精华内容
下载资源
问答
  • 工业大数据漫谈

    2019-05-12 12:24:47
    本文的内容链接到“君子藏器”的《工业大数据漫谈》,本文页面属于原创 《工业大数据漫谈》由“君子藏器”原创,此处只提供传送门: 工业大数据漫谈1:大数据的由来 工业大数据漫谈2:大数据的特性 ——大数据的...

    本文的内容链接到“君子藏器”的《工业大数据漫谈》,本文页面属于原创

    《工业大数据漫谈》由“君子藏器”原创,此处只提供传送门:

    工业大数据漫谈1:大数据的由来

    工业大数据漫谈2:大数据的特性

    ——大数据的“大”是相对的,不是绝对的

    ——1、数据在其应用领域相对较大;

           2、数据具备可操作性;

           3、数据具有一定程度的完整性、连续性,即可分析。

    工业大数据漫谈3:什么是工业大数据?

    ——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基础上借鉴了互联网大数据的技术,提出的新型的基于数据驱动的工业信息化技术及其应用。

    工业大数据漫谈4:工业大数据的作用

    1、能够实现数据的全面采集并持久化

    2、能够实现全生产过程的信息透明化

    3、能够实现生产设备的故障诊断和故障预测

    4、能够实现生产设备的优化运行

    5、能够提高企业的安全水平

    6、能够实现定制化生产

    7、能够实现供应链的优化配置

    8、能够实现产品的持续跟踪服务

    9、能够为企业提升新的服务价值

    工业大数据漫谈5:工业大数据案例(上)

    工业大数据漫谈6:工业大数据案例(下)

    工业大数据漫谈7:工业大数据通用业务架构

    ——工业大数据业务构架一般都分为三部分,数据采集层、数据处理层和数据展现层

    ——工业大数据系统非常重要的,也是基础的层次是数据采集

    ——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

    ——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

    工业大数据漫谈8:工业大数据的采集

    工业大数据漫谈9:开源工业大数据软件简介(上)

    工业大数据漫谈10:开源工业大数据软件简介(下)

    工业大数据漫谈11:工业大数据可视化的难点

    ——相对而言,纯技术的问题反而不是问题的关键,比如三维建模技术、图表自动生成技术、数据检索技术等。可视化更多的是对用户和业务的理解,以及在这个基础上对数据的深刻认识。

    工业大数据漫谈12:实时数据库与时序数据库

    ——时序数据库其实主要是实时数据库的数据存储部分,但是,由于它采用了新的技术,极大地扩展了数据的容量,除了数据点和时间戳之外,还提供标签和内容等对数据的描述,并且提供各种聚合查询,弥补了实时库的缺陷。

    工业大数据漫谈13:Hadoop在工业大数据中的作用

    ——说白了,小型的项目,不太用得着分布式计算,一般不建议使用Hadoop。当然,小型项目还是不是严格意义上的大数据项目也很难说。中型的项目,建议采用公有云提供的Hadoop环境,也不要自己搭建,成本和收益实在不成比例。大型的项目,当前的实际情况比较适合自行搭建Hadoop环境,远期,除非是中移动、中石油这样的巨无霸企业,还是搭建在公有云上为好。

    工业大数据漫谈14:煤矿与非煤矿矿山如何应用大数据

    工业大数据漫谈15:工业大数据与工业4.0的关系

    ——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。

    工业大数据漫谈16:物联网(IOT)与工业大数据的关系

    工业大数据漫谈17:云计算与工业大数据的关系

    工业大数据漫谈18:工业大数据数据采集常见的工业协议简介(上)

    工业大数据漫谈19:工业大数据数据采集常见的工业协议简介(下)

    展开全文
  • 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,大部分用户还处在被忽悠阶段,花了很大一笔钱,上了大量的项目,没有得到想象中的效果,原因是多方面的,不是三下两下能说的清楚地,后面我们再专文讨论。今天我们想说一说,工业大数据就目前来看,到底有什么作用,能帮企业解决哪些问题呢?

            本着不吹不黑,说人话的精神,我总结了以下几个当前大数据在工业领域切实发挥作用的方面:

            1、能够实现数据的全面采集并持久化

            在前大数据时代,很多工业现场采集到的数据的生命周期仅仅是在显示屏上一闪而过,大量的数据由于种种原因被丢弃了,丢弃的一个很重要的原因就是无法有效存储,全部存储成本过高且数据量过大导致无法使用。大数据时代之后,新型的数据处理技术及云计算带来的低成本,使得数据的全面采集并且持久化成为可能,即采集到的数据可以实现长时间的存储,且海量的数据可处理、可分析,工业用户就有了存储数据的意愿。而这一切又反过来为大数据分析提供了坚实的数据基础,使得分析的结果更准确,成为一种正向循环。

            2、能够实现全生产过程的信息透明化

            随着现代生产技术的飞速提高,生产过程已经呈现高度复杂性和动态性,逐渐出现了不可控性。生产过程信息呈现碎片化倾向,只有专业部门、专业人员才掌握本部门、本专业的数据,企业无法全面有效了解全生产流程。

            随着大数据处理和可视化技术的不断发展,目前,通过全生产过程的信息高度集成化和数据可视化,从而达到了生产过程的信息透明化,企业总调度中心不仅可以清晰地识别产品,定位产品,而且还可全面掌握产品的生产经过、实际状态以及至目标状态的可选路径。

            3、能够实现生产设备的故障诊断和故障预测

            当前,已经可实现对设备各类数据的采集,包括设备运行的状态参数,例如温度、震动等,设备运行的工况数据,例如负载、转速、能耗等,设备使用过程中的环境参数,例如风速、气压等,设备的维护保养记录,包括检查、维护、维修、保养等信息,以及设备的使用情况,例如使用单位、操作人员等。收集到设备的各类数据后,再加上同类设备的数据、长周期的使用数据等等,就构成了大数据分析的基础数据。

            这个时候,再加上好的算法及模型,通过数据的分析处理实现设备的故障诊断和故障预测就是一个再简单不过的事情了。

            4、能够实现生产设备的优化运行

            在故障诊断和故障预测的基础上,机器、数据和生产指标构成了一个相互交织的网络,通过信息的实时交互、调整,再加上优化准则,将它们进行比对、评估,最终选出最佳方案。可以进一步提高设备的效率和精度,更加合理化和智能化的使用设备,这就使生产更具效率,更环保,更加人性化。并且设备的使用更加高效、节能、持久,同时还可减少运维环节中的浪费和成本,提高设备的可用率。

            5、能够提高企业的安全水平

            由于设备信息、环境信息和人员信息的高度集成,经过数据分析可实现安全报警、预警,隐患评估、预警等,从而大幅度提高安全水平,并且可提升人员效率;

            6、能够实现定制化生产

            近几十年里,技术开发面临的最大挑战是产品乃至系统无限增加的复杂性。与此同时,这还导致开发和制造的工业过程的复杂性也倾向于无限增加。而工业企业欲在未来长期保持竞争优势,又必须提高生产灵活性。因为只有这样,才能降低成本,缩短产品上市时间,并通过提高产品的种类,满足个性化的生产需求。

            单靠人脑进行管理,是无法对如此复杂的流程和庞大的数据进行匹配的,通过大数据技术的引入,可以将客户的需求直接反映到生产系统中,并且由系统智能化排程,安排组织生产,使得企业定制化生产成为现实;

            7、能够实现供应链的优化配置

            通过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。

            供应链体系以市场链为纽带,以订单信息流为中心,带动物流和资金流的运动,整合供应链资源和用户资源。在供应链的各个环节,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,企业就能够持续进行供应链改进和优化,保证了对客户的敏捷响应。

            8、能够实现产品的持续跟踪服务

            随着物联网技术的发展,对于已售出的产品,现在可实现运行数据的全面收集,从而可分析已售出产品的安全性、可靠性、故障状态、使用情况等,在这些数据的基础上,产品运行数据可以直接转化到生产过程中,可以改进生产流程、提高产品质量、开发新产品,更进一步,生产信息也可以直接作用于优化产品研发及生产过程的上游工序中。

            9、能够为企业提升新的服务价值

            商家卖的是产品,用户看重的是产品带来的价值。一切技术或产品都只是手段,其核心目的是在使用中创造价值。当企业能够使用新的技术为用户提供服务时,卖的已经不是或者不只是冰冷的产品了,而是新的价值服务。这样,一个生产商就从过去单纯的产品提供者转变为如今的信息服务商。

            说了这么多,其实也只是工业大数据提供的价值的冰山一角,看这些比较枯燥,改天整理一下各类案例,对于工业大数据的作用就会更加直观了。
    展开全文
  • 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...

            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包括哪些门类。

            工业(Industry)是指采集原料,并把它们加工成产品的工作和过程。一般,我们把工业分为轻工业和重工业(重工业中包含化工业,也可以把化工单独分类),2013年以前,我国都是按照轻工业和重工业对工业进行分类的,一般把为国民经济各部门提供物质技术基础的主要生产资料的工业成为重工业,例如石油开采、煤炭开采、电力、机械设备制造等,而主要提供生活消费品和制作手工工具的工业成为轻工业,例如食品制造、饮料制造、日用化学制品、医疗器械制造、文化和办公用机械制造等。

            2013年以后,对于工业分类,我国采用了新的标准,新标准借鉴了联合国经济和社会事务统计局制定的《全部经济活动国际标准行业分类》(International StandardIndustrial Classification of All Economic Activities),简称《国际标准行业分类》,从2013年下半年起,国家统计局在工业数据发布中不再使用“轻工业”、“重工业”分类,而以采矿业、制造业、电力热力燃气及水生产和供应业分类代替。

             采矿业包括煤炭开采和洗选业 、石油和天然气开采业 、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、开采辅助活动、其他采矿业;

            制造业包括农副食品加工业 、食品制造业 、酒、饮料和精制茶制造业、烟草制品业、纺织业、纺织服装、服饰业、皮革、毛皮、羽毛及其制品和制鞋业、木材加工及木、竹、藤、棕、草制品业 、家具制造业、造纸和纸制品业、印刷和记录媒介复制业、文教、工美、体育和娱乐用品制造业、石油加工、炼焦和核燃料加工业、化学原料和化学制品制造业、医药制造业、化学纤维制造业、橡胶和塑料制品业、非金属矿物制品业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、金属制品业、通用设备制造业、专用设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设 备制造业、电气机械和器材制造业、通信设备、计算机和其他电子设备制造业、仪器仪表制造业、其他制造业、废弃资源综合利用业、金属制品、机械和设备修理业;

            电力、热力、燃气及水生产和供应业包括电力、热力生产和供应业 、燃气生产和供应业、水的生产和供应业;

            建筑业包括房屋建筑业、土木工程建筑业 、建筑安装业、建筑装饰和其他建筑业。

            看到没?工业简直是无所不包,当我们谈工业大数据的时候,很多人仅仅涉及很小的一个门类,就自以为是工业的全部了(不好意思,我也是这样,哈!)。当了解到工业包含的内容后,再来对工业大数据进行定义,我们就知道绝对不能仅仅针对一般理解的设备制造或者设备运行,那样就太片面了。

            我们还是先来看看专家们都是如何定义工业大数据的:

            美国的李杰教授号称是提出工业大数据概念的第一人,他在《工业大数据》一书中,对工业大数据的定义是:……额、啊、哦,没有定义!他仅仅是提出了工业大数据和互联网大数据相比较的特点。

            李教授认为,“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,而这些特点都是传统的互联网大数据处理手段所无法满足的。”(说的好像阿里、百度的数据是多么的不专业。)

            “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。”(看来阿里、百度、腾讯的工程师仅仅依赖统计学,哈!)

            “相对于互联网大数据的‘量’,工业大数据更注重数据‘全’,即面向应用要求具有尽可能全面的使用样本,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。”(Google用一个字就可以回答这句话,“呸!”)

            “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。”(个人认为这句总结的比较靠谱)。

            上面是美国专家的(确切说,是美籍专家的),再来看看国内的,工信部在2017年2月发布了《工业大数据白皮书(2017版)》,集中了N多研究院、厂商,提出了以下定义:

            工业大数据是指在工业领域中,围绕典型智能制造模式,从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心、极大延展了传统工业数据范围,同时还包括工业大数据相关技术和应用。

            恭喜我们IT的广大从业者,按照工信部的最新定义,只要你是做企业应用的,不管是OA还是HR,不管是网站还是进销存,做MES的、做ERP的、做CPS的、做组态的,做……的,今后我们都有同样的名字:做工业大数据的!

            这不扯淡吗!

            说来说去,其实我们一般理解,大数据大致分为工业大数据和互联网大数据,目前无论是技术还是应用,领先的都是互联网大数据,狭义的大数据也更多说的是互联网大数据,大数据的提出、发展、优化也都发生在互联网领域。工业大数据更多的是借鉴了互联网大数据的概念、技术,又结合了物联网的概念,把面向个人用户的东东应用到了企业领域而已,接地气的说,工业大数据主要有以下几个特点:

            1、数据来源主要是企业内部,而非互联网个人用户;

            2、数据采集方式更多依赖传感器而非用户录入数据;

            3、数据服务对象是企业,而不是个人;

            4、在技术上,传统的企业架构技术已无法提供相应的分析应用,更多的采用了互联网大数据领域成熟的技术;

            5、改变了企业原先对数据的看法,使得原先看似无用的、直接丢弃的数据重新得到了重视,并且切实改进了企业的生产、销售、服务等过程;

            所以,我提出了一个比较实在的工业大数据的定义,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基础上借鉴了互联网大数据的技术,提出的新型的基于数据驱动的工业信息化技术及其应用。
    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...
  • 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...
  • 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...
  • 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...
  • 工业大数据漫谈12:实时数据库与时序数据库 在工业大数据数据库存储领域,除了传统的关系型数据库和分布式数据库以外,还有一种类型的数据库是非常常用,而且是非常有必要的,就是实时数据库和时序数据库。 实时...
  • 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...
  • 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...
  • 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...
  • 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...
  • 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,...
  • 工业界需要训练大型的机器学习模型,一些广泛使用的特定的模型在规模上的两个特点:1. 参数很大,超过单个机器的容纳能力(比如大型Logistic Regression和神经网络)2. 训练数据巨大,需要分布式并行提速(大数据)...
  • 工业大数据漫谈2:大数据的特性

    千次阅读 2017-02-07 13:30:27
    谈到大数据,很多人的第一反应就是非常大量的数据,其实不然,5P的数据也许不是大数据,1P的反而是大数据。也就是说,大数据并不意味着绝对的数据所占空间的巨大。  那么,怎么理解大数据的“大”呢?我觉得吴军...
  • 该标准广泛适用于制造业自动化、流程工业自动化和楼宇、交通电力等其他领域自动化。 5、ModBus Modbus是由Modicon(现为施耐德电气公司的一个品牌)在1979年发明的,是全球第一个真正用于工业...
  • 工业大数据漫谈1:大数据的由来

    千次阅读 2017-02-06 14:24:11
    大数据”(Big Data)已经成为当前社会的热门词汇,不但在计算机领域,即使在全社会领域也成为人们耳熟能详的名次。甭管了解不了解,只要聊起新技术,“大数据”必然是挂在嘴边的词汇。要不,你看看全国各地、各...
  • 版权声明:本文为博主原创文章,遵循 CC...在工业大数据数据库存储领域,除了传统的关系型数据库和分布式数据库以外,还有一种类型的数据库是非常常用,而且是非常有必要的,就是实时数据库和时序数据库。 实时数据...
  • 矿山行业因为其生产的特殊性,因此在工业大数据的应用上,也呈现出了与制造型工业完全不同的特点。 与制造型工业相比较,矿山行业最大的区别在于产品质量无法通过生产工艺的改进而提高(煤炭深加工等不是我们今天...
  • 工业大数据-1-引用

    2021-02-07 10:28:00
    工业大数据漫谈1:大数据的由来 工业大数据漫谈2:大数据的特性 工业大数据漫谈3:什么是工业大数据? 工业大数据漫谈4:工业大数据的作用 工业大数据漫谈5:工业大数据案例(上) 工业大数据漫谈6:工业大数据案例...
  • 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...

空空如也

空空如也

1 2
收藏数 28
精华内容 11
关键字:

工业大数据漫谈