任务4.1 工业数据应用机理与技术分析 (1).pptx

01

任务4.1

工业数据应用机理与技术分析

工业数据应用机理与技术分析

工业互联网数据是指在工业互联网应用中所产生的数据，是工业互联网的核心。从数据类型上主要包括设备数据、应用系统数据、企业数据、知识库数据和用户个人数据等，覆盖工业数据全生命周期。

2

工业数据应用机理与技术分析

工业互联网数据贯穿于工业设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。工业互联网数据应用应覆盖工业生产的全流程和产品的全生命周期。

3

1.采集与预处理技术

从工业数据的来源进行分类，主要包括管理系统、生产系统、外部数据三大方面的数据来源。从数据采集的全面性上看，不仅要涵盖基础的结构化交易数据，还将逐步包括半结构化的用户行为数据，网状的社交关系数据，文本或音视频类型的用户意见和反馈数据，设备和传感器采集的周期性数据，以及未来越来越多有潜在意义的各类数据。

4

2.存储与管理技术

大数据存储与管理，是用存储器把采集并清洗过的数据存储起来，建立相应的数据库，并进行管理和调用。重点解决复杂结构化、半结构化和非结构化大数据管理与处理技术难题。主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。开发可靠的分布式文件系统（DFS）、能效优化的存储、计算融入存储、大数据的去冗余及高效低成本的大数据存储技术；突破分布式非关系型大数据管理与处理技术、异构数据的数据融合技术、数据组织技术；研究大数据建模技术；突破大数据索引技术；突破大数据移动、备份、复制等技术；开发大数据可视化技术。

5

3.分析与挖掘技术

大数据分析主要有两条技术路线，一是凭借先验知识人工建立数学模型来分析数据，二是通过建立人工智能系统，使用大量样本数据进行训练，让机器代替人工获得从数据中提取知识的能力。

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘涉及的技术方法很多，有多种分类法。

6

4.展现与应用技术

数据可视化，指的是一些较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为，基于几何的技术、面向像素的技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等。

7

5.决策与控制应用

根据数据分析的结果产生决策，从而指导工业系统采取行动，是工业大数据应用的最终目的。工业大数据应用可以分为以下5大类：

描述类（descriptive）应用

诊断类（diagnostic）应用

预测类（predictive）应用

决策类（deceive）应用

控制类（control）应用

8

6.隐私与安全技术

大数据安全，主要包括访问安全、存储安全、内容安全和运维安全。访问安全技术主要包括，访问权限认证，流量和访问质量控制，用户访问行为监控，访问敏感信息告警、阻断和追踪等技术。数据存储安全技术主要包括，存储介质加密访问技术、文件加密存储技术、分布式存储分片加密和解密技术、数据备份和容灾技术。内容安全技术主要包括，大数据去隐私化技术和多维度审计技术。其中，大数据去隐私化技术有数据加密、限制发布、数据失真等，多维度审计技术有用户、数据对象、字段、敏感内容等审计。运维安全技术主要包括，安全策略管理，系统安全审计，用户和权限管理，配置基线检查，漏洞和补丁管理等技术。

9