精华内容
参与话题
问答
  • 工业大数据也是一个全新的概念,从字面上理解,工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合,信息技术渗透到了工业企业产业链的各个环节,条形码、二维码、RFID、工业传感器...
        

    640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

    工业大数据也是一个全新的概念,从字面上理解,工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合,信息技术渗透到了工业企业产业链的各个环节,条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用,尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用,工业企业也进入了互联网工业的新的发展阶段,工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转,由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据,从数据类型看也多是非结构化数据,生产线的高速运转则对数据的实时性要求也更高。因此,工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少,某些情况下甚至更为复杂。


    工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析,信息技术和全球工业系统正在深入融合,给全球工业带来深刻的变革,创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。


    1、加速产品创新

    640?wx_fmt=jpeg 0?wx_fmt=gif 

    客户与工业企业之间的交互和交易行为将产生大量数据,挖掘和分析这些客户动态数据,能够帮助客户参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。福特公司是这方面的表率,他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中,这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中,司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用,但数据也传回福特工程师那里,以了解客户的驾驶习惯,包括如何、何时以及何处充电。即使车辆处于静止状态,它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。这种以客户为中心的大数据应用场景具有多方面的好处,因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息,而位于底特律的工程师汇总关于驾驶行为的信息,以了解客户,制订产品改进计划,并实施新产品创新。而且,电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据,以决定在何处建立新的充电站,以及如何防止脆弱的电网超负荷运转。


    2、产品故障诊断与预测

    640?wx_fmt=png 0?wx_fmt=gif

    这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实,大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中,波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例,看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上,发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态,这些数据不到几微秒就被测量和发送一次。以波音737为例,发动机在飞行中每30分钟就能产生10 TB数据。这些数据不仅仅是未来某个时间点能够分析的工程遥测数据,而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报,能有效实现故障诊断和预测。再看一个通用电气(GE)的例子,位于美国亚特兰大的GE能源监测和诊断(M&D)中心,收集全球50多个国家上千台GE燃气轮机的数据,每天就能为客户收集10G的数据,通过分析来自系统内的传感器振动和温度信号的恒定大数据流,这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析,从而对风力涡轮机布局进行改善,由此增加了风力涡轮机的电力输出水平并延长了服务寿命。

    3、工业物联网生产线的大数据应用

    640?wx_fmt=png 0?wx_fmt=gif

    现代化工业制造生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据,利用这些数据可以实现很多形式的分析,包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先,在生产工艺改进方面,在生产过程中使用这些大数据,就能分析整个生产流程,了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺,就会产生一个报警信号,能更快速地发现错误或者瓶颈所在,也就能更容易解决问题。利用大数据技术,还可以对工业产品的生产过程建立虚拟模型,仿真并优化生产流程,当所有流程和绩效数据都能在系统中重建时,这种透明度将有助于制造商改进其生产流程。再如,在能耗分析方面,在设备生产过程中利用传感器集中监控所有的生产流程,能够发现能耗的异常或峰值情形,由此便可在生产过程中优化能源的消耗,对所有流程进行分析将会大大降低能耗。


    4、工业供应链的分析和优化

    640?wx_fmt=png 0?wx_fmt=gif

    当前,大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如,电子商务企业京东商城,通过大数据提前分析和预测各地商品需求量,从而提高配送和仓储的效能,保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据,利用这些数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。以海尔公司为例,海尔公司供应链体系很完善,它以市场链为纽带,以订单信息流为中心,带动物流和资金流的运动,整合全球供应链资源和全球用户资源。在海尔供应链的各个环节,客户数据、企业内部数据、供应商数据被汇总到供应链体系中,通过供应链上的大数据采集和分析,海尔公司能够持续进行供应链改进和优化,保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家,为制造企业提供超过1万种不同的产品,每家厂商都依靠市场预测和其他不同的变量,如销售数据、市场信息、展会、新闻、竞争对手的数据,甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据,工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格,可以在价格下跌时买进,所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据,知道产品出了什么故障,哪里需要配件,他们还可以预测何处以及何时需要零件。这将会极大地减少库存,优化供应链。

    5、产品销售预测与需求管理

    640?wx_fmt=png 0?wx_fmt=gif

    通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具,通过历史数据的多维度组合,可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等,以此来调整产品策略和铺货策略。在某些分析中我们可以发现,在开学季高校较多的城市对文具的需求会高很多,这样我们可以加大对这些城市经销商的促销,吸引他们在开学季多订货,同时在开学季之前一两个月开始产能规划,以满足促销需求。对产品开发方面,通过消费人群的关注点进行产品功能、性能的调整,如几年前大家喜欢用音乐手机,而现在大家更倾向于用手机上网、拍照分享等,手机的拍照功能提升就是一个趋势,4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析,可以找到更多的潜在销售机会。


    6、生产计划与排程

    640?wx_fmt=png 0?wx_fmt=gif

    制造业面对多品种小批量的生产模式,数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大,再加上十几年的信息化的历史数据,对于需要快速响应的APS来说,是一个巨大的挑战。大数据可以给予我们更详细的数据信息,发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。帮我们规避“画像”的缺陷,直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它,我们就能计划未来。虽然,大数据略有瑕疵,只要得到合理的应用,大数据会变成我们强大的武器。当年,福特问大数据的客户需求是什么?而回答是“一匹更快的马”,而不是现在已经普及的汽车。所以,在大数据的世界里,创意、直觉、冒险精神和知识野心尤为重要。

    7、产品质量管理与分析


    传统的制造业正面临着大数据的冲击,在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生,来应对工业背景下的大数据挑战。例如在半导体行业,芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程,每一步都必须达到极其苛刻的物理特性要求,高度自动化的设备在加工产品的同时,也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱,还是企业的金矿呢?如果说是后者的话,那么又该如何快速地拨云见日,从“金矿”中准确地发现产品良率波动的关键原因呢?这是一个已经困扰半导体工程师们多年的技术难题。

    640?wx_fmt=png 0?wx_fmt=gif

    某半导体科技公司生产的晶圆在经过测试环节后,每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求,一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式,我们需要按部就班地分别计算一百多个过程能力指数,对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐,哪怕有人能够解决了计算量的问题,但也很难从这一百多个过程能力指数中看出它们之间的关联性,更难对产品的总体质量性能有一个全面的认识与总结。然而,如果我们利用大数据质量管理分析平台,除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外,更重要的是,还可以从同样的大数据集中得到很多崭新的分析结果。


    8、工业污染与环保检测

    640?wx_fmt=png 0?wx_fmt=gif

    《穹顶之下》令人印象深刻的一点是通过可视化报表,柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。这给我们带来的一个启示,即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢?其实并非都是凭借高层关系获取,不少数据都是公开可查,在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构,可查询的公益环保数据越来越多,包括全国空气、水文等数据,气象数据,工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化,普通人看不懂。如果能够看懂并保持关注,大数据将成为社会监督环保的重要手段。


    近日百度上线《全国污染监测地图》就是一个很好的方式,结合开放的环保大数据,百度地图加入了污染检测图层,任何人都可以通过它查看全国及自己所在区域省市,所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类,最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源,出现提醒,该监测点检测项目,哪些超标,超标多少倍。这些信息可以实时分享到社交媒体平台,告知好友,提醒大家一同注意污染源情况及个人安全健康。


    总结


    工业大数据应用的价值潜力巨大。但是,实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去,也有这些大数据,但由于没有大数据的意识,数据分析手段也不足,很多实时数据被丢弃或束之高阁,大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中,特别是在大型跨国公司内,要想在整个企业内提取这些数据相当困难。因此,工业大数据应用一个重要议题是集成应用。

    来源: 工业4点0(Industry4_0)!转载请注明出处!




    工业大数据,从何做起?

    昆仑数据K2Data 

    大数据是工业升级的关键技术要素已经是一个业界共识。新工业革命的实质就是一场从自动化、信息化时代向数字化、互联化、智能化时代迈进的产业变革,让工业企业可以基于从自动化、信息化系统中采集的数据对于企业的生产经营进行深入洞察和优化提升。那么,究竟大数据能为工业企业带来哪些具体的业务价值?要实现这些业务价值,企业又应该从何做起?

    工业大数据的业务价值

    大数据对于工业企业提升质量、效益和行业竞争力起着不可替代的作用。

    一方面,大数据将和物联网、云计算等一起支撑产品制造生命周期“4+1”环节业务模式创新。

    在产品设计环节,在各种需求数据、设计数据、产品仿真数据的支持下,可以支撑众包众智的协同创新设计模式;在产品使用数据的支持下,可以支撑用户反馈驱动的产品演进设计模式。

    在制造环节,在生产计划数据、过程控制数据、设备状态数据、质量检测数据、资源使用数据等的支持下,可以支持制造质量控制与提升、实时排程、减低资源消耗等智能车间能力。

    在销售交付流通环节,基于销售订单、仓储物流、供应商和用户信息、市场行情等数据,可以支持更经济、更高效的智慧物流,以及工业品市场预测、精准营销等。

    在后服务环节,基于产品工作状态数据、周边环境数据、用户交互信息,可以进行产品健康评估、基于状态的保养维修、零备件库存优化管理等。

    在单个产业链之外,还可以通过不同产业链间数据打通,消弭不必要的中间环节,提升产业生态链的效率。例如,汽车企业可以直接把汽车外壳形状和材质要求提供给钢铁企业,而不是传统方式通过一个中间商从钢铁企业买钢板,再按照车厂的要求裁剪冲压成汽车外壳,既提升了响应时间,又降低了费用,边角余料还可以直接回炉减少浪费。

    0?wx_fmt=jpeg

    另外一方面,大数据也是新兴的产业互联网的重要支撑手段。

    随着物联网技术的普及,越来越多的工业产品开始有了感知能力和开始联网。就像智能手机是移动互联网的载体一样,这些智能联网的工业品形成了产业互联网的载体,每一类的联网工业品上承载着一个产业互联网应用的生态,例如联网的汽车上承载着车联网,联网的能源装备上承载着能源互联网。

    在产业互联网时代,工业产品能带给用户的价值将超过产品硬件本身的功能,而可以更全面地支持用户全生命周期的使用场景。

    在《哈佛商业评论》的一篇文章中,以农机为例,描绘了这样一个产品转型的过程(如下图)。

    0?wx_fmt=jpeg

    过去的农机产品如拖拉机,加上一个外设如播种装置、犁地装置等,形成了一个农场设备系统,可以帮助农夫完成耕种活动。

    未来的农机,在联网之后,除了耕种外,通过传感器可以在耕种的过程中感知土壤墒情,还可以联网对接天气系统、浇灌系统、种子数据库等,全面指导农夫的各项工作:根据天气决定农业活动时间,根据墒情决定如何施用水肥,甚至根据市场情况决定种什么品类农作物。

    总结起来,工业大数据业务价值实现路径有二,如图所示:

    0?wx_fmt=jpeg

    一是制造全生命周期业务创新(先进制造):通过大数据驱动的创新产品设计、智能制造、智能服务,实现提升产品质量、生产效率、节省成本,达到提升企业在行业内竞争力的目的。按照大数据切入的环节不同,具体又可以落实到协同设计、精益制造、智能运维等。

    二是产业互联网新业务创新(制造+互联网):以智能联网的工业产品为载体承载服务产品周边生态系统的产业互联网业务,达到开创新兴市场和业务模式的目的。根据产品和所服务用户的不同,产业互联网业务将表现出多种不同的形态。

    工业企业大数据实施路径

    那么,具体到一个工业企业,要实施工业大数据,应该从何做起呢?并没有一定之规。企业需要根据自身的业务发展状况和竞争策略来决定自己的最佳实践切入点。

    对行业领先者而言,企业最大的挑战不是行业内部的竞争,而是如何拓展新业务空间的问题,那么可以选择从“制造+互联网”业务创新的角度切入。

    典型的例子是海尔的U+智慧生活空间,全面服务海尔家电用户在使用电器过程中的各种需求,例如烤箱的用户不仅需要烘焙的功能,还需要点心配方、原料、和其他烘焙爱好者交流,这些全部可以在U+智慧生活空间中得到满足,而海尔也借此从一个家电硬件的制造商转型成为了智慧生活服务提供商。

    0?wx_fmt=jpeg

    对于面临巨大竞争压力的企业而言,更迫切的需求在于通过提质增效、提升服务水平来增加企业竞争力,因此选择“先进制造”的路径是可行的。在“先进制造”路径下,又可以根据所处行业和企业自己的特点和基础来选取一个合适的切入点。

    举例说明:在陕鼓动力所在的动力透平行业,由于所服务的冶金和化工等行业需求下降,新产品的采购需求也下降,企业通过服务创新,建设远程设备运维系统,实现从制造向“制造服务”的转型,目前企业收入中服务所占比例已经超过一半;

    金风科技所在的风电行业,业主关注风场整体投入产出效率,金风利用大数据技术加强风机设计,变基于典型工况的选型为根据每台风机的微观选址进行个性化的“一机一设计”;

    山东临工所在的工程机械行业,液压阀等核心关键部件长期为国外垄断,订货周期长,且挤占了大量利润,要实现核心部件自主制造,必须突破质量关,因此临工采用“点穴式投入”,针对关键零部件进行了智能制造改造。

    条条大路通罗马,只要把握技术为业务目标服务的本质,明确业务提升目标,实施大数据就有了一个良好的开端。

    0?wx_fmt=jpeg

    本文由昆仑数据原创



    从数据到应用,智能制造与工业大数据的实践更新

    在工业自动化逐渐成熟后,工业机器人、自动化生产这样的实体技术不再是唯一实现智能制造的途径,而大数据、物联网、云计算、人工智能等新技术成为了新的增长点。

    640?wx_fmt=jpeg


    随着信息化水平的不断发展,以智能制造为主导的第四次工业革命正在各国掀起变革浪潮,不论是德国的工业4.0、美国的工业互联网,还是国内的“中国制造2025”,新一代信息技术与制造业的深度融合正在引发生产方式、产业形态、商业模式和经济增长点的重大变革,“制造”正在向“智造”转变。



    智能制造:物理工厂+虚拟工厂


    智能制造将物联网、大数据、云计算等新一代信息技术与设计、生产、管理、服务等制造活动的各个环节融合,以智能工厂为载体,采用“物理工厂+虚拟工厂”的形式,实现产业的智造升级。


    在智造升级过程中,“物联网”和“大数据”成为智能制造的两个主角。通过应用物联网和大数据,以端到端数据流为基础,以互联互通为支撑,构建高度灵活的个性化和数字化智能制造模式,实现信息深度自感知、智慧优化自决策、精准控制自执行等内容。

    640?wx_fmt=jpeg

    (智能制造:物理工厂+虚拟厂)


    物联网的核心在于运用新一代信息和通信技术,把传感器、感应器等智能装置(信息系统)嵌入到电网、交通、建筑、工厂、货物等各种物体和环境(物理系统)中,通过有线和无线网络加以连接形成物联网,并通过网络和云计算将物联网和互联网的整合,将物体接入信息网络,通过人、生产与产品的实时联通与有效沟通,实现对实体世界的洞察和控制。


    大数据分析应用则是物联网的基础上,通过将企业内部全流程运营数据和外部移动互联端、社交媒体端、社会化物联网端,以及延伸到消费者的智慧化物联网数据,纳入到完整的“洞察 -响应-提升”闭环式精益管理中,帮助企业充分发挥大数据分析的辅助决策作用。


    以制造型工厂为例,工厂以提升质量、降低成本、提高效率为根本目标,通过应用物联网技术,使制造过程中的各种数据源互联互通,实现信息流的自动化,实现制造链条全程可视化,通过大数据分析将海量的隐形数据转化为显性数据,并将信息及决策建议实时提供给生产一线操作工人、主管和高级管理人员,帮助企业增强制造洞察力。


    640?wx_fmt=jpeg

    (制造型工厂的应用重点)




    决策智能化:构建大数据分析能力


    随着智能制造的在各领域的推进应用,企业生产过程数字化及管理流程智能化正在逐步实现,但未来,能否实现决策智能化将是拉开企业差距的关键。


    何为决策智能化?指的是在自动化和设备智能化的基础上构建大数据分析能力,使“数据”转化为“洞察”,再由洞察产生行动,不仅要从技术上提升洞察分析能力,也要从组织、管控、能力角度同步提升,真正实现“感知 -洞察-评估-响应”闭环的顺利运作与循环提升。

    640?wx_fmt=jpeg

    (大数据分析能力构建)


    工业大数据在在数据管理阶段,聚焦于信息和数据管理,建立数据管理规则,指导海量数据辨识处理与信息提炼。第二个阶段则是将信息转化为洞察,通过建设相应的运行机制、数据分析平台和数据分析手段,利用数据分析挖掘根因,为管理决策提供支持,包括:支持和管控体系建设、组织和人才管理、获悉洞察管理、洞察到行动的管理等6个方面。第三个阶段由洞察反推业务,通过将分析洞察引入业务运营,实现最优决策的相关工作流程及建立相关评价工具、方法与流程,衡量大数据分析带来的业务洞察对业务产生的实际价值。


    随着物联网和大数据分析技术的应用实践,通过数据洞察驱动业务经营管理已成为行业的重要趋势,在此基础上实现商业模式创新、生产模式创新、运营模式创新和科学决策能力等企业目标已经成为可能,物联网和大数据正在帮助企业实现从“制造”向“智造”的转变。来源:数博会




    中国工业大数据实践及应用评估

    信通院


    3月28-29日,由工业和信息化部指导,中国信息通信研究院、中国通信标准化协会主办,数据中心联盟、大数据发展促进委员会承办的“2017大数据产业峰会”在北京国际会议中心盛大召开。

    640?wx_fmt=jpeg


    中国信息通信研究院田洪川做了题为《中国工业大数据实践及应用评估》的演讲。部分亮点摘录如下:


    • 工业大数据不同于商业大数据,工业领域通常有大量的机理模型、专家经验的深厚积累,其分析范式更加注重数据科学与行业经验的融合。


    • 工业大数据产业生态根植于传统大数据和工业自动化产业,以IBM、SAP、微软、GE、西门子等为代表的巨头企业利用先发者优势占据产业链重要环节。


    • 工业大数据应用成为领先企业智能化实施重点方向,但数据模型及经验积累不足仍制约着全流程、全系统的综合应用发展。


    以下为现场解读PPT,敬请阅读。

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=jpeg

    640?wx_fmt=png





    人工智能赛博物理操作系统

    AI-CPS OS

    人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


    AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


    领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

    1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

    2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

    3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

    AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

    1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

    2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

    3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

    4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

    5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

    AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

    1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

    2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

    3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


    给决策制定者和商业领袖的建议:

    1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

    2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

      评估未来的知识和技能类型;

    3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

      发过程中确定更加明晰的标准和最佳实践;

    4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

      较高失业风险的人群;

    5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


    子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


    如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


    新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。





    产业智能官  AI-CPS



    用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链



    640?wx_fmt=png

    640?wx_fmt=png


    长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


    新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市、“智能驾驶”新模式:“财富空间、“数据科学家”、“赛博物理”、“供应链金融”


    官方网站:AI-CPS.NET





    本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



    版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com







    展开全文
  • 工业大数据

    2015-08-12 15:26:05
    关于工业企业中对大数据研究的一个资料,写的不错
  • 工业大数据最基础的工作当然是数据采集,没有数据,一切跟大数据相关的技术、应用都是空中楼阁,那么,工业大数据的采集和传统的互联网大数据采集有哪些不同,又会涉及到哪些技术呢?今天我们就来聊一聊。  在谈...

            工业大数据最基础的工作当然是数据采集,没有数据,一切跟大数据相关的技术、应用都是空中楼阁,那么,工业大数据的采集和传统的互联网大数据采集有哪些不同,又会涉及到哪些技术呢?今天我们就来聊一聊。

            在谈工业大数据采集之前,先看看都有哪些类型的工业数据需要采集。互联网的数据主要来自于互联网用户和服务器等网络设备,主要是大量的文本数据、社交数据以及多媒体数据等,而工业数据主要来源于机器设备数据、工业信息化数据和产业链相关数据。这些上一部分我们已经基本谈到了。在此不再赘述。

            那么这些数据从类型上能分为哪些类型呢?主要包括以下几种:

            1、海量的Key-Value数据。在传感器技术飞速发展的今天,包括光电、热敏、气敏、力敏、磁敏、声敏、湿敏等不同类别的工业传感器在现场得到了大量应用,而且很多时候机器设备的数据大概要到ms的精度才能分析海量的工业数据,因此,这部分数据的特点是每条数据内容很少,但是频率极高。

            2、文档数据。包括工程图纸、仿真数据、设计的CAD图纸等,还有大量的传统工程文档。

            3、信息化数据。由工业信息系统产生的数据,一般是通过数据库形式存储的,这部分数据是最好采集的。

            4、接口数据。由已经建成的工业自动化或信息系统提供的接口类型的数据,包括txt格式、JSON格式、XML格式等。

            5、视频数据。工业现场会有大量的视频监控设备,这些设备会产生大量的视频数据。

            6、图像数据。包括工业现场各类图像设备拍摄的图片(例如,巡检人员用手持设备拍摄的设备、环境信息图片)。

            7、音频数据。包括语音及声音信息(例如,操作人员的通话、设备运转的音量等)。

            8、其他数据。例如遥感遥测信息、三维高程信息等等。

            那么,对如此海量的工业数据进行采集,主要有哪些技术难点呢?主要包括以下几方面:

            1、数据量巨大。任何系统,在不同的数据量面前,需要的技术难度都是完全不同的,我们设计一个数据采集软件,如果每秒采集1000条,我相信大部分程序员都可以很好地完成这个工作,如果是10W呢?1000W呢?甚至几十亿呢?如果频率提高到ms级呢?这就是技术难度非常复杂的任务了。

            如果单纯是将数据采到,可能还比较好完成,但采集之后还需要处理,因为必须考虑数据的规范与清洗,因为大量的工业数据是“脏”数据,直接存储无法用于分析,在存储之前,必须进行处理,对海量的数据进行处理,从技术上又提高了难度。

            2、工业数据的协议不标准。互联网数据采集一般都是我们常见的HTTP等协议,但在工业领域,会出现ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等等各类型的工业协议,而且各个自动化设备生产及集成商还会自己开发各种私有的工业协议,导致在工业协议的互联互通上,出现了极大地难度。很多开发人员在工业现场实施综合自动化等项目时,遇到的最大问题及时面对众多的工业协议,无法有效的进行解析和采集。

            下面这张图是我从网上找到的一张工业协议的汇总图,其实这仅仅是众多协议中的一部分。


            3、视频传输所需带宽巨大。传统工业信息化由于都是在现场进行数据采集,视频数据传输主要在局域网中进行,因此,带宽不是主要的问题。但随着云计算技术的普及及公有云的兴起,大数据需要大量的计算资源和存储资源,因此工业数据逐步迁移到公有云已经是大势所趋了。但是,一个工业企业可能会有几十路视频,成规模的企业会有上百路视频,这么大量的视频文件如何通过互联网顺畅到传输到云端,是开发人员需要面临的巨大挑战。

            4、对原有系统的采集难度大。在工业企业实施大数据项目时,数据采集往往不是针对传感器或者PLC,而是采集已经完成部属的自动化系统上位机数据。这些自动化系统在部署时厂商水平参差不齐,大部分系统是没有数据接口的,文档也大量缺失,大量的现场系统没有点表等基础设置数据,使得对于这部分数据采集的难度极大。

            5、安全性考虑不足。原先的工业系统都是运行在局域网中,安全问题不是突出考虑的重点。一旦需要通过云端调度工业之中最为核心的生产能力,又没有对安全的充分考虑,无异于“傻白甜”彻底暴露在“猥琐男”面前!一旦造成损失,是难以弥补的。2015年,受网络安全事件影响的工业企业占比达到30%,因病毒造成停机的企业高达20%。仅美国国土安全部的工业控制系统网络应急响应小组(ICS-CERT)就收到了295起针对关键基础设施的攻击事件。不久之前,德国一家钢铁厂遭受高级持续性威胁(APT)网络攻击,导致工控系统的控制组件和整个生产线被迫停止运转,损失惨重。前一段时间的半个美国网络瘫痪,对于工业来说也算是“警钟长鸣”。

            因此,在选择工业大数据的采集方案时,一定要慎重选择,不要迷恋新技术,更多的要考虑安全、可靠、稳定,毕竟工业领域出现问题是有可能造成无法挽回的损失的。
    展开全文
  • 工业大数据相关的概念非常多,包括工业4.0、物联网、云计算、人工智能、智能制造等等,接下来,我会追根溯源,把这些概念都理清楚,这样,我们才能更好地理解工业大数据。今天先聊一聊工业4.0是怎么回事。 工业...

    现在的世界,已经进入了一个概念满天飞的年代。和工业大数据相关的概念非常多,包括工业4.0、物联网、云计算、人工智能、智能制造等等,接下来,我会追根溯源,把这些概念都理清楚,这样,我们才能更好地理解工业大数据。今天先聊一聊工业4.0是怎么回事。

    工业4.0的概念来源比较清晰,不像大数据概念的来源,说不清,道不明。工业4.0是德国联邦教研部与联邦经济技术部在2013年汉诺威工业博览会上提出的概念。它实际上是德国人为了推广他们的工业技术而提出的一个营销概念。这个概念应该说提的非常成功,仿佛一夜之间,全世界都在讲自己的产品符合工业4.0的理念。

    当时德国人提的工业4.0概念中,主要是描绘了制造业的未来愿景(注意,是制造业,而不是工业,德国人在这里其实偷换了概念,工业的范畴远比制造业大得多),提出了继蒸汽机、规模化生产、电子信息技术等三次工业革命后,人类即将迎来的以生产高度数字化、网络化、机器自组织为标志的第四次工业革命。

    在德国人描述的四次工业革命中,第一次是以蒸汽机为动力的机械生产设备导致的第一次工业革命,该次工业革命与18世纪末基本结束。第二次是基于劳动力分工(即流水线),以电为动力的大规模生产为核心的第二次工业革命,该次革命始于20世纪初,第三次工业革命始于20世纪70年代,其标志是电子信息技术的大规模使用使得工业自动化程度大为提高,现在,德国人认为我们进入了第四次工业革命,在本次工业革命中,软件不再仅仅是为了控制仪器或者执行具体的工作而编写的,也不再仅仅被嵌入到产品和生产系统中。产品和服务借助于互联网和其他网络服务,通过软件、电子及环境的结合,生产处全新的产品和服务。越来越多的产品功能无需操作人员介入,而是可以自主进行生产。

    从这个概念可以看出,工业4.0实际上是德国等先进制造业发达国家在进行一次大的制造业升级,以期保持其在国际竞争中的地位。因此,工业4.0概念提出之后,各国纷纷跟进,美国提出了工业物联网,中国提出了工业2025,其实都是想在这一次工业革命中保持或者进一步占领国际市场,获得竞争优势。

    工业4.0中涉及到的技术概念有很多,大致可以通过下面这张图来进行描述。



    从底层看,工业4.0包括互联网时代的三大底层基础设施,工业物联网(这是美国人的概念)、云计算、工业大数据,在具体应用上,包括两大硬件技术3D打印和工业机器人,两大软件技术工业网络和工作自动化,同时还囊括了未来的两大技术虚拟现实和人工智能。这些技术构成了工业4.0的技术图谱。

    由此可以看出,工业大数据是工业4.0的一部分,它是为工业4.0提供软件技术支撑的,也是工业4.0的核心部分。由于工业4.0的最终目的是提高企业的生产力、生产效率及生产的灵活性,但又受制于生产的复杂性和复杂生产带来的超高难度的管理,因此,现代化的生产要求从产品、工具、运输、设备的每一个环节都配备传感器,并更够通过标准协议彼此通讯,在这种情况下,企业生产就必须依赖全新的软件系统,它可以覆盖整个产品生命周期,它可以协调海量的数据流程,它可以自主控制设备进行复杂化的、自定义的生产作业,而这和核心的一切,就是工业大数据。

    到今天,工业大数据的概念已将慢慢的超越了工业4.0,工业大数据既是工业4.0的核心,也在独立的发展,既有重合的部分,也有超越的部分。

    不管概念如何发展,以人工智能、大数据为标志的第四次工业革命已经在我们的身边展开了,通过这一次的工业革命,我们可以进行超级复杂流程的管理、大规模生产过程的优化和决策的快速执行,实现复杂生产和个性商业活动的高度整合,使人类的生产效率再上升一个数量级,使生产力得到进一步的释放。

    展开全文
  • 工业大数据一般如何进行处理呢?我画了一个相对通用的架构图来解释一下:  工业大数据在业务逻辑大的分层上和互联网大数据类似,一般都分为三部分,数据采集层、数据处理层和数据展现层,当然,具体到一个实际...

            工业大数据一般如何进行处理呢?我画了一个相对通用的架构图来解释一下:


            工业大数据在业务逻辑大的分层上和互联网大数据类似,一般都分为三部分,数据采集层、数据处理层和数据展现层,当然,具体到一个实际案例中,或者说根据不同的应用场景,可以划分为更多的层次,比如数据处理可以分为元数据管理层、数据交互层、数据分析层等等,如果你有兴趣,可以把大数据划分为N层。在分层的同时,还有许多同等重要的事情,例如安全保障、运维服务、测试规范等等,要都说清楚,基本也就搞不清楚工业大数据是怎么回事了。所以我们今天只讨论通用的、简化的、适用于一般场景的架构,而且仅仅是业务和逻辑层面的,技术层面的我们后面再详细说明。

            工业大数据系统非常重要的,也是基础的层次是数据采集。没有数据采集,所有的强大的、华丽的、技术非常NB的各种东东只能躲在黑暗里哭泣,英雄无用武之地。在这一层,也是工业大数据与互联网大数据差异非常大的一层,互联网大数据的数据采集主要靠用户的各种操作,例如网页浏览、系统登录、信息的互动、鼠标的点击等,而工业大数据的数据来源更加多种多样,最基本的是用于采集各类工业信号的传感器,通过传感器的采集,可以获得机器设备的运行状态、环境的指标、操作人的操作行为等各类信息。除通过传感器采集的信息,还包括现场的视频信息,各类图像设备拍摄的图片(例如,巡检人员用手持设备拍摄的设备、环境信息图片),语音及声音信息(例如,操作人员的通话、设备运转的音量等),遥感遥测信息等等,这些信息都是通过各类设备传输的。除此之外,还有操作人员手工录入的各类信息,采集软件抓取的企业内网的信息、互联网上与企业相关的信息等等。这些信息共同构成了数据采集的来源。

            数据采集领域也是自动化和信息化交叉最多的领域,其实也是一般IT从业人员比较头疼的领域,跨学科嘛,哈!

            数据采集结束后,就进入了数据处理阶段,这一阶段,软件人员就可以大显身手了,大部分技术都和互联网大数据技术差不太多。通常,我们会对采集到的数据先进行一定程度的处理,各类工业协议需要解析、视频流需要解码、语音需要识别等等,识别处理好后再对数据进行规范、清洗,洗刷刷完成后,干净数据才好用。需要立即处理的数据,例如报警、监测等,直接送到实时处理系统中进行处理,不着急的非急诊数据请进入仓库,按照类型存起来先。然后慢慢分析加工。存储可能会用到多种数据库,包括工业实时数据库、关系型数据库、地理数据库、分布式数据库、非关系型数据库、内存数据库等,这些数据库的整合、管理、链接又是工业大数据的一个难题,这个我们放到后面详细谈。今天先聊宏观。

            洗干净、切成块、冷冻好的红烧肉,啊,不是,存储好的工业数据如此之海量,怎么推送给用户就成为数据可视化层要干的事情了。数据可视化最近也比较火,原先做报表的,现在都号称大数据可视化公司了,其实,单纯的大数据可视化是没有意义的,没有对工业业务的深入理解,很难做出让客户的满意的可视化结果。可视化包括许多方式,如报表、二维地图、三维地图、三维模型、短信、手机APP、微信、大屏等等,总之,通过一切手段让用户看到自己想看的数据即可。

            基于通用业务架构,都涉及到哪些技术环节,需要了解哪些技术呢,咱们下一部分再来谈这个问题。
    展开全文
  • 工业大数据的概念提出后,IT业界结合新的大数据技术和自身对工业的理解,提出了大量的解决方案,有许多已经在现实中的到了应用。应该说,工业大数据目前的应用情况是不太好的,除了少部分用户确实得到了好处外,大...
  • 工业大数据介绍

    千次阅读 2019-03-11 13:09:49
    一、工业大数据的定义 工业大数据是指在工业领域,主要通过传感器等物联网技术进行数据采集、传输得来的数据,由于数据量巨大,传统的信息技术已无法对相应的数据进行处理、分析、展示,而在传统工业信息化技术的...
  • 为了论述完整性,本篇将集中阐述工业大数据及其在工业4.0中的定位和重要性。”◎文丨廣乾草記1大数据与数据的区别:成本分析案例大家反复看到的这张图,又有了新的变化。变化在于,工业4.0的所有智能模块,就数据...
  • 来源:中国信息通信研究院CAICT在工业和信息化部信息化和软件服务业司、工业互联网产业联盟指导下,中国信息通信研究院牵头成立工业大数据创新竞赛组委会,组织编写了《工业大数据创新竞赛白皮书(2017)——风机...
  • 前面两部分我们大概了解了一下大数据的由来和特点,这一部分我们来看看什么是工业大数据,它和传统我们理解的大数据有什么不同?  在了解什么是工业大数据的时候,我觉得我们有必要先了解一下什么是工业以及工业都...
  • 工业大数据白皮书2019

    2019-04-03 14:49:49
    工业大数据产业应用联盟 1 前言............................................................................................................................1 1.1 研究背景....................................
  • 今天,整理了一些工业大数据的相关案例,看看各家企业是如何成功实施工业大数据的。  1、能够实现全生产过程的信息透明化的案例  通过采用集成自动化与驱动解决方案,能够显著提高生产效率和灵活性。原东德玻璃...
  • 我们要看大数据工业的深度融合之前,先看看核心要素大数据的本质是什么。 大数据的本质就是,“数据+算法=服务”,数据来自机器数据,业务数据,产品数据。这些数据需要通过物联网、传感器不断的获取。而算法部署...
  • 工业大数据采集、处理之后,非常重要的一个环节就是数据可视化工作。毕竟,无论我们有多少数据,都是需要看到的,否则数据的意义又在哪里呢?  数据可视化技术第一代应该是报表软件,通过报表系统能够把复杂的数据...
  • 公司的核心竞争力是一套大数据信息系统,任何一项数据的变动都能驱动其余9000多项数据的同步变动,真正做到了从用户的个性化设计订单到生产过程的“零时差”连接。  红领走了一条极端的定制路线,生产的每一件衣服...
  • 12月15日,由工业和信息化部指导,工业和信息化部电子第五研究所,北京索为系统技术股份有限公司牵头主办的中国工业技术软件化产业联盟(中国工业APP联盟)成立大会在北京顺利召开。大会邀请了多位行业专家围绕工业...
  • 工业大数据领域的从业者有很大一部分是传统IT从业人员,对于工业控制协议比较陌生,因此再做工业大数据采集时,对于各类工业协议有时容易搞不清楚,我简单把在做工业大数据采集时常见的几种工业协议整理了一下,...
  • 前面聊了工业大数据与工业4.0和物联网(IOT)的关系,今天来看看工业大数据和云计算的关系。 云计算这一概念可以追溯到上个世纪Sun和Oracle提出的“网络就是计算机”。限于当时的互联网条件等多方面的原因,这一...
  • 那么,到底在工业大数据应用中,没有没必要使用Hadoop,或者在什么样的应用环境中使用Hadoop才是适合的呢? 首先,让我们来看一看Hadoop是什么,它是为解决什么问题而发展起来的。 简单说,Hadoop是一个能够对大量...
  • 2015年5月8日,国务院公布《中国制造2025》,这是中国版的“工业4.0”规划。该规划提到“加快推动新一代信息技术与制造技术融合发展,把智能制造作为两化深度融合的主攻方向。大数据时代,利用大数据驱动业务发展,...
  • 今天真是一个美好的时代,有无数的开源系统可以为我们提供服务,现在有许多开发软件可以用到工业大数据中,当然很多系统还不成熟,应用到工业中还需要小心,并且需要开发人员对其进行一定的优化和调整。下面就简单...
  • 4、ProfiBus ProfiBus是德国标准(DIN19245)和欧洲标准(EN50170)的现场总线标准。由PROFIBUS--DP、PROFIBUS-FMS、PROFIBUS-PA系列组成。DP用于分散外设间高速数据传输,适用于加工自动化领域。...
  • (7)分析框架SparkSQL  SparkSQL的前身是Shark,给熟悉RDBMS但又不理解MapReduce的技术人员提供快速上手的工具,Hive应运而生,它是当时唯一运行在Hadoop上的SQL-on-Hadoop工具。但是MapReduce计算过程中大量的...
  • GE 工业大数据

    2018-07-16 21:31:52
    GE工业大数据英文版,
  • 来源:天泽智云 授权 产业智能官 转载。 8月2日,2017中国大数据产业...此次会议吸引了政府领导、行业专家、中美近二十家大数据企业代表以及创投机构聚首京城,共同探讨大数据产业发展趋势,推动技术创新,助力
  • 上一次谈了谈工业大数据和工业4.0的关系,今天来聊一聊物联网和工业大数据的关系。 我们先看一看什么是物联网是怎么来的。物联网的概念其实起源很早,1999年,在美国召开的移动计算和网络国际会议首先提出了物联网...
  • 来源:工信部、工业互联网城市物联网智库 整理发布转载请注明来源和出处------ 【导读】 ------工业大数据参考框架,包括应用范围、典型运营模式、数据架构、技术架和平台参考等。工业大数据是指在工业领域中,围绕...
  • ”近年来,工业大数据逐渐从概念走向落地阶段,数据基础较好的一些细分工业领域,已经在利用新兴的大数据等技术创造价值。昆仑数据科技公司首席运营官陈晨阐述了大数据如何推动中国工业转型升级、产业变革,以及工业...
  • 工业大数据对先进制造业发展的促进作用工业大数据是指在工业领域,从客户需求到产品研发设计、工艺设计、采购供应、生产制造、成本核算、销售服务等产品全生命周期各个环节产生的数据...

空空如也

1 2 3 4 5 ... 20
收藏数 92,420
精华内容 36,968
关键字:

工业大数据