Logo
新闻中心

别让互联网大数据的思维耽误工业大数据

发布时间:2018-04-12 来源:金属加工

工业大数据红了!它伴随着“大数据”、“云计算”、“物联网”、“人工智能”等概念的兴起而逐渐火了起来,国外火,国内也火,俨然成了国际“巨星”。但当下很多人用纯粹的互联网大数据思维去理解工业大数据

工业大数据互联网大数据在大数据分析技术上有很大差别。虽然大数据分析技术最早兴起于互联网中产生的社会和媒体大数据。然而,由于工业大数据具有更强的专业性、关联性、流程性、时序性和解析性等特点,仅仅依靠传统的互联网大数据分析技术,已无法满足工业大数据的分析要求。

工业大数据互联网大数据在大数据分析技术上有哪些不同呢?小编不才,总结了以下几点:

首先,二者最大的不同在于对数据特征的提取。工业大数据注重特征背后的物理意义,以及特征之间关联性的机理逻辑,而互联网大数据则倾向于仅仅依赖统计学工具挖掘属性之间的相关性

其次,互联网大数据更加注重数据的数量,而工业大数据更倾向于数据的全面性,即尽可能避免样本出现遗漏、分散和断续。以覆盖工业过程中的各类变化条件,保证从数据中能够提取出反映对象真实状态的全面性信息。

与此同时,工业大数据的价值又具有很强的时效性,即当前时刻产生的数据如果不迅速转变为可以支持决策的信息,其价值就会随时间流逝而迅速衰退。这也就要求工业大数据的处理手段具有很高的实时性,对数据流需要按照设定好的逻辑进行流水线式的处理

最后,工业大数据更加注重数据质量,而互联网大数据则可以只针对数据本身进行挖掘和关联而不考虑数据的本身的意义。

举个例子,如果我们把人工智能看成一个嗷嗷待哺、拥有无限潜力的婴儿,那么某一领域专业的、海量的、深度的数据就是喂养这个天才的奶粉。奶粉的供应量充不充足决定了这个婴儿能不能长大,而奶粉的质量过不过关则决定了这个婴儿后续智力发育水平的高低。

这就是为什么,尽管美国、德国在智能制造发展路径上的选择有所不同,但是他们都不会忽略大数据这个领域的发展。可以说,大数据是工业4.0时代的一个重要特征。

换句话说,相比于互联网大数据通常并不要求有那么精准的结果推送,工业大数据对预测和分析结果的容错率远远比互联网大数据低得多。互联网大数据在进行预测和决策时,考虑的仅仅是两个属性之间的关联是否具有统计显著性。比如,当我觉得有70%的显著性应该给某个用户推荐A类电影,即使该用户并非真正喜欢这类电影,也不会造成太严重的后果,但是在工业环境中,如果仅仅通过统计的显著性给出分析结果,哪怕仅仅一次的失误都可能造成严重的后果。

因此,简单地照搬互联网大数据的分析手段,解决的只是算法工具和模型的建立,还无法满足工业大数据的分析要求。工业大数据分析更加注重逻辑清晰的分析流程和与分析流程的相匹配的技术体系。这就好比很多专业领域的技术人员由于接受了大量与其工作相关的思维流程训练,具备了清晰的条理思考能力及完善的执行流程,往往更能胜任复杂度较高的工作。

随着新一代信息技术与制造业的深度融合,工业企业的运营管理,越来越依赖工业大数据。那么工业大数据究竟有哪些价值?且听小编絮叨絮叨!

✦ 从技术端来看

工业大数据分析的价值在于它能够解决什么样的问题,能为用户提供什么样的服务。同时,这个过程强调的是,工业大数据能够通过在横向与纵向环节的互联实现在统一平台的信息共享,由此将资源利用与分析维度规模化、价值最大化,进而能够最大范围地面向各环节的用户进行应用服务的定制与按需分发,由此又可衍生出持续性服务共赢的模式。

✦ 从应用端来看

大数据环境能够为工业界,带来的价值主要体现在以下几个方面:

以较低成本,满足用户定制化的需求;

使制造过程的信息透明化,提升效率、提升质量、降低成本和资源消耗,实现更有效的管理;

提供设备全生命周期的信息管理和服务,使设备的使用更加高效、节能、持久;减少运维环节中的浪费和成本,提高设备的使用率;

使人的工作更加简单,甚至部分代替人的工作,在提高生产效率的同时降低工作量;

实现全产业链的信息整合,使整个生产系统协同优化,让生产系统变得更加动态和灵活,进一步提高生产效率并降低生产成本。

知名信息专家涂子沛说:“数据可以治国,也可以强国”,“得数据者得天下”。借用涂子沛的这句话,我们还可以说:“数据可以治业,数据可以兴业,得大数据者将占据新工业革命之先机!”

来源:机电商报



关注公众号
关注公众号
返回顶部