国产欧美日韩第一页|日本一二三不卡视频|在线精品小视频,亚洲第一免费播放区,metcn人体亚洲一区,亚洲精品午夜视频

隨著(zhù)企業(yè)數字化轉型的不斷深入，企業(yè)積累的各種數據也越來(lái)越多，這些數據從分散到集中經(jīng)歷了較長(cháng)的時(shí)間，但數據本身并不直接創(chuàng )造價(jià)值。因此，企業(yè)需要思考如何利用工業(yè)大數據分析工具，深入挖掘蘊藏在數據中的業(yè)務(wù)價(jià)值。

一、工業(yè)大數據的內涵 

工業(yè)大數據是指在工業(yè)領(lǐng)域中，圍繞典型智能制造模式，從客戶(hù)需求到銷(xiāo)售、訂單、計劃、研發(fā)、設計、工藝、制造、采購、供應、庫存、發(fā)貨和交付、售后服務(wù)、運維、報廢或回收再制造等整個(gè)產(chǎn)品全生命周期各個(gè)環(huán)節所產(chǎn)生的各類(lèi)數據及相關(guān)技術(shù)和應用的總稱(chēng)。

美國國家科學(xué)基金會(huì )（NSF）智能維護系統（IMS）產(chǎn)學(xué)合作中心的創(chuàng )始人和主任李杰教授在他的《工業(yè)大數據》一書(shū)中曾指出，在自動(dòng)化設備產(chǎn)生了大量未被充分挖掘價(jià)值的數據、獲取實(shí)時(shí)數據的成本不再高昂、設備的實(shí)時(shí)運算能力大幅提升以及依靠人的經(jīng)驗已無(wú)法滿(mǎn)足復雜的管理和優(yōu)化的需求的條件下，大數據技術(shù)在工業(yè)領(lǐng)域逐漸興起。

對制造企業(yè)而言，高效的處理和使用工業(yè)大數據將有利于企業(yè)在新一輪產(chǎn)業(yè)競爭中占據產(chǎn)業(yè)發(fā)展的制高點(diǎn)。工業(yè)大數據主要涵蓋三類(lèi)數據，即企業(yè)信息化數據、工業(yè)物聯(lián)網(wǎng)數據以及外部跨界數據（見(jiàn)下圖）。

 工業(yè)大數據的類(lèi)別（來(lái)源：王建民，清華大學(xué)軟件學(xué)院）

信息化數據是指傳統工業(yè)自動(dòng)化控制與信息化系統中產(chǎn)生的數據， 如 ERP、MES 等 。工業(yè)物聯(lián)網(wǎng)數據是來(lái)源于工業(yè)生產(chǎn)線(xiàn)設備 、機器 、產(chǎn)品等方面的數據，多由傳感器、設備儀器儀表進(jìn)行采集產(chǎn)生。外部數據是指來(lái)源于工廠(chǎng)外部的數據，主要包括來(lái)自互聯(lián)網(wǎng)的市場(chǎng)、環(huán)境、客戶(hù)、政府、供應鏈等外部環(huán)境的信息和數據。

工業(yè)大數據技術(shù)是使工業(yè)大數據中所蘊含的價(jià)值得以挖掘和展現的一系列技術(shù)與方法，包括數據規劃、采集、預處理、存儲、分析挖掘、可視化和智能控制等。歸納來(lái)說(shuō)，主要包括數據采集技術(shù)、數據管理技術(shù)、數據分析技術(shù)。

1.數據采集技術(shù)

工業(yè)軟硬件系統本身具有較強的封閉性和復雜性，不同系統的數據格式、接口協(xié)議都不相同，甚至同一設備同一型號、不同時(shí)間出廠(chǎng)的產(chǎn)品所包含的字段數量與名稱(chēng)也會(huì )有所差異，因此無(wú)論是采集系統對數據進(jìn)行解析，還是后臺數據存儲系統對數據進(jìn)行結構化分解都會(huì )存在巨大的挑戰。由于協(xié)議的封閉，甚至無(wú)法完成設備的數據采集；即使可以采集，在工業(yè)大數據項目實(shí)施過(guò)程中，通常也需要數月時(shí)間對數據格式與字段進(jìn)行梳理。挑戰性更大的是多樣性的非結構化數據，由于工業(yè)軟件的封閉性，數據通常只有特定軟件才能打開(kāi)，并且從中提取更多有意義的結構化信息工作通常很難完成，這也給數據采集帶來(lái)挑戰。因此，先進(jìn)的數據采集技術(shù)需要滿(mǎn)足海量高速、支持采集的多樣性、保證采集過(guò)程安全等特點(diǎn)。

未來(lái)，先進(jìn)的數據采集技術(shù)并不簡(jiǎn)單的將數據通過(guò)傳感器進(jìn)行采集，而是構建一個(gè)多數據融合的數據環(huán)境，使產(chǎn)品全生命周期的各類(lèi)要素信息能實(shí)現同步采集、管理和調用。此外，需要盡可能全地采集設備全生命周期各類(lèi)要素相關(guān)的數據和信息，打破以往設備獨立感知和信息孤島的壁壘，建立一個(gè)統一的數據環(huán)境，這些信息包括設備運行的狀態(tài)參數、工況數據、設備使用過(guò)程中的環(huán)境參數、設備維護保養記錄以及績(jì)效類(lèi)數據等。最后，在先進(jìn)的數據采集技術(shù)下，改變現有被動(dòng)式的傳感與通信技術(shù)，實(shí)現按需進(jìn)行數據的收集與傳送，即在相同的傳感與傳輸條件下針對日常監控、狀態(tài)變化、決策需求變化以及相關(guān)活動(dòng)目標和分析需求，自主調整數據采集與傳輸的數量、頻次等屬性，從而實(shí)現主動(dòng)式、應激式傳感與傳輸模式，提高數據感知的效率、質(zhì)量、敏捷度，實(shí)現數據采集的自適應管理和控制。

2.數據管理技術(shù)

各種工業(yè)場(chǎng)景中存在大量多源異構數據，例如結構化與非結構化數據。每一類(lèi)型數據都需要高效的存儲管理方法與異構的存儲引擎，但現有大數據技術(shù)難以滿(mǎn)足全部要求。以非結構化數據為例，特別是對海量設計文件、仿真文件、圖片、文檔等，需要按產(chǎn)品生命周期、項目、BOM結構等多種維度進(jìn)行靈活有效的組織、查詢(xún)，同時(shí)需要對數據進(jìn)行批量分析、建模，對于分布式文件系統和對象存儲系統均存在技術(shù)盲點(diǎn)。另外從使用角度上，異構數據需要從數據模型和查詢(xún)接口方面實(shí)現一體化的管理。例如在物聯(lián)網(wǎng)數據分析中，需要大量關(guān)聯(lián)傳感器部署信息等靜態(tài)數據，而此類(lèi)操作通常需要將時(shí)間序列數據與結構化數據進(jìn)行跨庫連接，因而先進(jìn)的數據管理技術(shù)需要針對多模態(tài)工業(yè)大數據進(jìn)行統一協(xié)同管理。

3.數據分析技術(shù)

工業(yè)大數據分析技術(shù)包括多種技術(shù)，最常用的有K均值、BP神經(jīng)網(wǎng)絡(luò )、遺傳算法和貝葉斯理論等。其中K均值是最常用的主流聚類(lèi)分析算法，BP神經(jīng)網(wǎng)絡(luò )是較先進(jìn)的數據挖掘分析方法。使用工業(yè)數據之前，許多用戶(hù)不知道期望的目標，并且無(wú)法獲取更多的數據應用背景知識，可以利用K均值算法構建一個(gè)自動(dòng)聚類(lèi)分析的大數據模式。比如通過(guò)分析后能夠自動(dòng)將工業(yè)設計數據劃分為高、中、低等檔次，企業(yè)可以把高檔設計案例推薦給用戶(hù)，促進(jìn)商務(wù)達成。BP神經(jīng)網(wǎng)絡(luò )可以通過(guò)機器學(xué)習獲取相關(guān)指標關(guān)鍵特征，從而通過(guò)網(wǎng)絡(luò )算法構建一個(gè)分類(lèi)的預測系統，這樣可以用于判斷日常運行趨勢，在設備的智能化健康維護中就較多的應用到這項技術(shù)。當前先進(jìn)的數據分析技術(shù)包括以下幾個(gè)方面：

（1）強機理業(yè)務(wù)的分析技術(shù)。工業(yè)過(guò)程通常是基于“強機理”的可控過(guò)程，存在大量理論模型，刻畫(huà)了現實(shí)世界中的物理、化學(xué)、生化等動(dòng)態(tài)過(guò)程。另外，也存在著(zhù)很多的閉環(huán)控制、調節邏輯，讓過(guò)程朝著(zhù)設計的目標逼近。在傳統的數據分析技術(shù)上，很少考慮機理模型（完全是數據驅動(dòng)）、也很少考慮閉環(huán)控制邏輯的存在。

（2）低質(zhì)量數據的處理技術(shù)。低質(zhì)量數據會(huì )改變不同變量之間的函數關(guān)系，這給工業(yè)大數據分析帶來(lái)災難性的影響?，F實(shí)中，制造業(yè)企業(yè)的低質(zhì)量數據普遍存在，例如ERP系統中物料存在“一物多碼”問(wèn)題，無(wú)效工況、重名工況、非實(shí)時(shí)等數據質(zhì)量問(wèn)題也大量存在。這些數據質(zhì)量問(wèn)題都大大限制了對數據的深入分析，因而需要在數據分析工作之前進(jìn)行系統的數據治理。

工業(yè)應用中因為技術(shù)可行性、實(shí)施成本等原因，很多關(guān)鍵的量沒(méi)有被測量、或沒(méi)有被充分測量（時(shí)間/空間采樣不夠、存在缺失等）、或沒(méi)有被精確測量（數值精度低），這就要求分析算法能夠在“不完備”“不完美”“不精準”的數據條件下工作。在技術(shù)路線(xiàn)上，可大力發(fā)展基于工業(yè)大數據分析的“軟”測量技術(shù)，即通過(guò)大數據分析，建立指標間的關(guān)聯(lián)關(guān)系模型，通過(guò)易測的過(guò)程量去推斷難測的過(guò)程量，提升生產(chǎn)過(guò)程的整體可觀(guān)可控。

二、工業(yè)大數據發(fā)展趨勢 

隨著(zhù)智能制造與工業(yè)互聯(lián)網(wǎng)概念的深入，工業(yè)產(chǎn)業(yè)進(jìn)入了新一輪的全球性革命，互聯(lián)網(wǎng)、大數據與工業(yè)的融合發(fā)展成為了新型工業(yè)體系的核心，工業(yè)大數據的應用將帶來(lái)工業(yè)生產(chǎn)與管理環(huán)節的極大的升級和優(yōu)化，其價(jià)值正在逐步體現和被認可。

工業(yè)大數據是推進(jìn)工業(yè)數字化轉型的重要技術(shù)手段，需要“業(yè)務(wù)、技術(shù)、數據“的融合。這就要求從業(yè)務(wù)的角度去審視當前的改進(jìn)方向，從IT、OT、管理技術(shù)角度去思考新的運作模式、新的數據平臺、應用和分析需求，從數據的角度審視如何通過(guò)信息的融合、流動(dòng)、深度加工等手段，全面、及時(shí)、有效地構建反映物理世界的邏輯視圖，支撐決策與業(yè)務(wù)。因此，工業(yè)大數據的發(fā)展將呈現以下發(fā)展趨勢：

（1）數據大整合、數據規范統一。工業(yè)企業(yè)逐步加強工業(yè)大數據采集、交換與集成，打破數據孤島，實(shí)現數據跨層次、跨環(huán)節、跨系統的大整合，在宏觀(guān)上從多個(gè)維度建立切實(shí)可行的工業(yè)大數據標準體系，實(shí)現數據規范的統一。另一方面，在實(shí)際應用中逐步實(shí)現工業(yè)軟件、物聯(lián)設備的自主可控，實(shí)現高端設備的讀寫(xiě)自由。

（2）機器學(xué)習，數據到模型的自動(dòng)建模。在實(shí)現大數據采集、集成的基礎上，推進(jìn)工業(yè)全鏈條的數字化建模和深化工業(yè)大數據分析，將各領(lǐng)域各環(huán)節的經(jīng)驗、工藝參數和模型數字化，形成全生產(chǎn)流程、全生命周期的數字鏡像，并構造從經(jīng)驗到模型的機器學(xué)習系統，以實(shí)現從數據到模型的自動(dòng)建模。

（3）構建不同領(lǐng)域專(zhuān)業(yè)數據分析算法。在大數據技術(shù)領(lǐng)域通用算法的基礎上，不斷構建工業(yè)領(lǐng)域專(zhuān)業(yè)的算法，深度挖掘工業(yè)系統的物理化學(xué)原理、工藝、制造等知識，滿(mǎn)足企業(yè)對工業(yè)數據分析結果高置信度的要求。

（4）數據結果通過(guò)3D工業(yè)場(chǎng)景可視化呈現。進(jìn)行數據和3D工業(yè)場(chǎng)景的可視化呈現，將數據結果直觀(guān)的展示給用戶(hù)，增加工業(yè)數據的可使用度。通過(guò)3D工業(yè)場(chǎng)景的可視化，實(shí)現制造過(guò)程的透明化，有利于過(guò)程協(xié)同。

三、工業(yè)大數據市場(chǎng)縱覽

目前，國內外做大數據的廠(chǎng)商主要分為兩類(lèi)：一類(lèi)是已經(jīng)具有獲取大數據能力的公司，他們利用自身優(yōu)勢地位沖擊著(zhù)大數據領(lǐng)域，并占據著(zhù)市場(chǎng)主導地位。主要包括IBM、SAP、HPE、Teradata、Oracle、Microsoft等老牌廠(chǎng)商，谷歌、亞馬遜、百度、騰訊、阿里巴巴等互聯(lián)網(wǎng)巨頭，以及華為、浪潮、中興等國內領(lǐng)軍企業(yè)，涵蓋了數據采集、數據存儲、數據分析、數據可視化以及數據安全等領(lǐng)域。

另一類(lèi)是初創(chuàng )的大數據公司，他們針對市場(chǎng)需求，為市場(chǎng)帶來(lái)創(chuàng )新方案并推動(dòng)技術(shù)發(fā)展。國外如專(zhuān)注Hadoop技術(shù)的三家公司Cloudera、Hortonworks（兩家公司已合并）和MapR（已被HPE收購），以及Palantir、Splunk、Tableau（已被Salesforce收購）等，其中Palantir被稱(chēng)為硅谷最神秘獨角獸的大數據挖掘公司，Splunk從日志分析工具起家，當前已成為機器數據分析龍頭企業(yè)；國內有航天云網(wǎng)、樹(shù)根互聯(lián)、石化盈科等一批具有制造基因的企業(yè)，他們具有較強數據匯聚能力，還包括星環(huán)科技、天云大數據、昆侖智匯、美林數據、東方國信、Kyligence等技術(shù)型企業(yè)，他們在數據存儲、數據建模、分析處理等領(lǐng)域不斷突破核心技術(shù)。

四、工業(yè)大數據產(chǎn)業(yè)發(fā)展 

工業(yè)大數據技術(shù)及應用將成為未來(lái)提升制造業(yè)生產(chǎn)力、競爭力、創(chuàng )新能力的關(guān)鍵要素，是驅動(dòng)產(chǎn)品智能化、生產(chǎn)過(guò)程智能化、管理智能化、服務(wù)智能化、新業(yè)態(tài)新模式智能化，以及支撐制造業(yè)轉型和構建開(kāi)放、共享、協(xié)作的智能制造產(chǎn)業(yè)生態(tài)的重要基礎，對實(shí)施智能制造戰略具有十分重要地推動(dòng)作用。

當前，我國的大數據產(chǎn)業(yè)增長(cháng)迅速，產(chǎn)業(yè)規模持續放大。大數據產(chǎn)業(yè)主要涵蓋三個(gè)層次：基礎支撐、數據服務(wù)和融合應用相互交融，協(xié)力構建了完整的大數據產(chǎn)業(yè)鏈。

基礎支撐是整個(gè)大數據產(chǎn)業(yè)的核心，它提供了大數據產(chǎn)品和服務(wù)正常運轉所需的多樣化軟硬件資源，包括大數據存儲管理系統、大數據網(wǎng)絡(luò )和計算等系統資源管理平臺，大數據管理平臺，以及大數據相關(guān)硬件設備等。其中，大數據存儲、網(wǎng)絡(luò )和計算相關(guān)的軟硬件產(chǎn)品和服務(wù)，為海量數據的存儲、傳輸和分析挖掘奠定了堅實(shí)基礎，代表廠(chǎng)商有專(zhuān)注Hadoop發(fā)行版的星環(huán)科技、紅象云騰和天云大數據，傳統數據庫廠(chǎng)商人大金倉和南大通用，研發(fā)新型分布式數據庫的巨杉數據庫、PingCAP等，以及華為、聯(lián)想、浪潮、中興等硬件廠(chǎng)商。

數據服務(wù)是圍繞各類(lèi)應用和市場(chǎng)需求，提供輔助性的服務(wù)，包括前端的數據采集、中端的流處理、批處理、即時(shí)查詢(xún)、數據分析和數據挖掘，末端的數據可視化，以及貫穿始終的數據安全。這一層通常與上層融合應用相伴，同時(shí)也可作為獨立的環(huán)節提供技術(shù)服務(wù)。由于數據服務(wù)層覆蓋了數據處理各個(gè)流程，積極布局各個(gè)細分領(lǐng)域的廠(chǎng)商也較多。例如在商業(yè)智能領(lǐng)域有阿里云，其Quick BI是第一個(gè)入選Gartner數據分析和商業(yè)智能領(lǐng)域的中國產(chǎn)品，還包括永洪科技、帆軟和亦策等；數據可視化領(lǐng)域的海智BDP、海云數據、數字冰雹相對領(lǐng)先；在數據安全領(lǐng)域有網(wǎng)智天元、安恒信息、明朝萬(wàn)達等。

融合應用是大數據產(chǎn)業(yè)的發(fā)展重點(diǎn)，主要包含了通用性的營(yíng)銷(xiāo)大數據，以及與行業(yè)緊密相關(guān)的各類(lèi)細分領(lǐng)域整體解決方案。在大數據應用市場(chǎng)，一種廠(chǎng)商致力于為企業(yè)提供大數據驅動(dòng)的數字營(yíng)銷(xiāo)解決方案；另一種廠(chǎng)商則基于自身在數據技術(shù)的積累，結合不同行業(yè)的屬性和需求，向客戶(hù)提供具有行業(yè)特色的整體解決方案，在這一細分市場(chǎng)，布局的廠(chǎng)商眾多，例如以阿里巴巴、百度、騰訊、人大金倉、浪潮、曙光、南大通用為代表的互聯(lián)網(wǎng)企業(yè)、云計算和數據庫廠(chǎng)商紛紛加大應用推廣力度，在國際先進(jìn)的開(kāi)源大數據技術(shù)基礎上，形成各自的大數據平臺、和應用服務(wù)解決方案，以支撐不同行業(yè)不同領(lǐng)域的專(zhuān)業(yè)化應用；還包括昆侖數據、美林數據、百分點(diǎn)等廠(chǎng)商，也均形成了面向不同行業(yè)/領(lǐng)域的大數據應用，如百分點(diǎn)已推出了基于大數據的智能營(yíng)銷(xiāo)、基于大數據的智能供應鏈、基于大數據的智能工廠(chǎng)、基于大數據的智能物聯(lián)網(wǎng)這四大智能場(chǎng)景解決方案。

隨著(zhù)大數據技術(shù)與開(kāi)源社區的不斷成熟，為數據技術(shù)向工業(yè)界滲透提供了必要的條件，同時(shí)也為高端制造企業(yè)提供了巨大的市場(chǎng)機會(huì )。近年來(lái)，國際知名工業(yè)企業(yè)、軟件公司和科研機構紛紛研發(fā)面向制造業(yè)轉型升級的大數據產(chǎn)品和系統。

美國通用電氣（GE）公司聯(lián)合Pivotal向全球開(kāi)放工業(yè)互聯(lián)網(wǎng)云平臺Predix，將各種工業(yè)資產(chǎn)設備接入云端提供資產(chǎn)性能管理（APM）和運營(yíng)優(yōu)化服務(wù)；丹麥維斯塔斯（Vestas）公司聯(lián)合IBM基于Big Insights大數據平臺分析氣象、傳感器、衛星、地圖數據支持風(fēng)場(chǎng)選址、運行評估等工作；德國西門(mén)子公司面向工業(yè)大數據應用，整合遠程維護、數據分析及網(wǎng)絡(luò )安全等一系列現有技術(shù)和新技術(shù)，推出Sinalytics數字化服務(wù)平臺，作為其實(shí)現工業(yè)4.0的重要抓手；德國SAP公司開(kāi)發(fā)了面向物聯(lián)網(wǎng)應用和實(shí)時(shí)數據處理的HANA大數據平臺，并利用其在傳統企業(yè)信息化ERP系統上的優(yōu)勢，推動(dòng)HANA與信息化系統的集成；美國航空航天局（NASA）對外開(kāi)放自身數據，幫助進(jìn)行火星8生命探測和天文觀(guān)測等。此外，硅谷新興創(chuàng )業(yè)公司也在積極投入工業(yè)數據的技術(shù)和產(chǎn)品研發(fā)，典型代表有Uptake Tech公司，為建筑、航空、采礦行業(yè)提供分析與預測軟件服務(wù)。