全球工业大数据发展及实践(4)
全球工业大数据发展及实践(四)
(2019年6月13日)
(四)工业大数据的资源与技术组成
工业大数据主要由工业物联网、大数据资源、大数据平台和大数据分析挖掘技术组成。
1. 工业物联网
工业物联网是工业领域的物联网技术,包括智能传感器、RFID 无线射频、二维码、网络通信技术、接口技术等。物联网技术是工业大数据实现数据采集和传输的基础,并将原有的虚拟网络中的数据采集扩展到实物领域。一方面工业物联网为工业大数据带来数据之源,另一方面工业大数据也是工业物联网的一个重要应用。可以说,工业物联网与工业大数据相辅相成。
2. 大数据资源
随着信息化的发展,现代工业企业所拥有的数据不仅实时产生且规模巨大,还具有类型多样、模式异构、数据价值密度高等特点。这些数据资源包括:由设计软件产生的产品设计数据;由智能设备产生的生产制造数据和运维数据;由企业管理系统产生的企业运营管理数据;由供应链平台产生的供应链数据等。这些大数据资源构成了整个工业大数据的核心。
3. 大数据平台
大数据的出现需要新的工具和技术来存储、管理和实现商业价值。新的工具、流程和方法支撑起新的技术架构,使得企业能够建立、操作和管理这些海量的数据及其存储环境。由此,以 Hadoop 开源平台为主的大数据存储处理新平台应运而生。工业大数据平台就源自Hadoop 平台。国内外多家公司在Hadoop 的基础上,结合工业生产的实际,进行扩展和延伸,形成多个类型的商业平台。例如 Cloudera CDH、Hortonworks HDP、SAP HANA、IBM InfoSphere、星环科技的 Transwarp 和华为的 FusionInsight Hadoop 等。
4. 大数据分析挖掘技术
大数据本身并不能产生巨大价值,只有通过分析和挖掘大数据,才能从中提取价值,辅助企业进 行生产和管理。由于工业大数据价值性、实时性、准确性和闭环性的特点,所以对工业大数据的分析 和挖掘技术主要包括检索与查询、分类与聚类、时序数据模式挖掘、多元数据融合、结构化数据处理、大数据关联分析等。
(未完待续)
摘编自 江苏企业技改协会 重点行业研究