登錄 用戶注冊
工業APP開發工具
工業APP運行工具
云平臺服務
資訊活動

專家解讀 | 中國工程院院士何友:工業大數據面臨三大挑戰

發布時間:2019-11-22 來源:金屬加工

  “工業大數據是新一輪產業革命的核心,是實現工業4.0、工業互聯網和中國智能制造的重要抓手,將推動企業從‘制造’走向的‘智造’。但是,當前工業大數據面臨幾個方面的挑戰。”11月14日,中國工程院院士何友在2019中國(黃石)工業互聯網創新發展大會上表示。


  這些挑戰體現在:

  第一,大數據技術的應用有困難。一是數據不足,工業大數據需要融合企業內部各方面和外部相關數據,但很多企業在數據采集及融合方面尚未完成,這導致大數據分析的效果難以達到預期成果。二是工業數據的信噪比比較低,分析結果很容易出現嚴重偏離事實的畸變。數據清洗的要求較高,需要保持數據的清潔和干凈。三是工業大數據分析需要計算機/數學專業技術,以及相關行業的技術背景,通過這些知識經驗進行建模,才能找到數據的價值,否則,可能導致極大的損失。

  第二,大數據給信息安全帶來新挑戰。大量數據的集中存儲增加了其泄露風險,對現有存儲和安全措施提出了挑戰。與此同時,黑客可收集更多有用信息,大數據分析讓攻擊更精確。

  第三,如何創造出智能新產品是工業大數據應用面臨的重要問題。這包括智能應用軟件、智能基礎設備、智能自主產品、智能穿戴產品、智能家居產品等等。

  第四,創造新的智能應用系統。在智能制造方面,如創造智能自主的裝備與系統、制造云服務、流程智能制造系統等等;在智能物流方面,有智能化分揀、倉儲、裝卸、搬運、集成信息平臺、產品質量及安全追溯、配貨調度智能化等;還有業務鏈的智能優化、生產線智能調度與重構等等。

  目前,工業大數據在產品創新設計、產品故障診斷與預測、供應鏈的分析和優化、產品銷售預測與大數據營銷、生產計劃與排程、產品質量管理與分析等場景有廣泛的應用。“數據是工業互聯網的血液。”何友如此描述大數據與工業互聯網的互為動力。

  不過,由于工業大數據數據價值密度高,數據類型繁多,多源異構的機構化數據和非結構化數據并存,數據處理實行性要求也非常高,數據關系和關聯性異常復雜等特征,企業如何從數據統計分析能力轉變為大數據分析、預測和決策能力,促進傳統工業升級改造和產業整合,是目前要解決的核心關鍵問題。(周寶冰)

用戶反饋
微信公眾號

航天云網

工業互聯網觀察

微博

工業互聯網觀察

關注

咨詢建議
亚冠足球直播 快乐12开奖结果一 山东微信麻将群 2人扑克的玩法有哪些 2019沈阳麻将群微信群5毛 真人真钱网上麻将 陕西娱乐麻将 十大网上股票配资平台 摆渡配资网 国内有什么好的股票配资平台 日经道·琼斯股票指数 基金配资申请 闲来贵州麻将下载安装到手机 卓信宝配资 血战麻将免费下载 甘肃快三开奖结果今 弈乐贵州捉鸡麻将苹果版