工业大数据分析综述：模型与算法.pdfVIP

工业大数据分析综述：模型与算法

摘要：随着条形码、二维码、RFID、工业传感器、自动控制系统、

工业互联网、ERP、CAD/CAM/CAE等信息技术在工业领域的广泛应

用，大量与工业生产活动相关的数据被实时采集并存储到企业的信息

系统中。对这些数据进行分析，有助于改进生产工艺、提高生产效率、

降低生产成本，为实现智能制造奠定基础。因此，工业大数据分析引

起了工业界和学术界的广泛关注。模型和算法是大数据分析理论和技

术中的两个核心问题。介绍了工业大数据分析的基本概念，综述了几

种流行的工业大数据分析模型在工业大数据分析领域的应用情况以及

相应求解算法方面的研究成果，并探索了大数据分析模型和算法的未

来研究方向。

关键词：工业大数据;大数据分析;模型;算法;智能制造

1引言

当今时代，信息化和工业化的融合已经成为发展趋势，《中国制

造2025》指出：“新一代信息技术与制造业深度融合，正在引发影响

深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增

长点”。工业大数据在两化融合过程中起着至关重要的作用，国务院

颁发的《促进大数据发展行动纲要》把发展工业大数据列为主要任务

之一：“推动大数据在工业研发设计、生产制造、经营管理、市场营

销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析

感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行

业、不同环节的工业大数据资源聚合和分析应用平台”。工业大数据

是指在工业领域中产生的大数据。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、射

频识别（radiofrequencyidentification，RFID）、工业传感器、工

业自动控制系统、工业互联网、企业资源计划（enterpriseresource

planning，ERP）、计算机辅助设计（computer

aideddesign，CAD）、计算机辅助制造（computeraided

manufacturing，CAM）、计算机辅助工程（computeraided

engineering，CAE）等技术在工业企业中得到广泛应用。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使得工业企业

也进入新的发展阶段，其拥有的数据也日益丰富。尤其是制造企业中

生产线处于高速运转的状态，工业设备上产生了大量数据，同时，企

业中人和计算机也产生了大规模数据。

例如，通用电气公司（GE）能源监测和诊断中心每天从客户那里

收集10GB的数据[1]，长虹集团有限公司等离子显示板生产流程数据

涉及超过10000个参数，每天产生3000万条记录，数据量大约为

10GB[2]。杭州西奥电梯有限公司的数字化车间监控超过500个参数，

每天产生约50万条记录；浙江雅莹服装有限公司数字化生产线由15

个子系统组成，每天产生约80万条记录，数据量大约为1GB。

模型和算法是大数据分析中的两个核心问题。大数据分析模型的

研究可以分为3个层次，即描述分析、预测分析和规范分析。描述分

析探索历史数据，并描述发生了什么，这一层次包括发现数据规律的

聚类[3]、相关规则挖掘[4]、模式发现[5]和描述数据规律的可视化分

析[6]；预测分析用于预测未来的概率和趋势，例如基于逻辑回归的预

测[7]、基于分类器的预测[8]等；规范分析根据期望的结果、特定场景、

资源以及对过去和当前事件的了解对未来的决策给出建议，例如基于

模拟的复杂系统分析[9]和基于给定约束的优化解生成[10]。大数据分

析算法的研究则针对特定的分析模型设计高效的算法，并研究如何提

高算法的可扩展性、实时性等。工业大数据除了具有大数据的5V

（volume、velocity、variety、value、veracity）特征，还具有诸多

与工业生产特性密切相关的特征，如数据来源多样、数据质量低、数

据蕴含信息复杂、耦合不确定、数据实时性高等，这使得工业大数据

分析的模型更加复杂多样，对算法的实时性要求更

高。

目前，工业大数据分析的理论和