第三届全国工业和信息化技术技能大赛——工业大数据（数据库运行管理员）赛项技术方案.docx

第三届全国工业和信息化技术技能大赛——工业大数据（数据库运行管理员）赛项技术方案2025 年 9 月— 7 —目录 一、 大赛名称 10二、 大赛意义 10一是引入大数据算法应用，激发工业数据潜力 10二是端边云相互协作，打造大数据应用场景 10三是大数据应用多样性，选拔高水平技能人才 10四是丰富模型算法，推广工业大数据应用 11五是夯实数据基石，强化数据库管理与应用 11三、 大赛内容、形式和成绩计算 11（一） 竞赛内容 11（二） 竞赛形式 11（三） 报名条件 11（四） 成绩计算 12四、 大赛命题原则 12五、 大赛范围、赛题类型和其他 12（一） 理论知识竞赛 131． 赛题范围 132． 赛题类型 143． 竞赛时间 144． 命题方式 145． 考试方式 14（二） 实际操作竞赛 141． 竞赛范围与内容 142． 比赛时间 193． 命题方式 19六、 大赛场地与设施 19（一） 大赛场地 19（二） 大赛设施 201．大赛平台（详见技术文件第十条） 202．耗材 203. 工具、仪器 214．选手防护装备 215．其他 21七、 大赛关键环节与时间安排 22（一） 关键环节 22（二） 竞赛流程 22（三） 时间安排 22八、 大赛赛题 23九、 大赛评分标准制定原则、评分方法、评分细则及技术规范 24（一） 评分标准制定原则 24（二） 评分方法 241． 基本评定方法 242． 相同成绩处理 24（三） 评分细则（评分指标） 251． 理论知识部分评分 252． 实际操作部分评分 25十、 大赛硬件平台说明 27（一） 赛项硬件平台 271． 综合控制单元 282． 数据可视化单元 293． 工业环境检测单元 294． 电机振动检测单元 295． 智能加工单元 296． 智能视觉检测单元 307． 工控机及周边设备 31（二） 赛项软件平台 321． 数据采集存储软件 322． 数据可视化软件 323． 云端算法软件 334． 本地端应用软件 36十一、 大赛安全保障 37十二、 大赛组织与管理 38（一） 大赛设备与设施管理 381． 赛场条件 382． 大赛保障 383． 赛场布置 394． 安全防范措施 39（二） 大赛监督与仲裁管理 401． 大赛监督 402． 申诉与仲裁 40十三、 裁判人员要求 41（一） 裁判人员组成 41（二） 裁判人员要求 41— 9 —1、 大赛名称第三届全国工业和信息化技术技能大赛 工业大数据（数据库运行管理员）赛项。

2、 大赛意义本届大赛旨在深入贯彻落实习近平总书记关于科技是第一生产力、人才是第一资源、创新是第一动力的重要论述大赛聚焦工业大数据应用，重点突出大数据岗位相关性、技术通用性、竞赛支撑强等特点，通过“比赛即实战”的模式，培育一批支撑科技兴国、人才强国建设的高技能人才队伍，为推动制造业高质量发展，营造“尊重劳动、尊重知识、技能成才、技能报国”的浓厚社会氛围提供有力支撑一是引入大数据算法应用，激发工业数据潜力本赛项突出工业数据采集、数据处理、数据应用、工业数据处理等特点，充分挖掘和展现工业大数据中所蕴含的价值，有效形成数据驱动、快速迭代、持续优化的工业智能系统二是端边云相互协作，打造大数据应用场景本届赛项打造典型制造数字化解决方案应用场景，提升设备和云平台交互的效率，展现大数据模型在工业机加工领域的应用模式，利用云端大数据模型解决智能制造系统加工精度稳定性问题三是大数据应用多样性，选拔高水平技能人才本赛项提供多种数据处理模型和数据分析模型，在算法模型平台开放参数接口，为选手提供算法调优空间，让选手根据赛题的内容和自身经验，选择最优的模型进行处理，得到最优的模型结果，反馈给设备加工出最符合实际的产品。

四是丰富模型算法，推广工业大数据应用以竞赛为平台，基于真实应用衍生的竞赛平台，展示工业大数据对智能制造系统的加工稳定性提升，建立优秀的算法模型和应用案例，进行推广应用五是夯实数据基石，强化数据库管理与应用 要求选手熟练掌握数据库的部署、优化、运维及高效查询技能通过对海量、多源、实时的工业数据进行有效的存储、组织和管理，为上层的大数据算法分析和应用提供稳定、可靠、高性能的数据支撑，确保数据流从采集到应用的通畅与安全，全面体现数据基础设施在工业智能系统中的核心作用3、 大赛内容、形式和成绩计算（1） 竞赛内容本赛项内容包含理论知识和实际操作两部分2） 竞赛形式本赛项为双人团体赛，分为职工组（含教师）和学生组两个组别3） 报名条件具有工业大数据相关职业工作经历的企业在职人员，从事相关专业工作的高等院校、职业院校（含技工院校，下同）在职人员，以及高等院校、职业院校相关专业全日制在籍学生均可报名参赛已获得“中华技能大奖”、“全国技术能手”称号及在2023年和2024年各类竞赛中已取得“全国技术能手”申报资格的人员，不得以选手身份参赛具有全日制学籍的在校创业学生不得以职工身份参赛4） 成绩计算理论知识竞赛满分为100分，按20％的比例折算计入竞赛总成绩。

赛题均为客观题，采用机考方式实现实际操作竞赛满分为100分，按80％的比例折算计入竞赛总成绩折算后的理论知识竞赛成绩与实际操作竞赛成绩相加得出参赛选手竞赛总成绩，满分为100分4、 大赛命题原则在命题方向上，聚焦新一代信息技术与制造技术深度融合领域，以解决工业大数据应用实际需求为命题方向，设置算法赛题在考核重点上，考核工业大数据等基本技能的同时，重点突出企业所需专业技能及新技术应用重点考察参赛选手数据采集、数据可视化、数据分析、构建大数据算法模型实现问题解析、数据处理、特征工程、模型构建、训练优化的能力和技术水平，以及对智能制造系统原理的掌握程度大赛范围、赛题类型和其他（1） 理论知识竞赛1． 赛题范围以工业大数据和数据库应用知识为主，智能制造技术、数据信息安全法律法规等相关知识为辅1） 工业大数据工业大数据平台架构（数据架构、数据技术架构、应用平台架构）、数据分析概述、数据收集与导入、数据清洗与预处理、数据挖掘基础、主成分分析、分类器与决策树、 聚类思想与建模、 神经网络思想与建模、深度学习基础2） 数据库应用数据库管理系统（DBMS）的基本知识、SQL语言及查询优化、数据库性能调优、数据库安全管理、数据库高可用性与容灾、故障排查与问题解决。

3） 工业人工智能算法神经网络思想与建模、深度学习基础、工业人工智能算法的选择与应用，机器视觉理论基础与框架、图像分析基础和图像变换、图像预处理、边缘检测与轮廓表示4） 智能制造技术智能制造技术基础、智能制造典型技术、智能制造技术应用、机电一体化基础基本认知、可编程控制器（PLC）基础5） 信息安全法律法规信息安全相关的法律法规：网络安全法、数据安全法、个人信息保护法2． 赛题类型 赛题分为三种类型：单项选择题、多项选择题和判断题3． 竞赛时间 理论竞赛时间为 1 小时4． 命题方式 由大赛组委会组织专家组统一命题 5． 考试方式采用计算机考试2） 实际操作竞赛本赛项的实际操作竞赛突出工业大数据在工业生产中的应用，针对数控加工系统中的机器视觉识别准确性和加工精度稳定性问题，通过大数据、数据库应用及人工智能算法，实现智能加工的误差实时补偿实际操作竞赛以考核工业大数据、数据库应用及工业人工智能算法应用技术技能为主，包括数据采集、数据存储、数据可视化、云平台使用、算法模型训练及优化以及安全文明竞赛等在实际操作竞赛考查1． 竞赛范围与内容为全面考查参赛选手的职业综合素质和技术技能水平，实际技能操作竞赛分为6个环节：传感器数据采集、数据库应用、数据库数据可视化与本地大模型分析（C＃）、工业视觉模型训练与部署、误差补偿算法模型训练与部署和模拟生产验证。

具体内容见表1表 1 竞赛范围与内容序号内容说明1PLC触摸屏读取传感器数据1.PLC与传感器的通讯连接；2.轴承振动、用电参数及环境温湿度、空气质量、噪音、光照等传感器的数据采集；3.触摸屏软件UI界面设计2数据库应用1.使用node－red编程读取设备轴承振动、用电参数和环境温湿度、空气质量、噪音、光照等数据，并写入到MongoDB数据库中；2.将设备轴承振动、用电参数和环境温湿度、空气质量、噪音、光照等数据绑定到提供的前端web页面图表中；3数据库数据可视化与本地大模型分析（C＃）1.使用 Visual Studio 软件，使用C＃ 语言编程，根据提供的实例程序，设计用户登录界面、环境监测界面与本地大模型调用界面；2.使用C＃ 语言编程，在用户登录界面中增加用户名输入控件、登录密码输入控件、登录按钮控件；设置用户名以及登录密码；若用户名以及密码匹配，点击登录按钮后进入本地大模型界面3.使用C＃ 语言编程，在环境监测界面中增加折线图控件；进入环境监测界面后，程序自动在数据库中获取当前PM2.5、PM10与噪音值大小、环境温湿度的数据并显示在折线图中，折线图仅显示最近1分钟内的数据；4.使用C＃ 语言编程，在本地大模型界面中编写程序增加建立本地知识库功能，通过Ollama软件连接部署在本地的大模型，添加用户控件显示输入的文本问题、显示输出的回答（如“数据库的特点”、“数据库的分类”等）；本地大模型应用功能，上传本地电机振动数据表，点击答复按钮后，输出数据表的数据特征（如极值、均值、异常数据等）；4工业视觉模型训练与部署1.模型训练工具设置，将训练集配置为模型的制定输入参数。

2.优化模型训练方法，选定恰当的激活函数，以及训练参数3.在云平台给定环境中进行模型训练，更新迭代模型，并将训练模型进行固化4.优化训练算法模型，配置传入参数5.配置结果应用，以接口方式输出给设备5误差补偿算法模型训练与部署1.设计误差补偿模型，或选定恰当的模型，以及设定训练参数2.更新迭代模型，将训练完成的模型进行固化3.完成误差实时补偿模型部署4.验证误差补偿模型部署效果6模拟生产验证1.正确进行产线动作测试、加载补偿算法，通过运动控制单元模拟智能加工进行加工生产验证2.补偿参数微调3.产线生产效率调整4.正确使用防护用具5.符合安全操作要求6.保持工作区域内场地、材料和设备的清洁7.良好的职业素养实际操作部分由参赛选手按工作任务书的要求完成具体包含以下工作任务：（1） PLC触摸屏读取传感器数据根据任务书给定的任务要求进行PLC、触摸屏与传感器的通讯连接；轴承振动、用电参数及环境温湿度、空气质量、噪音、光照等传感器的数据采集；McgsPro软件UI界面设计，将轴承振动、用电参数及环境温湿度、空气质量、噪音、光照等传感器数据显示在触摸屏上2） 数据库应用①　 根据任务书给定的任务要求使用node－red编程读取设备轴承振动、用电参数和环境温湿度、空气质量、噪音、光照等数据，并写入到MongoDB数据库中；②　 将设备轴承振动、用电参数和环境温湿度、空气质量、噪音、光照等数据绑定到提供的前端web页面图表中；（3） 数据库数据可视化与本地大模型分析（C。