산업 빅 데이터의 맥락을 한 문장으로 읽다.

1 문 읽기 산업 빅 데이터의 맥락 산업 빅 데이터는 빅 데이터와 달리 고유한 특징을 가지고 있습니다. 이 기사는 산업 빅 데이터의 정의와 범주, 출처, 특성, 기술 및 응용 분야, 직면 한 문제 등에서 산업 빅 데이터의 모든 측면을 포괄적으로 분석하여 산업 빅 데이터의 맥락을 읽을 수 있도록하는 데 중점을 둡니다!

산업 빅데이터는 고객 수요에서 판매, 주문, 계획, 연구 개발, 설계, 공정, 제조, 조달, 공급, 재고, 배송 및 배송, 애프터 서비스, 운영, 폐기 또는 재활용 재제조에 이르는 일반적인 지능형 제조 모델을 중심으로 산업분야에서 말합니다 -산업 빅 데이터 소스- 우리가 말하는 산업 빅 데이터는 기업 정보 소프트웨어에 흐르는 데이터와 완전히 동일하지 않습니다. 업계 * * * 의 관점에서 볼 때, 주요 출처에는 세 가지 범주가 있습니다. 첫 번째 범주는 기업 경영 관련 비즈니스 데이터이며, 이러한 데이터는 기업 자원 계획을 포함한 기업 정보화 범주에서 나온 것입니다. 두 번째 범주는 기계 장비 상호 연결 데이터로, 주로 산업 생산 과정에서 장비, 자재 및 제품 가공 프로세스의 작업 상태, 환경 매개 변수 등의 운영 상태 데이터를 가리키며 MES 시스템을 통해 실시간으로 전달되며 현재 스마트 장비가 대량 사용되는 경우 이러한 데이터 양이 가장 빠르게 증가하고 있습니다.

세 번째 범주는 산업 엔터프라이즈 제품 판매 후 사용 및 운영 데이터를 포함하는 엔터프라이즈 외부 데이터이며 많은 고객, 공급업체, 인터넷 등의 데이터 상태도 포함됩니다. -산업 빅 데이터 특징- 필자는 산업 빅 데이터 특징 및 데이터 중심 산업 가치 창출과 같은 주제에 대해 산업 빅 데이터 분야 유명 전문가인 미국 과학재단 (NSF) 지능 유지 시스템 (IMS) 센터 주임 이걸 교수를 인터뷰한 바 있다. 그는 산업 빅 데이터 및

또한 데이터의 특성과 직면 한 문제도 다릅니다. 인터넷 빅 데이터와 달리 산업 빅 데이터의 분석 기술의 핵심은' 3B' 문제를 해결해야 한다. 1) Below Surface-은닉성, 즉 배후의 의미 산업 환경의 빅 데이터가 인터넷 빅 데이터와 비교했을 때 가장 중요한 차이점은 데이터 특징 추출 위에 있다. 2) Broken-조각화-즉, 불연속성을 피하고 시효성 이 인터넷 빅데이터보다 데이터 전체를 중시해야 합니다. 즉, 산업 프로세스의 다양한 변경 조건을 포괄하고 객체 진실을 반영하기 위해 데이터에서 추출할 수 있도록 애플리케이션 요구 사항에 대해 최대한 포괄적인 샘플을 사용해야 합니다. 따라서 산업 빅 데이터는 백엔드 분석 방법에서 데이터 조각화로 인한 어려움을 극복하고, 피쳐 추출 등의 수단을 사용하여 이러한 데이터를 유용한 정보로 변환해야 합니다. 반면, 데이터 획득의 프런트 엔드 설계에서 가치 요구 사항에 따라 데이터 표준을 개발하여 데이터 및 정보 유통을 위한 플랫폼에 통합 데이터 환경을 구축해야 합니다.

3) bad quality-저품질, 즉 데이터 품질 향상, 저내결함성 충족

데이터 조각화 결함 소스 충족, 데이터 품질에 대한 우려, 즉 데이터 양이 데이터 품질을 보장하지 않아 낮은 품질의 데이터가 직접적인 영향을 미칠 수 있기 때문에 데이터 가용성이 떨어질 수 있습니다 데이터 자체의 의미에 관계없이 데이터 자체에 대해서만 발굴하고 연결할 수 있습니다. 즉, 어떤 결과가 어떤 결과인지 발굴할 수 있습니다. 가장 전형적인 것은 슈퍼마켓 쇼핑 습관의 데이터 마이닝을 거친 후 맥주 선반을 소변이 젖지 않는 선반 맞은편에 놓을 수 있다는 것입니다. 그들 사이에 어떤 이성적인 논리적 관계가 있는지 고려하지 않습니다. 즉, 인터넷 빅 데이터보다 더 정확한 결과 푸시가 필요하지 않습니다. 산업 빅 데이터는 인터넷 빅 데이터보다 예측 및 분석 결과에 대한 내결함성이 훨씬 낮습니다. 인터넷 빅데이터는 예측과 의사결정을 할 때 두 속성 간의 연관이 통계적 중요도를 가지고 있는지 여부만 고려한다. 그 중 소음과 개체 간의 차이는 샘플량이 충분할 때 무시할 수 있다. 이렇게 하면 예측 결과의 정확도가 크게 떨어질 수 있다. 예를 들어, 7% 의 중요도가 어떤 사용자에게 A 급 영화를 추천해야 한다고 생각했을 때, 사용자가 이런 영화를 정말 좋아하지 않더라도 심각한 결과를 초래하지 않을 것이다. 그러나 산업 환경에서 통계의 중요도를 통해서만 분석 결과를 준다면 단 한 번의 실수라도 심각한 결과를 초래할 수 있다. -산업 빅 데이터 기술: 알고리즘과 모델- 산업 데이터의 대량 축적이 있지만 직접적인 상업적 이득은 아니며 중간에 매우 중요한 채널 인 산업 빅 데이터 기술이 있습니다. 최근 몇 년 동안, 많은 대형 데이터 전문가와 업계 전문가들도 데이터 양이 더 중요한지, 아니면 빅 데이터 알고리즘이 더 중요한지, 쌍방이 각자 고집을 부린다는 논쟁을 벌이고 있다. (윌리엄 셰익스피어, 윈스턴, 데이터, 데이터, 데이터, 데이터, 데이터) 예를 들어 Googole 은 데이터의 양이 매우 중요하다고 생각합니다. 심지어 더 많은 데이터가 더 나은 알고리즘보다 낫다고 직언하기도 합니다. 이런 관점은 우리 의식 인지의' 정보가 많을수록 진실에 가까워진다' 는 것과 비슷하다. "신호 및 소음, 저자 NateSilver" 와 같은 이 책의 한 가지 관점은 "더 많은 데이터가 더 많은 소음을 의미한다" 는 것입니다. 신호는 진실이지만 소음은 우리를 진실에서 멀어지게 한다. " 따라서 사람들은 진실이 무엇인지 식별하고 인식하기 위해 효과적인 알고리즘과 모델을 구축해야 합니다. 여기서 데이터량이 중요한지 알고리즘 모델이 더 중요한지 논의하지는 않지만, 산업 빅 데이터의 효과적인 활용을 위해서는 산업 빅 데이터의 분석 기술과 불가분의 관계에 있을 것이다. -산업 빅 데이터 애플리케이션 분야 (시나리오)- 1, R&D 설계: R&D 인력의 R&D 혁신 능력 향상, R&D 효율성 및 품질 향상, 공동 설계 지원 (1), 모델 기반 및 시뮬레이션 기반 R&D 설계 (2), 제품 라이프 사이클을 기반으로 한 설계; (3), 소비자 피드백을 융합한 설계 2, 복잡한 생산 프로세스 최적화 애플리케이션: (1), 산업 인터넷 생산 라인 (2), 생산 품질 관리; (3), 생산 계획 및 일정; 3, 제품 수요 예측에 적용 4, 산업 공급망 최적화에 적용 -산업 빅 데이터 애플리케이션 개발의 주요 문제점- "산업 빅 데이터 백서 217 년판" 에 따르면 연구 및 응용 산업 빅 데이터, 제품 실천 과정에서, 이 세 가지 방면에는 모두 다른 정도의 난점이 있다. "산업 빅 데이터 백서 217 년판" 표지

1, 제품 빅 데이터: 제품 빅 데이터는 산업 빅 데이터의 근본 원인과 핵심이지만 산업 제조업 분야는 광범위하고 다양한 산업, 방대한 제품 유형, 여전히 증가하고 있습니다. 제품 빅 데이터의 정의 및 분류 방법을 표준화하는 방법, 사양 설정

2, 물련 액세스 장비: 물물 유엔 총회 데이터는 공업의 큰 데이터 원활한 흐름을 실현하는 데 필요한 수단이지만, 공업의 실제 응용에서는 공업소프트웨어, 고급 물련 설비가 국산 자율적 제어력을 갖추지 못하고 물련이 액세스되는 하이엔드 설비의 읽기와 쓰기가 개방되지 않고, 설비 정보의 외딴 섬을 형성하고, 데이터 유통이 원활하지 못하며, 이런 속박을 깨는 것이 공업의 큰 데이터를 실현하는 관건이다.

3, 정보 통합 침투: 통합의 어려움은 비즈니스 중심, 핵심 사항 및 연결, 제품 소스 및 장비 제어, 지속적인 최적화에 있습니다.

上篇: 인터넷에는 여주인, 처녀, 주인공, 반파 지능 지수가 없는 소설에 어떤 추천이 있나요? ,, 下篇: 중국 석유가스주식유한공사 광서북해판매지사는 어떠세요?