工业大数据的技术、实践及展望
从工业大数据的应用视角来看，我们首先要回答一个问题“工业大数据的应用场景到底是什么？”或者说“如何识别出工业大数据场景呢？”，这就需要剖析和理解工业大数据的典型特征，看看它跟标准大数据特征是否一致？又有哪些区别与联系？众所周知，大数据的数据特征一般具备4V，即数据量巨大（Volume）、数据类型多样（Variety）、数据处理速度快（Velocity）和数据价值密度低（Value）。而工业大数据除了具备以上特征外，还具有时序性（Sequence）、强关联性（Strong-Relevance）、准确性（Accuracy）和闭环性（Closed-loop）等特征。比如生产车间设备的状态信息就是一组强时序性数据列，其与订单、工况、维修情况等信息又组成了一组强关联性的数据集，这些数据为了支撑设备故障诊断、预测预警等典型场景又需要有较强的准确性，同时这些数据和业务流程都要形成完整闭环。这组特征及其反映的典型应用场景恰恰体现了工业大数据的独特性。
- 2021-04-20
- 阅读300
- 下载0
- 17页
- pdf
