您現在的位置:>  首頁 > 新聞中心 > 行業動態
聯系我們

電 話:0571-88855790/88855791

傳 真:0571-88315242

地 址:杭州市余杭區龍潭路7號未來科技研創園A座三樓320室

工業大數據的3B與3C

來源:杭州東田工控  日期:2019-04-26

     什么是工業大數據?

    一提到大數據,腦海中都會出現這樣一個想法:利用大量的行為數據來分析用戶行為和預測市場趨勢等應用。但什么是工業大數據呢?工業行業的大量的行為數據嗎?

    維克托·邁爾-舍恩伯格和肯尼斯·克耶編寫的《大數據時代》中提出的4V特性很好的解答了這個問題,即Volume(數據量大)、Velocity(流動速度快)、Veracity(準確性難把握)和Variety(來源多樣性)。這個定義是針對互聯網和社會環境中的大數據,從數據工程的技術挑戰方面所提出的。

    那工業大數據和3B、3C之間有什么聯系?

    工業大數據中的“3B”

    BadQuality(低質量):在工業大數據中,數據質量問題受制于工業環境中數據獲取手段的限制,包括傳感器、數采硬件模塊、通信協議、和組態軟件等多個技術限制,一直是許多企業所面臨的挑戰。

    Broken(破損性):工業對于數據的要求并不僅在于量的大小,更在于數據的全面性。在利用數據建模的手段解決某一個問題時,需要獲取與被分析對象相關的全面參數,而一些關鍵參數的缺失會使分析過程碎片化。

    舉例而言,當分析航空發動機性能時需要溫度、空氣密度、進出口壓力、功率等多個參數,而當其中任意一個參數缺失時都無法建立完整的性能評估和預測模型。因此對于企業來說,在進行數據收集前要對分析的對象和目的有清楚的規劃,這樣才能夠確保所獲取數據的全面性。

    BelowtheSurface(貼標簽):除了對數據所反映出來的表面統計特征進行分析以外,還應該關注數據中所隱藏的背景相關性。這一類數據包括工況設定、維護記錄、任務信息等,雖然數據的量不大,但在數據分析中卻起到至關重要的作用。

    工業大數據中的“3C”

    Comparison(比較性):從比較相似性和比較差異性的過程中獲取洞察,維度既可以是在時間維度上與自身狀態的比較,也可以是在集群維度上與其他個體的比較。這種比較分析能夠幫助我們將龐大的個體信息進行分類,為接下來尋找相似中的普適性規律和差異中的因果關系奠定基礎。

    Correlation(相關性):通過信息與信息之間的關聯性來進行記憶的管理和啟發式的聯想才是本質。相關性同時也促進了人腦在管理和調用信息的效率,我們在回想起一個畫面或是情節的時候,往往并不是去回憶每一個細節,而是有一個如線頭一樣的線索,你去牽它一下就能夠引出整個場景。這樣的類似記憶式的信息管理方式運用在工業智能中,就是一種更加靈活高效的數據管理方式。

    Consequence(因果性):數據分析的重要目的是進行決策支持,在制定一個特定的決策時,其所帶來的結果和影響應該被同等地分析和預測。這是以往的控制系統所不具備的特性,也是智能化的本質。工業系統中的大部分活動都具有很強的目的性,就是把目標精度最大化,把破壞度最小化的“結果管理”。

    雖然互聯網大數據與工業大數據的核心問題與技術路徑不同,但將互聯網大數據與工業大數據相整合,肯定能夠產生更大的價值。

    老子《道德經》中有這樣一句話“有之以為利、無之以為用”,我們可以理解為:一切事物的實體為我們提供可以憑借的可見的基礎條件,而其中所隱藏的空間和可變化的無限可能才是被我們真正使用并創造價值的所在。

    要知道人類社會在經歷了200多年的科技革命后,已經積累了巨大的工業產品存量,工業的基礎設施和大量基本生產要素,如機床、電力設施、動力設施、制造裝備、交通裝備等需求都已逐漸趨于飽和。因此德國的工業4。0戰略中將面向制造系統的集成和軟件服務作為重點,具體表現在縱向集成、橫向集成和端到端集成。同樣發現這個問題的還有美國GE公司,他們意識到裝備銷售過程中的獲利遠遠不及在產品使用過程中的價值服務,客戶需要的價值也遠不止對產品狀態的保持,更在于如何去使用這些能力來實現更高效的價值再創造。

    以數據為核心使產品發揮最大的能力,歸根結底是利用數據建模實現對狀態、環境和任務的精確評估,對管理和控制活動進行實時的決策優化,并協同和調度相關產品高效率運行的過程。

備注:本文為東田工控原創文章,禁止轉載,如需轉載請注明出處:http://www.rohuwv.live

  • 電話咨詢

  • 4008-0571-96
广东彩票双色球