蓝盟IT小贴士，来喽！
工业大数据是指在工业领域中，以典型的智能制造模式为中心，从顾客的需求到销售、订单、计划、研究开发、设计、技术、制造、采购、供给、库存、出货和交付、售后服务、运输、废弃或再制造。 工业大数据是智能制造的核心，以“大数据工业互联网”为基础，用云计算、大数据、物联网、人工智能等技术引领工业生产方式变革，引领工业经济创新发展。
详述工业大数据的技术和应用
一、工业大数据定义
工业大数据是指在工业领域中，以典型的智能制造模型为中心，从客户的需求出发进行销售、订货、计划、研究开发、设计、工艺、制造、采购、供给、库存、出货和交付、售后服务、运输维、废弃或再制造等以产品数据为中心，大幅扩大了以往的工业数据范围，同时还包括工业大数据相关技术和应用。 工业大数据的主要来源有以下三个。
1 .关于生产经营的业务数据
生产经营相关业务数据主要来自传统企业的信息化范围，存储在企业信息系统内部，传统工业设计和制造类软件、企业资源计划(ERP )、产品生命周期管理(P L M )、供应链管理(S CM )、客户关系管理(CM ) 这些企业信息系统已经存储了大量的产品开发数据、生产性数据、经营性数据、顾客信息数据、物流供给数据和环境数据。 这种数据是工业领域的传统数据资产在移动互联网等新的技术应用环境下范围正在扩大。
2 .设备物联数据
设备物联数据主要是指工业生产设备和目标产品在物联网运行模式下实时生成收集到的操作和运行状况、工况状态、环境参数等体现设备和产品运行状态的数据。 这样的数据是工业大数据新的、增长最快的来源。 狭义的工业大数据是指工业设备和产品迅速发生，有时间序列差异的大量数据。
3 .外部数据
外部数据是工业企业的生产活动和与产品相关的企业的外部互联网来源数据，例如评价企业环境业绩的环境规定、预测产品市场的宏观社会经济数据等。 工业大数据技术是挖掘和表达工业大数据中包含的价值的一系列技术和方法，包括数据计划、收集、预处理、保存、分析挖掘、可视化和智能控制等。 工业大数据应用是针对特定的工业大数据集，综合应用工业大数据系列的技术和方法，得到有价值的信息的过程。 工业大数据技术的研究和突破，其本质目标是从复杂的数据集中发现新的模式和知识，挖掘有价值的新信息，促进制造型企业的产品创新，提高经营水平和生产运营效率，扩大新的商业模式二、工业大数据的特点
工业大数据除了具有一般大数据的特征(数据容量大、多样、高速、价值密度低)之外，还具有时序性、强关联性、正确性、闭环性等特征。
数据容量大(卷):数据的大小决定了要考虑的数据的价值和潜在信息。 工业数据的容量比较大，大量机械设备的高频数据和互联网数据持续流入，大型工业企业的数据集达到PBB级或EB级。
变体：意味着数据类型的多样性和来源广泛。 工业数据广泛分布，分布在机械设备、工业产品、管理系统、互联网等各个环节，结构复杂，有结构化和半结构化的传感数据和非结构化数据。
高速(velocity ) :检索和处理数据的速度。 工业数据处理速度的需求多样，生产现场级的要求分析时限达到毫秒级，管理和决策应用需要支持交互式或大量的数据分析。
价值密度低(value ) :工业大数据更强调用户价值驱动程序和数据本身的可用性，包括创新能力和生产经营效率的提高和个性化定制、服务化变革等智能制造新模式的变革。
时序性(sequence ) :工业大数据具有订单、设备状态数据等强时序性。
强关联(strong-relevance ) :另一方面，产品生命周期的同一阶段的数据具有产品的部件构成、外壳、设备状态、修理状况、部件的补充购买等强关联。 另一方面，产品生命周期的研究开发设计、生产、服务等不同环节的数据之间必须相关联。
正确性(accuracy ) :主要指数据的真实性、完整性和可靠性，关注数据质量和处理、分析技术和方法的可靠性。 对数据分析的可靠性要求很高，仅靠统计相关分析还不足以支撑故障诊断、预测警报等工业应用，需要将物理模型和数据模型结合，挖掘因果关系。
闭环性(closed-loop ) :在产品整个生命周期横向过程中数据链的封闭和关联以及智能制造纵向数据收集和处理过程中，在闭环场景中的动态持续调整，如状态感知、分析、反馈和控制
根据以上特点，工业大数据作为大数据的应用行业，具有广阔的应用前景，同时也对传统的数据管理技术和数据分析技术提出了巨大的挑战。
文/上海蓝盟 IT外包专家
中文
电话咨询
微信咨询
公众号
