺设计的主体对象又是制造过程的工艺依据。交叉带来一个必须先定死的问题：同一条记录被两个数据集用到时，算谁的量。 不定这个口径，四集规模加总会超过实际样本数，多模态占比与时效性占比的分母也会被撑大，两项占比指标随之失真。✎ 对这块提意见

本方案的处置是两条：原始对象层面共享，用途子集层面分计。 同一原始对象在不同数据集中的所有派生样本共享同一个原始对象标识，不复制内容；计量时按加工产物的归属计入其所在的用途子集，一条派生样本只计一次。隔离核验按原始对象标识做交集检查，交集非空即触发隔离失效告警。✎ 对这块提意见

记录对象被哪些数据集用到共用方式计量归属这样计量的理由工件—外观影像—硬度—切片—淬火层深—质检结论复合样本制造过程、产品质量以同一工件标识关联，内容不复制条数计入产品质量数据集；制造过程数据集按引用计，不重复计条同一事实在两集各计一次会把占比指标的分母撑大，使多模态与时效性占比失真热处理炉次记录与群控工艺曲线制造过程、产品质量炉次号为共用键时序片段样本计入制造过程；用于硬度结论归因的派生样本计入产品质量两者的加工深度与质量判据不同，按加工产物归属，不按原始记录归属工艺卡片产品工艺设计的预训练、指令微调与基准三个用途子集同一原始对象派生三类样本，共享原始对象标识三类样本分别计入各自用途子集用途子集之间按条计量；原始对象层面须可回指，否则训练集与基准集的隔离核验无从做起工单与订单行供需计划、制造过程工单号为共用键计划与排产侧样本计入供需计划；工序执行侧样本计入制造过程按业务语义归属，避免同一工单在两集重复计条管理制度与技术标准文本通用语料，支撑管理制度问答、技术标准问答等场景验证条款级索引共用按条款计入预训练与指令微调子集，同一条款计一次同一条款被多个场景引用不重复计量知识本体、术语表、知识库条目、检索索引与三元组四类数据集全部作为统一知识底座共享不计入任何数据集的规模它们是加工口径与证据来源，不是交付样本；计入会与其派生样本重复计量✎ 对这张表提意见

表 2-4 数据来源：共用关系依表 2-3 各业务链的交叉节点；计量归属依本卷「四大数据集建设及指标要求」节的规模计量规则；隔离核验口径依「数据加工生产（二）」节版本检查节点的训练与评测去重隔离要求（b1554）。✎ 对这块提意见

批次调度与分批试产✎ 对这块提意见

批次是调度的基本单位，也是门控、台账与血缘的基本单位。十个环节不按「所有环节同步推进」排产，而按「上游连续、下游按期汇集」排产：采集、预处理、本体、知识库四个上游环节按业务域分批滚动，标注、合成、增强三个加工环节按任务并行，质检随批次判定，验证与项目管理按版本节点集中执行。这样排的依据在节奏差异——上游四道检查节点以规则校验与抽样复核为主，可按批次高频运转；下游的标注检查节点依赖一致性统计量、版本检查节点依赖验证实验结论，节奏受人工评审与训练资源约束，高频运转既无必要也排不开。✎ 对这块提意见

批次类型触发条件规模口径走哪些环节与检查节点产出不通过时的处置试产批新业务域开工、新标注任务开张、新算子或新生成配置首次投产取该任务常规批规模的 5%—10%，且不低于 200 个样本；低于 200 个样本的任务整体作为一个试产批走完十个环节与全部适用的七道质量检查节点门限标定值、算子参数基线、单位工时实测、各环节损耗率实测、规范与本体的问题清单不开常规批；按问题清单修订规范、算子参数或本体后重做试产批，同一任务试产两次不过的提交技术评审常规批试产批通过且批次计划已下达按业务域与任务的周期产能排定，单批规模以一个作业周期内可完成一次完整门控判定为上限全部环节与适用的检查节点规范化样本、标注样本、合成与增强样本及其台账按表 2-1 的异常去向逐环节回退，不整链重做补缺批质检或验证归因指出覆盖盲区、难度分布缺口，或分期累计达成下限预警按缺口清单的条目数定量，不按产能定量按缺口类型只走相关环节：真实样本缺口走采集与预处理，覆盖盲区走合成，分布缺口走增强缺口关闭记录、补充样本及其溯源缺口两轮未关闭的在验证报告中单列成因，不以放宽判据的方式关闭返工批门控不通过、修复工单或整改任务单下达按工单指明的批次与样本范围定量只走工单指明的回流终点环节及其后续检查节点复检结论、工单关闭记录同一工单两次复检不过的升级技术评审，可决定该批不入集转下一版本✎ 对这张表提意见

表 2-5 数据来源：批次类型与门控节奏依本节表 2-1、表 2-2；补缺批的缺口来源依招标文件 3.2.6.2 对评测错题归因的要求（b1357、b1358）；分期累计达成下限依本卷「四大数据集建设及指标要求」节第 2 部分。✎ 对这块提意见

分批试产的作用是把两件事同时标定出来：门限定在哪里、产能有多少。 这两件事在没有本企业实测数据之前都只能是估计，而估计错了的代价不对称——门限估高会把大量可用数据挡在门外并引发大规模返工，产能估高会使批次计划从第一期起就失真。试产批走完全链全部检查节点，正好同时产出这两类实测值，因此试产不是走形式的预演，而是本方案批次计划与质量基线的唯一标定来源。试产结论写入批次计划与质检规则库，并在月度例会上复核一次。✎ 对这块提意见

表中质量阈值必须满足明确的强制指标；未指定数值的过程指标在实施方案中以业务依据、样本试验和评审确定，不由作业侧为补规模自行降低。✎ 对这块提意见💬 1

服务名称单位与数量实施工作交付及检查要求数据资源建设服务1 套针对 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，按业务需要完成授权协同、资料核查、采集接入、历史和增量获取；完成纸质及离线非结构化资料电子化、解析和录入交付来源台账、合法授权、接口与字段配置、原始及电子化数据、采集记录、数量和增量对账、异常处理及血缘。检查对象、用途、时段、格式、完整性和实际更新能力；安全监管数据按单向获取要求接入，替代采集方式不绕过授权，也不降低最终能力数据集加工生产专项智能工具链建设服务1 套建设思维链、长上下文、多轮对话、多模态对齐、智能标注、数据生成增强、质量分布控制、生成控制评测、验证归因九类 25 个专项工具，配置实际加工调用及公共接口提供 25 个可运行实例、不限使用节点及许可数量的授权、输入输出、配置、接口、部署、使用维护资料及测试结果。逐工具验证所需功能，检查任务创建、查询、结果、重试、导出、回调等适用接口与权限、异常、版本和追溯；验收以可运行实例的实测结果为准数据集运营服务管理平台建设服务1 套建设目录、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、交付、清算和 S

服务内容实施工作交付成果与检查要求数据治理规划和实施服务开展业务、数据、系统和管理制度调查，建立问题清单及整改计划；围绕数据战略、治理、架构、资产、标准、质量、安全、生存周期及应用流通建设治理体系；在业务部门完成规则评审后实施数据汇聚、处理、元数据、资产、标准、质量、安全、指标及服务管理，组织制度执行检查和持续改进交付治理现状调查、规划设计、制度规范、实施配置、运行记录和改进报告，治理文件不少于 25 份，交付清单各项内容完整；覆盖人力资源、研发、生产、仓储、财务、设备、采购、营销和质量业务；以通过 DCMM 三级为目标落实能力建设、证据归集及评估改进行业大模型训练推理技术服务在私有环境部署国产通用大模型及多模态模型，完成训练数据统计、配比、继续预训练、监督微调、行业奖励模型训练和偏好优化；按模型及资源条件组织全参数或参数高效训练，保存检查点、配置、训练曲线和异常记录；开展独立基准测试、行业知识与安全评估、推理部署及回归验证交付模型及适用许可材料、数据版本清单、训练与推理代码、配置、权重、运行环境说明、实验记录及评估报告；监督微调保留基础、消融及混合实验结果，奖励模型保留独立偏好测试结果；训练、验证和基准评测数据按来源及衍生关系隔离，提供可复现的测试程序与运行证据数据加工生产服务要求对授权数据组织采集、预处理、本体构建、知识库构建、标注、合成、增强、质检及验证，按数据用途和处理条件

对数据、软件、模型及其他建设内容逐项检查来源、许可和商业使用条件，建立授权范围、用途、期限及限制事项记录。对个人信息、敏感地理信息、重要行业数据和企业秘密数据实施适用的去标识化或脱敏处理，并核验处理效果。采集、加工、训练、验证、存储、交付和运营各环节均执行权限校验、访问名单管理及审计记录；授权变化、用途变更或权限撤销时，识别并暂停受影响的操作，核验当前授权、适用用途、质量及安全条件，重新具备相应合法权限并满足操作条件后恢复获准作业，保留复核、授权及恢复记录。✎ 对这块提意见💬 3

【图 1-1　项目建设与数据集生产运营流程✎ 对这块提意见💬 2】整幅图

【图 1-2　数据集加工、质量检查与验证流程✎ 对这块提意见💬 1】整幅图

训练与基准评测数据的隔离检查覆盖实际输入版本及其来源、重复内容和衍生对象。命中后核查重叠内容、任务关联、答案或推导信息泄露及用途分配，区分普通公共实体关联与实际数据内容泄露，污染判定以实际内容重叠为依据。需要专业判断的命中项进入复核，形成保留、调整分配、剔除或重新构造独立评测材料的明确结论。✎ 对这块提意见💬 1

规模统计绑定数据版本和计量规则版本。数据增删、内容修正、去重结果、用途分配、授权状态或计量方法变化时，评估影响并重新统计受影响对象，保留变更前后明细及差异；规则变更经评审确认后生效，并完成必要的历史结果复算，保持同一交付版本各项记录一致。历史版本中的同一对象按首次计入口径统计，重复发布不另计新增成果。✎ 对这块提意见💬 1

对外展示、下载、交易和其他使用分别核验授权范围、用途、期限、安全和质量条件，按获准范围提供数据及服务。可控交付和合格净量按上述检查结论确认。✎ 对这块提意见

产能测算与质检损耗的补足✎ 对这块提意见

产能按环节分别测算，不按总量倒推。各环节的产能计量单位不同——采集与预处理按文件数或记录数，标注按样本数，合成与增强按生成条数，质检按抽检样本数，验证按实验轮次——因此不存在一个统一的「日产能」。周期产能的测算式是：✎ 对这块提意见

某环节的周期产能 ＝ 该环节单位工时 ⁻¹ × 可用工时 × 在岗作业人数 × 该环节通过率✎ 对这块提意见

式中单位工时与通过率取该任务试产批的实测值作为基线，在岗作业人数与可用工时取批次计划的排班值。四项中只有通过率随批次质量波动，因此月度例会按实测值滚动修正通过率并重排下一周期的批次计划。各环节的产能基线、取值方式与不足时的处置如表 2-6。✎ 对这块提意见

环节产能计量单位基线取得方式影响产能的主要因素产能不足时的处置数据采集文件数、记录数／周期试产批实测，按业务域与通道分别标定源系统接口开通范围、纸质资料的数字化速度扩充离线批量导入通道；纸质资料按业务优先级分期数字化，顺序由业务域确认数据预处理样本数／周期试产批实测，按通道分别标定算子执行时长、失败重跑比例、人工复核抽样比例提高算子并发度；连续三批次抽检合格的通道下调抽样比例，释放复核工时知识本体与知识库类目数、条目数／周期试产批实测，按业务域标定业务专家可投入的评审工时、条目出处的可回查程度按业务域错峰组织评审；出处不可回查的条目转人工补录队列，不占评审档期数据标注样本数／周期试产批实测，按标注任务分别标定标注员熟练度、一致性返工比例、抽检比例、仲裁等待时长提高预标注与一致性校验工具链的使用比例；对新上岗标注员前两批保持 20% 抽检，连续三批达线后降至 10%数据合成与增强生成条数、变换条数／周期试产批实测，按生成与变换配置标定规则校验丢弃率、分布比对回退比例、专家确认等待时长调整生成配置降低丢弃率；时序类合成按专家档期预约确认，不堆在版本节点前数据集质检抽检样本数、门控判定次数／周期试产批实测抽样比例、不通过批次引发的复检轮次抽样比例按批次质量动态调整，工时投向质量风险高的批次数据集验证实验轮次／版本首版实测算力档期、重跑轮次（上限三轮）实验按版本节点排期，消融实验与主实验共

表 2-6 数据来源：计量单位与影响因素依本卷「数据加工生产（一）」「数据加工生产（二）」两节各环节的作业组织；抽检比例的动态调整口径依「数据加工生产（二）」节数据标注部分；验证重跑上限依该节数据集验证部分。✎ 对这块提意见

产能测算之外还要算一笔损耗账。四个规模数值是净量，而每个环节都有剔除：采集环节剔除许可不全、格式不合规与重复文件，预处理环节剔除结构还原失败、时序错位与去重命中，标注环节剔除一致性不达线返工后仍无法判定的样本，合成与增强环节丢弃规则校验不过与分布偏离超线的样本，质检环节按门控剔除，验证环节删除训练侧的污染命中样本。因此投料量按各环节通过率的连乘倒推：✎ 对这块提意见

某用途子集的投料量 ＝ 目标净量 ÷（各环节通过率的连乘积）✎ 对这块提意见

各环节通过率同样取试产批实测值作为基线，按批次滚动修正。批次计划按倒推出的投料量下达，而不是按目标净量下达——按净量下达的结果是每一期都差一截，到末期只剩降低门槛一条路。✎ 对这块提意见

净量不足时的处置按下列顺序，不以降低质检门槛的方式补量。✎ 对这块提意见

表 2-7 净量不足时的处置顺序✎ 对这块提意见

顺序先核查什么处置动作约束一源系统开放范围是否到位该业务域的只读接口尚未开通的，转人工补录与纸质资料数字化两条替代路径，并在数据集卡片的局限性字段如实记录覆盖缺口替代路径的样本按同一套质检门控判定，不另设宽口径二标注产能是否不足一致率低于阈值导致大批返工的，优先扩充预标注与一致性校验工具链的使用比例，并按分歧类型修订标注规范不放宽一致率阈值；规范修订后对同类样本重标三覆盖是否存在结构性缺口按缺口清单开补缺批，真实样本缺口走采集与预处理，场景覆盖盲区走合成，分布缺口走增强补缺批按缺口条目数定量，关闭记录随版本留存四是否仍有缺口动用合成与增强补量受合成占比上限约束：预训练子集不高于 30%、指令微调子集不高于 45%、偏好子集不高于 50%、基准测试子集为零五四期走完仍有缺口按实际达成量交付，并在验证报告中单列缺口清单与成因不以合成样本填平数字；缺口在数据集卡片局限性字段登记✎ 对这张表提意见

表 2-7 数据来源：处置顺序与合成占比上限依本卷「四大数据集建设及指标要求」节第 2 部分的分期达成与未达量处置口径；基准子集不使用合成数据依招标文件 3.2.6.3.6（b1512、b1513）。✎ 对这块提意见

源数据迟到、重发、撤回与跨系统不一致的处置✎ 对这块提意见

前六个小节讲的是正常流转。实际运行中有两类情况会打断正常流转：源数据本身在采集之后发生变动，以及同一事实在不同源系统里取值不同。这两类情况不预先约定处置办法，结果是已发布版本与源系统逐渐对不上，而对不上的原因无从追查。✎ 对这块提意见

第一类是源数据的时间性异常，分迟到、重发、撤回与内容修订四种。四种的识别方式与处置如表 2-8。贯穿四种的一条原则是：已封装的版本不就地修改。 任何变动都体现为下一版本的差异与本版本数据集卡片修订记录中的登记，这样版本指纹才有意义——可就地修改的版本，指纹校验形同虚设。✎ 对这块提意见

情形识别方式对已发布版本的影响处置动作留痕迟到：调度窗口关闭后才到达的记录源记录的业务时间早于本批次时间窗下界不回填已封装版本该批次尚未过入口检查节点的，整批重做；已通过的，并入下一批次并在样本元数据标注「迟到并入」及其原属时间窗批次台账记录迟到条数、原属时间窗与并入批次号重发：同一源记录再次推送文件指纹与记录主键双重判重无影响内容一致的丢弃并计入重复命中；内容不一致的按「修订」处置去重记录登记命中数与命中依据撤回：源侧声明某批记录作废源侧撤回通知或源记录状态位已发布版本在数据集卡片修订记录中登记，不就地删除未入版本的直接剔除；已入版本的生成撤回工单，按血缘定位其全部派生样本（含以其为种子的合成样本），标记为失效，下一版本不再包含撤回工单登记源记录范围、派生样本清单、受影响版本号内容修订：源记录内容变更但未作废记录主键＋内容哈希比对已发布版本保持不变新旧样本并存，样本元数据记录各自的有效期区间；基准测试子集中的样本在本版冻结后不随之更新，在下一版基准集中替换修订记录登记变更字段、变更时点与新旧样本编号✎ 对这张表提意见

表 2-8 数据来源：判重与血缘定位依本卷「数据加工生产（一）」节第 1 章的标识体系；基准子集冻结要求依招标文件 3.2.6.3.9（b1554）；版本修订记录字段依 3.2.6.3.10（b1567）。✎ 对这块提意见

第二类是跨系统的口径不一致。十七个业务与设备系统各自独立建设，同一事实在不同系统里取值不同是常态而非例外。处置的关键不在于判定谁对，而在于事先约定由谁裁、依什么裁、裁不下来怎么办——没有这三条，单条数据的争议会反复占用业务专家的时间，而样本迟迟不能入集。✎ 对这块提意见

不一致类型典型表现仲裁依据仲裁主体未能裁决时的处置同一对象多来源取值不同工艺卡片在产品全生命周期管理系统、车间打印件与个人汇总表之间不一致受控版本优先，其余作为补充工艺研究分院登记差异台账，样本标注低置信度，不进基准测试子集主数据编码不一致同一物料或同一设备在不同系统中编码不同主数据管理平台的编码为准数字化转型工作办公室建立编码映射对照表，映射不上的列入编码缺口清单并暂缓该对象的跨系统关联时间基准不一致设备时序与制造执行记录之间存在时钟偏移以统一时钟源校正，校正量记入批次台账预处理工程岗执行，偏移超限的提请相关业务部门确认偏移量超过切窗粒度的批次不做时序—事件对齐，仅作单模态使用指标口径不一致同一指标在不同系统中取值不同数据治理侧发布的指标标准该指标的归口部门转待确认，按我方建议口径先行并在数据卡中标注待确认，确认后批量复核状态口径不一致工单完工状态与入库记录相互矛盾以有物料移动凭证的一方为准生产管理部该工单相关样本标注「状态存疑」，不进基准测试子集质量判定尺度漂移某时间段不合格率显著偏离前后期而工艺条件未变按判定来源与判定时间分层识别质量归口部门在数据卡中标注，构造训练样本时作分层处理，不作为质量规律学习✎ 对这张表提意见

表 2-9 数据来源：不一致类型依本卷「数据加工生产（一）」节第 2 章各业务域受理时登记的差异情形；取舍规则依该节对多来源取舍与判定来源登记的口径。✎ 对这块提意见

仲裁的时限与不停工原则一并写明：仲裁事项自提交起 10 个工作日内未裁决的，不停工等待，也不先标后改，而是按我方建议口径先行，在数据集卡片与样本元数据中标注为待确认，裁决后批量复核。复核工作量由项目组承担，不另行计费；收益是进度不被单点争议卡死。本原则与本投标文件其余各节一致适用。✎ 对这块提意见

检查事项检查时点与对象检查内容通过条件与记录未通过处置采集受理检查采集批次接收后、投入预处理前；检查文件、记录、来源及授权材料核对来源登记、权利来源、许可用途和有效期、对象与时间范围、分类分级、入口脱敏执行、格式与编码、文件清单及数量；确认实际采集对象与获准范围一致来源和授权有效，必要安全处理完成，格式及完整性检查满足接收条件；形成受理清单、检查结果、脱敏复核及采集批次结论，关联源对象、批次、规则和责任人员隔离不合格对象，暂停受影响的后续作业；按原因补充合法材料、修正配置、重新获取或处理数据，并检查已产生的衍生对象；无有效授权的对象不通过补记说明继续使用预处理结果检查各预处理批次完成后；检查原始对象、转换产物及执行记录检查文本切分、表格和公式还原、图文对应、时序对齐、结构化文本化转换、单位与编码、去重及算子留痕；对多模态对象核验同一业务事件和时间关系处理结果与来源内容及有效转换规则一致，适用指标达标，输出清单和血缘完整；保存规则版本、算子配置、检查明细、问题定位及批次结论将问题定位至源对象、解析步骤、参数或关联规则，评估受影响范围后重新处理并复检；若共用配置造成系统性错误，覆盖全部受影响对象；保留原结果与重做记录本体发布检查本体版本发布及变更生效前；检查类目、实体、属性、关系和约束检查实体定义、层级、关系方向、属性单位、约束一致性、术语及编码映射，核验主数据和业务系统对象的实际对应

候选数据在训练和验证前固定输入版本、配置与校验信息，完成训练数据与基准评测数据的去重、相似度比对及隔离核验；版本固定不等于正式发布。正式发布前检查质检结果、训练后验证及场景结果、问题整改、规模与占比、授权状态以及配套资料，全部满足发布条件后封装数据集、数据卡、数据字典、版本指纹、质检报告和验证报告。未通过检查的对象生成整改任务，修正后完成复检及必要的关联结果复核。✎ 对这块提意见💬 1

明确的数量、比例、准确率、覆盖率、缺陷清零和整改完成要求保持不变。具体过程参数按业务依据、样本验证和质量影响分析制定，变更时记录原因、证据、适用范围、批准结果及生效版本；经确认的变更方进入正式生产。✎ 对这块提意见

从接收到最终发布的完整交接清单✎ 对这块提意见

前七个小节分别讲了环节、门控、业务链、调度、产能与异常。把它们串起来看，从源数据接收到版本发布一共经过十五个交接点。每一个交接点有交出方、接收方、交接物与检收动作，并有明确的不收理由与退回去向。清单的用处是让每一方知道自己该交什么、该验什么、什么情况下有权拒收——有权拒收是关键，没有拒收权的检收等于没有检收。✎ 对这块提意见

表 2-10 从接收到最终发布的十五个交接点✎ 对这块提意见

序号交接点交出方接收方交接物接收方的检收动作不收的理由与退回去向1源侧到采集通道各源系统与离线资料提供部门采集接入通道按调度周期的数据推送或离线文件按调度记录核对到达情况链路不通或调度失败的，按采集接入节的异常处理流程重试与告警2采集通道到平台落地区采集接入通道数据受理岗落地清点单（文件数、记录数、时间范围）与落地文件按清点单与落地文件逐项核对数量不符的逐项核对，差异原因记入问题清单；对账不通过的批次不生成批次号3落地区到贴源区数据受理岗数据受理岗（入口检查节点）数据源登记表、授权文件、脱敏复核记录、格式校验结果核来源登记完备性、许可有效期、脱敏抽样、格式合规缺来源或授权的退回采集接入通道补齐；格式不合规的入隔离区出问题清单4采集到预处理数据受理岗预处理工程岗过入口检查节点的原始数据批次及批次台账核批次号与批次状态未过入口检查节点的批次挂起不交5预处理到质检复判预处理工程岗质检单元（预处理检查节点）规范化样本、算子登记表、自检结论按通道抽样复核结构还原、图文对照与时序对齐；按算子指纹复算单项算子回退重跑；源数据缺陷退回采集环节6预处理到本体预处理工程岗本体维护岗结构化长文本、术语候选清单核术语候选的出处是否可回查出处不可回查的不进入术语候选7本体到标注与合成本体维护岗标注作业单元、合成与增强作业单元已发布的本体版本、术语表、同义词别名表标注与合成工具按本体版本号加载取值域本体版本未

表 2-10 数据来源：交接点依本节表 2-1 的环节划分与招标文件 3.2.6.3 各小节的产出要求；对账口径依本卷「四大数据集建设及指标要求」节第 2 部分；移交与登记要求依 3.2.6.3.10（b1575、b1576）。✎ 对这块提意见

十五个交接点中有三个是跨组织的，排期时按较长的响应周期估计：第 1、2 两点在源侧与项目组之间，第 15 点在项目组与运营侧之间，第 14 点的技术评审签认涉及招标方代表参与。其余交接点在项目组内部，按作业周期衔接。跨组织交接点的响应时限在项目启动会上确认后写入批次计划，不按内部交接的节奏估排期。✎ 对这块提意见

全链统一的四项口径✎ 对这块提意见

十个环节分在上下游两段作业，环节之间的交接点、检收动作与拒收理由已在本节「从接收到最终发布的完整交接清单」逐点列明。此外有两条交接不走批次通道，在此写明：其一，标注与合成环节在作业中发现的术语与标签新增、修订候选，按候选编码、建议类目与影响范围（受影响批次与样本数）提交，走知识本体的变更申请与影响评估流程，经评审后发布为新版本，标注侧不自行扩充标签；其二，各集的规模分解、合成占比上限、模态与时效性占比目标与分期累计达成下限，在批次计划编制时作为目标量与配比的依据下达，规模计量规则版本号写入数据集卡片，同一数据集历次版本不中途更换计量规则。✎ 对这块提意见

十个环节在四个地方容易对同一事物产生两种说法，以下四项口径在全链统一，各环节按此执行。✎ 对这块提意见

第一，样本类型只分三类：真实、合成、增强。三类在样本元数据中有独立标识，占比分别统计并在数据集卡片中分三项披露。真实样本经增强变换后标识为增强样本，不计入真实样本；合成样本经增强后标识为增强样本并保留其种子为合成样本的溯源链。✎ 对这块提意见

第二，质量分级只用一套三级：A 级为字段完整、经审核签发、有投产或闭环记录；B 级为缺投产或闭环记录；C 级为字段不完整或未经审核签发。A 级可进基准测试子集，B 级进指令微调与偏好对齐子集，C 级仅进预训练子集。各环节对工艺卡片、选型方案效果、关联关系置信度的分级，都归入这一套的判定依据，不另立分级名称。✎ 对这块提意见

第三，「不低于」与「趋向」两种表述的界线。凡招标文件以数值形式明确要求的指标（四集规模数值、模态不少于 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%），按原文表述为具体数值或「不低于」，并给出达成路径与核算口径。凡本方案自设的内部质量管理目标（各类合格率、标注一致性指标、解析通过率、锚定成功率），一律表述为逐步接近目标值，并附基线确定方式与未达时的处置。两类表述的区别是实质的：前者是对甲方的指标应答，后者是我方的内部管理目标。✎ 对这块提意见

第四，平台的两个名称不可混用。数据集加工生产平台承载十个环节的作业与留痕；数据集运营服务管理平台承载移交之后的目录、权限、版本、服务、交易与审计（b0685、b0804r04、b0804r05）。加工环节的作业对象与状态流转在加工生产平台上，向运营服务管理平台提交的是版本封装包与登记信息，两者不是同一个系统。✎ 对这块提意见

【图 2-1　加工链上下游环节段的交接物、回流与指标约束】整幅图

图 2-1 加工链上下游环节段的交接物、回流与指标约束。数据来源：交接物与检收动作依表 2-10；标识体系依表 2-1 的追溯记录列；环节划分依招标文件 3.2.6.3 与 3.2.6.4 的小节划分。✎ 对这块提意见

加工链与相邻服务的技术接口✎ 对这块提意见

数据加工生产服务与相邻服务之间共有九处数据与成果的交接。每一处接口按输入、输出、关键字段、交接协议、责任方与验收条件六项约定：六项未约定齐的接口不开通数据流；已开通的接口变更其中任一项，须经双方书面确认并同步修订接口登记后生效，变更带版本号与生效时点。九处接口的六项约定如表 2-11，其中四处的作业细节在其后各小节展开。✎ 对这块提意见

表 2-11 加工链对外九处接口的六项约定✎ 对这块提意见

接口输入（加工链收）输出（加工链发）关键字段交接协议责任方划分验收条件数据资源建设服务（3.2.2）落地区的原始文件与记录（源系统结构化抽取、离线非结构化文件、外部标准与文献）、按调度周期出具的落地清点单受理回执、批次台账、退回清单与退回原因码来源系统码、数据源登记号、授权凭证号、落地时间戳、文件指纹、记录主键、文件数／记录数／时间范围以平台落地区目录为唯一交接点；清点单出具后受理方在一个工作日内回执；清点单与批次台账逐项对账通道连通性、协议适配、调度与链路异常由采集接入侧负责；数据源登记、许可核验、入口脱敏、格式合规与批次成形由加工链负责清点单与批次台账在文件数、记录数、时间范围三项上一致；不一致项逐项归因并记入问题清单，未归因完毕不生成批次号专项智能工具链算子镜像与版本号、参数模板、工具给出的自动判定结论与置信度算子调用记录、参数快照、处理前后的样本指纹、门控的人工判定结论算子编码、算子版本号、算子指纹、参数集哈希、批次号、样本编号、本体版本号工具以注册算子方式接入，调用参数与版本随批次自动登记；不提供不留痕的参数修改入口工具的功能实现、接口与性能由工具链侧负责；调用点选择、参数基线标定与门控结论由加工链负责产出携带批次号、样本编号、算子指纹、本体版本号四项标识，缺一项不被下游接收；同参数同输入可复算且结果一致数据治理规划和实施服务（3.2.6.1）业务术语、参考数据、数据元、

表 2-11 数据来源：接口对象依招标文件 3.2.2（b0805—b0807、b0909—b0913）、3.2.6.1、3.2.6.2（b1339、b1344、b1349、b1354）、3.2.6.5、3.2.6.6、3.2.6.12 与服务采购清单第 2、3、7 项（b0804r03、b0804r04、b0804r08）；移交与登记口径依 b1575、b1576。✎ 对这块提意见

与数据资源建设服务的接口（3.2.2）✎ 对这块提意见

招标文件 3.2.2 数据资源建设要求规定数据集所需原始数据来自企业各业务系统，与各系统的集成基于项目实际需求执行（b0805、b0806、b0807）；3.2.2.2 多格式多模态的数据录入规定实现离线非结构化数据的解析及录入管理，形成电子化数据资产和相关语料（b0909、b0910），具体包括业务域文档、图片、工程图纸、技术书籍、财务票据、音视频等多格式多模态离线数据的批量导入与实时接入（b0911），建立自动分类、关键信息抽取、结构化转换、质量校验及人工复核机制，形成规范化、标准化的离线电子化数据资产目录（b0912），并按业务主题与知识体系进行数据聚类、去噪清洗、格式统一与版本管理（b0913）。✎ 对这块提意见

接口点是平台落地区的目录。落地区之前由数据资源建设服务负责：与 17 个业务与设备系统建立接入通道、确定接口协议与取数方式、设定调度频次、处理链路异常、提供离线文件的批量导入与实时接入入口。落地区之后由加工链负责：数据源登记、许可核验、入口脱敏、格式合规校验、批次成形，以及自动分类、关键信息抽取、结构化转换、质量校验与人工复核的实现（b0912），按业务主题与知识体系的聚类、去噪清洗、格式统一与版本管理（b0913）。责任按这条线落位：链路不通归通道侧，批次不合规归受理岗，样本质量不达标归预处理岗。✎ 对这块提意见

验收条件是对账一致。通道侧按调度周期出具落地清点单，列文件数、记录数与时间范围；受理岗在一个工作日内回执并出具批次台账；两份在三项上不一致时按清点单逐项核对，差异原因记入问题清单，对账不通过的批次不生成批次号、不进入预处理。清点单与批次台账均带来源系统码、数据源登记号、授权凭证号、落地时间戳与文件指纹五个字段，任一字段缺失视同对账不通过。通道设计、协议适配与链路异常处理在数据资源建设服务的相应节给出。✎ 对这块提意见

与数据集加工生产专项智能工具链的接口✎ 对这块提意见

招标文件要求研发 9 大类 25 个数据集加工生产专项智能工具链（b0686、b0804r03）。工具以注册算子的形式接入加工链：加工链向工具输入待处理样本批次与参数模板，工具向加工链输出处理后的样本、算子调用记录、参数快照与自动判定结论。✎ 对这块提意见

接口约定有三条。其一，调用参数与版本随批次自动登记，工具端不提供不留痕的参数修改入口——这是质检复算与验证归因的前提。其二，产出必须携带四个标识字段（批次号、样本编号、算子指纹、本体版本号），缺一项即不被下游接收。其三，同一算子版本、同一参数集、同一输入批次的复算结果须与原结果一致，复算不一致的算子版本停用并退回工具侧定位。✎ 对这块提意见

责任按此划分：工具的功能实现、接口与性能由工具链建设服务负责；调用点的选择、参数基线的标定与门控结论由加工链各环节负责。工具给出的自动判定结论是门控的输入之一，不直接等于门控结论，门控结论由对应岗位作出。25 个工具的逐一列名、归类与接口定义在专项智能工具链的相应节给出。✎ 对这块提意见

与数据治理规划和实施服务的接口（3.2.6.1）✎ 对这块提意见

治理在生产逻辑中是横向贯穿的管控层（b1215）。接口在四处，均为治理侧单向发布、加工链按版本号引用：业务术语标准、参考数据标准、数据元标准与指标标准四套标准由治理侧发布，知识本体与知识库按标准编码与版本号引用，不在加工侧另立术语；本体先行定义而标准侧尚未收录的概念，以标准草案形式回流。数据质量校验规则库由治理侧维护，加工链的入口格式校验项是规则库的子集，规则编码与版本同源。✎ 对这块提意见

数据分级分类结论由治理与安全侧发布，加工链据以执行入口脱敏；分级结论发布前按最严口径处理，发布后按结论回调，受影响批次的脱敏在一个批次周期内重跑完毕。元数据与血缘的管理要求由治理侧规定，加工链的标识体系按其要求落地，每一批次的元数据与血缘登记完整、可按血缘上溯至来源记录与全部算子，此为本接口的验收条件。治理的达标路径、业务域覆盖与治理文档清单在数据治理规划和实施服务的相应节给出。✎ 对这块提意见

与行业大模型训练推理技术服务的接口（3.2.6.2）✎ 对这块提意见

招标文件 3.2.6.2 行业大模型训练推理技术服务规定：构建行业大模型并支持私有化部署与国产通用大模型（b1338）；基于预训练数据集的 Token 规模、模态分布、来源构成和领域子集统计制定多模态数据的训练配比和采样权重，选取适配矿山装备制造业务的基座模型开展分布式继续预训练，记录训练曲线、检查点与中间评测结果，通过领域知识探针、保留语料困惑度等方式验证预训练数据集的知识注入效果并形成知识注入有效性报告（b1339、b1340、b1341、b1342、b1343）；将指令微调数据集按业务场景、任务类型、难度等级切片，设计基础微调、子集消融、混合配比等实验方案，跟踪训练损失、验证集准确率、显存占用、吞吐等指标，通过自动评测与专家抽样人评验证指令遵循、任务完成、格式规范、长上下文理解等方面的能力提升（b1344、b1345、b1346、b1347、b1348）；对偏好数据集作格式归一化、冲突样本处理与难度分层，训练行业奖励模型并评估其在保留偏好集上的判别准确率，基于微调模型与奖励模型开展对齐训练，记录偏好准确率、KL 散度、奖励均值、回答长度变化等指标，识别并缓解奖励黑客、回答冗余、行为退化等风险，形成专家偏好对齐度报告与安全合规通过率报告（b1349、b1350、b1351、b1352、b1353）；固化基准测试数据集的题型协议、判分规则、版本号与随机种子，建设可复现的评测沙箱，

这组要求由数据侧与模型侧共同完成，责任以交付物划分。模型侧负责训练与评测的环境、算力适配、模型接入与评测网关、训练作业的执行与指标记录，以及上述五份报告的出具。✎ 对这块提意见

数据侧负责交付四件，均按数据集版本号整包交付、交付后冻结：按训练配比与采样权重的需要提供预训练子集的 Token 规模、模态分布、来源构成与领域子集统计；按业务场景、任务类型、难度等级三个维度交付已切片的指令微调子集，切片维度的取值来自本体与标签体系；交付格式已归一化、冲突样本已处理、难度已分层的偏好子集，以及偏好理由字段；交付已固化题型协议、判分规则、版本号与随机种子的基准子集，并保证基准子集与训练用样本按来源与时间双重隔离。✎ 对这块提意见

错题归因的回流是这组接口里最要紧的一条。评测错题的归因结论由模型侧与数据侧共同判定：归因为脏数据、歧义标注的，回流至本节的采集、预处理或标注环节定向修复；归因为覆盖盲区、难度分布缺口的，回流至合成与增强环节定向补充（b1357、b1358、b1359）。两类回流都走统一的整改任务单，任务单指明回流终点环节与具体批次，修复后重新质检与验证。本接口的验收条件有两项：基准子集与训练用样本的隔离核验通过，即按原始对象标识取交集为空；规模、模态与来源构成的统计口径可在脱离平台的环境中复算，复算值与随版本封装的统计值一致。数据集验证环节的实验设计、能力增量结论与归因闭环记录见本卷「数据加工生产（二）」节数据集验证部分，与模型侧共用同一套实验口径与报告结构。✎ 对这块提意见

【图 2-2　加工链与相邻服务的接口与交接物】整幅图

图 2-2 加工链与相邻服务的接口与交接物。数据来源：上游接口依招标文件 3.2.2（b0807、b0911）；模型侧接口依 3.2.6.2（b1339、b1344、b1349、b1354）；评测接口依 b0688；运营侧接口依 b0685、b1575。✎ 对这块提意见

与数据集质量测评服务的接口✎ 对这块提意见

招标文件要求完成本项目多模态自建数据集首轮全量评测与缺陷整改复测，通过标准化评测、实战化模型验证、全流程整改闭环，实现数据质量合规核验、模型实战适配效能验证、缺陷整改闭环管控、标准化成果交付与合规验收四项目标，输出正式盖章评测报告并形成完整数据质量档案（b0688、b0804r08）。✎ 对这块提意见

接口的协议要点是自评与外评共用一套指标定义。加工链上的七道质量检查节点是加工过程内部的自评，第三方评测是外评，两者在指标名称、计算方式与判定阈值上不另立口径，差别在实施主体与采信效力。因此评测方可直接取用质检报告与验证报告作为复核起点，不必从原始数据重建判定；加工侧在版本冻结前即可按同一指标预判外评的提出项，整改发生在交付前而不是验收时。加工侧交出的是送检版本封装包、质检报告、验证报告、数据质量档案与整改说明，字段含数据集版本号、版本指纹、指标编码与取值、缺陷编号与等级、整改任务单号；验收条件是缺陷整改项逐条闭环并经复测确认，第三方评测结论为数据集规模与质量达成的最终认定依据。评测依据、三维度指标体系、评测方法与实施过程在数据集质量评测方案中给出。✎ 对这块提意见

与数据集场景验证服务的接口（3.2.6.5）✎ 对这块提意见

招标文件要求通过数据集加工生产平台关键技术研究课题转化的十一个场景验证高质量数据集的价值，有效提升垂域模型和智能体的性能（b0684）。本包承担的是验证，不承担场景建设。接口在两个方向：数据集向场景验证提供所需的样本子集与评测题目，场景验证向数据集回流可用性结论与缺口清单。✎ 对这块提意见

四大数据集与十一个场景不是一对一关系——一个场景通常取多个数据集的子集，一个数据集也服务多个场景，按场景与子集的供数关系表取数。交接的字段为场景编码、用例编号、供数子集码、题目编号与判分规则、缺口项编码及其定位（业务域、环节、批次）。责任划分是：验证方案、用例设计与可用性结论由场景验证服务负责，供数、补数与数据侧缺口的修复由加工链负责。验收条件是每个验证用例均有对应的供数记录，判定为数据侧缺口的项全部有回流任务单与关闭结论。各场景所需的数据来源、验证指标、验证流程与通过判据在六个专业场景与五个通用场景的验证方案中给出；四大数据集与各场景的供数关系在数据集建设及指标要求中给出。✎ 对这块提意见

与运营服务管理平台、安全合规建设与硬件配置的接口✎ 对这块提意见

与数据集运营服务管理平台的接口是移交与登记。加工链提交版本封装包与校验信息，平台重算版本指纹并比对一致；加工链按平台的登记字段提交数据集卡片、数据字典与资产台账条目，平台回传登记标识；加工链并提供接入国家数据基础设施所需的目录标识、身份登记与接口对接信息（b1575、b1576）。验收条件是平台重算的指纹与提交值一致、登记字段无空缺项、回传登记标识后方视为移交完成，移交后运营侧无须回补数据侧信息。平台的功能模块、界面与流程在数据集运营平台的相应节给出。✎ 对这块提意见

与项目安全合规建设的接口是规定与执行的关系。数据分级分类结论、密码应用要求、权限与审计要求由安全合规建设规定，加工链在入口脱敏、假名映射表存放与权限、作业留痕三处执行。涉及个人信息、敏感地理信息、重要行业数据、企业秘密数据的去标识化与脱敏在加工链入口完成，假名映射表与脱敏后数据分域存放、分权审批；加工链全程的审计与日志记录在加工生产平台上留存（b0804r06）。验收条件是全部批次有脱敏执行记录，审计日志可按批次、样本、操作人三个维度检索，分级结论更新后受影响批次完成回调。✎ 对这块提意见

与硬件配置的接口是承接关系。焊接层间温度与预热温度等新增感知设备、质量检测设备的型号、参数、取数接口能力与到位时间由硬件选型与系统集成确定，加工链负责其产出数据的受理、对象锚定与批次成形，按采样时间戳与对象标识双键锚定到工件、炉次或焊道。设备到位前，相关样本按缺项标注并在数据集卡片的局限性字段记录覆盖缺口；设备到位后按批次补采并并入同一批次体系。锚定成功样本占比以该业务域首批试产批的实测值为基线，逐期趋向目标值；未锚定样本全部给出原因码并进入补采队列。✎ 对这块提意见

规模与指标承诺的总口径✎ 对这块提意见

招标文件在业务范围（b0683）与数据加工生产服务要求（b1361）两处给出同一组规模与指标要求，数值一致：预训练数据集不低于 600 亿 Token、指令微调数据集不低于 80 万条、强化学习偏好数据不低于 6 万组、基准测试数据集不低于 0.9 万条，数据集涵盖不少于 3 种模态（时序数据、图像、文本、视频等），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%。✎ 对这块提意见

我方按四个数据集的分集规模表承接，四集合计预训练 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，四项均高于上述下限。合计值相对下限留出的余量不用于宣称超额，其用途是吸收质检与验证环节的剔除量。✎ 对这块提意见

去重、脱敏剔除、标注返工、分布均衡性削峰都会减少可发布样本，没有余量，交付前就只剩降低质检门槛这一条路可走。各集的规模分解、来源构成、用途子集内容设计、模态与时效性构成测算、规模计量规则、分期累计达成下限与数据集卡片字段，见本卷「四大数据集建设及指标要求」节，本节不重复给数。✎ 对这块提意见

规模承诺的核验分三道，三道均不依赖人工报数：第一道是工具链自动计量，每批次发布前自动输出规模统计，统计脚本与分词器版本随数据集一同封装，可在脱离平台的环境中复算；第二道是数据集资产台账复核，台账与自动计量结果逐版本对账，差异超过 0.5% 的版本不予发布；第三道是第三方评测，以其「规模完整性」指标的结论作为最终认定依据（b0688）。✎ 对这块提意见

比例类指标分两类表述。招标文件以数值形式要求的三项，即模态不少于 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%，按原文承接并给出测算值与计量口径，为对招标方的指标应答。项目组自设的内部质量管理目标，一律表述为逐步接近目标值，并附基线确定方式与未达时的处置，为过程管理目标。两类的采信效力不同，不合并为一类表述。✎ 对这块提意见

加工生产服务的四项总口径✎ 对这块提意见

加工生产服务的全部承诺可收敛为四条总口径：数据从哪里来、经过哪些环节、产出什么规模、如何证明合格。四条口径在本节确定，各子项的具体做法由它们展开；做法与口径不一致时，以本表为准。✎ 对这块提意见

表 2-12 加工生产服务的四项总口径✎ 对这块提意见

总口径内容展开位置数据来源来自十七个业务与设备系统、纸质与离线资料、外部标准与文献三类来源，处理对象按实际数据来源、业务责任及授权关系登记。通道由数据资源采集接入建立，受理之后的来源登记、许可核验、入口脱敏与批次成形在本项服务范围内，分界点是平台落地区；两侧按落地清点单与批次台账逐周期对账，对账不通过的批次不生成批次号本节表 2-1、「从接收到最终发布的完整交接清单」与「与数据资源建设服务的接口」；实施范围见本卷 2.1 实施范围；各业务域来源清单见本卷「数据加工生产（一）」节第 2 章加工链路十个环节：采集、预处理、知识本体、知识库、标注、合成、增强、质检、验证、数据集项目管理。数据治理横向贯穿为管控层，知识本体与知识库为统一知识底座，七道质量检查节点按批次或按版本判定，三类定向回流按血缘定位到具体环节、批次与算子，构成有向无环的生产逻辑本节图 1-2、表 1-3、表 2-1 与「终审检查节点与版本检查节点的先后关系、审批权限与升级路径」；作业方法见「数据加工生产（一）」「数据加工生产（二）」两节规模产出四个数据集 × 四个用途子集，合计预训练 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，均为通过检查节点并发布后的净量；模态覆盖文本、图像、时序、视频四类，多模态与近 3 年时效性数据条数占比按不低于 40% 承接。投料量按各

表 2-12 数据来源：各行依本节对应小节；规模与模态要求依招标文件 b0683、b1361，场景验证范围依 b0684，评测要求依 b0688，建设目标与生产逻辑依 b1214、b1215。✎ 对这块提意见

口径确认、现场调查与成果交付流程✎ 对这块提意见

数据加工生产与软件开发有一处本质不同：软件开发的需求确认是阶段性的，确认完就进入编码；数据加工的口径确认是贯穿全程的——每一批新数据、每一个新工序、每一类新缺陷，都可能需要业务部门给一次判断。把这件事含糊过去，实施期就会反复停摆。因此本方案把口径确认组织成一条有时限、有产出、有逾期处置的流程，而不是一份开工前的待办清单。✎ 对这块提意见

流程分四段：现场调查、口径确认、批次级签认、成果交付与验收。前两段集中在第一期完成，第三段贯穿全程，第四段按版本发生。各段的工作内容、方法、参与方、产出与时限如表 2-13。✎ 对这块提意见

表 2-13 口径确认、现场调查与成果交付的四段流程✎ 对这块提意见

阶段工作内容工作方法参与方产出成果时限一、现场调查源系统盘点与接口条件核查、各业务域数据责任人与口径确认人落位、存量电子资料清点、纸质资料体量与状态核查、各源系统时钟基准核查、数据分级分类现状摸底按业务域走访；源系统只读连接试通；按通道抽取样本试采并实测单位工时；纸质资料按库房抽样估算体量项目组、数字化转型工作办公室、十个实施单位数据资源盘点报告、数据源登记表、口径确认人名册、纸质资料数字化优先级清单、试采实测值合同生效起 1 个月内，按业务域逐域提交二、口径确认工序字典、标签体系、缺陷分级、术语标准、密级判定规则五项一次性确认；数据集规模计量规则确认；数据分级分类结论与脱敏口径发布；阶段验收节点与口径确认逐项出具确认件，经业务归口部门书面确认后入版本管理；确认后的变更走变更申请与影响评估流程，不重新讨论项目组、各业务归口部门、安全管理方、数字化转型工作办公室数据集规模计量规则、标注规范首版、分级分类与脱敏口径、五项字典确认件、阶段验收口径确认件合同生效起 3 个月内（第一期）完成；逾期事项按表 2-14 处置三、批次级签认与裁决口径检查节点与终审检查节点的业务专家会签；标注争议、工艺判断分歧、跨域口径冲突的裁决；跨系统不一致的仲裁按批次组织会签，单次工作量以半天计；争议与不一致按本节表 2-9 的仲裁规则处置；每次裁决意见归档并回灌本体与标注规范业务专家评审组、各业务归口部门、项

表 2-13 数据来源：确认事项依本节「终审检查节点与版本检查节点的先后关系、审批权限与升级路径」「源数据迟到、重发、撤回与跨系统不一致的处置」与本卷「四大数据集建设及指标要求」节的规模计量规则；移交与登记要求依招标文件 3.2.6.3.10（b1575、b1576）；评测与复测要求依 b0688。✎ 对这块提意见

第三类参与的频次值得说明，因为它直接关系招标方自身的投入估算。批次级裁决的发生频次随数据量递减而非递增：首批数据争议最多，口径一经裁决即回灌本体与标注规范，同类问题不再重复提交，流程跑顺之后裁决量显著下降。这也是本方案坚持「每次裁决意见归档并回灌」的原因——不回灌，同一类分歧会在每一批次重新占用一次专家时间。✎ 对这块提意见

口径确认事项未按期到位的，按表 2-14 的处置执行。贯穿各项的原则是本节「源数据迟到、重发、撤回与跨系统不一致的处置」已写明的一条：不停工等待，也不先标后改，按我方建议口径先行并标注为待确认，确认后批量复核，复核工作量由项目组承担。✎ 对这块提意见

表 2-14 需招标方确认或发布的事项、生效环节与未按期到位时的处置✎ 对这块提意见

事项确认或发布方在哪一步生效未按期到位时的处置各业务域的数据责任人与口径确认人数字化转型工作办公室现场调查的走访排期与各域口径确认按业务域顺延排期，先行开展已落位业务域的调查与受理十七个业务与设备系统的只读接口开通范围与时间表数字化转型工作办公室采集环节的通道建立与批次计划编制该业务域转人工补录与纸质资料数字化两条替代路径，覆盖缺口记入数据集卡片局限性字段数据集规模计量规则（分词器选型、条与组的判定、合成占比上限）招标方与项目组共同确认批次目标量编制与三道规模核验按我方建议口径先行，确认后按新规则复算并在卡片中声明规则版本号数据分级分类结论与脱敏口径招标方与安全管理方入口检查节点的脱敏判定按最严口径处理；结论发布后按其回调并重跑受影响批次的脱敏阶段验收的节点、验收主体与验收口径招标方七道质量检查节点与版本发布节点的对外衔接按本方案的四期累计达成下限自行组织内部核对，口径明确后对齐质量测评机构的资质要求与报告盖章主体招标方与第三方评测机构外评采信方式与整改复测排期先按自评口径完成版本级质检与验证，外评启动后直接取用质检报告与验证报告作为复核起点运营服务管理平台的接收规范与登记字段平台建设方与招标方版本移交与登记按本节表 2-10 第 15 项的封装清单先行封装，接收规范明确后补齐映射字段十一个验证场景的通过判据与确认方式招标方各业务部门场景可用性结论的判定与缺口回流按验证方案给出的判

表 2-14 数据来源：事项依本节各项作业与接口所列前提条件；处置原则依本节「源数据迟到、重发、撤回与跨系统不一致的处置」的仲裁时限与不停工口径。✎ 对这块提意见

1、本节范围✎ 对这块提意见

1、本节范围✎ 对这块提意见

非功能性技术要求✎ 对这块提意见

非功能性技术要求✎ 对这块提意见

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%

表格占比过高、多处表格前无论述

1、人员组织与交付责任✎ 对这块提意见

1、数据资源建设的总体设计✎ 对这块提意见

1、训推服务总体技术路线✎ 对这块提意见

1、训推服务总体技术路线✎ 对这块提意见

表格占比过高、多处表格前无论述

通用场景验证服务方案✎ 对这块提意见

通用场景验证服务方案✎ 对这块提意见

质量门／版本门／入口门／口径门

1、本节范围、相邻环节边界与加工主线✎ 对这块提意见

1、本节范围、相邻环节边界与加工主线✎ 对这块提意见

质量门／版本门／入口门／口径门

七道门与质量门

表格占比过高、多处表格前无论述

四个环节合起来解决同一件事：把分散在各业务系统、设备系统与外部来源的原始数据，变成后续标注、合成、增强可以直接消费的规范化样本，并为整条加工链提供一份统一的业务口径（b1360、b1361）。✎ 对这块提意见💬 2

四个环节的交付内容按下表归集。每一行给出该段加工的对象范围与要交出的东西，作业方法与判定口径在后文各环节中逐项展开。✎ 对这块提意见

加工段对象范围与交付内容单元 id数据采集 · 范围各业务系统、设备系统与外部来源原始数据汇入平台，形成四类数据集原始数据底座b1362、b1363采集 · 供需计划域CRM、ERP、SCM、WMS 的结构化与非结构化数据，历史销量、订单量与销售预测b1364—b1370采集 · 产品工艺设计域PLM 结构化数据、选型方案与图纸卡片、机械制图标准与工艺编制准则b1371—b1375采集 · 制造过程域MES、SCADA、热处理群控与加装传感器、EMS、EAM、SOS 的结构化、时序、图像与文档数据b1376—b1386采集 · 产品质量域QMS 检验记录与质量台账、硬度与缺陷检验数据、质量影像资料b1387—b1391采集 · 通用语料与外部语料OA 制度与合同、久其经营指标、主数据编码，外部行业标准与文献等补充语料b1392—b1395采集 · 登记与合规数据源登记、许可核验、入口脱敏、格式合规校验，产出批次与采集记录b1396、b1397采集 · 分模态口径四个数据域按文本、图像、时序、视频四类模态分别给出受理清单、格式与编码、采集粒度、时间与设备校准、业务主键、版本与许可核验b1363数据预处理 · 范围原始数据加工为可被四个用途子集消费的规范化样本b1398、b1399预处理 · 文档类版面解析、章节结构还原、表格与公式重建、正文切分与去重去噪b1400—b1403预处理

与相邻章节的交接界面。 四个环节与方案其他章节存在明确的交接面，建议按下表划分，避免同一事项在两处给出不同口径。✎ 对这块提意见

实际会出问题的交接面有三处最典型。一是「采集」二字在本方案中出现两次：数据资源采集接入讲的是把通道打通，本节讲的是通道通了之后怎么把数据受理进来；两者若不划线，实施期一旦取不到数，两边都会说这归对方。二是工具链，9 类 25 个工具的设计与接口在专项工具链章节成篇描述，本节只写它们在各环节上的调用点、调用参数与产出去向，同一个工具不在两处各给一套参数。三是术语，数据治理规划要出业务术语标准，知识本体也要定义概念，二者重合的部分以治理侧标准为准，本体先行定义的概念回流为标准草案而不是另立一套。下列各行把这条线逐项画出来，其中交接物一列写的是实际要交接的东西而不是职责描述——职责可以含糊，交接物不能。✎ 对这块提意见

交接对象对方承担四环节承担交接物数据资源采集接入（3.2.2）与 16 个以上源系统建立接入通道：接口协议、取数方式、调度频次、链路异常处理通道已通之后的数据受理：数据源登记、许可核验、入口脱敏、格式合规校验、批次成形落地区的原始文件与原始记录多格式多模态数据录入（3.2.2.2）离线非结构化文件的批量导入与实时接入入口（b0911）导入之后的版面解析、结构还原、切分去重与图文关联落地区的文档、图纸与图像文件专项智能工具链（3.2.3）9 类 25 个工具链各自的设计、输入输出接口、处理流程与样例在本节各环节的工具调用点、调用参数与产出去向工具调用配置与算子登记记录数据治理规划（3.2.6.1）业务术语标准、参考数据标准、数据元标准、指标标准、标准映射对照表（b1276—b1287）知识本体与知识库引用上述标准，不另立术语；本体先行定义的概念回流为标准草案术语表、标准映射对照表的本体侧条目标注、合成、增强、质检、验证（3.2.6.3.5—3.2.6.3.9）样本的标注与生成、质检抽样与判定、验证口径向其交付规范化样本、本体文件、知识库与检索索引规范化样本、本体文件、知识条目、检索索引数据集规模与数据卡（3.2.6.4）四类数据集的规模分解与数据卡字段定义按数据卡要求回填各批次的来源、算子、版本与模态构成批次采集记录与算子登记表数据集运营服务管理平台（3.2.4）移交之后的目录、权限

一句话概括本节与采集接入的分工：采集接入把数据拿到手，本节管拿到之后怎么加工。两者的分界点是平台落地区——写入落地区之前的事归通道，写入之后的事归本节。✎ 对这块提意见

加工主线与四道质量检查节点。 数据加工按「落地区—贴源区—规范区—知识区—供样区」五个分区推进，分区之间设四道质量检查节点。质量检查节点是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：判定不通过的不予放行。它把问题挡在上游——未通过判定的批次不进入下一分区，也不被下游标注与合成引用。✎ 对这块提意见

【图 1　数据加工主线、五个分区与四道质量检查节点（数据来源：招标文件】整幅图

图 1 数据加工主线、五个分区与四道质量检查节点（数据来源：招标文件第五章 3.2.6.3.1—3.2.6.3.4 各环节的输入输出要求，b1363、b1396、b1397、b1399、b1413、b1414、b1416、b1433、b1455、b1459、b1460）✎ 对这块提意见

四道质量检查节点的判定口径与退回路径。 门限取值以首批次标定结果为基线，按批次逐步上调，上调幅度在月度例会上确认后写入下一批次计划。这样安排的理由是：首批次之前没有本企业的实测分布，先定高门限会把大量本可用的数据挡在外面，先定低门限又失去把关作用。✎ 对这块提意见

质量检查节点设在何处判定项判定方式判定岗位不通过的退回路径入口检查节点落地区进贴源区数据源已登记；使用许可已核验且在有效期内；敏感字段已按分级结论脱敏；文件格式与字符编码通过合规校验（b1396）规则自动校验 ＋ 脱敏抽样复核数据受理岗判定，合规事项由安全管理岗复核批次挂起，不生成批次号；缺来源与授权的退回采集接入环节补齐；格式不合规的记录进隔离区并出问题清单预处理检查节点规范区进知识区与供样区章节层级与来源页码可追溯；图文对照可核；时序对齐无跨测点错位；视频片段边界与同期事件时刻对应；重复样本已去除；所用算子与参数已登记（b1402、b1406、b1409、b1414）自动校验 ＋ 按通道抽样人工复核预处理工程岗自检，质检岗复判按算子单项回退重跑，原批次保留并标记为废弃版本；同一算子连续两批次未通过，暂停该算子版本并排查口径检查节点本体版本发布类目与关系自检通过；实体编码与主数据及 PLM 可映射；与数据治理的业务术语标准一致（b1419、b1427）本体一致性校验工具 ＋ 业务专家评审本体维护岗提交，业务专家评审组判定本体版本不予发布；受影响的标注与合成口径暂不变更，继续使用已发布版本至批次结束终审检查节点知识库交付知识条目逐条有来源出处；图谱关系经业务专家确认；数据字典齐备（b1436、b1459）字段完整性校验 ＋ 分档人工终审知识抽取岗提交，业务专家评审组终审条目标记为「

环节交接与验收的两条原则。 其一，不合格的批次退到能改的地方，不是一律退到上一环节：源数据本身有缺陷的退到采集环节甚至源侧，算子参数不当导致的结构还原错误只需单项重跑该算子。返工范围与缺陷成因匹配，一处小问题不致触发整批重做。其二，验收以「怎么算合格」为准，不止于「交了什么」：按什么比例抽样、统计哪个指标、以什么为基准、抽检不合格如何处置，四个环节各自在其末节写明，验收时双方按同一把尺子核对。各环节的输入、产出、验收方、验收方式、抽样口径与退回路径，分别见各环节的「输入、产出、验收与退回」一节。✎ 对这块提意见

岗位设置与职责。 四个环节的作业按岗位组织，岗位之间以交付物与判定结论衔接，不以人际沟通衔接。岗位设置如下表，具体人员配置见项目团队章节。✎ 对这块提意见

岗位职责在哪些质量检查节点上有判定权数据受理岗（按业务域各一名）本域来源清单与授权状态维护、批次台账、受理作业、问题清单跟踪入口检查节点判定安全管理岗数据分级结论落实、脱敏规则制定与版本管理、假名映射表权限管理入口检查节点合规复核预处理工程岗（按通道分工）算子配置与执行、参数调优、失败重跑、算子登记预处理检查节点自检质检岗抽样复核、复判、问题归因、整改任务单预处理检查节点复判本体维护岗类目与关系维护、术语收口、编码映射、版本发布与影响评估口径检查节点提交知识抽取岗条目抽取、条款切分、图谱构建、索引维护、三元组构建终审检查节点提交业务专家评审组（按业务域组建，甲方专家与项目组技术人员共同组成）本体类目评审、知识条目终审、图谱关系确认、指标口径确认口径检查节点判定、终审检查节点终审✎ 对这张表提意见

批次与血缘标识体系。 批次是采集之后所有环节的基本单位。批次号在采集环节生成，贯穿预处理、知识建设、标注、质检与验证，构成血缘链的起点。✎ 对这块提意见

为什么要在采集阶段就把九类标识定死，理由在交付之后才看得出来。数据集交付一年后，若评测中发现某一类题目的正确率明显偏低，要回答的问题是「这批样本从哪里来、经过了什么处理、引用了哪条知识条目」；三个问题分别由批次号、算子指纹与条目编号回答。标识若等到需要时再补，补出来的只能是当时的文件路径与人员记忆，而文件会挪、人员会换。✎ 对这块提意见

九类标识的构成都写成「业务含义 ＋ 顺序号」，而不是一串无含义的流水码。这样安排牺牲了一点生成效率，换来的是肉眼可读：一个批次号直接看得出它属于哪个业务域、归哪类数据集、是哪天的第几批，排查时不必先去查一张映射表。算子指纹是其中唯一用哈希的一个，因为它要表达的正是「同样的算子、同样的版本、同样的参数取值」这件事本身——任何一项变了指纹就变，这恰是可复算所需要的判据。✎ 对这块提意见

标识生成环节构成用途数据源登记编号采集（登记）业务域码 ＋ 源系统码 ＋ 顺序号来源可追溯的根批次号采集（受理）业务域码 ＋ 数据集归属码 ＋ 日期 ＋ 顺序号血缘链起点，贯穿全链文件指纹采集（受理）文件内容哈希文件级去重、重复入库识别记录主键采集（受理）源系统主键 ＋ 批次号文本化样本回查源记录算子指纹预处理算子编号 ＋ 版本 ＋ 参数取值的哈希处理过程可复算样本编号预处理批次号 ＋ 通道码 ＋ 顺序号样本级追溯与抽样本体版本号本体主版本.次版本标注与合成口径的引用依据条目编号知识库类目码 ＋ 顺序号 ＋ 版本条目级终审状态管理三元组编号知识库批次号 ＋ 场景码 ＋ 顺序号评测错题归因回溯✎ 对这张表提意见

标识体系前置到采集环节，目的是让后续环节的质检与验证有复算的依据：任意一条样本都能回到它的源记录、所经算子与所引知识条目。✎ 对这块提意见

适用标准与企业内部口径。 四个环节的字段定义、质量判定与标注口径均挂靠现行标准，不另立一套。各标准在本节的适用范围与取值依据如下表。✎ 对这块提意见

引用处所引标准引用内容数据管理体系与成熟度GB/T 36073 数据管理能力成熟度评估模型数据标准、数据质量、元数据管理的过程域要求，与数据治理章节共用数据质量判定维度GB/T 36344 信息技术 数据质量评价指标完整性、准确性、一致性、唯一性、及时性、有效性六个维度，用于格式合规校验与质量控制点元数据与数据元定义GB/T 18391 信息技术 元数据注册系统数据元的标识、名称、定义、类型、格式与值域的表述方式，用于本体属性集与数据字典图纸解析的图层与符号口径GB/T 4458 机械制图 图样画法系列标准视图投影关系、剖视与断面的判读依据表面结构符号判读GB/T 131 产品几何技术规范 表面结构 表面粗糙度粗糙度符号的作用表面范围判定焊接缺陷类型口径GB/T 6417.1 金属熔化焊接头缺欠分类及说明十类焊接缺陷的分类与判别要点，用于本体缺陷值域与标注标签焊缝检测方法GB/T 11345 焊缝无损检测 超声检测缺陷检验方法字段的取值依据硬度检测方法GB/T 230.1 金属材料 洛氏硬度试验淬火硬度检验项的方法与单位企业内部口径甲方机械制图标准、工艺编制准则、备料工序字典图层约定、工序集合、工艺参数区间✎ 对这张表提意见

企业内部口径与国家或行业标准不一致时，以企业内部现行版本为准并在本体中登记差异，理由是加工生产服务的交付对象是本企业的数据集，口径须与本企业的作业实际一致。标准的现行版本号在定稿前按甲方标准化部门的核对结果统一标注。✎ 对这块提意见

1、数据采集（3.2.6.3.1）✎ 对这块提意见

采集通道的建立属于数据资源采集接入章节；这里所说的采集，是在通道已通的前提下，按业务域把数据受理进平台并形成可追溯的原始批次。这样划分责任清楚——链路不通找通道，批次不合规找受理。✎ 对这块提意见

受理按业务域组织，分为四个数据域加一组通用与外部语料，与四类数据集一一对应。每个域设一名数据受理责任岗，负责本域的来源清单、授权状态与批次台账。✎ 对这块提意见

1.1 受理作业流程✎ 对这块提意见

受理按七步执行，每一步有明确的输入、动作与留痕。流程设计上有一个取舍：把合规判定放在写入贴源区之前，宁可在入口处多一道挂起，也不让未授权数据进入加工链。✎ 对这块提意见

七步的次序不是作业习惯，是按「失守之后返工成本从高到低」排的。受理申请与许可核验排在最前，因为授权问题一旦在数据落地之后才发现，整批数据连同其派生样本都要作废；而排在第五步的格式校验即便出错，也只影响这一批的解析结果，隔离区里改完重提即可。落地清点排在第三而不是更后，是因为清点要在脱敏改动数据之前做——脱敏之后文件指纹会变，再与通道侧对账就对不上了。第六步的对象锚定放在批次成形之前，则是因为锚定结果要作为一项统计写进采集记录；放到批次成形之后做，这个数只能事后回填，而事后回填的数没有人能复核。✎ 对这块提意见

步骤输入动作留痕不通过的处置1 受理申请业务域的取数需求核对数据源登记编号是否存在、授权范围是否覆盖本次取数受理单（含登记编号、取数范围、业务时点）登记缺失的先补登记，不受理2 许可核验授权文件、外部语料许可协议核验许可类型、使用边界与有效期许可核验台账条目许可不明或过期的不受理3 落地清点落地区的文件与记录清点文件数与记录数，计算文件指纹，识别重复入库落地清点单清点数与通道侧交付数不一致的，回通道侧核对4 入口脱敏数据分级结论、脱敏规则版本按字段类型执行替换、遮蔽、泛化或保序假名化脱敏执行记录、假名映射表条目规则未覆盖的字段先定规则，不放行5 格式合规校验格式校验规则库校验可解析性、编码、必填完整性、主键唯一性、时间戳与量纲校验报告、隔离区记录、问题清单不通过记录入隔离区，按清单回退或人工修正6 对象锚定登记工单、报工、炉次记录为时序与图像数据登记所属工件、焊道或炉次对象锚定登记表锚定不成功的标记为未锚定，单列存放7 批次成形以上各步结果生成批次号，写入贴源区，生成采集记录批次台账、采集记录入口检查节点判定不通过的批次挂起，不生成批次号✎ 对这张表提意见

1.2 供需计划域✎ 对这块提意见

本域对应供需计划数据集的原始数据底座（b1364—b1370）。受理内容按源系统归集。 本域的受理难点不在数据量，而在同一笔业务在三个系统里各有一条记录。一个客户从商机到回款，CRM 记商机与报价、ERP 记订单与开票、财务系统记回款，三处的主键各不相同：CRM 用商机编号、ERP 用销售订单号、财务用合同号。单看任一系统的数据都是完整的，合起来却对不上——同一份合同在 ERP 里拆成了三张订单，在财务侧只有一条回款。✎ 对这块提意见

处置办法是在受理阶段即建立业务链主键，以合同编号为轴，把三侧记录挂到同一条业务链上，挂不上的进差异台账逐条处理。差异的常见成因有三类：合同在 ERP 侧补录时编号写法不一致（带前缀、带年份、全角半角混用）；一份合同对应多张订单而订单侧未回填合同号；历史合同在系统上线前签订，ERP 里只有订单没有合同。第一类按归一化规则自动处理，第二类按金额与客户组合匹配后人工确认，第三类在数据卡中声明其业务链不完整并限定可用于哪些任务。✎ 对这块提意见

第二处难点是非结构化件与结构化记录的挂接。招标与投标文件、资质文件、业绩合同三类属文件本体，其价值在于与具体项目的对应关系；若只把文件收进来而不挂到项目号上，它在数据集中就只是一堆文档。受理时按项目号或合同号批量归集，无法确定归属的单独成组并登记原因，不强行挂接——错挂比不挂的代价更高，错挂会把一个项目的资质证明算到另一个项目名下，而这类错误在后续加工中几乎无法被自动发现。✎ 对这块提意见

第三处是增量边界。本域大部分对象按变更时间增量受理，这依赖源系统的变更时间戳可信。实际情况是部分表的更新时间字段由应用层维护，批量修数据时不会刷新。因此首轮采集后执行一次全量对账：按主键比对源系统与采集侧的记录数与关键字段校验和，对不上的表改为整表快照方式受理，并在数据源登记表中标明该表不支持增量。✎ 对这块提意见

1.2.1 客户关系管理系统（CRM）✎ 对这块提意见

CRM 侧受理的九类对象分两组性质：客户、商机、报价、合同、订单、回款六类是结构化的事务记录，招标与投标文件、资质文件、业绩合同三类是文件本体。两组的受理方式与校验重点都不同，放在一张表里是因为它们在业务上属同一条链路——一个商机从接触到回款的完整过程，结构化记录给出了时点与金额，文件本体给出了当时的技术方案与承诺内容，两者合起来才构成供需计划类任务可用的样本。✎ 对这块提意见

校验重点一列中，「同一商机多版本报价按版本号保留，不覆盖」这一条需要特别说明。业务系统中报价常以最新版本覆盖历史版本，而对数据集而言，报价的修订过程本身是有价值的信息：一个项目的报价从初版到终版的调整幅度与调整方向，反映了技术方案与商务条件的权衡过程，这正是产品智能选型与投标类场景需要学习的内容。因此受理时按版本全留，并在同一商机下按版本号排序。✎ 对这块提意见

「工作面类型取本体值域」一条指向的是本节与知识本体环节的衔接。工作面类型是矿山装备选型的关键参数，CRM 中的填写常不规范（同一类型有多种写法、也有直接填写文字描述的）。受理阶段不强行归一，而是保留原值并标记是否落在本体值域内；归一在预处理环节由术语表执行，使归一规则集中维护、可追溯、可随本体版本更新重算。✎ 对这块提意见

数据对象字段组形态受理方式校验重点客户客户编号、名称、所属区域、客户类型、信用等级结构化整表初始化 ＋ 按变更时间增量客户编号唯一性；与主数据客户编码可映射商机商机编号、关联客户、矿井名称、工作面类型、预计规模、阶段状态结构化增量阶段状态值域合规；工作面类型取本体值域报价报价单号、关联商机、产品配置、报价金额、版本结构化增量同一商机多版本报价按版本号保留，不覆盖合同合同编号、关联客户、签订日期、金额、交付期、产品清单结构化增量合同编号与 ERP 侧一致性比对订单订单号、关联合同、物料、数量、交付节点结构化增量与 ERP 销售订单的勾稽关系回款回款单号、关联合同、金额、日期结构化增量与应收数据的勾稽关系招标与投标文件文件本体、项目名称、客户、投标日期、结果状态非结构化（b1365）按项目号或合同号批量归集文件可解析性；版本与结果状态完整资质文件文件本体、资质类型、编号、有效期非结构化（b1365）按资质类型归集有效期必填；过期件标注状态业绩合同文件本体、项目、金额、验收状态非结构化（b1365）按项目归集与业绩类知识归集目录对齐✎ 对这张表提意见

1.2.2 企业资源计划系统（ERP）✎ 对这块提意见

ERP 是四个业务域中与其他系统交叉最多的一个：销售订单与 CRM 对应、采购与 SCM 对应、库存与 WMS 对应、成本核算与质量域的返工损失对应。因此本系统的校验重点多数是跨系统一致性校验而非本系统内的完整性校验——物料编码取主数据值域、供应商编码与 SCM 侧一致、金额与合同勾稽，这三项都要同时取到两侧数据才能校验。✎ 对这块提意见

受理顺序上因此有一个约定：ERP 的受理排在 CRM 与 SCM 之后，使跨系统校验在受理当时即可执行，而不必等到预处理阶段再回头比对。若按系统逐个独立受理再统一比对，发现不一致时相关批次都已成形，返工代价更大。✎ 对这块提意见

「金额保留原始精度」与「期间闭合状态」两项是财务数据受理的常规要求，但在数据集建设中有额外含义。金额若按业务习惯取整，成本核算类任务的计算结果就无法与财务账核对，数据集的可信度随之下降。未闭合期间的数据是可变的，后续还会调整；标注闭合状态使使用方知道哪些期间的数字是终值、哪些仍可能变动，避免把未闭合期间的数据当作事实学习。✎ 对这块提意见

数据对象字段组受理方式校验重点销售订单订单号、客户、物料编码、数量、单价、交付日期（b1366）增量物料编码取主数据值域；金额保留原始精度采购采购单号、供应商、物料、数量、价格、到货日期增量供应商编码与 SCM 侧一致成本核算核算期间、成本中心、成本要素、金额按期间期间闭合状态；未闭合期间标注应收应付凭证号、对象、金额、账龄、状态增量与回款数据勾稽物料主数据与价格物料编码、名称、材料牌号、规格、单位、单价整表初始化 ＋ 增量作为本体物料类目的编码基准之一✎ 对这张表提意见

1.2.3 供应链管理系统（SCM）✎ 对这块提意见

供应链侧的受理有一处与其他系统不同：它的数据价值主要在时间差上。供应商评估等级、采购计划量、约定到货日这些字段单独看都是静态属性，真正能支撑供需计划类任务的是「计划量与实际下单量的差」「约定到货日与实际到货日的差」这两组差值。因此本节的受理口径不是取某个时点的快照，而是把计划与执行两侧成对取回，并校验它们的对应关系——一条采购计划可能对应多张订单，一张订单也可能跨多个计划期，对应关系断了，差值就算不出来。✎ 对这块提意见

供应商评估等级这一字段需要额外登记其评估口径的来源。企业的供应商评估标准在多年中调整过，等级的含义前后不完全一致；只取等级值而不记口径，后续模型学到的就是一个随时间漂移的标签。受理时按评估日期关联到当期的评估办法版本，办法版本由采购部门提供，暂未提供的在数据源登记表中标明待确认。✎ 对这块提意见

数据对象字段组受理方式校验重点供应商档案与评估供应商编号、名称、资质、评估等级、评估日期（b1366、b1367）整表初始化 ＋ 增量评估等级值域；评估口径登记来源采购计划与订单计划号、物料、计划量、下单量、计划期增量计划与订单的对应关系供货履约订单号、约定到货日、实际到货日、数量差异增量日期逻辑（实际不早于下单）付款计划合同号、付款节点、金额、状态增量节点金额合计与合同金额勾稽物料采购周期物料编码、采购周期、统计期间、样本量按期间派生指标，登记计算口径来源，本环节不重算到货时效与供应商履约率供应商、统计期间、时效指标、履约率（b1368）按期间同上；口径与指标知识库登记一致✎ 对这张表提意见

1.2.4 仓储管理系统（WMS）✎ 对这块提意见

仓储数据在本项目中的作用不止于库存控制场景。批次号是连接仓储与质量两个域的唯一纽带：一批物料从入库到投产，其检验记录、使用去向、最终产品的质量结论，全靠批次号串起来。因此本节把「批次号与质量域检验批次的对应关系」列为校验重点之首——这一对应断了，库存控制智能化与质量类场景之间就无法做联合分析。✎ 对这块提意见

实际情况是两个系统的批次编号规则可能不同：WMS 按入库批次编号，质量系统按检验批次编号，一个入库批次可能分几次检验，一次检验也可能覆盖多个入库批次。受理时不试图把两套编号统一成一套，而是建立批次对应表，记录多对多关系及其产生原因。统一编号属业务流程调整，不在本项目范围内；建立对应表则是数据加工侧可以完成的工作。✎ 对这块提意见

仓库、货位、库位三级的编码唯一性与层级一致性是基础校验，看似简单，实践中问题不少：历史停用的货位仍在编码表中、货位编码被重复使用、库位挂在已撤销的货位下。这类问题在受理阶段按层级闭环校验逐条检出，检出的进差异台账，由仓储部门确认处置方式后再决定是否纳入。✎ 对这块提意见

数据对象字段组受理方式校验重点仓库与货位仓库编码、货位编码、库区、容量（b1368）整表初始化编码唯一性与层级关系物料与库存批次物料编码、批次号、入库日期、供应商、数量增量批次号与质量域检验批次的对应关系库位信息库位编码、物料、占用状态整表初始化 ＋ 增量与货位的层级一致实时库存存量物料、仓库、可用量、占用量、快照时刻（b1369）按时点快照快照时刻必填；与业务时点的偏差登记出入库记录单据号、类型、物料、批次、数量、时间流水增量收发存平衡校验✎ 对这张表提意见

1.2.5 历史销量、订单量与销售预测✎ 对这块提意见

这三类数据是供需计划域中唯一直接构成预测类任务标签的部分，它们的受理口径因此格外要紧。表中「层级口径统一到物料清单层级」一条是关键：历史销量在不同报表中可能按产品型号、按产品系列、按客户行业分别汇总，三种口径的数字互不可加。若受理时不统一层级，后续建模会把不同粒度的数字混在一起，得到的预测模型在任何粒度上都不准。统一到物料清单层级是因为这一层级可以向上聚合成任何更粗的口径，反之不行。✎ 对这块提意见

「预测值与实际值分列保存，不做覆盖」这一条针对的是一个常见的数据陷阱。业务系统中销售预测常在期末被实际值替换，于是历史数据里只剩实际值，预测的准确程度无从回溯。而对本项目而言，历史预测与历史实际的差，正是预测类场景需要学习的对象——它包含了预测偏差的系统性规律（哪类产品常被高估、哪个季度常被低估）。因此两列并存，并保留预测版本与编制部门，使偏差可按版本与部门分解。✎ 对这块提意见

与 CRM 订单的勾稽校验在此处的作用是交叉验证：同一笔订单在 CRM 与销售统计中的数量应一致，不一致说明其中一侧有口径问题（常见成因是退货与变更的处理方式不同）。差异逐条登记并由业务部门确认以哪一侧为准，确认结果写入数据源登记表。✎ 对这块提意见

数据对象字段组受理方式校验重点历史销量年月、物料或产品层级、数量、金额（b1369）按年月整表层级口径统一到物料清单层级历史订单量年月、客户、物料、数量按年月整表与 CRM 订单勾稽销售预测预测版本、预测期间、物料、预测量、编制部门按版本预测值与实际值分列保存，不做覆盖✎ 对这张表提意见

1.2.6 本域的时点口径✎ 对这块提意见

库存账、实物库存与项目占用分属不同系统，三者时点不一致时下游的供需样本就会自相矛盾。本方案的做法是：每个批次统一记录一个业务时点，三类数据按该时点取快照；取不到同一时点的数据在批次说明中注明实际时点与偏差，偏差超出批次计划约定范围时提示下游环节。✎ 对这块提意见

1.3 产品工艺设计域✎ 对这块提意见

本域对应产品工艺设计数据集的原始数据底座（b1371—b1375）。 本域的核心受理对象是历史工艺样本，招标文件给出的规模是 63 万张。这个量级本身不构成困难，困难在于它们的形态跨度极大：近几年的图纸在 PLM 中有结构化的属性与版本记录，更早的只有扫描件，再往前还有一部分是纸质件的翻拍，图面有折痕、有手写批注、有盖章遮挡。同一套工艺规程，可能同时存在系统内的受控版本、车间现场的打印件扫描、以及工艺员个人整理的汇总表三个来源，三者的内容不完全一致。✎ 对这块提意见

对此，受理阶段做两件事。第一是按资料品质分档登记：电子原生件、清晰扫描件、低质扫描件与翻拍件三档分别统计数量，并各自记录可提取的要素范围。分档不是为了把低质资料排除——低质件往往是年代较早、工艺信息最独特的那部分——而是为了让后续各环节对它们有不同的处理预期与不同的质量判据。✎ 对这块提意见

第二是同一对象多来源时的取舍规则：以 PLM 受控版本为准，车间打印件与个人汇总表作为补充，三者不一致时在差异台账中登记并由工艺工程师判定，判定结果回写 PLM 的做法由招标方决定，本项目侧只保留判定记录。✎ 对这块提意见

备料工序的过程数据是本域与制造过程域的交界处。28 道备料工序的工艺参数，一部分写在工艺规程里（设计值），一部分记录在生产执行系统里（实际值），还有一部分只存在于班组的手工台账上。受理时三者分开登记、不做合并，因为设计值与实际值的差异本身就是工艺知识的一部分，合并之后这部分信息就丢了。手工台账部分按可获得性如实登记，无法获得的在数据卡中列为覆盖缺口。✎ 对这块提意见

1.3.1 PLM 结构化数据✎ 对这块提意见

PLM 是工艺设计域的主干来源，其结构化部分的受理有一个与其他系统明显不同的特点：版本是第一类信息，不是附属信息。物料清单、工序数据、变更记录三类对象都带版本，而工艺知识恰恰存在于版本之间的变化中——一个零件的工序安排为什么从五道改成四道、某道工序的工时定额为什么下调，这些变更的原因与效果是工艺设计类任务最有价值的学习材料。✎ 对这块提意见

因此受理方式对三类对象分别处理：物料清单按产品或项目整表取回后再按版本增量跟踪，工序数据按增量受理，变更记录全量保留并校验生效日期与版本的对应关系。三者合起来，可以还原出任一零件在任一时点的工艺状态，而不只是当前状态。✎ 对这块提意见

「层级闭环（无自引用）」是物料清单受理的硬性校验。自引用（某个物料的下级清单中直接或间接包含自己）在业务上不可能存在，出现即为数据错误，但这类错误在系统中往往不会报错，只在展开清单时导致无限递归。受理时按图论方法检测环路，检出的整条清单暂不入库并提交 PLM 管理员处置。「工序名称取备料工序字典值域」一条则指向 28 道备料工序的工序字典——这是本项目工艺设计域与制造过程域共用的基准，工序名称若不归一，两个域的数据无法按工序对接。✎ 对这块提意见

数据对象字段组受理方式校验重点物料清单（BOM）物料清单编号、层级、父子项、用量、版本（b1371）按产品或项目整表 ＋ 版本增量层级闭环（无自引用）；版本有效性工序数据工序号、工序名称、所属零件、设备资源、工时定额（b1371）增量工序名称取备料工序字典值域变更记录变更单号、对象、变更前后、生效日期、原因（b1372）增量生效日期与版本对应零部件信息零件号、名称、材料牌号、规格、重量（b1372）整表初始化 ＋ 增量零件号与物料编码的映射✎ 对这张表提意见

1.3.2 设计文件与规范资料✎ 对这块提意见

PLM 里的结构化记录有字段、有版本、有主键，取回来就能对账。本小节的对象是另一半——成件的文件。文件没有字段，它的主键要在受理时现建；而按甲方的实际存放情况，这件事比听上去难。同一张工艺图纸，PLM 附件里挂着一份出图用的版式文件，图档室的目录里存着一份原生矢量件，分厂工艺室还可能留着一份打印后重新扫描的件；三份内容多数时候一致、偶尔不一致，文件名则是三套写法。若按存放位置逐处归集，收上来的是三套互不相认的清册，同一张图在三处各算一张，统计出来的总量虚高而覆盖范围不明；按图号归集，才能把三份文件收敛到同一个对象上，差异也才有地方登记。✎ 对这块提意见

六类文件分行，依据是格式决定了能从文件里拿到什么，而受理方式必须随格式变。同是一张工艺图，版式文件只能提供图面的像素与一层可能存在的文字层，原生矢量件却能提供图层、图元、尺寸标注与标题栏属性——两者能支撑的解析深度差着一个量级，因此它们不合并为「工艺图纸」一行，而是按格式分列、各自写明受理方式与校验重点。校验重点一列回答的是另一个问题：收进来之后，凭什么说这一批收全了、收对了。图纸凭「页数与清册一致」，卡片凭「卡片号与图号的配对关系」，选型方案凭「项目号可回指合同」——每一类文件的「收全」各有各的判据，没有哪一个通用的计数口径能同时管住六类。换成按部门或按存放点组织，表面上贴合现场，代价是同一类文件在不同部门的格式差异被掩盖，而格式差异恰恰决定了它后面能不能走原生解析路径。✎ 对这块提意见

末两行与前四行性质不同，位置却不能靠后。机械制图标准与工艺编制准则不是样本，它们是判读样本的依据：图纸上哪一层画轮廓、哪一层标注尺寸，粗糙度符号作用在哪个表面，工序名称按什么规则命名——这些约定都写在这两类文件里。先收标准与准则，再解析图纸，解析才有判读基准；次序颠倒过来，图面上的每一个图层都只能靠猜，而猜错了在后面是看不出来的。这也是这两行的校验重点落在「标准号与版本状态」「发布部门与生效日期」上的原因：用错版本的判读基准，比没有基准更难发现。✎ 对这块提意见

文件类型格式受理方式校验重点选型方案PDF／Word（b1372）按项目号归集可解析性；项目号可回指合同工艺图纸PDF（b1373）按图号批量图号可识别；页数与清册一致CAD 图纸DWG／DXF（b1373）按图号或项目号分批读取原生可解析；图层与图元完整工艺卡片PDF（b1373）按卡片号批量卡片号与图号的配对关系机械制图标准文档（b1374）按标准号归集标准号、版本状态工艺编制准则文档（b1374）按文件编号归集发布部门、生效日期✎ 对这张表提意见

原生图纸不支持整批导出时，按图号或项目号分批读取，解析在内网就地进行，原始文件不出内网。✎ 对这块提意见

1.3.3 图纸与工艺卡片的配对登记✎ 对这块提意见

本域有一项条件值得专门说明：甲方历史图纸约 63 万张，且每张图纸历史上都配有一张已审核签发的工艺卡片，图纸与卡片天然成对。这组配对关系是工艺设计数据集中监督样本的主要来源，因此本域的受理重点不只是把文件搬进来，而是在受理时就把配对关系登记下来。✎ 对这块提意见

配对登记字段说明取值来源图号主键之一图纸标题栏或文件名解析工艺卡片号主键之一卡片抬头或文件名解析物料清单行号关联零件在物料清单中的位置PLM 物料清单零件名称与材料牌号核对配对正确性的辅助字段图纸标题栏、PLM 零部件信息配对判定依据自动匹配、人工确认、待核对受理作业结果配对置信标记高（图号与卡片号完全对应）、中（经零件名称与材料牌号交叉核对）、低（仅目录位置相邻）受理作业结果✎ 对这张表提意见

配对关系现存于文件目录与人员记忆中，受理阶段按图号批量比对，比对不上的进入人工核对队列。置信标记为「低」的配对不进入监督样本，只作为检索候选。✎ 对这块提意见

1.4 制造过程域✎ 对这块提意见

本域对应制造过程数据集的原始数据底座，受理范围最广、数据形态最杂（b1376—b1386）。 本域是四个域中受理工作量最大的一个，原因是它同时涉及三类性质完全不同的数据：生产执行系统的事务记录、设备与传感器的时序数据、以及车间现场的图像与影像。三类数据的采集频率相差几个数量级——事务记录按工单产生，时序数据按秒级采样，图像按抽检时点产生——把它们放进同一个数据集，时间对齐是第一道要解决的问题。✎ 对这块提意见

时序数据的受理有两处行业特点必须按实际情况处理。一是井下测点在传感器损坏后往往不予补装，远程运维平台的数据流会出现长时段的连续空缺；若按通用缺失率一刀切，整条通道会把数据集的完整性指标拉低。本方案的处理是把连续缺失与零星缺失分开统计与定级，前者判为通道失效并在数据卡中声明该通道的有效区间，后者按插补规则处理并记录插补比例。✎ 对这块提意见

二是采样粒度不统一：同类设备在不同产线上的采集配置不同，有的 1 秒一点，有的 10 秒一点。归并到统一粒度会损失高频通道的信息，不归并则无法横向比较。处置是保留原始粒度入库，在加工环节按任务需要生成归并后的派生视图，并在血缘中记录归并方式与参数。✎ 对这块提意见

图像与影像数据的难点在标注依据的可得性。一张焊缝照片本身不构成样本，它需要配一个判定结论（合格、何种缺陷、何种等级）才有训练价值。实际情况是车间现场拍照的目的多为记录而非判定，相当比例的历史照片没有对应的检验结论。受理时按「有判定结论」与「仅有图像」两类分别登记：前者进入可直接用于监督学习的子集，后者进入待标注池，其标注工作量与可行性在加工环节评估后报招标方确认，不在受理阶段预设能全部补齐。✎ 对这块提意见

事务记录侧的主要工作是工单链条的完整性核查。一个工单从下达、派工、报工到完工，在生产执行系统里是多张表的多条记录；链条中间缺一环，这个工单的过程数据就无法用于工序级分析。受理后按工单号聚合核查链条完整性，缺环的工单单独成组并统计其占比，这个占比是制造过程数据集可支撑哪一级分析粒度的直接依据。✎ 对这块提意见

1.4.1 受理内容总表✎ 对这块提意见

制造过程域的来源最多、形态最杂，这张总表的作用是先把范围划清，再逐项细化。表中可以看出三类形态的分布：结构化的事务记录来自制造执行系统与设备管理系统，时序数据来自数据采集与监控系统及远程运维平台，图像与影像来自现场检测设备与质检环节。三类形态的受理方式完全不同，不能用一套流程套用——结构化按增量、时序按测点与时间窗、图像按抽检时点与关联对象。✎ 对这块提意见

本表把焊接侧的参数单列一行，是因为它的字段最多、采样最密、事件性最强。实时电流电压与预设值并存、焊枪摆动的振幅与频率、送丝速度与保护气体流量、起弧与收弧事件——这一组参数合起来描述了一条焊缝的完整形成过程，是焊接过程控制智能监控场景的核心数据。受理时按焊接作业的时间窗整段取回，而不按固定时长切片，使每一段数据对应一条可追溯的焊缝。✎ 对这块提意见

需要说明的是，本表所列来源的实际可得性尚需与招标方信息化部门逐项确认。部分设备侧数据可能存在采集未覆盖、历史数据保留期已过、或需原厂配合才能导出的情形。这类情形在数据源登记表中逐项标注，影响到的数据集规模与场景验证范围在相应章节如实说明，不在受理阶段按乐观假设推算。✎ 对这块提意见

来源受理内容形态受理方式制造执行系统（MES）生产工单、生产进度、焊丝牌号与直径（b1376）结构化增量数据采集与监控系统（SCADA）设备侧设备电流、电压、温度、湿度、运行状态（b1377）时序按测点与时间窗SCADA 焊接侧实时电流、实时电压、预设电流、预设电压、焊接速度、焊枪摆动振幅、摆动频率、焊枪停留时间、变位机状态、送丝速度、保护气体流量、起弧与收弧（b1377—b1379）时序 ＋ 事件按焊接作业时间窗焊接过程补充采集层间温度、熔池图像、焊后焊道表面图像（b1380）时序 ＋ 图像按焊道热处理群控系统与加装传感器工件淬火前后表面温度、加热功率、频率、淬火液温度、浓度与流量、感应器间隙、加热与冷却时间、返热温度（b1380、b1381）时序按炉次或工件热处理设备状态设备运行状态、启停状态、运行时长、设备报警代码（b1381、b1382）时序 ＋ 事件按设备与时间窗能源管理系统（EMS）能耗时序数据（b1383）时序按测点与时间窗设备资产管理系统（EAM）设备基础信息、设备台账、点检、维修工单（b1383、b1384）结构化整表初始化 ＋ 增量售后服务系统（SOS）报警规则、报警数据、报警确认信息、诊断结论与处置建议（b1384、b1385）结构化 ＋ 事件增量设备类文档设备档案、维修记录、诊断报告、故障案例（b1385）非结构化按设备号归集✎ 对这张表提意见

1.4.2 时序数据的受理参数✎ 对这块提意见

时序数据的受理参数要解决一个取舍：保原始密度还是保统一步长。原始密度保留了设备侧的全部信息，但不同产线的采样配置不同，直接横向比较会得出错误结论；统一步长便于比较与建模，但重采样一定会损失信息，焊接电流的毫秒级波动在归并到秒级之后就看不见了，而这类波动恰恰可能与焊接缺陷相关。✎ 对这块提意见

本方案的处置是两份都留：原始密度一份作为溯源基准与后续精细分析的底座，统一步长一份作为常规加工与训练的输入，两者在血缘中互相指向，并记录重采样方法与参数。这样做的代价是存储量增加，收益是任何一个依赖高频信息的任务都不必回头重采——重采需要源系统再导一次，而设备侧的历史数据往往有保留期限，过期即不可得。✎ 对这块提意见

受理时间窗按作业的自然边界取，而不是按固定时长截取。焊接按作业起止、热处理按开炉至完工、设备报警按事件时刻前后加窗，这样每一段时序都对应一个完整的工艺过程，可以直接作为样本单元；若按固定小时切片，一个炉次会被切成几段，每段都不是完整过程，后续还要重新拼接。能耗数据按自然日受理，因为它的分析粒度本就是班次与日。✎ 对这块提意见

数据组测点数量级原始采样受理时间窗受理后保留焊接参数流按工位与焊枪计，测点清单按 1.4.5 的现场调查结论逐工位确定设备侧秒级或亚秒级按焊接作业起止 ＋ 前后各一段余量原始密度一份 ＋ 统一步长一份热处理炉次参数按炉台计秒级按开炉至完工原始密度一份 ＋ 统一步长一份设备状态与报警按设备计事件触发按事件时刻 ＋ 前后窗事件原样保留能耗按计量点计分钟级按自然日统一步长在役装备测点按设备与测点计按远程运维平台既有配置按事件与定期取样统一步长 ＋ 事件窗原始密度✎ 对这张表提意见

1.4.3 焊接实时参数与预设参数的配对受理✎ 对这块提意见

焊接侧的参数不是一组而是两组。一组是焊机按工艺规程下发的给定值，包括预设电流、预设电压，以及工艺卡给定的焊接速度、焊枪摆动振幅与摆动频率；另一组是焊机实际输出、由监控系统逐点采样的实时值。✎ 对这块提意见

两组值名称相近，含义与变化规律却不同：给定值在一道焊缝内多数时间保持不变，只在换程序、换焊道或人工干预时发生阶跃；实时值随熔池状态、坡口偏差与送丝波动连续起伏。受理时若把同名的两组值并到一个字段，后续便再也分不出哪个点是要求达到的、哪个点是实际做到的。本节因此把这两组值按参数对成双受理，并在受理阶段完成时间轴对齐与逐点配对（b1378）。✎ 对这块提意见

配对所得的实时—预设偏差序列，是制造过程数据集的关键字段来源。焊接工艺参数合理性判断、焊接缺陷的参数归因、焊接参数优化建议这三类样本，其核心特征都不是实时值的绝对大小，而是实时值相对给定值的偏离幅度、偏离持续时间与偏离发生的位置。只有实时曲线、没有给定值的焊接参数流，仅能作为预训练语料使用，支撑不起上述三类标注。✎ 对这块提意见

参数对实时值来源与采样给定值来源与变更粒度配对产出电流（实时电流／预设电流）SCADA 焊接侧，秒级或亚秒级焊机程序参数表的预设电流，按程序号变更逐点绝对偏差、相对偏差、偏离持续时长电压（实时电压／预设电压）SCADA 焊接侧，秒级或亚秒级焊机程序参数表的预设电压，按程序号变更逐点绝对偏差、相对偏差、偏离持续时长焊接速度（实测／给定）焊接小车或机械手反馈，秒级工艺卡与焊机程序参数表的给定速度，按焊道变更逐点偏差、焊道均值偏差焊枪摆动振幅（实测／给定）摆动机构反馈，秒级程序参数表的摆幅设定，按程序号变更逐点偏差、单周期峰值偏差摆动频率（实测／给定）摆动机构反馈，按周期计程序参数表的摆频设定，按程序号变更周期均值偏差、周期抖动量✎ 对这张表提意见

送丝速度与保护气体流量若在焊机程序中同样带设定值，按上表同一口径成对受理；焊枪停留时间、变位机状态与起弧收弧标记为事件型字段，不参与偏差计算，但作为分段依据使用（b1379）。✎ 对这块提意见

给定值有三条来源，受理时按来源分级登记。焊机程序参数表来自设备侧，记录的是当时真正下发到焊机的参数集，优先采用；程序参数表缺该版本时，取 MES 工单所挂工艺卡的给定值；两者皆缺时，取 PLM 工艺规程中该型号的默认值，并把来源等级降一档标注。三条来源不一致时本节不做调和，逐项登记差异量与各自来源——工艺卡与程序参数表之间的差异本身就是工艺执行一致性的素材，随批次移交质检与标注环节。✎ 对这块提意见

时间轴对齐是配对的前置步骤。给定值在源系统中以「程序切换事件＋参数集」的形式存在，需要先展开为与实时值同一时间基准的阶梯序列：以每次程序切换时刻为断点，向后前向填充至下一次切换，再与实时值逐点配对。所用时间基准与多测点对齐规则一致，见 2.4.1。起弧与收弧前后各有一段瞬态，实时值在该段内本不受给定值约束，配对时按起弧、稳态、收弧三段打标，偏差统计只取稳态段，瞬态段原样保留供缺陷归因使用。✎ 对这块提意见

配对失败情形判定依据处置实时段不带程序号程序号字段为空或设备未上传标记为无给定值，入预训练语料，不进偏差样本程序号有、程序参数表无该版本程序号在参数表中查不到该段挂起待补，列入待补材料清单受理时窗内多次程序切换切换事件在同一受理窗内出现两次以上按切换点拆分为多段，分别配对工艺卡与程序参数表给定值不一致同参数两来源数值超登记容差两值并存，标注来源等级与差异量疑似面板临时改参未回写稳态段实时值中心与给定值长时间系统性偏离以最后一次有效下发值为给定值，加「疑似人工干预」标记✎ 对这张表提意见

配对结果以参数对偏差序列的形式随焊接参数流一并落地，字段包括参数名、给定值、实时值、绝对偏差、相对偏差、所处阶段标记、给定值来源等级与程序号。采集环节只做计算与留存，不下超差结论：同一组偏差在不同焊接位置、不同板厚与不同焊丝牌号下的容许范围并不相同，判定口径取本体工艺参数项的值域，由标注与质检环节执行（3.5.4）。✎ 对这块提意见

配对成功率按批次统计，首批以试点产线与首批产品型号标定基线，后续批次逐步接近每段焊接参数流都带给定值的状态。程序号与程序参数表的获取方式、字段范围与核实方法见下一小节的现场调查安排。✎ 对这块提意见

1.4.4 对象锚定登记✎ 对这块提意见

本域的采集难点在对象归属。焊接参数流本身只带设备号与时间戳，不带工件与焊道信息；热处理炉次与工件、材料批次、检测结果之间也缺少稳定关联。本节在受理时增加一道对象锚定登记。✎ 对这块提意见

这件事值得专设一道工序，原因在于它决定了整个制造过程数据集的用途上限。一段不知道属于哪个工件的电流曲线，只能用来学习「焊接电流大致是什么形状」；同一段曲线一旦挂上工件号与焊道号，它就能与这条焊缝的探伤结论、这个工件的材料批次、这张工艺卡上的给定值连起来，变成「参数这样走、结果就是这样」的监督样本。前者属预训练语料，后者才是指令微调样本与偏好数据的来源。锚定率因此不是一项内部作业指标，它直接换算成这个数据集能支撑到哪一级的任务。✎ 对这块提意见

六行按锚定对象分，每行给出依据、判定规则与失败处置三项，是因为缺任一项都落不了地：只有依据没有判定规则，两个人锚出来的结果会不一样；有判定规则而没有失败处置，锚不上的数据就会被随手丢掉，或者被强行挂到时间上最近的那个工单上——后一种比丢掉更坏，它制造的是看不出来的错标。第三行与第六行的处置写法值得对照着看。热处理参数锚不到工件时保留炉次级锚定，是因为炉次本身已经是一个有业务含义的单位，粗一级仍然可用；报警事件锚不到维修工单时保留报警而把故障标签留空，是因为「报了警但没修」与「报了警修了但没记录」在数据上无法区分，强行补一个标签等于凭空造出一条因果关系，而这条假因果会被下游原样学走。✎ 对这块提意见

锚定类型锚定依据判定规则锚定失败的处置焊接参数流 → 工件与焊道设备号 ＋ 时间区间 ＋ MES 工单与报工时间区间落在同一工单的同一工序报工区间内，且设备号与工单派工设备一致标记为未锚定，单独存放焊接图像 → 焊道采集时点 ＋ 相机位号 ＋ 焊道标识采集时点落在该焊道的焊接时间窗内标记为未锚定热处理参数 → 工件与炉次炉台号 ＋ 炉次工单 ＋ 装炉清单炉次工单的开完工时刻覆盖该段参数，装炉清单给出工件列表保留炉次级锚定，工件级标记为未锚定热处理参数 → 材料批次装炉清单 ＋ WMS 库存批次工件所用物料批次可在库存批次中查到材料批次字段留空并标记在役装备时序 → 设备与测点设备号 ＋ 测点配置测点配置在该时间窗内有效测点配置变更期的数据单列报警事件 → 维修事实设备号 ＋ 时间邻近 ＋ 维修工单维修工单的报修时刻在报警后约定时窗内，且部位一致保留报警，故障标签留空✎ 对这张表提意见

未锚定的时序段不丢弃：可用于预训练语料，不进入需要对象标签的样本构建。锚定成功率按批次统计，首批以试点产线与试点炉型标定基线，后续批次逐步接近可按件追溯的状态。✎ 对这块提意见

层间温度与熔池图像的采集需要加装传感器与布设工业相机。设备与点位选型见硬件选型章节，采集通道的开通见采集接入章节；本节负责其产出数据的受理与批次成形。✎ 对这块提意见

1.4.5 焊机程序与程序参数表的现场调查安排✎ 对这块提意见

给定值的三条来源在上一小节已按优先级定下，但三条来源目前都只有存在性判断，没有盘点结果。程序号在焊机控制器与生产执行系统的工单中都可能出现，程序参数表则多由设备维护人员在换型时维护，既有存放在焊机控制器内的，也有以表单形式存放在车间的。在没有盘点之前按任何一种形态预设字段结构，盘点之后都要重做。本小节因此把这件事定为一项现场调查，给出调查对象、责任方、要采的字段、核实方法、完成时点与调查不成立时的补采方案，调查结论回填后本节的配对口径按结论执行。✎ 对这块提意见

调查项内容调查对象焊接工位所用焊机的控制器程序存储，以及与之对应的程序参数记录。按工位逐台清点，先行覆盖参与首批场景验证的试点产线，再按批次扩展到其余工位甲方责任部门设备部门负责焊机控制器侧的程序号、程序存储方式与导出方式；工艺部门负责工艺卡与工艺规程中的给定值来源及其与程序号的对应关系；生产管理部门负责工位与工单的对应关系我方对接岗位数据受理岗牵头，预处理工程岗参与导出方式与格式的核定，安全管理岗参与导出通道的合规确认✎ 对这张表提意见

焊接实时参数流里的电流电压记的是「实际发生了什么」；而要判断一条焊缝焊得对不对，还得知道「本该是什么」——也就是当时下发给焊机的那一组给定值。给定值不在数据流里，它在焊机控制器的程序里，以程序号为索引。问题于是变成：拿到一段实时参数，怎么知道它当时跑的是哪一号程序，那一号程序的预设电流又是多少。在现场，这条链的三个环节分别握在不同的人手里——焊机台账在设备部门，程序号出现在控制器与工单上，参数表则常常是维护人员换型时手写的一张纸，贴在机柜内侧。✎ 对这块提意见

调查要采的字段因此按三层组织，而不是拉成一张平表。第一层是焊机台账，回答「这台机器能不能取到给定值、用哪种方式取」；第二层是程序，回答「这个程序号对应什么产品、什么焊缝、什么板厚」；第三层是参数，回答「这个程序号下发的到底是多少安、多少伏」。三层之间以焊机编号与程序号串联，任何一层缺失配对都不成立：只有台账没有程序，知道机器能读却不知道读出来的是什么；只有程序没有参数，知道适用范围却对不上数值；只有参数没有台账，不知道这组数值属于哪个工位、覆盖了哪些工单。拉平成一张表则会把「一台焊机存着二十个程序」「同一程序在不同板厚下有两套参数」这类一对多关系压掉，压掉之后重复行会掩盖真实的覆盖缺口——看上去采了几百条，实际只覆盖了几台机器。✎ 对这块提意见

参数层末尾那两项——「可否在焊机面板临时修改」「修改后是否回写」——看起来是设备属性，实际决定的是数据能不能用。面板可改且不回写的工位，程序参数表里的数值只是名义上的给定值，操作者当班调过的那一次不会留下任何记录；这类工位的实时流与给定值之间的差，不能直接读作工艺偏差。把这两项采回来，才知道哪些工位的偏差样本是可信的。✎ 对这块提意见

层次采集字段用途焊机台账焊机编号、所在工位、焊接方法、控制器型式与软件版本、可存储程序数、程序导出方式（控制器界面导出、网口读取、人工抄录）、是否接入监控系统、接入起始时点判断该工位能否取到程序号与给定值，以及用哪种方式取程序程序号、程序名称、适用产品型号与焊缝类型、适用板厚区间、适用焊丝牌号与直径、建立日期、最近修改日期、当前是否在用建立程序号到工艺条件的映射，作为给定值阶梯序列的断点依据参数预设电流、预设电压、焊接速度、焊枪摆动振幅、摆动频率、焊枪停留时间、送丝速度、保护气体流量；每项另记单位、是否可在焊机面板临时修改、修改后是否回写构成给定值集合；「可否面板临时修改、修改后是否回写」两项决定 1.4.3 中「疑似人工干预」判据是否适用于该工位✎ 对这张表提意见

现场调查最容易出的岔子，是把「问出来的」当成「查出来的」。设备维护人员说「这台机器的程序参数都在工艺卡上」，这句话可能对、可能说的是几年前的情况、也可能指的是另一条产线；若把它直接登记为调查结论，后面所有以给定值为基准的偏差计算就都建在一句口头回忆上，出了问题还无从追溯是哪一步错的。✎ 对这块提意见

三道核实方法由弱到强排列，对应的是三种性质不同的证据。台账与文件核对只能证明「记载存在」，不能证明记载与控制器里实际跑的一致，因此证据级别记为弱；控制器现场读取拿到的是机器自己吐出来的数，附带读取时间与操作岗位，证据级别为强；实时数据反证再进一步——取一段已知程序号的实时参数流，看它稳态段的中心值是否落在读到的给定值附近，这一道不产生新数据，而是用现场实际发生的事去校验前两道的结论。三道都写进来而不是只留最强的一道，是因为停机读取要占用设备部门的换型窗口，不可能对全部工位都做；能做到哪一道即按哪一道登记，证据级别随之写进程序参数对照表，下游用到这组给定值时就知道它有多硬。✎ 对这块提意见

证据级别不是对工位的评价，而是对用途的限制：弱级证据可用于检索与范围划定，不单独充当偏差样本的基准；要把某条焊缝的参数偏差写成训练样本的标签，该工位的给定值至少要有一道强级证据支撑。✎ 对这块提意见

核实方法做法产出的证据证据级别台账与文件核对按焊机台账与工艺卡逐台核对程序号与参数项的记载是否齐备核对清单，逐台标注齐备、部分齐备或无记载弱控制器现场读取在停机间隙由设备部门人员在控制器界面逐程序读取参数并记录，或按约定方式导出读取记录或导出文件，含读取时间与操作岗位强实时数据反证取该工位一段已知程序号的实时参数流，比对稳态段中心值与读取到的给定值比对报告，给出偏差量与一致性结论强（用于校验前两道的结论）✎ 对这张表提意见

调查的时点不能只写「尽快」。焊机程序的盘点与首批标定批的排期是咬合的：标定批要用这些工位的实时参数流去标定各项门限，而凡与给定值有关的门限（偏差带宽、疑似人工干预的判据），都要等程序参数对照表出来才有基准。排在标定批之后做，标定出来的门限还得重算一遍；排得太早，试点产线尚未确定，清点范围会落在后来并不参与验证的工位上。✎ 对这块提意见

四个时点因此按「先摸清能不能取、再取、再验、最后铺开」的次序排。第 2 周先做台账清点，这一步不需要停机，只看资料与机柜铭牌，结论是「哪些工位能读、用什么方式读」——它直接决定后面两步的工作量，也决定哪些工位要提前进入补采分档。第 4 周做读取，要占用换型停机窗口，所以必须等第 2 周的结论出来再排，否则会在根本取不到的工位上空耗停机时间。第 6 周做实时数据反证并把配对口径定稿，与首批标定批的出口判定对齐。第四行不写周次而写「随后各批次」，是因为其余工位的扩展节奏取决于试点结论与排产安排，此刻给一个具体周次只是写得好看。✎ 对这块提意见

程序新增或修改时的同步义务写在第四行，是这张表里唯一一项长期义务。焊机程序不是一次盘完就固定下来的东西，换型、改进焊接工艺、更换焊丝牌号都会改参数；对照表若只有进场时那一版，半年之后它描述的就是一个已经不存在的现场，而用它算出来的偏差会整体偏向一个方向。✎ 对这块提意见

时点完成内容进场后第 2 周内完成试点产线焊机台账的清点，确定各工位的程序导出方式与可行性进场后第 4 周内完成试点产线在用程序的程序号与参数读取，形成首版程序参数对照表进场后第 6 周内完成实时数据反证，给出首版对照表的一致性结论，配对口径按结论定稿随后各批次按批次计划扩展到其余工位；程序新增或修改时由设备部门在变更后按约定时限同步对照表✎ 对这张表提意见

调查做下来，必定有一部分工位取不到给定值。这件事不必等结论出来才承认：焊机控制器型式跨了十几年，早期机型没有导出接口，有些机柜里的参数纸已经褪色，还有工位在技改后换了控制器而台账没有同步。真正要紧的不是有没有缺口，而是缺口出现时按什么办——用相邻工位的参数替一下、按工艺卡上的理论值填一下，都能让表格看起来是满的，代价是把猜测混进了基准，而混进去之后再也分不清哪些是实测、哪些是补的。✎ 对这块提意见

五行按「还剩下什么」分档，不按「缺了什么」分档。前两行都还有一条可用来源：控制器读得出但导不出的，人工抄录加双签即可，证据级别照样记强，损失的只是效率；控制器读不出而工艺卡有记载的，取工艺卡的值，但来源等级降一档，并在批次说明里写明这是工艺意图而非实际下发值——两者在换型频繁的工位上可能差得不少。第三行是两头皆无的情形，处置是让这段实时流退出偏差样本、只进预训练语料；它仍然有价值，只是不再承担「对照基准」这个角色。第四行针对一类隐蔽情况：程序号读得到，但对照表里查不到那个版本——这时挂起等补录，不按相邻版本近似，因为焊接参数在版本之间的差异往往正是要学的东西，近似掉就等于把信号抹平。第五行处理技改与新建工位，按新配置重走一遍三层字段采集。✎ 对这块提意见

这张表要立住的是一条口径：取不到的工位不填估计值，而是带着「取不到」的标记往下走，并在数据卡与验证判据中如实缩小覆盖范围。一个明确标注了缺口的数据集，比一个看起来完整、却不知道哪几行是猜的数据集更有使用价值——前者的结论可以被验证，后者的结论无法被验证。✎ 对这块提意见

情形判定依据补采方案控制器可读、暂无导出通道台账核对显示参数存在，但无网口或导出功能由设备部门在换型停机间隙按程序号逐项抄录，抄录表经本岗位与工艺部门双签后入库，证据级别记为强；抄录周期随换型排程控制器不可读、工艺卡有给定值控制器无参数显示或已停用，工艺卡记载完整取工艺卡给定值，来源等级降一档登记；同时在批次说明中注明该工位的给定值为工艺意图而非下发值两者皆无、仅有实时流台账与工艺卡均无记载该工位的实时参数流按无给定值处理，进预训练语料，不进偏差样本；在数据卡中按工位标注该段样本的可用范围程序号存在但参数记录缺失版本程序号可读，对照表中查不到该版本该段挂起，待设备部门补录该版本参数后按版本回填；补录前不做偏差计算，也不按相邻版本近似新增工位或改造后工位测点配置变更时点晚于本批次时间窗变更时点之后的数据单列批次，按新配置重新执行本调查的三层字段采集✎ 对这张表提意见

调查的覆盖情况按工位统计并随批次公示。首批以试点产线标定基线，后续批次逐步接近每个在用焊接工位都有一份现行程序参数对照表的状态；某一工位连续两个批次仍无任何一档给定值来源，该工位转入上表第三行的处置，并在前提条件与风险应对一节中按未落实项跟踪。✎ 对这块提意见

1.5 产品质量域✎ 对这块提意见

本域对应产品质量数据集的原始数据底座（b1387—b1391）。 质量域的受理有一个与其他三域不同的性质：它的数据价值高度依赖判定结论的权威性。一条质检记录的核心字段不是测量值，而是「判定为合格还是不合格、属于哪一类缺陷」，而这个判定在实际业务中由检验员作出，不同检验员对边界情形的判定可能不一致，同一检验员在不同时期的判定尺度也可能变化。✎ 对这块提意见

因此本域受理时额外登记两项信息：判定来源（哪个岗位、依据哪一版检验规程）与判定时间。这两项让后续加工能够识别出尺度漂移——如果某一时间段的不合格率显著偏离前后期，而工艺条件没有相应变化，那么更可能是判定尺度变了而不是质量变了。这类情形在数据卡中标注，并在构造训练样本时作分层处理，避免把尺度漂移学成质量规律。✎ 对这块提意见

第二处是缺陷分类体系的历史版本问题。企业的缺陷分类目录在多年中修订过，早期记录用的是旧分类，与现行目录不是一对一关系：有的旧类别被拆成两类，有的两个旧类别被合并。受理时按原始分类如实入库，同时建立旧版到现行目录的映射表，映射关系为一对多或多对一的，在映射表中标明并说明处理方式。映射表由质量部门确认后生效，不由项目组单方面确定——分类口径属业务定义，确认权在业务部门。✎ 对这块提意见

第三处是不合格品处理记录的闭环性。一条不合格判定之后，应有返工、让步接收或报废的处置记录与之对应；实际数据中存在判定有记录而处置无记录的情况。受理后按判定单号核查处置记录的匹配率，未匹配的单独统计。这个匹配率决定质量数据集能否支撑「缺陷到处置」的因果类任务；匹配率不足时，该类任务的数据基础在数据卡中如实说明，相关场景验证的判据随之调整。✎ 对这块提意见

数据对象字段组形态校验重点进厂检验检验单号、物料、批次、供应商、检验项、结果（b1387）结构化物料批次与 WMS 库存批次对应制程检验检验单号、工单、工序、检验项、结果结构化工单与 MES 工单对应出厂检验与成品检验检验单号、产品、检验项、结果、检验日期（b1387、b1388）结构化产品与合同、订单对应质量台账期间、产品、不合格类型、数量、处置结构化与检验记录勾稽淬火硬度工件号、测点位置、硬度值、检测方法（b1388）结构化测点位置取本体值域淬火区域位置及均匀性工件号、区域标识、位置偏差、均匀性指标（b1388）结构化指标口径登记来源外观缺陷与质检结果工件号、缺陷类型、位置、严重程度、判定（b1388）结构化缺陷类型取本体缺陷值域质量报告与产品质量档案文件本体、产品、期间非结构化（b1389）按产品归集质量知识文件本体、主题、来源非结构化（b1389）进知识库抽取通道质量影像熔池图像、焊后焊道表面图像、工件外观缺陷图像（b1390）图像与检验记录的引用关系✎ 对这张表提意见

1.5.1 质量影像与制造过程域的引用关系✎ 对这块提意见

质量影像与制造过程域的图像来源相同，受理时不重复存储：图像文件在制造过程域落地一次，质量域通过检验记录与图像的引用关系挂接。引用关系在受理时建立，依据是工件号、焊道号与检验时点。引用关系表的字段为检验单号、检验项编号、图像标识、工件号、焊道号或部位标识、采集时点、挂接判定依据。一条检验记录可挂多件图像，一件图像也可被多条检验记录引用，关系按多对多登记。✎ 对这块提意见

1.5.2 纸质检测报告的现场调查与分批数字化安排✎ 对这块提意见

纸质检测报告在甲方处的存量规模、存放形态与年代分布，目前没有可引用的台账。质量域的历史样本量取决于这批资料能数字化多少，因此它不是一项可以留待实施期再看的事，而是一项要在进场初期做出结论的现场调查。本小节给出调查对象、责任方、要采的字段、核实方法、完成时点与调查结果不足时的补采方案；清册规模与分批计划按调查结论确定，在结论出来之前不按任何假设的张数推算质量数据集的规模。✎ 对这块提意见

调查项内容调查对象质量管理部门及各分厂质检点留存的纸质检测报告、检验原始记录与随附的质量证明文件。按存放点逐处清点，不按部门估算甲方责任部门质量管理部门负责报告的归档规则、保管年限与存放点清单；档案管理部门负责已移交档案室部分的调阅与借用手续；各分厂质检点负责在用与近期归档部分的现场配合我方对接岗位数据受理岗牵头清册编制与扫描批次管理，安全管理岗负责扫描件的密级判定与脱敏规则落实，预处理工程岗负责扫描参数的核定与首批扫描件的可解析性验证✎ 对这张表提意见

清册的字段按「能支撑分批决策」来设计：不只记有多少份，还要记它们是什么、属于哪些产品与年代、品相如何、能不能扫。这几项决定了扫描的先后次序与单位工作量。✎ 对这块提意见

这里面最容易被省掉、又最不该省的是「装订与品相」和「可否外带或外包扫描」两项。一摞装订成册、装订孔压到字的报告，与一摞散页，扫描的单位工时差着数倍——前者要拆订、逐页扫、扫完再按原样装回，还要承担拆订损伤的责任；而档案室明确不可外带的部分，扫描设备与作业人员须进场作业，排期受档案管理规定约束，不是加人就能加快。清册里不记这两项，排出来的扫描计划在第一个批次就会被现场推翻。✎ 对这块提意见

「是否有结构化对应记录」一项的用处在后面：有对应记录的报告，扫描件与结构化检验记录可以直接配成图文对照样本，一份资料出两种用途；没有对应记录的，只能先走版面解析再做字段抽取，单位产出低得多。按这一项排序，首批扫描的产出效率最高，也最早能拿出可供验证的样本。✎ 对这块提意见

字段取值与说明用途存放点标识存放部门、房间或柜架编号分批扫描的作业单位报告类别进厂检验、制程检验、出厂检验、成品检验、第三方检测、其他与结构化检验记录的对应关系判定覆盖产品范围产品型号或工件品类按场景验证的首批型号确定优先次序年度区间起止年份判断与现行检验规程、现行缺陷分类目录的对应关系份数与页数分别计数，页数可抽样推算并标注推算方式扫描工作量与排期测算的直接依据装订与品相散页、装订成册、装入档案盒；是否有折痕、褪色、油污、装订孔压字决定是否需拆装订、是否需特殊扫描参数是否有结构化对应记录有、部分有、无有对应记录的优先扫描，可直接形成图文对照样本密级与可用范围按数据分级结论判定；含第三方检测机构标识与客户信息的单列扫描件的存放权限与脱敏规则可否外带或外包扫描可、仅限内网现场扫描、不可移动决定扫描作业方式✎ 对这张表提意见

核实方法以实物清点为主，访谈只用于定位存放点，不用于确定数量。这条分工来自一个反复出现的现象：被问到存量时，各部门给出的往往是「大概几千份」这一类的量级估计，彼此之间可以差出一倍，而质量域的历史样本规模直接压在这个数上。按估计值排扫描计划，排出来的是一张随时会被推翻的表。✎ 对这块提意见

四道方法按适用范围而不是按强弱排列，因为它们并不互相替代。存放点走访解决的是「东西还在不在这儿」——清单上列着、实际已移交档案室的情况很常见；实物逐册清点解决的是「到底多少份」；抽样推算用于份数大到逐册清点并不现实的存放点，代价是它给出的是推算值；与结构化记录对账则是另一个方向上的校验，用同一产品同一年度的检验记录条数去反推报告份数应当在什么量级，对不上就说明某一侧有遗漏。四道合起来，清册上的每一个数都能说清它是数出来的还是算出来的。✎ 对这块提意见

核实方法做法产出的证据适用范围存放点走访按质量管理部门给出的存放点清单逐处查看，确认实物是否在册、是否已移交档案室存放点确认单，逐处标注在册与实际的差异全部存放点实物逐册清点按册或按盒逐一清点份数，记录报告类别与年度区间清册条目，含清点岗位与清点日期份数在约定规模以内的存放点抽样推算对份数很大的存放点，按册或按盒抽样计数后推算总量，抽样比例与推算方式随清册登记抽样记录与推算说明，总量标注为推算值份数超出逐册清点可行范围的存放点与结构化记录对账取同一产品同一年度的结构化检验记录条数，与清册中的报告份数比对对账表，给出覆盖率与差异成因有结构化对应记录的部分✎ 对这张表提意见

抽样推算得到的数在清册中始终标注为推算值，不在后续引用中当作清点值。两者混用会使数据卡中的质量域存量数失去可核性。✎ 对这块提意见

完成时点按进场后的周次约定，与批次计划中的补齐批排期对齐。✎ 对这块提意见

四个时点里，第 8 周的试扫是整条安排的关键一步，也是最容易被跳过的一步。扫描参数——分辨率、色彩模式、是否去底色——一旦定错，前面几千份扫完之后才在文档类通道里发现关键字段识别不出来，返工的是全部已扫件，而原件的调阅手续要重走一遍。先扫一小批，走一遍版面解析，确认检验单号、检验项、测值与判定结论这几个字段抽得出来，再放量，这一步花掉的时间在后面成倍地省回来。✎ 对这块提意见

时点完成内容进场后第 3 周内完成存放点走访，确定存放点清单与各点的清点方式进场后第 6 周内完成首批存放点的实物清点，形成首版清册，给出可数字化总量的区间估计进场后第 8 周内完成扫描参数核定与首批试扫，验证扫描件在文档类通道的可解析性与关键字段可抽取性补齐批内按清册分批扫描，扫描件逐批进入预处理环节的文档类通道；清册与扫描进度按批次更新✎ 对这张表提意见

调查结论若显示可数字化的量不足以支撑质量域的历史样本需求，按以下分档处置，不以合成样本冒充历史记录。✎ 对这块提意见

「不以合成样本冒充历史记录」这句不是客套话。合成数据在本项目中有正当用途——补稀疏类别、造边界样本，这些在后续环节里都会做；不能做的是把合成样本混进「历史检验记录」这一来源里。质量数据集的价值恰恰在于它记录的是真实发生过的判定，一旦掺入生成的记录，基于它训练出来的缺陷判别就失去了与现场对照的意义，而掺进去之后也无法再剥离出来。✎ 对这块提意见

五行分档的落点各不相同：前两行是「量够、取法要变」，调整的是作业方式；第三、四行是「量不够」，调整的是数据卡中的来源构成说明与场景验证的历史回溯范围；第五行是许可问题，调整的是入库范围。把它们并在一张表里，是因为现场调查回来往往不是单一情形——同一批资料可能既品相差又含第三方检测机构内容，按行逐项对照处置，比对整批下一个笼统结论更贴合实际。✎ 对这块提意见

情形判定依据补采方案存量充足但品相差清册显示份数够，低品相占比高低品相件单独成批，按提高扫描分辨率与灰度模式处理，进文档类通道后置信标记降一档；识别置信度低于门限的页进人工复核队列，复核后的字段可用于监督样本存量充足但不可移动档案室规定不可外带在内网现场扫描，扫描设备与作业人员进场按甲方档案管理规定执行；扫描件即时写入落地区，原件当场归还存量不足、结构化记录完整清册总量低于预期，但结构化检验记录覆盖同期质量域的历史样本以结构化记录为主，纸质报告作为证据补充；在数据卡中如实说明该子集的样本来源构成存量不足、结构化记录亦缺两侧均不覆盖某些年度或产品该年度或该产品的历史样本在数据卡中列为覆盖缺口，相关场景验证的历史回溯范围随之缩小，判据在验证方案中相应调整含第三方检测机构内容报告由外部机构出具，含机构标识与委托信息按许可核验口径处理：未明确允许进入训练语料的，仅登记元数据与检测结论字段，正文不入库✎ 对这张表提意见

清册与扫描进度按批次统计并公示。首批以完成走访的存放点标定基线，后续批次逐步接近清册所列可数字化件全部完成扫描并通过可解析性校验的状态；连续两个批次扫描进度低于批次计划约定的下限，在月度例会上提出并调整排期或扫描方式。✎ 对这块提意见

1.6 通用语料与外部语料✎ 对这块提意见

本组对应预训练子集的通用语料补充（b1392—b1395）。✎ 对这块提意见

前四个域收的都是甲方自己的数据，这一组收的是别处的。它在预训练子集里承担的作用与前者不同：企业自有数据教模型认识这家企业的产品、工艺与说法，通用与外部语料提供的是行业通识与表达基础——没有后者，模型连「淬火」与「回火」的一般含义都要从几十万条工单里自己摸索，学出来的概念既慢又容易跑偏。✎ 对这块提意见

这一组的受理难点不在取数而在许可。前四个域的数据属企业自有，边界由内部分级结论界定；外部来源则各有各的条款：行业标准文本多数不允许全文再分发，学术文献能否用于训练取决于出版方的授权，厂商资料可能夹带第三方保密内容，公开数据集的协议里往往写着署名与二次分发限制，而这些义务在数据集交付之后会随之转移给招标方。因此本组的校验重点一列几乎每一行都落在许可上，而不像前四个域那样落在字段与口径上——拿不拿得到不是问题，能不能用才是。✎ 对这块提意见

前三行与后四行性质又不同。协同办公系统、久其系统与主数据管理平台是企业内部系统，列在这里是因为它们的内容跨业务域、不专属于任何一个数据集。其中主数据管理平台一行要特别留意：它同时是本体编码对齐的基准来源，组织机构、人员、物料编码三类主数据决定了后面本体实体编码对不对得上，而其中的人员字段在入口即按脱敏规则处理。✎ 对这块提意见

来源受理内容形态校验重点协同办公系统（OA）管理制度、合同文档（b1392）非结构化文件版本状态、发布部门、生效日期久其系统营业收入、利润、成本、资产负债等经营指标（b1393）结构化期间闭合状态；口径与指标知识库一致主数据管理平台组织机构、人员、物料编码（b1393、b1394）结构化作为本体编码对齐的基准；人员字段入口脱敏外部行业标准标准文本、标准号、版本状态（b1395）非结构化许可类型；版本状态学术文献文献全文或摘要、出版信息（b1395）非结构化许可类型；可否用于训练厂商资料产品手册、技术白皮书（b1395）非结构化许可类型；是否含第三方保密内容公开数据集数据文件、许可协议（b1395）结构化／图像／文本许可协议条款；可否二次分发✎ 对这张表提意见

外部语料的补充量按预训练子集的 Token 规模目标倒推，分配口径见四大数据集规模与数据卡章节，本节不重复。✎ 对这块提意见

1.7 四个数据域与四类模态的受理口径✎ 对这块提意见

前面七个小节按来源系统逐域展开，解决的是「哪些对象要收进来」。但受理作业中真正决定动作的不是业务域而是模态：同一张工艺卡片，在工艺设计域与质量域都会出现，它的格式编码、采集粒度、时间口径与业务主键是一样的；而同一个制造过程域里，焊接参数流与焊道影像的校准要求相差极远。因此本小节按文本、图像、时序、视频四类模态横切一遍，把每类模态的受理清单、格式与编码、采集粒度、时间与设备校准、业务主键、版本与许可核验六项逐项定下来。域的归属随批次号带入，不因模态切分而丢失。✎ 对这块提意见

这一横切还有一个实际用处：四类数据集的模态构成要在数据卡中逐项填报，而模态构成的原始依据产生在受理阶段而不是加工阶段。受理时若不按模态分别计数与登记，到填数据卡时只能倒推，倒推出来的数与实际入库的样本对不上。各数据集的模态占比与时效性占比的目标值见四大数据集规模与数据卡章节，本节交付的是产生这些数的登记口径。✎ 对这块提意见

1.7.1 四领域与四模态的受理清单总表✎ 对这块提意见

四个域乘四类模态，十六格。每一格给出的是该域该模态在本项目中实际会遇到的对象、它们的格式与编码、采集粒度与业务主键，而不是模态的一般定义——「图像按页受理」这类话对任何项目都成立，对作业没有用；「产品工艺设计域的图像以图号为主键、多页图按页登记、扫描件登记扫描分辨率与色彩模式」，才是受理岗能照着做的。✎ 对这块提意见

把矩阵整个铺开，而不是按域与按模态各列一张表，是为了让空格露出来。四个「本域不设常规视频来源」的格子，正是铺开之后才看得见的事实：视频模态只存在于制造过程域与产品质量域，而四类数据集都要在数据卡里填报多模态样本占比。哪一类数据集的多模态来源天生偏薄、要靠哪几格来补，这件事在十六格上一眼能看出来，在两张分列的表上则要来回比对才能拼出来。✎ 对这块提意见

数据域模态主要受理对象主要格式与编码采集粒度业务主键供需计划文本客户、商机、报价、合同、订单、回款记录；招投标文件、资质文件、业绩合同结构化记录按接口返回的字符集与数值精度原样取回；文件类为可携带文档格式与办公文档格式，字符编码统一登记结构化按单据记录逐条；文件类按件合同编号为轴，商机编号、销售订单号、回款单号挂同一业务链；文件类以项目号或合同号为主键供需计划图像合同与证照的扫描页、随件技术附图栅格图像格式，保留扫描分辨率与色彩位深按页源文件编号 ＋ 页码供需计划时序历史销量、订单量、销售预测、库存存量快照、出入库流水按年月或按时点的结构化记录，数值与单位分列销量与订单按年月；库存按时点快照；出入库按单据流水物料编码 ＋ 期间；库存快照另加快照时刻供需计划视频本域不设常规视频来源———产品工艺设计文本物料清单、工序数据、变更记录、零部件信息；选型方案、机械制图标准、工艺编制准则结构化按接口返回；文档类为可携带文档格式与办公文档格式结构化按记录与版本；文档按件与按章节零件号或物料编码 ＋ 版本号；文档以文件编号 ＋ 章节路径为主键产品工艺设计图像工艺图纸、工艺卡片的原生矢量件与扫描件原生矢量交换格式与可携带文档格式；扫描件为栅格图像格式，登记扫描分辨率按图号与卡片号，一图一件；多页图按页登记图号；卡片以卡片号为主键，与图号成对登记产品工艺设计时序工时定额的历史变更序列、工艺参数窗口的

表中四个「本域不设常规视频来源」的格子按实际情况如实留空，不为了把矩阵填满而虚设来源。这四格在数据卡的模态构成中按零计，相应数据集的多模态样本由其余格子供给。✎ 对这块提意见

1.7.2 文本类的受理口径✎ 对这块提意见

文本是四类模态中对象最多的一类，它同时覆盖两种性质完全不同的东西：从业务系统取回的结构化记录，以及成件的文档资料。两者在后续加工中都走向文本样本，但受理口径不同——结构化记录的主键在源系统里，文档的主键要在受理时现建。✎ 对这块提意见

口径项结构化记录文档资料受理清单按数据源登记表的表与字段范围逐表受理，字段清单随批次固定版本按目录范围逐件受理，形成受理清册并与源侧目录核对件数格式与编码按接口返回的原始类型取回，数值不转字符串、日期不转文本；字符集统一登记，非约定字符集的在受理时转换并记录转换规则保留原格式入库，解析在预处理环节进行；逐件计算文件指纹并登记字符编码判定结论采集粒度按记录逐条，不在受理阶段做聚合；需要聚合的派生量由加工环节按登记口径计算按件受理，件内的章节与条款粒度在预处理与知识库环节切分时间口径每条记录登记业务发生时间与源系统写入时间两个时标，缺其一的标注缺哪一个登记文件的发布日期、生效日期与入库时间；三者缺失的按文件内可见日期补并标注来源业务主键源系统主键 ＋ 批次号；跨系统对象另建业务链主键源文件编号 ＋ 文件名称与版本；同一文件多版本并存，不以新版覆盖旧版版本登记按变更时间增量的表，登记变更时间字段是否可信；不可信的转整表快照并在登记表中标明登记版本状态为现行、已修订或已废止；废止件保留并标注替代关系许可核验按来源系统的授权范围核验，取数范围须被授权范围覆盖按件核验密级与可用范围；外部文献与标准按许可条款登记可否全文入库、可否用于训练✎ 对这张表提意见

结构化记录的「数值不转字符串」一条看似细节，影响却在后面。一旦在受理时把金额与测值转成文本，精度与量纲信息就随之丢失，而文本化通道与知识库的指标计算都依赖原始精度；等到发现对不上账，源系统的那一批取数时窗往往已经过去。✎ 对这块提意见

1.7.3 图像类的受理口径✎ 对这块提意见

图像在本项目中有三类用途互不相同的来源：图纸与卡片的扫描件是文档的图像形态，最终仍回到文本与结构化抽取；熔池与焊道图像是工艺过程的观测记录，判读依赖原始亮度与温度信息；缺陷图像是质量判定的证据，判读依赖分辨率与取景一致性。三类的受理参数因此分别登记。✎ 对这块提意见

口径项图纸与卡片扫描件工艺过程图像质量缺陷图像受理清单按图号与卡片号清册逐件受理按焊道与炉次的采集计划逐段受理按检验单逐件受理，与检验记录成对格式与编码栅格图像格式，登记扫描分辨率、色彩模式与压缩方式；低损压缩优先可见光图像按原始位深取回；热成像同时取可视化图与每像素原始温度矩阵，两者分列保存并互相指向栅格图像格式，登记分辨率与色彩模式采集粒度按页，多页件保留页序按采集时点，一个焊道一段连续采集按工件与检测部位，一个部位至少一件时间与设备校准登记扫描时间与扫描设备标识；同一清册分批扫描时登记各批的扫描参数相机时钟与企业统一时间基准按约定周期校时，校时记录随批次保存；热成像设备按检定周期做温度标定，标定记录与有效期登记在测点配置中；取景框与安装位姿变更即登记变更时点登记拍摄时间与采集岗位；同一检测部位的取景框按规程固定业务主键源文件编号 ＋ 页码；图号与卡片号为关联键相机位号 ＋ 采集时点；锚定后挂工件号与焊道号工件号 ＋ 部位标识 ＋ 采集时点；检验单号为关联键版本登记同一图号的多次扫描按扫描批次登记版本，择优不删劣，低质件保留并标注品质档同一焊道的重复采集按采集序号登记，不覆盖复检产生的新图按复检序号登记，与原图并存许可核验按文档密级执行；含客户标识的图纸按入口脱敏规则处理内部采集，按数据分级结论执行；画面中出现的人员与铭牌按脱敏规则处理同左✎ 对这张表提意见

热成像的「可视化图与原始温度矩阵分列保存」是这一节的要点。可视化图是按某一调色方案渲染出来的，调色方案一变，同一处温度的颜色就变了；只保留可视化图，后续的温度判读只能靠颜色反推，误差不可控。保留每像素原始温度矩阵之后，温度类的标注与质检可以直接在数值上做，可视化图只用于人工查看。✎ 对这块提意见

校时与标定的判定按三段给出：首批以试点产线的实测校时偏差与标定记录标定基线，后续批次的校时偏差逐步收敛到批次计划约定的范围内；某一相机连续两个批次的校时记录缺失或偏差超出约定范围，该相机在此期间的图像在批次说明中标注时基不确定，并转由同期时序数据的事件锚点做二次校正。✎ 对这块提意见

1.7.4 时序类的受理口径✎ 对这块提意见

时序数据的受理口径在 1.4.2 已按数据组给出测点、采样与时间窗。本小节补的是跨数据组共用的三项：编码、时间与设备校准、业务主键。✎ 对这块提意见

这三项之所以要跨数据组统一，是因为时序数据的价值几乎全部来自对齐。焊接电流、层间温度、能耗、设备报警分属不同的采集系统，各自的时钟来自各自的控制器，彼此之间差几秒到十几秒是常态。单看一条曲线，差几秒无所谓；一旦要回答「这道焊缝起弧的那一刻层间温度是多少」，几秒钟的偏差就足以把答案取到上一道焊缝上去，而取错了在数值上完全看不出异常。井下测点的情形更麻烦：传感器损坏之后往往不予补装，数据流里会出现长达数月的连续空缺，而这类空缺与「设备那段时间确实停着」在数值上长得一模一样。✎ 对这块提意见

表中「质量码」与「校时周期与留痕」两项分别对着这两件事。两项都要求逐次留痕而不只是记一个当前值，因为补偿要按数据所处的时间段回溯进行——只知道今天的钟差，补不了三个月前那一段数据。✎ 对这块提意见

口径项内容受理清单按测点清单逐点受理，测点清单随数据源登记表版本固定；受理前核对测点配置在该时间窗内是否有效，配置变更期的数据单列格式与编码时标、测点编号、测值、质量码四列为必备；测值按原始数值类型取回，单位与量程取自测点配置并随批次登记；状态与报警类的取值按参考数据标准的值域登记，表外取值登记为新值候选采集粒度保留源侧原始采样密度一份；统一步长一份按数据组分档生成，两份在血缘中互相指向（口径见 1.4.2）时间基准以企业统一时间基准为准；各源系统的时钟偏差按源登记，偏差值与补偿方向写入数据源登记表，受理时按登记值补偿校时周期与留痕设备侧时钟按约定周期与统一时间基准核对一次，核对结果逐次留痕；两次校时之间的漂移按线性分摊补偿，分摊方式随批次登记设备校准温度、流量、浓度类测点按检定或校准周期登记校准记录与有效期；校准有效期已过的测点，其数据在批次说明中标注并在数据卡中限定用途业务主键设备号 ＋ 测点编号 ＋ 时标；经对象锚定后另挂工件号、焊道号或炉次号（口径见 1.4.4）版本登记同一时间窗的重采或补采按采集序号登记新版本，原版本保留；重采样产出按算子指纹登记为派生版本许可核验设备数据属内部来源，按数据分级结论执行；涉及在役装备所属矿井位置的字段按地理信息的泛化规则处理✎ 对这张表提意见

质量码一列在很多企业的时序库里是空的，但它决定了下游能不能把「设备真的停了」与「采集断了」区分开。源侧不提供质量码时，本节在受理阶段按采集中断判定规则补一列受理侧质量码，并在数据源登记表中标明该列为受理侧生成，不与源侧混用。✎ 对这块提意见

1.7.5 视频类的受理口径✎ 对这块提意见

视频是本项目中唯一需要在受理阶段就做分段的模态。原因是一段连续录像在业务上并不对应一个对象：一次装出炉录像里可能有三炉工件先后进出，一段焊接录像里可能包含引弧前的等待与收弧后的冷却。不在受理时按业务事件分段，后面每一次使用都要重新切一遍，而每次切的边界都可能不同。✎ 对这块提意见

口径项内容受理清单按相机位号与采集计划逐段受理；受理清册给出相机位号、覆盖工位或炉台、采集时间窗与预期段数，与实际落地段数核对格式与编码原始帧序列按相机软件开发工具包导出，保留逐帧时间戳与原始位深，作为溯源基准；另生成通用视频封装格式的归档副本供查看与标注，登记帧率、分辨率、编码参数与色彩空间。归档副本的参数变更即登记变更时点采集粒度以一次业务事件为一段：焊接按起弧至收弧并前后各留一段余量，热处理按装炉至出炉，检验按一次检验作业。段内保留全部帧，不在受理阶段抽帧时间与设备校准相机时钟按约定周期与统一时间基准校时，校时记录随批次保存；逐帧时间戳与同期时序数据的事件时刻比对一次，偏差超出约定范围的该段标注时基不确定。相机安装位姿、焦距与取景框变更即登记变更时点，变更前后的段不按同一取景框处理业务主键相机位号 ＋ 段起止时刻为段主键；帧以段主键 ＋ 帧序号标识。锚定后挂工件号与焊道号或炉次号，锚定依据与 1.4.4 的图像锚定一致版本登记同一事件的重复录制按采集序号登记，不覆盖；归档副本按转码参数登记版本，原始帧序列为唯一溯源基准许可核验按数据分级结论执行；画面中出现的人员、工牌与铭牌按入口脱敏规则在受理阶段处理，处理前的原片按最小权限存放✎ 对这张表提意见

存储量是视频受理必须先说清的一件事。原始帧序列的体量远大于归档副本，按全部采集时段长期保留并不现实。本方案的安排是：进入标注与验证范围的段，其原始帧序列按批次计划约定的期限保留；其余段在归档副本生成并通过可读性校验后，原始帧序列按约定期限转入低频存储。保留范围与期限写入批次计划，变更须经招标方确认后生效。✎ 对这块提意见

分段完整性按三段给出判定：首批以试点产线的一个月采集量标定基线，统计「录像段数与同期业务事件数之比」与「段内覆盖事件全程的比例」两个数；后续批次逐步接近每一次业务事件都有一段起止完整的录像与之对应；某一相机连续两个批次该比值低于批次计划约定的下限，暂停该相机的视频受理，转由采集接入环节核查采集触发条件与存储策略，核查结论回写测点与相机配置。✎ 对这块提意见

1.7.6 四类模态的版本与许可核验口径✎ 对这块提意见

版本与许可两项在前五个小节中按模态分别给出，这里收在一处，便于受理岗按同一张表执行。收在一处还有一层用处：在四类模态的全部受理属性里，版本与许可是唯二会在批次之间发生变化的。对象本身不变——一张图纸受理进来就是那张图纸；但同一来源的授权可能到期、可能缩小范围，同一对象也可能在半年后出一个新版本。受理岗需要一张能反复回查的表，而不是每次翻回各模态小节去拼。✎ 对这块提意见

末列「许可不明时的处置」是五行里最该先看的一列。许可不明不是罕见情形，外部标准、文献与厂商资料里相当一部分条款含糊；而「含糊」在数据集里不能留白——留白意味着到交付时谁也说不清这部分能不能用，核查起来只能整块剔除。五行给出的处置都指向同一条口径：不明的按不允许处理，但处理方式按模态分档——文档只留元数据、图像整图标记为限制使用、时序仅相关字段留空、视频只保留段级元数据。分档而不是一刀切，是因为「不允许全文入库」与「不允许任何使用」在许可条款里本就是两回事，一律按后者处理会把本可用的来源也挡在外面。✎ 对这块提意见

模态版本的判定依据同一对象多版本的处置许可核验的要点许可不明时的处置文本（结构化）源系统的变更时间与版本字段按变更时间保留历史，不以新值覆盖旧值授权范围是否覆盖本次取数的表与字段缩小取数范围至授权覆盖部分，差额列入缺口清单文本（文档）文件内的版本号、发布日期与版本状态现行件与历史件并存，建立替代关系密级、可用范围、可否进入训练语料；外部件另核许可条款仅登记元数据，正文不入库图像扫描批次或采集序号多次采集并存，低质件保留并标注品质档数据分级结论；画面中的人员与标识是否已按规则处理整图标记为限制使用，不进入默认可见范围时序采集序号与算子指纹原始密度版本与派生版本并存，互相指向数据分级结论；位置类字段是否已按规则泛化相关字段留空并标记，其余字段照常受理视频采集序号与转码参数版本原始帧序列为溯源基准，归档副本按参数版本登记数据分级结论；画面中的人员与铭牌是否已处理；涉及外来人员出镜的另核告知与同意记录该段标记为限制使用，仅保留段级元数据✎ 对这张表提意见

许可核验的结论随批次保存，核验结论与来源登记编号一一对应。同一来源的授权在批次之间发生变更的，按变更生效时点切分批次，不在一个批次内混用两种授权状态。✎ 对这块提意见

1.8 数据源登记✎ 对这块提意见

每一个数据源登记为一条记录，登记表是后续批次的唯一来源依据，未登记的来源不受理数据。✎ 对这块提意见

这条规矩看起来严，实际是为了防一类很难察觉的事故：项目中后期，某个业务部门直接拷一份导出文件过来，说「这个也一起处理了吧」。文件本身可能完全正常，问题在于它没有来源记录、没有授权依据、没有敏感等级判定，而一旦混进批次，它的派生样本会一路流进训练集；等到数据集交付、第三方核查来源合法性时，这几万条样本的出处就成了一个说不清的窟窿，此时已无法从下游样本反查回去。✎ 对这块提意见

十三个字段分三组：前五个回答「这是什么、归谁管」，中间四个回答「怎么取、取哪些、多久取一次」，后四个回答「凭什么能取、取回来的东西归什么密级」。授权文件编号与授权有效期两项设为必填、且到期前按约定提前复核，是因为甲方侧的数据授权多数带期限，而期限到了不会有人来通知项目组——不主动复核，就会在不知情的状态下继续取数，而这类取数在事后审查中无法补救。✎ 对这块提意见

字段类型必填说明登记编号字符是业务域码 ＋ 源系统码 ＋ 顺序号源系统名称字符是与采集接入章节的系统清单一致所属业务域枚举是供需计划／产品工艺设计／制造过程／产品质量／通用语料数据集归属枚举是对应四类数据集之一或多个责任部门字符是甲方侧数据责任部门取数方式枚举是接口、数据库只读视图、文件导出、实时订阅数据内容范围文本是表、字段或文件目录范围更新频次枚举是实时、日、周、月、按期间、一次性授权文件编号字符是甲方出具的授权依据授权有效期日期是到期前按约定提前复核敏感等级枚举是取安全方案的分级结论脱敏规则版本字符是关联脱敏规则表登记状态枚举是生效、暂停、作废✎ 对这张表提意见

1.9 许可核验✎ 对这块提意见

许可核验与上一节的登记是两件事：登记解决「这个来源有没有授权」，核验解决「这一次取的东西是不是落在授权范围之内」。两者分开，是因为授权范围与实际取数范围在项目推进中会逐渐错开——登记时授权的是三张表，做着做着发现还需要第四张表里的两个字段，取数脚本一改就取了，而授权文件没有动。错开的过程是渐进的，没有哪一次改动显得过分，等到核查时才发现实际取数范围已经比授权宽了一圈。✎ 对这块提意见

六类来源的核验内容差别很大，因此不设统一的核验清单。内部业务系统核的是范围匹配，判定规则写明「不作扩大解释」——授权给生产工单表，不等于授权给工单表里引用的客户信息。内部文档核的是密级与可否进入训练语料，这两件事并不等价：一份内部文件可以允许项目组查阅，却不允许其内容进入模型训练，因为后者意味着内容可能以生成的形式再现。含个人信息的数据核的是去标识化是否已经完成，不通过时退回脱敏步骤而不是退回源侧，因为问题出在本环节。外部标准与文献核的是许可条款，判定规则定为「未明确允许的按不允许处理」。公开数据集核的是协议条款，署名与二次分发限制要逐项登记。厂商资料则要核是否夹带第三方保密内容——这一类最容易被当作「厂家给的，当然能用」而漏掉。✎ 对这块提意见

这一节要立住的结论是：数据集的来源合法性不是一句承诺，而是逐批次留下的核验记录。第三方质量评测核查来源合法性时，能拿出来的就是这份台账。✎ 对这块提意见

来源类别核验内容判定规则不通过的处置内部业务系统授权范围与取数范围是否匹配、授权是否在有效期内取数范围须被授权范围覆盖，不作扩大解释缩小取数范围或补授权内部文档资料文件密级、可用范围、可否进入训练语料按安全方案分级结论执行高密级文件不进入训练语料，仅保留目录信息含个人信息的数据是否已按分级结论去标识化直接标识字段须已处理退回脱敏步骤外部行业标准与文献许可类型、是否允许全文入库、是否允许用于模型训练许可条款未明确允许的按不允许处理仅登记元数据，不入全文公开数据集许可协议、署名要求、二次分发限制按协议条款逐项登记协议不允许的用途不使用厂商资料是否含第三方保密内容、是否有使用授权无授权的不入库退回来源方补授权✎ 对这张表提意见

核验结论随批次保存，作为数据集来源合法性承诺的支撑材料。✎ 对这块提意见

1.10 入口脱敏✎ 对这块提意见

脱敏在数据写入贴源区之前完成，按字段类型分类处理。放在写入之前而不是之后，是一条不可退让的次序：脱敏若在贴源区之后做，原始标识信息就已经在平台里落过一次地，备份、快照与中间文件都可能留有副本，事后再清理永远说不清是否清干净；放在写入之前，平台里就不曾存在过未处理的直接标识。✎ 对这块提意见

六类字段的处理方式各不相同，关键在于它们要保留的东西不同。直接标识——姓名、身份证号、联系方式——不需要保留任何可用性，整字段替换即可。准标识是另一回事：岗位、班组、工号单独看都不指向个人，组合起来却能缩小到几个人，所以处理方式是泛化而不是删除；班组归并到车间，既切断了指向性，又保留了「不同车间的质量表现有差异」这一类仍有分析价值的粒度。客户编号与供应商编号则必须保留关联性，否则同一客户的历次订单串不成一条链，供需计划类的任务直接失去基础，因此用保序假名化——同一原值永远映射同一假名，映射表另行存放并按最小权限管理。✎ 对这块提意见

最后一行是实际工作量最大的一行。工单备注、维修记录这类自由文本里散落着人名与电话，它们不在任何一个标识字段里，只能先识别再替换，而识别一定有漏。这一类字段的处理结果因此必须靠抽样复核兜底，不能只凭规则跑完就算数。✎ 对这块提意见

字段类型典型字段处理方式技术口径可逆性直接标识人员姓名、身份证号、联系方式替换或遮蔽整字段替换为类型占位，或保留首尾字符遮蔽中间不可逆准标识岗位、所属班组、工号泛化归并到上一层级（如班组归并到车间）不可逆需保留关联性的标识客户编号、供应商编号保序假名化同一原值映射同一假名，映射表单独存放受控可逆金额与价格合同金额、物料单价按分级结论决定高敏感的按区间化处理，低敏感的保留原值区间化不可逆地理与位置矿井名称、工作面位置按分级结论决定敏感地理信息按区域层级泛化不可逆自由文本中的标识工单备注、维修记录中的人名与电话识别后替换先命名实体识别，再按直接标识处理不可逆✎ 对这张表提意见

脱敏规则随字段清单一并版本化；脱敏后抽样复核，复核比例不低于每批次 5%，复核发现的残留标识按条整改并重跑该批次脱敏。假名映射表按最小权限管理，访问留痕，存放与密钥管理口径见安全方案。✎ 对这块提意见

数据接入与采集作业使用一致的数据源登记信息、授权范围、业务对象标识和任务编号。接口联调时验证身份认证、字段映射、字符编码、时间格式、增量标识、分页规则、异常返回和重试机制。每次取数记录请求范围、返回数量、传输结果及落地校验结果，并与源端可核对的记录数、文件清单或校验值进行核对。出现漏数、重复、格式异常或中断时，依据源端响应、传输日志与落地检查记录确定受影响范围，完成补采或重传后重新核对；未通过检查的批次保持隔离。✎ 对这块提意见💬 3

【图 1　数据采集与预处理流程✎ 对这块提意见💬 1】整幅图

【图 2　知识构建及样本质量控制流程✎ 对这块提意见💬 1】整幅图

作业事项接收或配置内容实施与检查要求形成的记录和成果多源数据接入与采集CRM、ERP、SCM、QMS、WMS、MES、LMS、EMS、SOS、EAM、PLM、SCADA、OA、久其、主数据管理平台、热处理群控系统及安全监管平台的数据接入配置；安全监管平台采用单向获取按数据源核验权限、字段、时间范围、接口或文件协议；对源端记录与落地结果进行完整性、数量和格式核对；异常批次隔离、补采并复检数据源登记、接口联调记录、采集任务记录、分域原始数据批次、差异及补采记录多格式多模态数据录入授权范围内的文档、图纸、图像、时序、视频及其他适用资料；文件清单和来源信息检查文件可读性、编码、完整性、版本和使用许可；按原始对象保存来源位置与业务关联，保留原件和加工副本的对应关系原始文件清单、录入结果、来源定位、异常隔离与处理记录智能工具配置与调用9 类 25 个工具的可运行实例、接口、参数配置、测试报告、使用文档及相应授权验证任务创建、状态查询、结果获取、失败重试、批量导出和状态回调等接口；按批次登记实际工具、规则及其版本，涉及模型的作业登记模型与提示词版本接口测试记录、工具配置、调用日志、输入输出清单、处理及异常记录数据标准与本体维护经确认的术语、参考数据、数据元、指标定义和编码映射审核定义、业务适用条件及生效版本；对主数据和 PLM 实体编码进行映射；冲突项审定后发布并检查受影响数据和知识本体文件、术

作业对象标准或技术文件实施内容及保留记录数据管理与成熟度建设GB/T 36073-2025《数据管理能力成熟度评估模型》组织数据管理能力建设与检查，保存管理职责、制度流程、实施记录和改进证据；按项目要求落实相应能力建设及成熟度目标，不能以引用标准名称代替实施成果数据质量规则与检查GB/T 36344-2018《信息技术 数据质量评价指标》按规范性、完整性、准确性、一致性、时效性、可访问性组织适用评价内容；结合实际数据对象配置格式、空值、重复、值域、关联、业务逻辑和时效检查，记录计算范围、方法、结果及问题整改；重复检查等具体规则不得冒称为标准原列一级维度元数据、数据定义与标识GB/T 18391.3-2026《信息技术 元数据注册系统（MDR）第 3 部分：注册系统公共设施元模型》；GB/T 18391.4-2009《信息技术 元数据注册系统（MDR）第 4 部分：数据定义的形成》；GB/T 18391.5-2009《信息技术 元数据注册系统（MDR）第 5 部分：命名和标识原则》建立受控元数据及数据字典，登记名称、定义、标识、数据类型、表示格式、值域、来源、责任人和版本等实际管理属性；检查定义一致性、标识唯一性及版本关系，保存注册、变更与审查记录图纸视图、剖视与断面解析GB/T 4458.1-2002《机械制图 图样画法 视图》；GB/T 4458.6-2002《机械制图 图样画法

1.11 格式合规校验✎ 对这块提意见

格式合规校验是入口处的最后一道，判的不是数据对不对，而是数据能不能被机器稳定地读。两件事常被混为一谈，区分开才好定责任：一条工单的完工时间早于开工时间，这是业务数据本身的错，本环节只标记、交业务侧确认；一个文件打不开、一段文本是乱码、一列时间戳没有时区，这是取数与传输环节的事，本环节判不通过并退回。混在一起判，结果是源侧觉得自己被挑剔业务数据，受理侧觉得对方不认技术问题，两边都不动。✎ 对这块提意见

十二个校验项按「从文件到字段再到取值」由外向内排。前两项针对文件整体——打不开的文件，后面所有校验都无从谈起；中间四项针对记录与字段的结构，是必填、主键、外键与时间戳；再四项针对取值本身，是时间逻辑、数值量程、量纲单位与枚举值域；最后两项针对图像与重复入库。这个次序同时也是失败成本的次序：越靠前的项失败，能救的办法越少，基本只能回源侧重导；越靠后的项失败，越可以在本环节内标记之后继续往下走。✎ 对这块提意见

判定口径一列里有三处刻意没有写死数值。乱码率、字段缺失率、悬挂外键比例三项都写成「按批次计划约定值」或「按字段重要度分档」，原因是各业务域的资料规整程度差得很远：PLM 与主数据是近年上线的系统，字段完整率很高；而早年的工艺文档与纸质检验报告扫描件，按同一个阈值卡会整批被挡在外面，而这部分恰恰是年代最早、工艺信息最独特的资料。三项的取值按首批标定结果定基线，按批次逐步上调，上调幅度在月度例会上确认后写入下一批次计划；某一项连续两个批次达不到约定基线，不是继续放宽阈值，而是回到源侧核查取数与导出方式。✎ 对这块提意见

校验项校验内容判定口径不通过的处置文件可解析性文件能否被对应解析器打开打不开即判不通过入隔离区，回源侧重新导出字符编码编码是否为约定编码、是否有乱码乱码率超过批次计划约定值判不通过尝试编码转换，失败则回源侧必填字段完整性登记为必填的字段是否有值按字段逐项统计缺失率，缺失率门限按字段重要度分档关键字段缺失的记录入隔离区主键唯一性主键是否重复存在重复即判不通过按去重规则处理或回源侧确认外键可解析关联字段能否在对应主表查到悬挂外键按比例统计超门限的回源侧核对时间戳格式与时区格式是否统一、时区是否标注无时区标注的按源系统默认时区补齐并登记无法确定时区的记录标记时间逻辑开始不晚于结束、实际不早于计划下达逻辑冲突即标记标记后交业务侧确认数值量程是否落在物理量程内超量程即标记标记为疑似异常，交预处理环节判定量纲与单位单位是否与数据元标准一致不一致的做单位换算并登记单位缺失的回源侧确认枚举值域取值是否在参考数据标准的值域内越界值登记为新值候选候选提交数据治理环节确认图像可读性图像能否解码、分辨率是否达到约定下限不可解码或低于下限即判不通过回源侧重新采集或标记为仅存档文件指纹重复是否与已入库文件重复指纹相同即判重复不重复入库，登记引用关系✎ 对这张表提意见

校验不通过的记录进入隔离区并生成问题清单，按清单回退源侧或由受理岗人工修正，修正动作留痕。隔离区的记录不删除，保留至批次关闭后约定期限，便于回溯。✎ 对这块提意见

1.12 批次成形与采集记录✎ 对这块提意见

按业务域产出原始数据批次与采集记录（b1397）。批次是采集之后整条加工链的计量单位：预处理按批次跑算子，质检按批次抽样，数据卡按批次回填来源与模态构成，验证出了问题也按批次回溯。因此批次成形这一步交出的不只是一堆数据，还有一份说明这堆数据来历的采集记录——七个字段组，分别回答批次的身份、来源、内容、合规状态、校验结果、锚定情况与当前状态。✎ 对这块提意见

七组里，「合规」与「校验」两组是日后最常被调阅的。前者记的是授权文件编号、许可类型与有效期、脱敏规则版本与复核结论，它是来源合法性的凭据；后者记的是各校验项通过率与隔离记录数，它是这一批数据质量档位的原始依据。两组都按批次固化，而不是只保留最新状态，因为规则本身会随版本演进——半年后用新版脱敏规则回头看老批次，看到的应当是当时那一版的执行结果，而不是用今天的规则重新判一遍。✎ 对这块提意见

字段组字段批次标识批次号、业务域、数据集归属、批次生成时间、业务时点来源数据源登记编号、源系统、取数方式、取数时间窗内容记录数或文件数、数据量、模态构成、字段清单版本合规授权文件编号、许可类型与有效期、脱敏规则版本、脱敏复核结论校验格式校验规则版本、各校验项通过率、隔离记录数、问题清单编号锚定对象锚定类型、锚定成功数、未锚定数状态入口检查节点判定结论、判定岗位、判定时间、批次状态✎ 对这张表提意见

批次状态分六种：受理中、挂起、已成形、已进入预处理、已关闭、废弃。状态流转在数据集加工生产平台上记录，不另建台账。✎ 对这块提意见

1.13 采集环节的质量控制点✎ 对这块提意见

采集环节的五个控制点不是平行的检查项，它们之间有先后与依赖：授权不完备就不生成批次，批次不成形则来源无从追溯；脱敏未通过的批次不进入下一环节，格式校验与对象锚定则决定这批数据能支撑到什么粒度的分析。把它们排成这个顺序，是因为越靠前的控制点，失守后的返工成本越高——授权问题在采集完成后才发现，整批数据都要作废重走流程；格式问题在预处理阶段仍可补救。✎ 对这块提意见

判定口径上有两处写法需要说明。脱敏复核的抽样比例定为不低于 5%，是在复核工作量与发现概率之间取的平衡：按此比例，一批一万条样本抽检五百条，若残留率在百分之一量级，发现概率已经很高；比例再提高，工作量线性增长而发现概率提升有限。格式校验的通过率不设统一的固定值，而是以首批标定值为基线按批次上调——不同业务域、不同年代的资料格式规整程度差别很大，统一阈值会使品质好的域轻松通过、品质差的域永远不过，两种情形都失去了控制作用。✎ 对这块提意见

对象锚定成功率按批次统计并公示这一条，是为了让这个数成为后续各环节的共同依据。锚定率决定了时序与图像数据能否关联到具体工单与炉次，而这一关联是制造过程类任务的前提；锚定率低的批次，其数据在数据卡中限定用途，不进入需要工序级归因的训练子集。✎ 对这块提意见

控制点方法判定口径责任岗位来源可追溯数据源登记表与批次台账双向核对每一批次可反查到登记编号与授权文件，逐步接近可逐批追溯的状态数据受理岗授权完备受理前核验授权范围、许可类型与有效期授权缺失或过期的来源不生成批次数据受理岗、安全管理岗脱敏有效规则校验 ＋ 抽样人工复核，比例不低于 5%复核发现残留标识即整改并重跑该批次脱敏安全管理岗格式合规规则库自动校验各校验项通过率以首批标定值为基线按批次上调；隔离记录须有处置结论数据受理岗对象锚定时序与图像数据同工单、炉次记录比对锚定成功率按批次统计并公示，未锚定数据单列存放数据受理岗时点一致批次统一业务时点，偏差登记偏差超出批次计划约定范围时在批次说明中注明并提示下游数据受理岗重复入库文件指纹比对指纹相同的文件不重复入库，登记引用关系数据受理岗清点一致落地清点单与通道侧交付单核对数量不一致的先核对后受理数据受理岗✎ 对这张表提意见

1.14 采集环节产出物✎ 对这块提意见

采集环节的产出不止于数据本身。表中五项里，只有第一项是数据，其余四项都是让这批数据日后仍然可信的凭据：采集记录说明这批数据是怎么取回来的，数据源登记表说明它来自哪里、由谁维护、是否支持增量，许可核验台账说明它被授权用于什么范围，脱敏规则与复核记录说明其中的敏感信息已被如何处理。✎ 对这块提意见

把这四项列为正式产出物而非内部工作记录，是因为它们在三个时点会被用到：数据集发布时填写数据卡需要引用它们；第三方质量评测核查数据来源合法性时需要查验它们；项目期之后招标方自行扩充数据集时，需要照同一口径继续登记。若只交数据不交这四项，数据集在交付当时是完整的，在后续使用中却无从判断其边界。✎ 对这块提意见

交付对象一列标明了每一项的下游。其中数据源登记表直接交招标方信息化部门，原因是这张表记录的是源系统的实际状况（哪些表支持增量、哪些时间戳不可信、哪些接口需要原厂配合），这些信息对招标方自身的系统维护同样有用，不应只留在本项目内部。✎ 对这块提意见

产出物形式交付对象各业务域原始数据批次贴源区数据预处理环节采集记录结构化表预处理环节、数据卡回填数据源登记表结构化表甲方信息化部门、数据治理环节许可核验台账结构化表合规与安全环节脱敏规则与复核记录文档 ＋ 结构化表安全环节格式校验问题清单结构化表源侧与受理岗图纸与工艺卡片配对登记表结构化表预处理图像通道、标注环节时序对象锚定登记表结构化表预处理时序通道、标注环节落地清点单结构化表采集接入环节对账✎ 对这张表提意见

采集环节的三项产出同时是数据治理成果清单中的条目，两处的口径关系按以下三行对齐，避免同一成果在两处分别编制而彼此不一致。✎ 对这块提意见

会不一致，是因为两边的出发点不同。治理侧要的是企业级的资源目录、规则库与安全记录，口径偏全局；本环节产出的是按业务域、按批次积累起来的登记表与规则集，口径偏作业。若两边各编一套，半年之后企业级目录里会有本项目没有的来源，本项目的登记表里会有目录上查不到的系统，而两张表都声称自己是准的。✎ 对这块提意见

三行给出的口径关系都是「子集与同源」，不是「各编一份再对齐」：数据源登记表按业务域登记，治理环节汇总为企业级目录，不另行录入；入口校验项是质量校验规则库的子集，两边共用同一套规则版本号；脱敏规则依据安全方案的分级结论，分级结论变更即触发规则版本更新。这样安排之后，项目结束时移交的不是三份新文档，而是三份已经长在企业治理体系里的现行记录。✎ 对这块提意见

本环节产出对应的治理成果口径关系数据源登记表数据资源目录按业务域登记来源，治理环节汇总为企业级目录格式校验规则库数据质量校验规则库入口校验项是规则库的子集，规则版本同源脱敏规则与复核记录数据安全相关制度与记录规则依据安全方案的分级结论✎ 对这张表提意见

1.15 与采集接入环节的对账机制✎ 对这块提意见

分界点清楚之后还需要一道对账，否则「通道说发了、受理说没收到」这类争议无法判定。对账按批次执行。✎ 对这块提意见

要对的不只是数量。实际发生的不一致里，数量差只占一部分，更麻烦的是另外三类：时间窗有空洞——两次调度之间漏了一段，总数看着差不多，但某几天的数据根本没来；字段范围变了——源系统接口升级，少返回了两个字段，记录数一条不差而内容已经不全；源侧格式变更没人通知——表现为受理侧格式校验失败率突然升高，而失败原因一时看不出来。这三类都不会在「交付数量」一行上露出来，所以逐项单列，各给通道侧与受理侧两条依据，使任何一方都能独立复核，不必等对方认账才能定位。✎ 对这块提意见

末行的处置写的是「暂停该源受理」而不是「修正后继续」。接口版本变更期间继续受理，受理进来的是两种结构混在一起的数据，批次内部就不一致了，后面按批次做的任何统计都会失真；停一下，等字段清单更新、受理侧对齐之后再恢复，损失的是几天的增量，换回的是批次的内部一致。✎ 对这块提意见

对账项通道侧依据受理侧依据不一致的处置交付数量调度日志的记录数或文件数落地清点单差额按时间窗逐段核对，定位到具体调度批时间窗完整性取数时间窗批次取数时间窗时间窗有空洞的补调度字段范围接口返回字段清单字段清单版本字段缺失的核对授权范围与接口版本链路异常链路告警与重试记录采集中断标记中断时段登记并安排补采格式变更源系统接口版本变更通知格式校验失败突增暂停该源受理，待字段清单更新后恢复✎ 对这张表提意见

对账结论记入批次说明。连续两个批次对账不一致的源系统，提请与源系统责任方共同核查接口版本与授权范围。✎ 对这块提意见

1.16 采集环节的输入、产出、验收与退回✎ 对这块提意见

采集环节的验收由两方共同进行：来源合法性与授权完备性属甲方信息化部门职责，数据内容是否符合业务实际只有各业务域的数据责任部门能判断，二者缺一不可。退回路径按缺陷成因分流——通道不通或授权缺失退回采集接入环节，数据内容本身的缺陷退回源侧，格式与编码问题在本环节的隔离区内修正后重新提交入口检查节点判定。✎ 对这块提意见

项内容输入落地区的原始文件与原始记录；数据源登记表；授权文件与外部语料许可协议；数据分级结论产出各业务域原始数据批次、采集记录、许可核验台账、脱敏规则与复核记录、格式校验问题清单、图纸与工艺卡片配对登记表、时序对象锚定登记表、落地清点单验收方甲方信息化部门与各业务域数据责任部门验收方式按业务域清点批次与采集记录，抽查来源可追溯性与授权完备性抽样或统计口径批次台账逐批核对；脱敏复核不低于每批 5%；锚定成功率按批次统计退回路径入口检查节点不通过的批次挂起，不生成批次号；缺来源与授权的退回采集接入环节补齐；格式不合规的记录进隔离区并出问题清单；源数据本身的质量缺陷退回源侧✎ 对这张表提意见

2、数据预处理（3.2.6.3.2）✎ 对这块提意见

2.1 五条通道与算子框架✎ 对这块提意见

预处理按五条通道并行推进：文档类、图纸与图像、设备时序、视频、结构化与时序的文本化。五条通道的产出在规范区汇合，统一登记算子与版本，统一经预处理检查节点判定。✎ 对这块提意见

通道划分的依据是数据形态而不是业务域，原因是同一业务域内往往同时存在文档、图像、时序与视频四种形态，按形态分工比按域分工更能复用算子。业务域的归属信息随批次号带入，不因通道划分而丢失。✎ 对这块提意见

视频单列一条通道而不并入图像通道，是因为两者处理的东西不同：图像通道处理单帧的内容，视频通道处理帧与帧之间的变化，并且它的第一步作业是按业务事件分段，这一步在图像通道里没有对应物。✎ 对这块提意见

【图 3　预处理五条通道、算子链与预处理检查节点的回退路径（数据来源：】整幅图

图 3 预处理五条通道、算子链与预处理检查节点的回退路径（数据来源：招标文件 3.2.6.3.2 各项处理要求，b1400—b1414）✎ 对这块提意见

五条通道各由若干算子串联。算子是预处理的最小可调度与可复算单位，定义如下表。✎ 对这块提意见

算子属性说明算子编号通道码 ＋ 序号，全局唯一算子版本主版本.次版本，参数结构变化进主版本输入契约输入数据的形态、字段与前置算子输出契约输出数据的形态、字段与下游算子参数集可配置参数及其默认值、取值范围失败判定判定为失败的条件与门限失败处置重试、跳过并标记、整批回退三种之一指纹算子编号、版本与参数取值的哈希✎ 对这张表提意见

失败处置的三种取向有明确分工：可恢复的临时性失败（如解析器超时）用重试；个别样本的内容性失败用跳过并标记，不影响整批；契约性失败（输入字段缺失、前置算子未执行）用整批回退。✎ 对这块提意见

2.2 文档类通道✎ 对这块提意见

处理对象为合同、招投标文件、管理制度、技术标准、设备档案、维修记录、诊断报告、故障案例、质量报告等文档类资料（b1400）。处理动作与产出要求见 b1401、b1402、b1403。✎ 对这块提意见

2.2.1 版式判定与解析路径选择✎ 对这块提意见

1.3.1 PLM 结构化数据采集✎ 对这块提意见💬 1

1.3.2 设计文件与规范资料采集✎ 对这块提意见💬 1

1.3.3 图纸与工艺卡片关联登记✎ 对这块提意见💬 1

1.4 制造过程域数据采集✎ 对这块提意见💬 1

1.4.1 制造过程数据采集与检查✎ 对这块提意见💬 1

1.4.2 时序数据采集参数与时间窗口✎ 对这块提意见💬 1

1.4.3 焊接实时参数与预设参数关联采集✎ 对这块提意见💬 1

对事务、时序、图像、视频及文档分别核实实际生成机制、采集频率、时间戳、时钟来源和业务对象关联。连续采集、事件触发、抽检和人工记录按真实机制登记，核查设备、工件、工序、焊道或炉次的有效关系，再按具体任务开展时间和对象对齐。不存在或未确认的测点、关联和字段列入调查与补采计划，不将拟采集内容写成已经存在的现场数据。✎ 对这块提意见💬 1

从热处理群控系统及加装传感器采集工件淬火前后表面温度、加热功率和频率、淬火液温度、浓度与流量、感应器间隙、加热与冷却时间、返热温度，以及设备运行和启停状态、运行时长、报警代码；从EMS采集能耗时序；从EAM、SOS采集设备基础信息与台账、点检、维修工单、报警规则与数据、报警确认信息、诊断结论、处置建议及设备档案、维修记录、诊断报告和故障案例。记录各对象实际来源、业务时间、版本、适用设备及使用权限。✎ 对这块提意见💬 1

1.4.4 生产对象关联登记✎ 对这块提意见💬 1

1.4.5 焊接设备程序与参数来源调查✎ 对这块提意见💬 1

1.5 产品质量域数据采集✎ 对这块提意见💬 1

另一项是缺陷分类体系的历史版本问题。企业的缺陷分类目录在多年中修订过，早期记录用的是旧分类，与现行目录不是一对一关系：有的旧类别被拆成两类，有的两个旧类别被合并。受理时按原始分类如实入库，同时建立旧版到现行目录的映射表，映射关系为一对多或多对一的，在映射表中标明并说明处理方式。映射表由质量部门确认后生效，不由项目组单方面确定——分类口径属业务定义，确认权在业务部门。✎ 对这块提意见💬 1

还有一项是不合格品处理记录的闭环性。一条不合格判定之后，应有返工、让步接收或报废的处置记录与之对应；实际数据中存在判定有记录而处置无记录的情况。受理后按判定单号核查处置记录的匹配率，未匹配的单独统计。这个匹配率决定质量数据集能否支撑「缺陷到处置」的因果类任务；匹配率不足时，该类任务的数据基础在数据卡中如实说明，相关场景验证的判据随之调整。✎ 对这块提意见💬 1

版面解析先判版式，再分路处理。判定规则如下表。✎ 对这块提意见

版式判定结果判定依据解析路径失败判定原生电子文档文件内含可提取文本层，且文本层字符数与页面面积比例落在正常区间结构树解析：读取样式、层级、表格对象可提取字符数低于每页约定下限时改判为扫描件扫描件无文本层，或文本层为乱码版面分析 ＋ 文字识别识别置信度低于门限的页进人工复核队列混合版式部分页有文本层、部分页无按页分路，结果按页序合并合并后页序不连续即判失败表单类文档版面以表格为主、正文占比低表格优先解析，正文按残余文本处理表格结构识别失败即整文件回退图纸化文档页面以矢量图元或图像为主转入图纸与图像通道—✎ 对这张表提意见

1.5.1 质量影像与检验记录关联✎ 对这块提意见💬 1

1.5.2 纸质检测报告调查与数字化✎ 对这块提意见💬 1

1.6 通用语料与外部语料采集✎ 对这块提意见💬 1

1.7 四领域多模态数据采集与登记✎ 对这块提意见

1.7.1 采集对象与登记要求✎ 对这块提意见

对各业务领域的实际模态来源开展调查，记录已确认来源、尚待核实来源和建设补采需求，并检查来源的业务相关性、使用权限及质量条件。某一来源暂未发现视频或其他模态时，登记调查范围、时间和结果，不将尚未核实的情况写成该领域永久不存在该模态，也不虚构已经留存的视频、测点或记录。✎ 对这块提意见

根据整体模态覆盖要求和各领域实际业务任务安排采集与补采，明确拟采集内容、设备或系统条件、授权、标识和质量检查。跨领域使用的资料保留同一来源及各项真实关联，不能为填满表格而任意改变领域归属、重复复制或将无关影像配入业务样本。阶段性来源缺口持续跟踪至补采及核验完成，不以留空或记零替代交付要求。✎ 对这块提意见

数据领域模态采集对象格式、粒度及时间记录对象标识与关联核验供需计划文本及结构化业务记录客户、商机、报价、合同、订单、回款、采购、供应商、库存及出入库等相关业务记录，招投标文件、资质文件和业绩合同保存源接口字段、字符集、数值精度、单位及记录版本；结构化数据保留单据头和明细，文件保留原始格式、版本及附件；记录业务发生时间与采集时间使用来源系统和各类业务对象原始标识，按实际关系关联商机、合同、订单、回款及采购库存记录；文件记录原始文件标识和版本，不强制所有对象以合同号为唯一主键供需计划图像实际取得且获准使用的合同、证照扫描页及业务附件图像保留原始文件和页图，登记页序、扫描分辨率、色彩信息及处理版本；扫描时间与文件形成时间分开以源文件标识、版本及页码定位，关联实际合同或资质对象；重复扫描保留关系，不新增独立业务事实供需计划时序历史销量、订单量、销售预测、库存快照及出入库事件形成的时序数据按源系统真实记录粒度采集，保留业务时间、统计期间、快照时刻、单位及更新状态；月度等汇总作为独立派生成果，记录汇总规则，不覆盖明细；预测值与实际值分列结合来源、物料、组织或仓储范围、统计期间及源记录标识定位；区分事件时间和快照时间，预测任务使用在预测时点实际可获得的数据供需计划视频调查与供需业务有关且有授权的现有视频及经确认的新增采集需求如存在可用来源，登记原始封装、编码、分辨率、帧率、时长、音轨及时间信息；

模态来源调查结果按已确认可用、待核实、需补采及不适用分别登记，并说明调查范围及判断依据。暂未取得资料的模态列明后续调查或补采任务，不直接形成永久缺失结论。最终模态统计以经质量检查和验证的实际发布样本为依据，明确各样本的组成模态及真实关联；缺口处理完成前持续跟踪其对总体和分项交付要求的影响，不用表格留空、记零或其他模态数量增加替代应完成的建设要求。✎ 对这块提意见

1.7.2 文本及结构化记录采集✎ 对这块提意见

1.7.3 图像采集与质量检查✎ 对这块提意见

1.7.4 时序数据采集与时间校验✎ 对这块提意见

1.7.5 视频采集与分段管理✎ 对这块提意见

1.12 原始数据批次与采集记录✎ 对这块提意见

1.7.6 数据版本与使用授权管理✎ 对这块提意见

1.13 数据采集质量检查✎ 对这块提意见

1.14 数据采集成果与交付✎ 对这块提意见

1.15 数据采集对账✎ 对这块提意见

版式判定之后进入版面抽取与文字识别。这一步在本通道里工作量最大、也最容易在后续被发现做坏了，因此把步骤、规则与失败去向逐项写明。✎ 对这块提意见

作业步骤。一、页面预处理：去噪、纠偏、按内容密度剔除空白页与分隔页，纠偏角度与噪点阈值随算子参数登记。二、版面分析：把页面切成标题区、正文区、表格区、图区、页眉页脚区与印章区，切分结果以区域框坐标与类型记录。三、阅读顺序判定：按栏数与区域位置排出区域的阅读次序，双栏与混排页按栏内优先。四、分区识别：正文区与标题区做文字识别，表格区转表格重建路径（3.2.3），图区转图纸与图像通道，印章区单独识别并登记印章文本与位置。五、结果回写：逐区写回文本、区域坐标、识别置信度与所用识别模型版本。六、页级自检：核对识别字符数与页面内容密度是否匹配，核对区域框是否重叠或遗漏。✎ 对这块提意见

抽取规则。表格区与图区不做整页文字识别，避免把表格内容拉成一串失去行列关系的文字；页眉页脚区识别后不进正文，作为文件元数据单列；印章区的文字不混入正文，单列为印章字段，理由是印章文本与正文混排后会在条款切分时造成断句错误。竖排与手写批注区按单独区域类型登记，手写批注不进入正文切片，作为页级附注保留。表面有折痕或装订孔压字的区域，识别置信度按区域单独统计，不与整页平均值混算。✎ 对这块提意见

输入输出实例。下例按本节已定义的字段结构与判定规则推演，用于说明一页扫描件被抽成什么、每个字段怎么填与怎么检；页数、坐标与置信度在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：一份纸质检验报告的扫描页，无文本层，含抬头、一张有线表、一处检验结论文字、一枚检验专用章、页脚页码。✎ 对这块提意见

输出区域区域类型阅读次序处理路径产出字段抬头标题区1文字识别层级路径、标题文本、置信度检验项目表表格区2转表格重建行列索引、表头、单元格文本、合并关系检验结论正文区3文字识别正文文本、位置偏移、置信度检验专用章印章区不进正文印章识别印章文本、区域坐标页脚页码页眉页脚区不进正文剔除并登记页码值，写入文件元数据✎ 对这张表提意见

页级自检的核对项：五个区域框互不重叠且覆盖页面有效内容区；识别字符数与内容密度比值落在正常区间；表格区的行列数判定唯一；置信度低于门限的区域为零。任一项不满足即按下表隔离。✎ 对这块提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件页面不可解码图像解码失败或分辨率低于下限隔离区，入问题清单回源侧重新扫描或提高扫描分辨率后重新受理区域框重叠或遗漏页级自检命中该页回退重做版面分析，降低切分灵敏度后重试一次重试仍不通过的进人工复核队列区域识别置信度低于门限区域级平均置信度低于门限该区域进人工复核队列，同页其余区域照常产出复核补录后按区域回填，不整页重做整页识别置信度低于门限页级平均置信度低于门限整页进人工复核队列复核结论为可用的补录后入库，为不可用的标记为仅存档阅读顺序判定不唯一栏数判定出现多个候选该页回退，按单栏强制处理一次并标注标注后的结果供人工复核确认印章遮挡正文印章区与正文区重叠面积超门限被遮挡的正文片段标记为不完整，不进条款级索引取同一文件的其他副本或原件重扫后替换✎ 对这张表提意见

进人工复核队列的页不阻塞同一文件其余页的处理：其余页照常产出并标记该文件为部分待复核，复核完成后按页序合并。这一安排的代价是同一文件可能在两个时点分两批产出，因此合并时按页序号校验连续性，不连续即判失败并整文件回退。✎ 对这块提意见

2.2.2 章节结构还原✎ 对这块提意见

章节结构还原依据三类线索交叉判定：标题样式（字号、字重、编号格式）、编号序列（章条款项的连续性）、目录页（若存在，用作校验而非主依据）。三类线索不一致时按编号序列优先，理由是编号序列是文档作者的显式结构表达，比样式更稳定。✎ 对这块提意见

1.16 采集交接检查与异常退回✎ 对这块提意见

2.1 多模态数据预处理流程✎ 对这块提意见

2.2 文档数据预处理✎ 对这块提意见💬 1

2.2.1 文档版式识别与解析✎ 对这块提意见💬 1

图像预处理在副本上执行，按原件状况选择去噪、方向校正、纠偏和必要的图像增强，记录参数、工具版本及坐标变换。处理后对照原图检查小数点、正负号、上下标、细线、印章和浅色文字，发现细节损失时回退到原图并调整方法，不能以画面变干净代替内容完整性。✎ 对这块提意见

项内容输入落地区的原始文件与原始记录；数据源登记表；授权文件与外部语料许可协议；数据分级结论产出各业务域原始数据批次、采集记录、许可核验台账、脱敏规则与复核记录、格式校验问题清单、图纸与工艺卡片配对登记表、时序对象锚定登记表、落地清点单交接检查方按项目确认的职责安排，由接收人员组织检查，质量与安全人员按职责复核；涉及业务含义、历史记录或对象关系的，由对应业务责任人员协同核实交接检查方式按业务域清点批次与采集记录，核对来源可追溯性与授权完备性抽样或统计口径批次台账逐批核对；脱敏复核不低于每批 5%；锚定成功率按批次统计退回路径入口检查节点不通过的批次挂起，不生成批次号；缺来源与授权的退回采集接入环节补齐；格式不合规的记录进隔离区并出问题清单；源数据本身的质量缺陷退回源侧✎ 对这张表提意见

【图 3　多模态数据预处理与异常处置流程✎ 对这块提意见】整幅图

还原项方法保留字段失败判定与处置标题层级样式聚类 ＋ 编号序列解析层级号、层级路径、标题文本编号序列出现断号且无法用样式补齐时，该文件标记为结构不完整，进人工复核来源页码解析时记录每一节的起止页起始页、结束页页码缺失的文件不进入条款级索引正文位置偏移记录每一节在全文字符流中的起止偏移起始偏移、结束偏移偏移与重解析结果不一致即判失败目录校验将还原结果与目录页比对校验结论、差异条目差异条目数超门限的进人工复核附件与附录按标识识别并单列附件标识、所属主文件无法判定归属的单独成件✎ 对这张表提意见

2.2.3 表格与公式重建✎ 对这块提意见

表格重建是版式解析中最容易出错的一步，原因是表格的视觉结构与逻辑结构不一致。人看一张有线表，线框就是单元格边界；而扫描件的线框可能残缺、可能被折痕打断，按线框切分就会把一个单元格切成两个。无线表没有线框，只能靠文本对齐推断列边界，而工艺文档里常有跨列的说明文字，它会让列投影出现多个候选切分位置。✎ 对这块提意见

因此本节对每类表格都明确了失败处置，而不是只给处理方法。线框残缺的转无线表路径，是因为两条路径的失败模式不同，一条失败另一条可能成功；列数判定不唯一的进人工复核，是因为这种情形下自动选择必然有一半概率选错，而选错的表格会把整行数据错位，这类错误在后续加工中极难被发现。跨页表格不合并的条件写得很具体——表头不重复且无续表标记——因为误合并两张不相关的表，比把一张表拆成两张的后果严重得多。✎ 对这块提意见

公式处理上保留结构化表达而非转成图片，是为了让公式中的变量与数值可被检索与核算。材料定额、工艺参数窗口这类信息常以公式形式出现在工艺规程中，若只保留图片，这部分知识在数据集中就是不可用的。识别失败时保留原文字符串，至少使人工后续补录有据可依。✎ 对这块提意见

对象处理方法保留信息失败处置有线表按线框检测切分单元格行列索引、单元格合并关系、表头线框残缺的转无线表路径无线表按文本对齐与列投影切分同上列数判定不唯一的进人工复核跨页表格按表头重复与续表标记合并合并前各页范围表头不重复且无续表标记的不合并，分别成表嵌套表格按层级分别重建父子表关系层级超过约定深度的降级为文本行内公式保留结构化表达公式文本、变量符号识别失败的保留原文字符串独立公式块保留结构化表达公式编号、所在章节识别失败的回退为图像并在正文留占位与引用图片化公式回退为图像图像引用、所在位置—✎ 对这张表提意见

2.2.4 正文切分✎ 对这块提意见

切分按「章节边界优先、长度边界兜底」的次序进行：先按还原出的章节层级切分，章节过长再按段落与句子边界二次切分，切片之间保留重叠窗口以免跨切片的语义被切断。✎ 对这块提意见

切分参数口径说明一级切分依据章节层级边界不跨章节切分二级切分依据段落边界，其次句子边界不在句子内部切断切片长度目标区间按用途分档：预训练子集用长切片，检索增强用中等切片，条款级索引用条款自然长度具体取值写入算子参数，随批次登记重叠窗口相邻切片保留一段重叠重叠长度按用途分档配置最小切片长度低于下限的切片与相邻切片合并避免产生无信息量的碎片保留字段层级路径、来源页码、位置偏移、切片序号回查原文的依据✎ 对这张表提意见

管理制度与技术标准另有条款级切分要求，在知识库环节处理，见 4.3。✎ 对这块提意见

2.2.5 去重与去噪✎ 对这块提意见

去重分三层，各层方法与参数如下。✎ 对这块提意见

层级方法判定口径处置文件级内容哈希比对哈希相同即判重复不重复入库，登记引用关系段落级最小哈希相似度过滤相似度超过门限判近重复，门限按文档类型分档保留版本较新或来源更权威的一份，其余登记为重复句子级模板化套话的频次统计全库出现频次超过门限且不携带业务信息的句式批量剔除并记录剔除规则✎ 对这张表提意见

去噪处理下表所列噪声类型。✎ 对这块提意见

噪声类型识别方法处置页眉页脚跨页重复位置与重复文本剔除，保留一份作为文件元数据水印固定位置的重复文本或图层剔除修订痕迹修订标记与批注对象按版本状态决定：定稿件剔除，草稿件保留并标记目录残留页码点线串与目录样式剔除正文中的目录副本，保留目录结构扫描噪点与倾斜图像预处理检测去噪、纠偏后再识别乱码片段字符分布异常检测标记并剔除，超门限的整页进人工复核空白页与分隔页内容密度检测剔除，保留页序记录✎ 对这张表提意见

去重与去噪都保留处置记录，被剔除的内容可按批次回查。这一条是刻意保留的：下游若发现某类内容被误剔除，可按规则批量恢复，不必重新解析。✎ 对这块提意见

去重与去噪的作业步骤、规则与失败去向如下。✎ 对这块提意见

作业步骤。一、文件级：对入库文件逐件计算内容哈希，与已入库指纹库比对，命中即登记引用关系并跳过后续处理。二、切片级预分桶：对通过文件级的切片按长度与首部特征分桶，减少两两比对的范围。三、段落级近重复判定：桶内按最小哈希计算相似度，超过门限的成对标记。四、择一保留：成对的切片按来源权威度与版本新旧择一保留，其余登记为重复并指向被保留的那一条。五、句子级套话剔除：统计全库句式频次，超过频次门限且不携带业务信息的句式按规则批量剔除。六、去噪：按噪声类型逐项处理页眉页脚、水印、修订痕迹、目录残留、噪点与倾斜、乱码片段、空白页。七、处置登记：被剔除与被判重复的内容逐条登记，记录命中规则与所属批次。✎ 对这块提意见

判定规则。相似度门限按文档类型分档：制度与标准类文档的条款表述高度规范，门限设得严；维修记录与故障案例的表述自由，门限设得松。择一保留的次序是先看来源权威度（受控版本优先于打印件扫描、现行版本优先于历史版本），权威度相同再看版本新旧，两者皆同则保留先入库的一条。套话剔除设白名单：含有数值、术语表内词条、条款编号或对象标识的句子不剔除，即使频次很高——「按本标准第 X 条执行」这类句式频次高但携带引用关系，剔掉之后条款引用识别就失去线索。修订痕迹按版本状态处理：定稿件的修订标记剔除，草稿件保留并标记，理由是草稿中的修订过程本身是工艺与制度演变的素材。✎ 对这块提意见

输入输出实例。下例按本节的分层与判定规则推演，用于说明三层去重各自命中什么、处置记录怎么填；相似度数值与批次计数在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：同一份工艺规程的三个来源件，以及一批维修记录切片。✎ 对这块提意见

输入对象来源命中层级判定依据处置登记内容工艺规程甲（受控版本）产品生命周期管理系统—未命中保留，作为基准件—工艺规程乙（车间打印件扫描）车间现场文件级内容哈希与甲不同（扫描件带噪点）继续进段落级—工艺规程乙的正文切片同上段落级与甲的对应切片相似度超门限判近重复，保留甲重复登记，指向甲的切片编号，记录相似度与命中规则工艺规程丙（工艺员汇总表）个人整理段落级与甲相似度未超门限（内容有增补）保留，标注来源权威度为低差异台账条目，交工艺工程师判定维修记录中的「按规程执行，故障排除」制造执行与设备管理系统句子级全库频次超门限，不含数值与术语表词条剔除剔除规则编号、命中条数、所属批次维修记录中的「更换三号轴承，间隙调至规程下限」同上句子级频次高但含对象标识与规程引用白名单命中，保留白名单命中登记✎ 对这张表提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件近重复过滤比例异常升高本批次过滤比例较基线明显升高暂停该算子，本批次切片原样保留在规范层待定区复核门限并确认升高成因后重跑；成因为来源重复入库的，回采集侧核对清点套话剔除后信息量低于下限文件剩余有效字符数低于下限该文件回退，撤销本次剔除调整频次门限或补白名单后重跑该文件去噪后字符损失率超门限去噪前后字符数差值超门限该文件回退并降低去噪阈值重试一次重试仍超门限的进人工复核队列择一保留择错质检抽样复核发现保留了低权威度件按被保留切片编号整批回查同一规则命中的条目修正权威度登记后按规则批量重判，被误剔除的按处置记录恢复指纹库冲突两份内容不同的文件指纹相同两份均保留并标记冲突更换哈希算法重算该批次后解除标记✎ 对这张表提意见

去重去噪的全部处置记录保留在废弃层，不随批次关闭删除。下游若发现某类内容被误剔除，按规则编号批量恢复即可，不必回到原始文件重新解析。✎ 对这块提意见

2.2.6 文档类通道的产出字段✎ 对这块提意见

字段说明样本编号批次号 ＋ 通道码 ＋ 顺序号源文件编号关联采集环节的文件登记文件名称与版本原文件标识层级路径如「第 3 章＞第 2 节＞第五条」来源页码起始页、结束页位置偏移起始偏移、结束偏移正文文本切片内容表格对象结构化表格数据（若有）公式对象结构化公式或图像引用（若有）处置标记去重、去噪、人工复核的处置记录算子指纹链本样本所经各算子的指纹序列✎ 对这张表提意见

产出：保留章节层级与来源页码的结构化长文本，供预训练子集与检索增强样本构建使用（b1402、b1403）。✎ 对这块提意见

2.3 图纸与图像通道✎ 对这块提意见

处理对象为工艺图纸（PDF）、CAD 图纸（DWG／DXF）、工艺卡片、熔池图像、焊后焊道表面图像与工件外观缺陷图像（b1404、b1405）。✎ 对这块提意见

2.3.1 矢量化程度判定✎ 对这块提意见

「什么程度算可进原生解析路径」需要一个明确口径，否则同一批图纸会被不同作业人员分到不同路径。判定规则如下表，按顺序逐项判定，任一项不满足即降级。✎ 对这块提意见

判定项可进原生解析路径的条件不满足时的降级路径图元可读文件能被原生解析器打开，图元对象可枚举转栅格路径图层结构图层名可读，且与企业制图标准的图层约定可对应原生解析但图层信息留空，图层相关字段标记为缺失尺寸标注对象标注以标注对象存在，而非散落的文字与线段原生解析 ＋ 标注重建，标注置信标记为中文字对象文字以文本对象存在，非图形化描边对文字区域做识别补齐，置信标记为中视图投影关系视图边界可识别，视图间对应关系可按投影规则推断仅做单视图解析，投影关系字段留空外部引用外部参照与块定义完整，无缺失引用缺失引用的部分标记为不完整✎ 对这张表提意见

降级不等于废弃：降级路径的产出仍可用于检索与图像标注，只是不进入需要精确尺寸的样本构建。这一分级口径与下游标注环节共用。✎ 对这块提意见

2.3.2 原生图元解析✎ 对这块提意见

原生图元解析与图像识别是两条完全不同的路径，必须分开讲清。电子图纸中保存的是几何图元的精确坐标与属性，解析它是读取而不是识别，结果是确定的；扫描件只有像素，必须靠算法推断轮廓，结果带置信度。本节的五类解析对象都属前者，因此它们的抽取准确性不以识别率衡量，而以解析覆盖率衡量——即图纸中有多少图元被成功读出并归类。✎ 对这块提意见

五类对象中，图层信息的价值最容易被低估。按制图标准，轮廓线、中心线、剖面线、标注分别位于不同图层，图层名与线型本身就携带了语义；不读图层而只读几何，则所有线条都是等价的线段，轮廓还原要靠几何推断，准确性大幅下降。实际情况是企业的图层命名并不完全规范，存在自定义图层与混放情形，因此解析时按图层名与线型双重判据归类，两者冲突的进待确认列表，由工艺人员确认后形成本企业的图层映射表。✎ 对这块提意见

符号标注一类（粗糙度、坡口、倒角、形位公差、焊接符号）是备料与焊接工艺设计的直接输入。它们在图纸中既可能是块引用，也可能由线段与文字拼成；后一种情形无法按块读取，需按符号的几何特征与相对位置组合判定。这部分的实测覆盖率在预处理环节的质量报告中单列，因为它直接决定板材备料工艺智能设计场景的数据基础是否成立。✎ 对这块提意见

解析对象抽取内容用途几何图元线、圆弧、圆、样条、多段线的坐标与属性轮廓还原、特征识别图层图层名、线型、颜色、可见性按制图标准区分轮廓、中心线、剖面线、标注尺寸标注标注类型、测量值、公差、关联几何尺寸提取、材料定额核算的输入符号标注粗糙度、坡口、倒角、形位公差、焊接符号加工要求识别，作用表面范围判定文字与属性标题栏属性、技术要求文本、零件序号元数据抽取块与外部参照块名、插入点、属性值标准件识别视图与边界视图框、比例、投影方向多视图投影关系推断✎ 对这张表提意见

2.3.3 图面区域切分✎ 对这块提意见

图面区域切分按图纸的固有分区进行，切分后分别抽取。✎ 对这块提意见

区域识别依据抽取内容标题栏图框右下角固定位置 ＋ 字段标签图号、名称、材料牌号、比例、版本、设计与审核标识（标识字段按入口脱敏规则处理）明细表区表格结构 ＋ 序号列零件序号、名称、数量、材料、备注视图区图框内除上述区域的几何密集区视图边界、视图类型、所含图元技术要求区文本块 ＋ 关键词（如「技术要求」）文字条款逐条切分修改记录区图框内的修改表修改单号、日期、内容✎ 对这张表提意见

2.3.4 图文关联✎ 对这块提意见

建立三类对照，字段如下。✎ 对这块提意见

对照类型关联键字段用途图号与工艺卡片号图号图号、卡片号、物料清单行号、配对置信标记工艺设计监督样本构建图元与标注标注关联几何的句柄标注编号、关联图元标识、测量值、作用表面范围尺寸与加工要求的结构化图像与检验记录工件号 ＋ 焊道号 ＋ 采集时点图像编号、检验单号、检验项、结论质量影像的标签来源✎ 对这张表提意见

工艺过程图像另按工件号、焊道号与采集时点挂接到制造过程域的时序片段上，形成图像与参数的同期对照。挂接依据是采集环节的对象锚定登记。✎ 对这块提意见

图文配对是本通道中唯一产出监督关系而非产出内容的一步，配错的代价因此与别处不同：内容错了下游能看出来，配对错了下游看不出来，它只会在模型里变成一条错误的对应关系。本小节给出配对的步骤、判定规则、实例与失败去向。✎ 对这块提意见

作业步骤。一、取键：从图纸标题栏抽出图号、零件名称与材料牌号，从工艺卡片抬头抽出卡片号与所属图号，从图像元数据取工件号、焊道号与采集时点。二、一级匹配：按主键直接匹配——图号对图号、工件号加焊道号加时点对检验记录。三、二级交叉核对：一级匹配成功的，再用辅助字段交叉核对一次，零件名称与材料牌号两项同时对上才判高置信。四、三级兜底：一级匹配不成功的，按目录位置相邻、文件名相似度与物料清单行号三项线索给出候选，候选进人工核对队列。五、置信分级与登记：按前三步结果打高、中、低三档，逐条登记配对判定依据。六、反向校验：抽取已配对条目，从卡片号反查图号，核对是否回到同一条。✎ 对这块提意见

判定规则。一对一是常态但不是前提：一张图可能对应多个版本的工艺卡，一张卡也可能覆盖同族的几个图号。配对表按多对多登记，不强行压成一对一。主键对上而辅助字段对不上的，不判高置信而判中置信并进核对队列——图号相同而零件名称不同，多半是图号被重复使用或标题栏抽取出错，两种情形都不能直接采信。置信标记为低的配对不进入监督样本，只作为检索候选，这一口径与 2.3.1 的矢量化分级口径并列，都是「降级不废弃」。图像与检验记录的配对另有一条时间规则：采集时点须落在该焊道的焊接时间窗内或检验时点的约定邻域内，落在区间外的即使工件号焊道号都对也不配对，因为那多半是另一次返修或复检的图像。✎ 对这块提意见

输入输出实例。下例按本节定义的三级匹配与置信分级规则推演，用于说明配对表怎么填、三档分别对应什么情形；条数与比例在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：四组待配对对象。✎ 对这块提意见

序输入一级匹配二级交叉核对三级兜底置信标记去向1图纸（图号、零件名称、材料牌号齐全）与同图号工艺卡片图号对上零件名称与材料牌号均对上—高进工艺设计监督样本2图纸与工艺卡片，图号对上但卡片所载材料牌号不同图号对上材料牌号不一致—中进人工核对队列；核对为版本差异的升为高，为图号重用的拆开重配3扫描图纸标题栏未识别出图号，同目录下有一张卡片不成立—目录位置相邻、文件名相似低仅作检索候选，不进监督样本4焊道表面图像与该工件该焊道的检验记录，采集时点晚于焊接时间窗工件号与焊道号对上时间规则不满足—不配对单列为复检或返修图像，待工单补充后重判✎ 对这张表提意见

输出的配对登记条目字段为：图号、卡片号、物料清单行号、零件名称、材料牌号、配对判定依据（自动匹配／人工确认／待核对）、置信标记、核对岗位与时间、反向校验结论。✎ 对这块提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件关联键缺失图号或卡片号抽取为空置信标记为低，进检索候选池标题栏重新抽取或人工补录图号后重配一对多超出合理范围同一图号匹配到的卡片数超出约定上限该图号的全部候选进人工核对队列核对确定对应关系后按多对多登记反向校验不一致从卡片号反查不回原图号该条配对撤销，两侧对象重回待配对池查明键值重复或抽取错误后重配图像时间规则不满足采集时点落在时间窗外单列为复检或返修图像补到对应的返修工单后按新时间窗重判批次配对率低于下限本批次高置信配对占比低于批次计划约定的下限暂停该批次进入标注，不暂停受理核查标题栏抽取与图号清册后重跑配对算子抽样复核发现错挂质检岗抽样核对命中按图号整批回查同一规则命中的条目修正匹配规则后批量重判，错挂条目撤销并留痕✎ 对这张表提意见

配对率按批次统计并公示。首批以试点产品型号的图纸与卡片标定基线，后续批次逐步接近每一张有卡片的图纸都带高置信配对的状态；连续两个批次高置信占比低于下限，暂停该来源的自动配对，转全量人工核对并排查标题栏抽取算子。✎ 对这块提意见

2.3.5 图像样本的规范化✎ 对这块提意见

处理项口径格式统一统一为约定的无损或低损格式，原始文件保留分辨率低于约定下限的标记为仅存档，不进入标注样本色彩与曝光熔池图像保留原始亮度信息，不做自动增强，避免改变可判读特征区域切分按采集点位的固定取景框切出有效区域元数据采集时点、相机位号、工件号、焊道号、工序、关联参数窗脱敏画面中出现的人员与铭牌信息按入口脱敏规则处理✎ 对这张表提意见

产出：可用于多模态标注与训练的图像样本及其图文对照记录（b1406）。✎ 对这块提意见

2.4 设备时序通道✎ 对这块提意见

处理对象为 SCADA、热处理群控、EMS、SOS 等来源的设备时序数据（b1407）。处理动作为多测点时间对齐、重采样、缺失补齐与异常值处理，并按事件锚定切分时间窗（b1408、b1409）。✎ 对这块提意见

2.4.1 时间基准与多测点对齐✎ 对这块提意见

时间对齐是制造过程数据加工里最不显眼也最容易塌方的一步。它不显眼，因为对齐做对了看不出来；它容易塌方，因为一旦错位，后续所有基于时序的分析都会得出看似合理却完全错误的结论——焊接电流的峰值被对到了上一道工序的时间窗里，模型学到的就是一个凭空的关联。✎ 对这块提意见

本节把对齐拆成五个处理项，核心是先解决基准、再解决相位、最后用事件锚点做二次校正。源系统时钟偏差先按源登记并补偿，这是基准层；各测点按主测点时标做最近邻或插值对齐，这是相位层；在此之上再以开炉、起弧这类物理事件为锚点校正一次，因为前两层只能消除系统性偏差，消除不了设备启停的记录延迟。三层做完仍有残差超门限的，整段标记而不是强行使用。✎ 对这块提意见

失败处置一列全部指向「标记」而不是「丢弃」。时基不确定的数据仍有价值——它可以用于不依赖精确时序的任务（如工况分布统计），只是不能用于需要时序因果的任务（如参数到缺陷的归因）。把它标记出来而不是删掉，使数据集的可用范围由使用方按任务判断，而不是在加工阶段替使用方作决定。这一原则贯穿本节各环节：不可用的信息要被标出，不要被抹去。✎ 对这块提意见

处理项方法参数失败处置时间基准统一以企业统一时间基准为准，各源系统时钟偏差按源登记并在对齐时补偿偏差值、补偿方向偏差未知的源，该时间窗数据标记为时基不确定时区归一统一到约定时区并显式标注目标时区无时区信息的按源系统默认时区补齐并标记采样相位对齐以主测点时标为参照，其余测点按最近邻或插值对齐对齐容差超容差的测点在该窗内标记为未对齐跨系统对齐以事件时刻（开炉、起弧）为锚点做二次校正锚点类型、允许平移量校正后残差超门限的整段标记对齐校验跨测点时标一致性校验 ＋ 同期事件比对一致性门限发现跨测点错位的，该设备该时间窗整段回退重对齐✎ 对这张表提意见

2.4.2 重采样✎ 对这块提意见

重采样按物理量性质选择方法，不用一种方法处理所有量。✎ 对这块提意见

物理量类别典型测点重采样方法说明温度类淬火前后表面温度、层间温度、返热温度窗内均值保留窗内极值作为附加字段电气连续量实时电流、实时电压、加热功率窗内均值 ＋ 均方根焊接侧另保留原始密度版本频率与速度频率、焊接速度、送丝速度窗内均值变化率作为附加字段流量与浓度淬火液流量、浓度、保护气体流量窗内均值零值与停机状态区分标记几何量感应器间隙、焊枪摆动振幅窗内均值设定值与实际值分列状态类设备运行状态、启停状态、变位机状态窗内众数状态翻转次数作为附加字段累计量能耗、运行时长窗内差分计数器回绕按规则修正事件类报警代码、起弧与收弧不重采样事件原样保留并带时标✎ 对这张表提意见

统一步长按数据组分档设定，写入算子参数并随批次登记；焊接参数在统一步长版本之外另保留原始密度版本，供需要细节的样本构建使用。✎ 对这块提意见

作业步骤。一、取物理量类别：按测点配置查出该测点的物理量类别，据此选定重采样方法，类别缺失的按本体能耗与工况类目的属性回查。二、定窗：按统一步长划分重采样窗，窗边界对齐到整步长时刻，不按数据起点随机对齐，否则不同测点的窗边界错开，后续横向比较仍对不上。三、窗内聚合：按方法表计算窗内值，同时计算附加字段（极值、均方根、变化率、翻转次数）。四、有效性判定：统计窗内有效点数，低于下限的窗不产出聚合值，标记为有效点不足。五、双份落地：焊接侧与热处理侧在统一步长版本之外另落原始密度版本，两份互相指向。六、登记：写入算子指纹，含统一步长取值、方法表版本与各测点的方法选择结果。✎ 对这块提意见

聚合规则。连续量取窗内均值，电气量另取均方根——焊接电流的有效值与算术均值在波形不对称时差别明显，而缺陷相关的是有效值。状态类取窗内众数而非首值或末值，并把翻转次数作为附加字段保留，因为一个窗内状态翻转三次与稳定不变，众数可能相同而工况完全不同。累计量取窗内差分，计数器回绕按量程上限修正，修正动作逐次登记。事件类不重采样，原样保留带时标——事件一旦被归并到窗里，它的发生时刻精度就降到了步长量级，而事件锚定切窗正是靠这个时刻定边界的。有设定值的参数，实际值与设定值分列重采样，不先作差再重采样，理由是差值的重采样会把符号相反的偏离互相抵消。✎ 对这块提意见

输入输出实例。下例按本节的方法表与窗口规则推演，用于说明同一个窗内不同物理量各自产出什么字段；数值在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：一个统一步长窗内的五类测点原始采样。✎ 对这块提意见

测点类别窗内原始点重采样方法输出主字段输出附加字段有效性判定实时电流（电气连续量）窗内多点连续采样均值 ＋ 均方根窗内均值、窗内均方根窗内最大值、最小值、变化率上界有效点数达下限，产出层间温度（温度类）窗内多点连续采样均值窗内均值窗内极大值、极小值有效点数达下限，产出变位机状态（状态类）窗内若干次状态记录众数窗内众数状态状态翻转次数有效点数达下限，产出能耗读数（累计量）窗首与窗尾读数差分窗内增量是否发生计数器回绕、修正量窗尾读数小于窗首且未判回绕，标记待判起弧标记（事件类）窗内一次事件不重采样事件类型、原始时标—原样保留✎ 对这张表提意见

同一窗的输出另带三项公共字段：窗起止时刻、窗内有效点数与总点数、本窗所用算子指纹。焊接侧的原始密度版本与本窗在血缘中互相指向，指向关系写入对照关系表。✎ 对这块提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件方法表未覆盖该物理量测点配置的物理量类别在方法表中查不到该测点本窗跳过并标记，同窗其余测点照常产出方法表补该类别后重跑该测点，不整批重跑窗内有效点不足有效点数低于下限本窗不产出聚合值，标记为有效点不足缺失补齐环节补短缺口后按补齐结果重算窗边界未对齐窗起止时刻不在整步长时刻上整段回退重划窗修正对齐基准后重跑计数器回绕判定不成立窗尾读数小于窗首，但差值不接近量程上限该窗增量标记为待判，不进入能耗统计核对量程配置或源侧读数后重算双份落地缺一焊接侧或热处理侧只产出了统一步长版本该批次该通道回退补落原始密度版本并建立互指关系后重跑同指纹复算结果不一致质检岗按算子指纹复算命中暂停该算子版本，受影响批次按指纹定位查明不确定性来源并固定后重发版本✎ 对这张表提意见

2.4.3 缺失补齐✎ 对这块提意见

缺口长度判定处置标记单点缺失相邻点均有效线性插值标记为插值值短缺口缺口长度不超过约定上限线性插值或前向填充（状态类用前向填充）标记为插值值并记录缺口长度长缺口缺口长度超过约定上限不补，整段标记缺失标记为缺失段整测点缺失该窗内测点无任何数据不补，字段留空标记为测点无数据采集中断多测点同时缺失且时长相近判为链路中断，整窗标记标记为采集中断并提示采集接入环节✎ 对这张表提意见

补齐与否的边界由下游用途决定，因此预处理只做两件事：按规则补短缺口，并把所有补齐动作标记清楚。插值值在样本中可被下游按需过滤。✎ 对这块提意见

作业步骤。一、缺口识别：按测点逐段扫描时标序列，识别缺口位置与长度；多测点同时缺失且时长相近的先判为采集中断，不按单测点缺失处理。二、缺口定级：按单点、短缺口、长缺口、整测点缺失、采集中断五档定级，分级门限按物理量类别分档写入算子参数。三、方法选择：连续量用线性插值，状态类用前向填充，累计量不插值只标记——累计量插值会凭空造出一段并不存在的用量。四、执行与标记：按方法补齐，逐点写入插值标记、缺口长度与所用方法。五、比例统计：按测点统计插值点占比与缺失段占比，写入批次质量字段。六、超限处置：占比超出批次计划约定上限的测点，整段不补并标记，交质检岗判定该测点在本批次的可用范围。✎ 对这块提意见

补齐规则。补短不补长，是本节最硬的一条：缺口越长，插值出来的值与实际偏离越远，而下游无从知道这一段是造出来的还是测出来的。因此长缺口一律不补，整段标记缺失。状态类即使是单点缺失也不用插值而用前向填充，因为状态是离散的，两个状态之间的线性中间值没有物理含义。跨工况分段边界不插值：边界两侧属于不同工况，用一侧的值去补另一侧会把工况切换抹平。事件类不补，事件没有发生就是没有发生。采集中断判定成立的整窗不补，并回提采集接入环节核对链路告警与重试记录，与 1.15 的对账口径一致。✎ 对这块提意见

输入输出实例。下例按本节的定级与方法规则推演，用于说明五档缺口各自怎么处置、标记字段怎么填；缺口长度门限在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：一个事件窗内五处缺口。✎ 对这块提意见

序缺口情形定级处置方法输出标记对下游的影响1淬火液温度单点缺失，前后点均有效单点缺失线性插值该点标记为插值值可用于全部任务；需严格实测的任务可按标记过滤2加热功率连续缺失数点，未超短缺口上限短缺口线性插值标记为插值值并记录缺口长度同上3层间温度连续缺失超出短缺口上限长缺口不补整段标记为缺失段该段不进入需要连续温度曲线的样本；窗内其余测点不受影响4感应器间隙在本窗内无任何数据整测点缺失不补，字段留空标记为测点无数据该窗不进入需要该参数的样本；在数据卡中按测点登记覆盖缺口5炉温、功率、流量三测点同时缺失且时长相近采集中断整窗不补标记为采集中断，提示采集接入环节整窗退出本批次有效区间；补采后按新采集序号并入同一批次体系6设备运行状态在工况分段边界处单点缺失单点缺失但跨边界不插值标记为跨工况边界未补该点按未知状态处理，不参与状态翻转计数✎ 对这张表提意见

输出另带三项统计字段随批次保存：本测点插值点占比、缺失段总时长占窗长比例、采集中断窗数。✎ 对这块提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件缺口判定失败时标序列本身不可解析或存在重复时标整段标记缺失，不做补齐时间基准统一环节修正后重跑插值点占比超上限本测点插值点占比超出批次计划约定上限该测点本批次整段不补并标记，交质检岗判定可用范围源侧补采或测点修复后按新采集序号重新受理补齐后分布异常补齐前后的统计分布偏移超出约定范围撤销本次补齐，恢复原始缺口核查插值方法选择与缺口定级后重跑采集中断频发同一链路连续多窗判为采集中断暂停该源受理，整段数据保留但标记采集接入环节核查链路并出结论后恢复状态类被误插值质检抽样发现状态字段出现非值域取值该测点整批回退重做补齐修正方法选择表后重跑✎ 对这张表提意见

2.4.4 异常值处理✎ 对这块提意见

异常判定按三道判据顺序执行，任一道命中即标记，并记录命中的判据。✎ 对这块提意见

判据方法参数说明物理量程校验与测点量程、物理可行区间比对量程上下限量程取自测点配置，配置缺失的按本体的正常区间字段变化率校验相邻点变化率与该物理量的可行变化率比对变化率上限温度、流量类设上限；电气量按工艺特性单独设定同工况统计离群同设备同工况历史分布的离群判定离群判定方法与门限需先有工况分段，首批次以试点设备标定✎ 对这张表提意见

判定为异常的点标记而不直接删除，删除动作留给下游按用途决定。这是本方案的刻意选择：预处理不替下游做取舍，只提供标记。异常点占比按测点统计，占比异常升高时触发传感器可信度核查，核查结论回写测点配置。✎ 对这块提意见

作业步骤。一、取判据参数：从测点配置取量程上下限与可行变化率，配置缺失的取本体能耗与工况类目的正常区间字段，两者皆缺的只做变化率判定并标记。二、量程判定：逐点与物理可行区间比对，越界即标记并记录越界幅度。三、变化率判定：计算相邻点变化率，超出该物理量可行变化率上限的标记。四、同工况离群判定：在已有工况分段的前提下，与同设备同工况的历史分布比对，离群点标记并记录所用判定方法与门限。五、命中登记：每个被标记的点记录命中了哪一道判据，三道都命中的记三条，不合并。六、占比统计与回查：按测点统计异常点占比，占比异常升高时触发传感器可信度核查，核查结论回写测点配置并回流本体。✎ 对这块提意见

判定规则。三道判据顺序执行而非择一：量程判据抓的是明显不可能的值，变化率判据抓的是物理上来不及的跳变，离群判据抓的是看起来正常但与同工况历史不符的值，三者抓的是不同的东西。标记不删除是本节的原则——被判为异常的点中，一部分确实是测量故障，另一部分恰恰是真实发生的工艺异常，而区分这两者需要结合工单与检验结论，那是标注与质检环节的工作，不是预处理能定的。首批次之前没有本企业的同工况分布，离群判据暂不启用，先以试点设备标定分布后再按批次开启；未启用期间的批次在质量标记中注明离群判据未参与，使下游知道这批数据的异常标记只覆盖前两道。✎ 对这块提意见

输入输出实例。下例按本节的三道判据与标记规则推演，用于说明同一段数据里不同成因的异常各自命中什么、下游如何区别对待；门限取值在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：一段焊接稳态段的实时电流序列与同期的层间温度序列。✎ 对这块提意见

序数据点情形量程判据变化率判据离群判据标记结果下游处置1实时电流出现一个远超焊机额定上限的点命中命中—标记异常，记两条命中判为测量故障候选，进传感器可信度核查队列2实时电流在相邻两点间跳变幅度超可行变化率，但两点均在量程内未命中命中命中标记异常，记两条命中结合同期熔池影像与检验结论判定是真实瞬态还是采样抖动3层间温度整段高于同工况历史分布，但在量程内且变化平缓未命中未命中命中标记异常，记一条命中判为工况异常候选，进工艺归因；不作测量故障处理4层间温度在停机段恒为量程下限未命中未命中命中标记异常，记一条命中结合设备状态判定为停机而非异常，标记在质检环节解除并登记解除依据5某测点量程与正常区间均缺失，电流出现跳变不可判命中不可判标记异常并标注仅变化率判定在数据卡中注明该测点的异常判定覆盖面较窄✎ 对这张表提意见

输出字段：异常标记、命中判据清单、越界幅度或离群程度、判定时所用参数版本、是否曾被人工解除及解除依据。✎ 对这块提意见

失败隔离路径。✎ 对这块提意见

失败情形判定依据隔离去向恢复条件量程与正常区间均缺失测点配置与本体属性皆查不到仅做变化率判定并标记判定覆盖面测点配置补录或本体补正常区间后重跑工况分段未完成该设备无工况分段结论离群判据跳过，工况字段留空工况分段算子产出后重跑离群判定异常点占比异常升高本测点异常占比较基线明显升高该测点进传感器可信度核查队列，数据照常产出但带标记核查结论回写测点配置后按新参数重判判定参数版本不一致同一批次内不同测点使用了不同版本的量程表整批回退重判固定参数版本后重跑标记被下游误删质检岗复核发现供样区样本缺质量标记字段该样本不进入供样区补齐标记字段后重新提交预处理检查节点判定✎ 对这张表提意见

异常点的处置到标记为止，删与留交下游按用途决定。这一分工的理由与缺失补齐一致：预处理不替下游判断哪些信息该丢。✎ 对这块提意见

2.4.5 事件锚定切窗✎ 对这块提意见

按报警、停机、开炉、焊接作业四类事件锚定切分时间窗（b1408）。窗长按事件类型分别设定并写入算子参数。✎ 对这块提意见

事件类型事件时刻定义前置窗事件窗后置窗关联测点报警报警产生时刻覆盖报警前的工况演变报警持续期覆盖报警确认与处置该设备同期相关通道停机运行状态转为停止的时刻覆盖停机前运行段停机持续期覆盖重启与恢复状态、电气量、温度开炉炉次工单开工时刻覆盖装炉准备开炉至完工覆盖出炉与返热热处理全部参数焊接作业起弧时刻覆盖引弧前准备起弧至收弧覆盖收弧后冷却与层间等待焊接全部参数 ＋ 层间温度✎ 对这张表提意见

切窗结果形成「时序片段—事件」样本对，字段如下（b1409）。✎ 对这块提意见

字段说明样本编号批次号 ＋ 通道码 ＋ 顺序号事件类型与事件时刻四类之一 ＋ 时标窗口定义前置窗、事件窗、后置窗的起止时刻所属设备与测点清单设备号、测点编号列表所属对象工件号、焊道号或炉次号（来自对象锚定登记）时序数据各测点的对齐重采样序列质量标记插值点位置、缺失段、异常点与命中判据工况标记工况分段结论（若已具备）算子指纹链本样本所经各算子的指纹序列✎ 对这张表提意见

同一时间窗内相关通道的多条报警按设备与时间邻近归并为一次事件，原始报警逐条保留。归并规则与在役装备健康诊断场景的事件口径一致，详见场景验证章节。✎ 对这块提意见

2.5 视频通道✎ 对这块提意见

处理对象为熔池影像、焊接过程录像、热处理装出炉过程录像与按检验规程留存的检测过程录像。受理口径见 1.7.5，本节处理的是受理成段之后的解码、分段、抽帧、规范化与三方对齐。✎ 对这块提意见

视频与图像在加工上不是同一件事。图像通道处理的是单帧的内容，视频通道处理的是帧与帧之间的变化：熔池的形态怎样随电流波动改变、焊道表面在收弧后如何冷却、工件入炉后多久开始发亮。这些信息只存在于时间维度上，抽成单帧就没有了。另一方面，训练与标注并不消费整段视频，消费的是被切成业务单元的片段与被选出的代表帧。本通道的工作因此集中在三件事：把段切到业务单元上、把代表帧选准、把片段与同期时序和文本挂上。✎ 对这块提意见

2.5.1 解码与时基核对✎ 对这块提意见

处理项方法参数失败处置解码按归档副本的封装与编码参数解码，逐帧取出帧序号、显示时间戳与像素数据目标色彩空间、是否按原始位深解码解码失败的段入隔离区，回受理侧按原始帧序列重新转码帧时标还原以原始帧序列的逐帧时间戳为准；仅有归档副本时按段起始时刻与帧率推算，并标注为推算时标帧率、起始时刻来源帧率不均匀且无逐帧时间戳的段，整段标注时基不确定丢帧检测按相邻帧时间戳差值与标称帧率比对丢帧判定倍率丢帧率超门限的段标注为不连续，分段时不跨越丢帧位置时基核对段内帧时标与同期时序数据的事件时刻（起弧、开炉）比对一次允许偏差偏差超出允许范围的，按事件时刻做整段平移并记录平移量；平移后仍超限的整段标注时基不确定位姿与取景核对段起始帧与该相机位号的基准取景框比对位移与缩放容差超容差的段标注取景变更，不与变更前的段共用同一区域切分参数✎ 对这张表提意见

时基核对放在分段之前，次序不能颠倒。分段依据的是时序侧的事件时刻，而事件时刻与帧时标若不在同一基准上，切出来的段边界会整体偏移；边界偏移之后再去挂工件与焊道，挂到的就是相邻的那一条。✎ 对这块提意见

2.5.2 视频分段✎ 对这块提意见

受理阶段已按一次业务事件切出粗段（1.7.5），本节在粗段之内按工艺阶段做二次分段，使每一个片段对应一个可判读的工艺阶段，而不是一段笼统的过程录像。✎ 对这块提意见

分段按四步执行。✎ 对这块提意见

第一步，取同期事件序列。从设备时序通道的事件锚定切窗结果中取出该段覆盖时间范围内的事件：焊接取起弧、收弧、程序切换、停弧，热处理取装炉、升温起点、保温起点、保温终点、出炉，检验取开始与结束。事件来自时序侧而非视频内容，这是本方案的选择——事件时刻在时序数据中是明确的记录，在视频里只能靠画面推断，推断的边界不稳定。✎ 对这块提意见

第二步，按事件时刻切分。以事件时刻为边界切出阶段片段，边界两侧各留一段余量，余量长度按事件类型写入算子参数。相邻事件间隔短于最小片段长度的，两个阶段合并为一段并保留两个阶段标记。✎ 对这块提意见

第三步，内容校验。对切出的片段做一次画面一致性校验：焊接片段的稳态段内应持续存在高亮区域，装炉片段内应出现工件进入取景框的画面变化。校验不通过的片段不直接丢弃，标记为与事件不符并单列，由人工判读该段究竟是事件记录有误还是相机未拍到。✎ 对这块提意见

第四步，登记与编号。每个片段登记片段编号、所属粗段、阶段标记、起止帧序号与起止时标、所属对象、校验结论。✎ 对这块提意见

分段规则内容不满足时的处置边界取自时序事件片段边界以同期事件时刻为准，不按画面内容自行判定该粗段无同期事件记录的，整段按粗段保留，不做二次分段，阶段标记留空不跨丢帧位置片段内不包含丢帧判定命中的位置丢帧位置落在片段内的，以丢帧位置为界再切一次，两侧分别成段并标注不跨取景变更片段内不包含取景变更时点变更时点落在片段内的，以变更时点为界切开，变更后的片段按新基准取景框处理最小片段长度短于下限的片段与相邻片段合并，保留两个阶段标记—一片段一对象一个片段只挂一个工件与焊道，或一个炉次粗段内对象发生更替的，以更替时刻为界切开；更替时刻不可确定的，该片段标记为未锚定✎ 对这张表提意见

分段的输入输出实例如下。例中的字段结构与取值按本节已定义的规则推演，用于说明一段录像被切成什么、每个字段怎么填；具体的时刻、帧号与段数在首批标定后按实测回填，不代表现场实测结果。✎ 对这块提意见

输入：一段焊接过程录像的粗段。✎ 对这块提意见